通信界訊 5G和邊緣計算間是相互促進、彼此成就的關系。5G的商用化進程推動了邊緣計算技術的快速落地，同時，邊緣計算技術的應用又大大促進了5G網絡更快、更好地發展。
根據業務的訴求不同，MEC的應用場景可以分成兩大類：
第一類，是面向2B的業務，比如像精密制造、工業控制、園內的視頻監控和管理等，其典型的業務需求是數據不能出場、高可靠的工業組網、超高的上行帶寬、超低時延、超強算力和專網管理等。
第二類，是面向2B2C的業務，主要是OTT應用服務商業務為主，比如，車聯網、AR/VR/云游戲等，這類業務的需求是廣覆蓋、有QoS保障的連接、邊云密切協同和超高的移動性等。
下面分析幾種典型的5G業務中MEC設備的功能需求及其可能的部署位置。
1、智慧工廠該場景下MEC設備要解決的問題是：接入的設備多，而且大部分設備的數據是視頻數據，數據量非常大，比如，安防機器人、做質量檢測的機器視覺、人臉識別閘機、AR/VR眼鏡等；數據處理要求時延低，特別是機床操控；數據有隱私需求，需本地處理，不能出園區；有固定不動的設備，也有高速移動的設備。
針對以上場景，一般會考慮構建一個5G專網，支持大帶寬、低時延特性，以滿足大規模AGV組網調度的需求。除了支持5G連接，保證移動性設備的接入外，還要支持光纖接入和WiFi接入。MEC平臺上需要集成AGV視覺導航系統、工業數據采集、AR遠程專家指導、機器視覺質量檢測等多種應用，實時地對接入的海量數據進行智能分析，以實現低時延的自動化控制。
智慧工廠場景中的MEC平臺通常會就近與專網中的5G基站合設。
2、云游戲、AR/VR這三種業務的共同點就是都需要極大的傳輸帶寬，用于交互很多視頻的內容，時延越低，用戶的體驗會越好；不同點在于時延要求有所不同，業務發生的場所不同，客戶群也有所不同。
對這三種業務而言，如果能夠采用邊緣計算技術，把計算和渲染的能力遷移到邊緣云的位置，相比云計算來說，一方面能夠大大降低時延，提升用戶體驗；另一方面，能大大減低對終端的性能要求，終端的重量、成本下降，能夠向輕便型轉變，這樣客戶的接受程度也會提升，促進產業發展。
對于云游戲，如果是在公有云的服務器上運行，服務器渲染完成后的游戲畫面通過網絡再傳送給用戶的話，玩家會直接感受到從指令輸入到畫面更新延遲較高，游戲體驗差。如果將云游戲從公有云遷移到靠近玩家的邊緣云，在本地進行渲染，縮短傳輸距離，時延能夠降到20ms以內，顯著提升用戶體驗，同時還能節省邊緣云到5G核心網的回傳帶寬。
云游戲屬于2C業務，而且對時延的要求不是太高，因此，MEC服務器可以部署在地市核心機房，這樣在兼顧到更多客戶的情況下，既提升業務性能，又能夠降低運維成本。
對于AR，現有的解決方案中，用戶需先下載安裝巨大的APP來進行AR的體驗，手機的內存、電量和存儲容量也限制了AR的發展。MEC平臺能夠通過網絡數據來確定用戶的位置，然后利用就近的、本地的AR服務器，提供實時的AR內容匹配計算和推送，以實現本地實景和AR內容頻道實時聚合，這樣就能帶給客戶全新的獨特用戶體驗。
對于VR業務，以賽事直播為例，如果在場館內部署MEC平臺，在本地緩存全景攝像頭所拍攝的視頻，供球迷通過VR設備來快速回看，就能體驗到在VIP位置的觀看效果。通過在本地部署的MEC，大大地降低時延以避免眩暈感，并減少對回傳資源的消耗。
AR/VR通常都是2B2C業務，區域性比較強，而且對時延要求很高。因此，一般建議在業務區域內部署MEC平臺，就近進行業務分流和處理。
3、自動駕駛自動駕駛首先對網絡的帶寬有著苛刻的要求，如果把車輛遇到的所有信息都傳輸到云端處理，至少需要超過 100Mbit/s 才能滿足要求；其次，車輛在高速行駛中，對于時延的要求也極高，必須保持在 1 ms~10ms 之間。
要實現自動駕駛，有幾個問題必須依靠邊緣計算平臺才能解決：1）單車、路側單元與應用平臺等之間交互時延過大，無法及時獲取、處理以及決策信息，無法滿足自動駕駛對網絡實時性的需求。
2）單車以及周邊交通單元感知能力不足，無法對于超過視距范圍事件準確感知和信息同步，無法全局掌握區域交通信息，運行范圍及車路協同一體化受限。
3）汽車故障管理也是制約自動駕駛從實驗室走向商用的重要因素之一，需要進行及時人工干預，預防事故發生，保障自動駕駛安全性等。
而MEC平臺分布式特征則能夠很好地解決海量數據處理、海量終端連接以及高速移動切換等問題。MEC平臺還能及時接受路側單元上報的路側信息，并推送至鄰近的車輛，實現本地分流和無縫切換，保障更好地支持視線盲區的預警業務。另外，車載部分計算分析系統上移至 MEC 邊緣云，能夠有效降低智能車輛改造成本，提速無人駕駛商業化步伐，并預留開放接口，為所有車聯網終端提供遠程故障管理服務。
由于自動駕駛的復雜性，它對帶寬、時延、移動性的要求都特別地高，所以，針對自動駕駛來部署邊緣計算設備時，也會相對復雜，考慮的因素比其他業務更多一些。
首先，MEC平臺應盡量靠近終端接入側，一般會在路側部署邊緣計算節點，獲取車輛周邊的全面路況交通信息，并進行數據統一處理，對于有安全隱患的車輛發出警示信號，輔助車輛安全駕駛。其次，要實施更全面的車輛控制和故障管理等功能，平臺的功能和性能要求也會很高，路側部署的邊緣節點通常不能滿足要求，此時，需要在基站側再部署計算能力高的MEC服務器。
由于涉及到高速移動，車載終端必須采用5G接入方式才能滿足業務連續性的要求。3GPP針對這種場景也進行了專門的規定，在切換發生時，通過雙連接的方式，以保證高速移動情況下業務的連續性。
4、安防行業由于國家一批大型項目的推動，安防是AI最早落地的領域。安防的AI化過程中，已經經歷了從云計算到云邊協同的階段，甚至已經在向邊網融合的方向發展。現在很多的攝像頭，包括家用的攝像頭，都已經有人臉識別、語音識別和行為識別功能，這就是一種典型的邊緣節點；而視頻監控一體機、人臉識別盒子、NVR存儲設備等，計算能力就更強一些，可以屬于邊緣云計算；云計算中心的應用平臺的功能和性能更強大，通常都是具有超大運算能力的GPU服務器。
安防和MEC的結合應用，其實更多是由于移動化的巡檢設備的出現而需要考慮的，像巡檢無人機等。如果要實時傳輸監控數據，這些設備所需的回傳帶寬要求也是非常高的。但是，在監控過程中，大部分畫面其實是靜止不動的，沒有必要上傳所有的數據，這時就可以通過就近部署MEC平臺，對采集到的視頻內容進行預分析處理，只上傳有變化、有價值的畫面，大部分價值不高的監控數據就存在本地的存儲服務器中，這樣就能夠大大地節省傳輸資源。
5、案例分析 在應用的最后，以一個實時無人機檢測的項目為例，說明未來邊緣計算產業鏈將會是多方合作的發展模式。該項目由微軟Azure提供邊緣云服務，AT&T提供5G網絡連接服務，軟件公司Vorpal提供的是與無人機相關的檢測定位應用程序，該程序是運行在Azure的云服務器上，無人機提供的信息可以供執法機構或者機場使用。
通過這個案例，可以看到邊緣計算應用中的幾個關鍵點：
必須要有邊緣計算才能降低5G數據業務的時延，提升用戶體驗；僅有云服務提供商，無法提供廣闊的網絡覆蓋，業務無法開展；電信運營商要想超越管道角色也很難，需要努力挖掘產業鏈上的機會。（本文作者為中國信息通信研究院泰爾終端實驗室高級工程師）
