云側還是邊側，AI下的時代命題。

　　隨著5G、人工智能、大數據、AIoT等前沿技術的發展，海量數據接踵而至，各種云計算開始成為數據采集、分析和決策的主流，當市場都一致認為這是風口的時候，邊緣技術卻以“側翼”飛出并突圍，一場關乎AI的新征也由此開始。

　　“瓜熟蒂落”后，邊緣計算的機會

　　邊緣技術，不止于安防，但安防是其催生最快，應用最完善的產業之一，瓜熟蒂落與水到渠成的場景，讓AI外來者對安防的邊緣技術，信心倍增，先看下這個市場有多大。

　　不久前深圳召開了一場邊緣計算盛會，大會主題為“以邊緣的力量”，記者有幸見證盛況，現場好奇并獲知了許多與邊緣計算相關的話題與現狀。

　　市場研究機構Trend Force預測，邊緣計算產品和服務市場在2018年至2022年將以復合年增長率超過30%的速度增長，這一增速或有望打開千億級美元的市場空間。另據Gartner統計分析，到2025年，有75%的數據將產生于邊緣，2023年底有50%以上的大型企業將至少部署6個以上的邊緣計算應用，主要用于物聯網或者沉浸式的邊緣計算體驗。根據Gartner預測，2020年全球邊緣計算市場規模將達到411.4億美元，到2022年中國邊緣計算市場規模將達到325.31億美元。如此可見，邊緣計算產業正進入高速發展期，產業生態逐漸形成。

　　這是全球市場規模，而中國市場呢？

　　2021年，我國邊緣計算市場規模達436.4億元，其中邊緣硬件規模市場為290.2億元，邊緣軟件與服務市場規模達146.2億元。

　　與云計算的中心化計算不同，邊緣計算更強調去中心化，即在數據產生端進行數據處理，從而減少延遲。隨著5G等技術與生活結合越來越密切，由此產生了大量的數據處理需求。邊緣計算正是基于融合的邊緣側計算、存儲、網絡能力，就近提供邊緣智能服務，滿足用戶和行業數字化所面臨的敏捷連接、實時業務、智能應用、數據安全等關鍵需求，近年來得到了快速發展。

　　需求旺盛，前景廣闊，邊緣計算市場引來眾多科技巨頭布局。梳理邊緣計算市場上的主流玩家，大致可以分為三類：第一類，以華為、新華三為代表的ICT廠商，將基礎軟硬件及技術服務同邊緣計算場景融合，實現軟硬一體的邊緣計算私有化部署，并力推云網融合，從而達到5G云化網絡與邊緣計算的充分結合，以滿足各類行業智能化應用所急需的新型邊緣側高性能網絡與計算資源。第二類，以亞馬遜、百度、阿里為代表的公有云廠商，將云計算能力向設備和用戶側延伸，擴充云數據中心的外延，將云原生的統一編程模式通過邊緣網關的能力應用到設備構成的邊緣云，主打云邊協同一體化。

　　第三類玩家中就以純AI算法公司和運營商為主。前者則以設備側的邊緣基礎設施為中心，逐漸輻射到遠端的數據中心，將一些邊緣側無法完成的任務提交到云端完成。而后者通過提供基站的邊緣計算服務及5G網絡接入管理。

　　其實，邊緣計算也非新生事物，為何到現在爆發？這還是得益于當前日臻發展的物聯網、大數據、人工智能。在近年來物聯網快速發展，給傳輸與處理造成了巨大壓力，人工智能對算法、芯片、數據處理等也提出了更高的要求。邊緣計算能為人工智能硬件、智能機器人提供高速交互所需的運算服務，分解了云端在運算能力、傳輸能力上的巨大壓力，這就將邊緣計算的前景和人工智能技術的前景捆綁到了一起，想象空間驟然加大。這些非常明顯的商業機遇，也加速了邊緣計算的風潮。從“海大宇”最近兩年都在集中火力輸出邊緣計算就可看出，智能安防時代變了，玩家也變了，2022是該換個姿勢擁抱邊緣計算了。

　　2022邊緣計算如何造就“新安防”

　　邊緣計算，全球共識。那什么是邊緣計算呢？

　　根據定義，所謂邊緣計算，是指在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。簡而言之，邊緣計算是跟云計算想對應的，云計算是大而全，邊緣計算是小而美。又或者說，云計算負責鋪天蓋地，邊緣計算負責星羅棋布。

　　AI時代，千行百業與萬千場景，探討的是什么？以安防視角看，打通價值發現、創新使能、持續運營的應用閉環，進而從場景中來，到場景中去。

　　為什么安防行業是邊緣計算另一次時代機遇。目前市場上常見的計算方式主要有三種，第一種是云側智能，就是把采集到的視頻數據上云，在云端進行算法分析及業務應用，適合數據量大且業務較復雜的場景；第二種是端側智能，視頻數據在采集端即時算法分析后再傳輸，適合場景算法標準化且業務較簡單的場景；第三種就是邊側智能，也叫邊緣計算，視頻數據在邊緣側進行算法分析后再上傳云端，適合場景算法需求多且業務能自行閉環的場景。

　　如今是場景為王的時代，雖然現在云端和終端的算法應用，技術相對成熟了，但是如果所有數據都放在云端或者終端，數據分析系統復雜而龐大，成本高，難運維，實時性差，鏈路長，難以滿足千行百業用戶的定制化需求。換句話說，當場景越來越細分的時候，需要大量的定制化算法、小場景應用。此時若再用笨重的大平臺部署方式，成本和架構都與現實需求脫軌。于是，邊緣計算能在邊緣側就解決部分數據分析的難題，充分銜接端與云的“中間一公里”，滿足碎片化場景的需求，算法也更加多元，市場空間更大，能真正實現細分場景的業務閉環。

　　而安防領域智能化面臨的挑戰，也從另一面為邊緣技術的征戰，“出師有名”。

　　應用層面：攝像頭作為傳統安防設備，不僅清晰度逐年提升，而且對智能化的需求越來越強。安防系統每天產生的海量圖像和視頻信息，導致信息冗余嚴重，識別準確率和效率有所不足，應用領域也有限。但隨著邊緣計算技術的逐漸普及，安防領域遇到的難題正在被解決。邊緣計算在視頻監控系統的應用潛力巨大，主要體現在視頻結構化（視頻數據的識別與提?。?、生物特征識別（指紋識別、人臉識別等）、物體特征識別（車牌識別系統）等應用方向。在人臉識別場景中，在前端攝像頭附近配置邊緣AI計算機，把人臉識別的工作壓力分擔到前端，解放云計算資源，能夠集中算力資源去做更高效的分析。這不僅大幅降低信息傳輸和后端設備的負擔，同時也提升了整個安防系統的響應速度，為安防領域倡導“事前預警、事中制止、事后審查” 的理念提供技術支持。

　　云計算：數據傳輸成本高。隨著數據量的激增和傳輸帶寬的壓力越來越大，設備的無線傳輸模塊必須支持高速無線傳輸，這需要更大的功耗，與設備低功耗的期望相互沖突；很多終端應用場景對時延非常敏感。例如平安城市的異常行為檢測、人流檢測等需要實時預警，不能接受更長的延遲，對網絡穩定性和速率要求會越來越高，進一步增加了成本；智能家居場景對安全和隱私的需求也限制了云計算的發展。越來越多的人們擔心自己的敏感隱私數據被上傳到云上，信息安全沒有保障。邊緣計算可以很好地解決上面這些問題。根據實際應用需求，邊緣計算機既可以獨立作為智能處理模塊，也可以與云端配合（邊緣端做一些分析處理和過濾，然后交給云端），這樣的方案對優化延遲、帶寬和功耗優勢明顯。同時，在數據傳輸到數據中心之前，通過邊緣計算對數據進行分析和處理，匿名和加密，可以消除將所有終端數據傳輸到云端的敏感信息，從而有效解決隱私問題。

　　從目前的應用情況來看，邊緣計算在安防行業的落地主要有兩大場景。

　　第一類是私有網絡：通常采用邊緣存儲私有化+邊緣計算私有化部署，該方案的優點是可內網保證數據私密性，可打開網絡出口，把數據備份到公網上，本地計算資源不足時也可打開公網出口，業務降級到中心計算資源去計算處理。

　　第二類是互聯網系統，通過公有網絡，邊緣計算可以發揮出更加強大的部署，很多公有化功能通過在線上的邊緣計算可以很輕易地搭載到安防系統當中。這類技術多用于老舊小區的安防監控智能化改造當中，但此類系統對于行業的功能整合和網絡設置都有較高的要求，通常來說大企業涉及的比較多。

　　不過無論共有還是私有，邊緣計算目前在我國的安防行業中已經有了大規模的應用，而從各大廠商對其的青睞就可以看出，目前邊緣計算在行業的核心程度。以龍頭?？低暈槔?，?？低曉?017年就發布了AI Cloud核心框架，通過云中心、邊緣域和邊緣節點三個核心部分，?？低暱梢詫崿F端到中心的邊緣計算+云計算，徹底釋放用戶的網絡壓力和數據分級壓力。

　　云邊端一體化旨在屏蔽云、邊、端分布式異構基礎設施資源，實現資源統一管理、數據自由流通、應用一致運行環境、立體安全保障，滿足用戶多樣化、實時敏捷、安全可靠業務需求。

　　在萬物互聯和行業智能化雙重環境的催生下，云邊端一體化有利于將算力下沉到更接近數據產生的現場，同時擁有更低的時延、更低的帶寬占用、更低的部署成本，以及更加安全可靠的數據傳輸等優勢，更好地滿足企業智能化轉型的需求。由此不難判斷，在產業數字化升級背景下，云邊端一體化的加速演進，將進一步提升數據處理效率，避免延遲，強化敏捷性，讓邊緣計算的優勢得到更大的展現，成為企業數字化、智能化轉型的優選項。

　　結束語

　　對于2022的安防，持續深耕場景，深挖用戶需求，加大研發創新，并在邊緣計算生態位來拓展邊緣計算，以邊緣之力，再一次加速AI時代全場景的落地為王，這或許就是邊緣計算的“安防使命”。

（轉自：CPS中安網）