2.3主要的边缘智能参考架构
边缘智能的一些产业联盟及标准化组织作为产业服务机构，会持续推出边缘计算技术参考架构，本节总结主要标准化组织的参考架构。
欧洲电信标准化协会(ETSI)2016年4月18日发布了与MEC相关的重量级标准，对MEC的七大业务场景作了规范和详细描述，主要包括智能移动视频加速、监控视频流分析、AR、密集计算辅助、在企业专网之中的应用、车联网、物联网网关业务等七大场景。
此外，还发布了发布三份与MEC相关的技术规范，分别涉及MEC术语、技术需求及用例、MEC框架与参考架构。
从第一版到第二版，ETSI的MEC架构的变化主要体现在两个方面，一是资源下沉，将应用服务的内容靠近边缘，核心网的功能进一步边缘化，此举可以更大程度的提升服务的效率、节省资源；二是商业价值的进一步释放，通过垂直行业的多样化、层次化、个性化定制与创新，将边缘智能的能力进一步提升。
图17 ETSIMEC参考架构
边缘计算产业联盟（ECC）的参考架构基于模型驱动的工程方法进行设计，从架构的横向层次来看，具有如下特点：智能服务基于模型驱动的统一服务框架，通过开发服务框架和部署运营服务框架实现开发与部署智能协同，能够实现软件开发接口一致和部署运营自动化；智能业务编排通过业务Fabric定义端到端业务流，实现业务敏捷；联接计算CCF(ConnectivityandComputingFabric)实现架构极简，对业务屏蔽边缘智能分布式架构的复杂性；实现OICT基础设施部署运营自动化和可视化，支撑边缘计算资源服务与行业业务需求的智能协同；智能ECN(EdgeComputingNode)兼容多种异构联接、支持实时处理与响应、提供软硬一体化安全等。
图18 ECC边缘计算参考架构2.0
重庆邮电大学基于学习的D2D通信系统（例如社会感知的D2D通信系统）与虚拟化的D2D通信系统提出了KCE架构，该架构可以为用户提供可信的D2D接入，以最大化D2D设备资源的利用率。
架构分为物理层、知识层与虚拟管理层。在物理层，通过考虑缓存策略与服务容量，研究UE的资源分配方法；在知识层，主要聚焦网络结构识别、激励机制及信任管理；在虚拟管理层，重点研究虚拟资源的优化分配方法，以满足不同的用户QoS要求。
图19基于知识为中心的边缘计算体系架构-KCE
三、边缘智能产业生态分析
从传统产业链角度看，边缘智能产品、技术、平台和方案部署在终端和网络回传设备之间，与边缘智能相关的产业链只是位于这之间各种软硬件企业；不过，从物联网产业视角看，边缘智能作为物联网的汇聚和控制节点，其涉及到的产业生态不仅仅只是产业链这一小段，而应扩展到对物联网端到端解决方案形成影响的部分，涵盖了硬件、软件、设备、运营商、内容提供者、应用开发者等各个环节。本章以物联网产业的视角，抽象出边缘智能产业生态框架，并对其进行分析。
3.1边缘智能产业图谱
近年来，边缘智能产业参与者数量越来越多，从这些参与者的角色分布来看，可以绘制出该领域相对应的产业生态框架图如下：
图20边缘智能产业图谱
从整个产业图谱来看，边缘智能作为物联网业态中的组成部分，大部分参与者在物联网产业生态中本身也承担着多种角色，而且不少企业和机构布局了多个环节。本报告按边缘智能主要功能模块抽象出以上产业图谱，基本上可以让业界对所有参与边缘智能产业的各类企业和组织以模块化和结构化的方式进行考察。
总体来说，本报告将边缘智能产业链分为两大类，第一大类涉及到边缘智能技术、产品、解决方案等核心业务的研发、生产、经营、应用闭环的流程，主要涵盖边缘载体供应商、边缘业务运营商、服务提供商和最终用户，每一板块下面又有多个子板块构成边缘智能产业链的分工。其中边缘载体供应商旨在让边缘智能有可运行的软硬件载体，边缘业务运营商拥有这些软硬件载体并承担运营商角色，服务提供商也是在这些软硬件载体上根据用户业务需求推出对应的服务，最终由业务运营商和服务提供商为最终用户提供服务。第二大类主要是为边缘智能这一闭环流程提供标准制定、产业组织等服务，对应的是一些标准化组织推出边缘智能端到端标准和参考架构，以及行业协会、联盟促进整个产业合作共赢，降低产业的碎片化。
3.2边缘智能产业生态主要组成部分
上节中边缘智能产业图谱是对所有参与者的结构化抽象和梳理，本节主要介绍产业图谱中每一板块的具体内容，以及各板块之间的关系，将该图谱展开研究。
3.2.1边缘载体供应商
与大部分边缘计算产业研究报告不同，本报告将边缘智能上游参与企业归纳为边缘载体供应商，包括相关的硬件和软件供应商，这一环节所有参与企业的成果是形成边缘智能软硬件平台，这一平台级的产品成为中下游边缘智能业务开展的承载载体，因此成为边缘载体供应商。本报告认为，所有为这一载体的搭建提供产品和服务的厂商都可纳入这一产业板块中，包括但不限于边缘智能硬件基础设施、边缘数据中心、计算能力、电信级能力等方面的供应商，大致可以按照硬件设备商和软件供应商两类。
（1）硬件设备商
不论是部署在家庭、办公、商业，还是车联网接入、工业现场等各类场景，要实现边缘智能首先需要部署可见的硬件载体。由于边缘智能是在接近物联网数据源头、贴近用户部署的，而物联网业务场景的多样化和碎片化也使得边缘智能硬件载体呈现多样化的特征，家庭路由器、机顶盒等智能终端，WiFi接入点、蜂窝网络基站、LPWAN网关等网络基础设施，以及各类本地和区域小型数据中心等，都可以作为边缘计算的节点，同时也成为边缘智能的载体。这些厂商可以大致分为通信设备商、芯片厂商、IT基础设施厂商、工业设备商和其他硬件厂商五类，主要硬件设备商列表如下：
表格5边缘智能硬件设备代表性厂商
通信设备商
近年来，随着通信网络提速的推进，基于互联网的边缘计算、移动边缘计算（MEC）得到快速发展，占据边缘智能领域较大市场规模，在这一过程中，通信设备厂商就承担起了提供边缘智能节点设备的任务。该领域代表性企业是那些传统的通信设备商，这些企业已将边缘智能设备作为其主要产品之一。移动边缘计算在LTE网络向5G演进中发挥着巨大作用，其大多为构建在无线接入网（RAN）侧的云端服务，接入网设备供应商就是MEC的核心参与者。华为、爱立信、诺基亚、中兴以及刚刚成立的中国信科集团都是通信基站设备的核心供应商，其推出的设备越来越多考虑到边缘智能的需求，尤其是面向未来5G网络移动增强宽带、低时延高可靠的场景，支持移动边缘计算成为通信设备厂商研发的标配。未来，基于蜂窝网络的物联网连接数占据总连接数20%以上，这一业态肯定离不开此类厂商设备的助力。
互联网和数据传送网络设备供应商也是这一板块的主要参与者，例如思科的路由器、网络管理产品、存储产品、视频系统等设备也是边缘智能的主要载体，由于对于边缘智能的认识，思科也较早提出了雾计算的理念。除了这些主流通信设备厂商外，由于近年来各类物联网通信技术的发展，很多中小通信设备厂商也开始提供拥有边缘智能功能的设备，包括各种异构通信技术切换的蓝牙、Zigbee网关、LoRa网关等，这些分布式设备在物联网各类场景中提供者边缘智能服务。
芯片厂商
芯片厂商已经成为边缘智能领域的积极参与者，边缘节点如何进行设备管理、如何将人工智能用于边缘智能、如何实现数据安全等功能，其硬件设备中都需要嵌入有一定计算能力的芯片。近年来，除了传统的芯片厂商提供边缘智能芯片外，大量人工智能创新企业和互联网企业在芯片领域布局中有很多是提供边缘智能芯片。
对于边缘智能系统，处理器、算法和存储器等都是其中关键因素。对于常规的物联网终端来说，处理器侧主要是一块简单的MCU，以控制目的为主，运算能力相对较弱。不过，如果要靠近数据源增加边缘智能能力，需要更强计算能力芯片，一种做法是将MCU做强，另一种做法是走异构计算的思路，MCU还是保持简单的控制目的，计算部分则交给专门的加速器IP来完成，近年来热门的AI芯片其实相当一部分做的就是这样的一个专用人工智能算法加速器IP。另外，边缘智能往往需要使用新存储器解决方案来实现高密度片上内存，或者加速片外非易失性存储器的读写速度，可能催生出新的内存器件。
主流芯片厂商英特尔、美国高通等企业已经推出相应的边缘智能芯片产品，而在计算机视觉、语音识别等应用中，新的人工智能企业如商汤科技、旷视科技、异构智能等将其人工智能能力应用至边缘智能平台中，近期谷歌推出专门的边缘智能芯片EdgeTPU，作为其CloudTPU的补充，进一步提升计算性能，快速做出本地实时的决策。在边缘智能芯片供应商领域，已经形成主流芯片厂商、云服务厂商、人工智能创业企业三类主体布局的态势。
工业设备商
工业物联网是边缘智能最主要的应用场景之一，因此工业领域边缘类设备就构成边缘智能的载体，小型嵌入式计算机、工控机、工业PC、工业级网关等工业现场硬件终端都逐渐承担一定边缘智能的职责。这一领域的参与者主要是在工业控制、工业通讯等领域有多年经验的厂商，如研华科技、施耐德等厂商。由于工业物联网拥有庞大的市场空间，而工业场景中机器控制器、PLC、HMI、机器视觉设备、数据采集设备、安全控制器等产生数据的设备对于集成到高性能边缘设备的需求很强烈，因此边缘智能给那些工业设备厂商带来新的机遇。
TIT基础设施厂商
在数据源附近部署小型数据中心也是提供边缘智能载体的重要方式，一般有本地化数据中心和区域数据中心，所涉及的硬件参与者主要是IT基础设施供应商，他们会提供数据中心设备。
本地的小型数据中心提供一定的处理和存储能力，并且能在现有环境下快速部署。数据中心厂商一般有相对成熟方案，通常会提前做好预设，然后在现场组装；另外也可以提供预制微型数据中心，在工厂组装并在现场使用。区域数据中心虽然也可能靠近数据源头，但一般会形成一定规模，需要更长时间进行规划和构建。
主流的IT基础设施厂商惠普、戴尔、新华三等企业，已有各种类型的服务器产品，可以快速搭建本地化和区域小型数据中心。面对数字化转型趋势下业务需求的复杂性，边缘智能需要更灵活、更动态、随需应变的IT基础设施，供应商也在不断适应需求变化来优化其产品。
其他硬件厂商
由于边缘智能应用形态多样化，其硬件载体也是多样化的，除了上面四类主要的硬件厂商外，还有大量其他企业提供各种类型设备，能够搭载边缘智能软件和服务，消费级的机顶盒、路由器、智能音箱等智能硬件产品也构成了边缘智能的载体，生产这些设备的硬件厂商也进入边缘智能硬件设备商的产业生态。比如，小米近期发布的边缘计算解决方案，就是借助小米路由器在对网络进行感知后，可以判断使用哪些CDN节点覆盖能够达到最好效果；同时，路由器基于用户识别请求，还能利用大数据分析DNS解析，替换错误DNS的服务器，保障网络安全。
（2）软件供应商
要形成边缘智能载体，在硬件基础上还需要专门的平台级软件和特种行业软件，形成边缘智能的软件供应商群体。由于边缘智能是在数据源附近提供计算、存储和处理资源，这些资源面对数量众多且空间上分散的各类终端、传感器，边缘智能平台需要一套软件系统进行统一管理和控制，使应用集成商和开发者可以快速开发和部署应用，这样才能构成一个完整的边缘智能基础设施。
根据施巍松教授编著的《边缘计算》教材总结，对于平台级边缘智能系统，一类是作为云端服务的功能考虑，一类是从物联网资源可用性考虑，还有一类是融合云端和物联网资源推出的系统。目前，很多互联网和云服务厂商推出的边缘智能平台级软件考虑了融合云端和物联网资源可用性，包括AWS Greengrass、微软Azure IoT Edge以及阿里云的Link Edge等，成为边缘智能软件供应商的主力。
当然，不少边缘智能硬件基础设施供应商不仅仅满足于提供硬件设备，他们在其推出的边缘设备上搭载了相应的平台级软件系统，这些软件系统有些是自身开发的，有些是和大型软件、云服务厂商合作开发。这些平台级软件系统需要实现分布式工作负载、扩展分析、数据源集成等功能，由于边缘智能尚处于发展的初期，这一细分领域的市场参与者较多，市场集中度不高，未来随着物联网业务规模化发展，拥有“云-边-端”协同发展能力的厂商可能会占据较高市场份额。由于各主要行业场景的客户需求不同，边缘智能基础设施往往在面对主要行业时，需要搭载行业级软件系统，如面向智能城市、车联网、智能家居等行业的边缘智能平台，此时需要引入一些能够提供行业级边缘智能系统的软件厂商，也构成边缘智能载体供应商的一部分。
3.2.2业务运营商
运营商一般是将边缘智能基础设施平台作为其核心产品，为各类集成商、内容供应商、服务开发商提供快速部署应用和服务的支撑，收取相应的功能和运营费用。本报告认为，边缘智能业务的运营商包括电信运营商和其他第三方运营商两大群体，双方已经初步形成相应的商业模式。
（1）电信运营商
涉及到移动通信的物联网领域，电信运营商是边缘智能产业链的核心，他们可以根据不同场景，采用软硬件厂商提供的边缘智能载体，部署移动边缘智能网络来提供基础服务。一般第三方应用开发商和内容供应商可以利用电信运营商开放的接口调用所需要的边缘智能资源，快速部署行业应用，电信运营商也可以和产业链上下游企业合作，借助电信级能力和边缘智能平台接口，共同推出车联网、智能城市、视频监控、智能工业等应用。
当前，国内外主流电信运营商均开展了边缘智能的布局，包括中国移动、中国电信、中国联通三大国内运营商。由于电信运营商在产业中的特殊性，其提供的边缘智能方案运营的角色一方面面临着同行业其他运营商的竞争，另一方面第三方边缘智能平台运营商也对其有一定程度的冲击。
（2）第三方运营商
由于各家云服务供应商将平台和计算能力下沉至网络边缘侧，云服务的运营模式也在一定程度上对边缘智能服务形成重要的参考。大型云服务厂商都具有提供边缘智能系统平台的能力，构建边缘智能基础设施，在此基础上他们作为这一基础设施的运营主体，直接向大量的开发者、内容供应商提供边缘智能能力，参考云服务按需收费模式，成为第三方边缘智能运营商群体。主流的云服务厂商如阿里云、AWS、Azure等已经基于其边缘智能平台开展运营，随着边缘智能产业的发展，其他云服务厂商也会加入其中，加上一些专注于某些行业边缘智能平台系统厂商，边缘智能运营商群体也较为丰富，未来的竞争格局是着眼于如何提升“云-边-端”协同竞争力。
3.2.3服务提供商
服务提供商主要直接为最终用户提供基于边缘智能的物联网应用。这一群体借助边缘智能基础设施载体，以及运营商提供的各类开发接口，开发用户直接可采用的个性化应用方案。服务供应商包括业务集成商和应用开发商两类。
（1）集成商
集成商并不是一个独立存在的角色，类似于企业信息化中的集成商角色，这一类厂商将边缘智能相关软硬件基础设施和终端、网络、云平台等融合起来，为最终用户提供端到端的解决方案。在物联网产业中，那些面向最终用户的集成商都可能成为边缘智能产业生态中的集成商，只要他们所提供的集成化解决方案需要边缘智能相关元素。
（2）应用开发商
一些CDN应用厂商以及第三方应用厂商，在边缘智能平台基础上开发满足下游用户业务场景的具体应用。应用开发商群体非常丰富，既有专业的工业级应用开发者，也有智能生活应用开发者，还有大量个人开发者，因此是一个市场集中度非常低的细分领域。
3.2.4最终用户
边缘智能载体、运营商、服务商面对的最终用户就是各类物联网用户，既有个人、家庭的消费物联网用户，也有国民经济各行各业有转型升级需求的产业物联网用户，这些用户分布非常广泛，需求碎片化普遍，正好适合基于分布式架构的边缘智能为其提供服务。边缘智能最终用户采用相关方案后，最终结果会反馈给上游服务商、运营商以及边缘智能软硬件提供商，进一步提升边缘智能服务水平，形成闭环流程。
3.2.5产业服务机构
为支撑边缘智能主生产流程的有效进行，各类科研机构、标准化组织和产业联盟等第三方机构纷纷针对边缘智能设立研究课题、推动业界合作。
针对边缘智能，国内外各类科研机构积极开展前瞻性研究，中国信息通信研究院、中科院沈阳自动化研究所以及大量高校持续关注边缘智能的进展，设立各类研究课题，并积极推动产学研的合作。
边缘智能的标准化组织和产业联盟往往有很多重合之处，不少产业联盟类机构会成立专门的标准化研究分支机构，联合业界核心企业开展标准研发。其中包括欧洲电信标准化协会（ETSI）成立的多接入边缘计算组织（ETSIMEC），思科、ARM、微软等发起的Open Fog联盟，3GPP标准化组织也明确把边缘计算纳入到了5G架构的关键课题中。在国内，比较知名的是2016年11月成立的边缘计算产业联盟（ECC）以及IoT合作伙伴计划（ICA联盟），其中ICA联盟专门设立了边缘计算标准组。在产业界的推动下，一些开源社区也发布了专门发布了边缘智能项目，让更多开发者可以参与到这一领域中。
3.3边缘智能产业发展规模
边缘智能的产业规模随着物联网产业的发展不断壮大。由于边缘智能更多是物联网整体解决方案的一部分，直接抽取专门针对边缘智能的市场总量和收入并不容易，不过可以采取对比不同模式成本的方式，预计边缘智能给产业带来的较高的产业关联效应。
3.3.1从一个试验看边缘智能的经济价值
Wikibon分析机构的CTO曾用一个试验分别对采用边缘智能和没有采用边缘智能的方案进行成本对比，从中发现边缘智能带来的成本大幅度节约。具体来说，该试验通过一个配有100个传感器和两个视频流的风电场站点的案例来进行研究。这个解决方案比较了三种不同架构的管理和实施总成本：
（1）使用专用网络传输至云端处理
（2）使用蜂窝网络回传至云端处理
（3）使用专用网络++边缘计算++
图21三类部署模式成本对比（单位：美元）
在第一种仅使用专用网络传输至云处理的情况下，最终计算出传输数据的三年成本，加上云计算和设备成本，平均每年需要254,552美元；而基于蜂窝网络虽然无需专网成本，但需要基于Sim卡的硬件成本，最终平均成本每年达到113,884美元；相比之下，采用专用网络+边缘计算+云计算的模式，每年只需37,628美元。可以看出，虽然蜂窝网络回传能够大幅降低专网+云计算的项目部署成本，但增加边缘智能的方案则成本下降幅度更大，这一试验项目中仅为专网+云计算方式的15%左右。
3.3.2边缘智能产业规模
虽然以上试验中85%成本的下降不一定在其他物联网项目中具有普适性，但可以肯定的是通过边缘智能的实施，大部分原来使用云的方案成本会有明显下降，规模化实施后总体成本节约更加明显。以此来预估整体市场规模，边缘智能带来的间接经济价值巨大。
从连接数来看，未来产业物联网中有大量设备会直接连接至边缘智能平台。金准人工智能专家根据BI Intelligence发布的报告预测，到2020年估计有超过5.63亿政府和企业级物联网设备连接至边缘智能平台。
图22政企物联网连接至边缘智能平台数量（单位：百万）
以上数据仅为政府和企业级物联网项目的连接数，大多为产业物联网项目，而消费物联网项目中预计也有大量会采用边缘智能方案。金准人工智能专家根据市场研究机构IDC预测，到2021年，全球云计算市场的规模将达到5650亿美元，这其中约有20%为边缘云，市场规模可达到1130亿美元。
四、边缘智能主要参与者布局
边缘设备的种类和数量都非常多，带来的市场效应必然也会具有很大体量。各类公司从硬件、软件等方面切入边缘智能市场，从目前主要的参与者情况来看，大体可以分为互联网公司、通信设备公司、运营商、芯片企业以及IT基础设施供应商等。
其中，互联网公司主要包括阿里巴巴、亚马逊、微软等，通信设备公司以华为、思科、中兴为主，运营商包括中国移动、中国联通、中国电信等，芯片企业包括ARM、Intel、NXP等，而IT基础设施供应商则以IBM、戴尔、惠普为主等。
图23边缘智能参与者
4.1互联网公司
4.1.1阿里巴巴
阿里云从2014年就开始对外提供CDN服务，拥有1300多个全球CDN加速节点，覆盖北欧、北美、东亚、东南亚等地70多个国家和地区，业务涵盖视频、金融、电商、医疗、直播等多个领域，全球带宽总量超过85Tbps，99%的华人所在地都可以享受到阿里云的CDN服务。
2018年3月，在云栖大会·深圳峰会上，阿里云宣布2018年将战略投入边缘计算技术领域，并推出首个IoT边缘计算产品LinkEdge，将阿里云在云计算、大数据、人工智能的优势拓宽到更靠近端的边缘计算上，打造云、边、端一体化的协同计算体系。
借助LinkEdge开发者能够轻松将阿里云的边缘计算能力部署在各种智能设备和计算节点上，如车载中控、工业流水线控制台、路由器等，支持包括Linux、Windows、RaspberryPi等在内的多种环境。可为为用户提供设备接入、就近计算、数据清洗等服务。
图24LinkEdge功能定位
LinkEdge专注于提供物联网安全防护下的设备连接服务、设备管理服务、设备联动服务，赋能各类物联网场景和行业开发者，实现云到边缘的辐射。
图25LinkEdge用户定位
LinkEdge的优势还体现在提升AI的实践效率，开发者可将深度学习的分析、训练过程放在云端，将生成的模型部署在边缘网关直接执行，优化良率、提升产能。基于在云计算、大数据、人工智能等方面的优势，可将语音识别、视频识别能AI能力下沉至设备终端，让设备拥有“天然”的智能，即使断网也可运行。
4.1.2亚马逊
亚马逊的边缘计算服务AWS Greengrass是一种允许用户以安全方式为互联设备执行本地计算、消息收发和数据缓存的方案。
Greengrass将AWS无缝扩展至设备端，以便用户更加轻量的在本地操作其产生的数据，同时，制造商仍然可以使用云端进行管理、分析以及展开其他应用服务。借助Greengrass，即使在无法连接到云平台的状态下，Greengrass设备仍然可以通过本地网络，进行数据的通信与处理，待连接恢复依然可以把数据同步到云端。
金准人工智能专家根据诺基亚实验室对AWS Greengrass的测试结果显示，93%的数据可以在边缘处理，与以往集中式的云平台相比，往返时间减少了28%，延迟时间降低了39%。
图26亚马逊边缘计算服务Greengrass
4.1.3微软
微软将“边缘”定义为用户与云进行交互的所有东西。在微软的定义中，边缘设备可以是任何虚拟现实/混合现实设备、无人机、本地化的个人电脑和服务器。
微软Build 2017大会上，微软宣布正在进入一个智能云（Intelligent Cloud）与智能边缘（Intelligent Edge）的世界。而世界也将会出现两个变化，一是用户体验与交互上的变化，同样的体验会普及到各个设备中，比如PC、手机、汽车等；二是计算能力边缘化，这主要是由于物联网终端数量越来越多，这就对计算能力下沉提出了要求，意味着AI和计算都要广泛分布。
在Build 2017和2018大会上微软先后发布了AzureIoTEdge服务和开源Azure IoT Edge Runtime，Azure IoT Edge可以在本地计算设备上进行计算，节省时间；Azure IoTE dge Runtime是可以在每个物联网边缘设备上运行的软件部分，用于管理部署到每个设备的模块。未来，微软还将发布“Project Kinect for Azure”，推出一系列前端设备传感器。
4.2通信设备公司
4.2.1华为
MWC 2017上，华为发布了基于边缘计算的物联网EC-IoT（Edge Computing IoT，边缘计算物联网）解决方案，将边缘计算和云管理引入物联网领域，基于SDN的敏捷控制器及具有边缘计算能力的物联网关（AR500系列产品）就近提供智能服务，在靠近设备或数据源头的网络边缘侧，部署融合网络、计算、存储、应用核心能力的边缘计算网关，为边缘计算提供包括设备域，网络域，数据域和应用域的平台支撑。
图27华为边缘计算层级架构
4.3运营商
4.3.1中国移动
2017年11月，中国移动5G联合创新中心发布《移动边缘计算》报告，报告分析了移动边缘计算（MEC）的发展背景和市场需求，并对业务场景的规划和应用，在本地分流、数据服务、业务优化三大领域进行了分类和研究。从关键技术、标准化、发展趋势方面，对移动边缘计算技术进行了探索。
2018年初，中国移动杭州分公司联合华为公司率先实现基于移动边缘计算技术的网络部署。在活动现场，某市民体验了由移动边缘计算支撑的VR短片，基于边缘计算技术，可是实现网络超低时延，消除卡顿，提高流畅度，为用户提供更佳的服务体验。
图28中国移动布局移动边缘计算
4.3.2中国联通
在2018年1月份的ITU-TSG20WP1全会上，中国联通主导的《IoT requirements for Edge computing》国际标准项目成功立项，这是ITU-T在IoT领域的首个边缘计算立项。
在其2017年发布的《中国联通边缘计算技术白皮书》中，认为移动边缘计算服务器有两种形态，一是作为基站的增强功能，通过软件升级或者新增版卡，与基站集成的的内置方式；二是作为独立设备，部署在基站后或网关后的外置方式。而MEC可以将无线网络和互联网技术有效融合在一起，并在无线网络侧增加计算、存储、处理等功能，在VR、视频、智慧社区等领域应用前景广阔。
2017年，中国联通已经在天津、浙江、上海、成都、广东、重庆等多个省市开展了业务多样的边缘数据中心或计算平台的试点启动工作。未来几年，中国联通将计划建成6000个边缘数据中心，打造以区域、本地、边缘数据中心为基础的弹性网络，驱动5G网络重构。
2017年底，中国联通联合英特尔、中兴通讯、腾讯视频等合作伙伴在天津建设成规模较大的边缘数据中心(Edge Data Center)测试床，并正在推进边缘vCDN、边缘解码以及边缘智能等多种边缘业务的部署和测试工作。
4.4芯片企业
4.4.1Intel
英特尔从边缘计算概念萌发之时起，就是其技术创新和产业协作的重要参与者和推动者，一直致力于提供开放架构的软硬件平台、输出边缘计算技术。基于对未来海量传感器、网络带宽限制、实时响应、数据隐私保护以及自治系统需求的理解，英特尔的目标是构建面向5G的边缘计算，并认为边缘计算会经过三个发展阶段，即互联、智能、自治。英特尔积极参与相关标准与联盟组织，来不断推动边缘计算产业的发展。
2016年英特尔联合华为以及沈阳自动化研究所等单位在国内率先成立了边缘计算产业联盟，其成员目前已经达到近200家。2018年边缘计算产业联盟在欧洲成立了分部，其在边缘计算领域的影响力进一步扩大。早在2014年ETSI首次成立移动边缘计算规范工作组时，英特尔就是发起者之一，也是5GAA(5G Automotive Association)联盟的发起者和董事会成员。2017年8月，英特尔还联合爱立信、丰田汽车与日本NTT等公司成立汽车边缘计算联盟。英特尔积极开发用于边缘智能的软硬件产品，涵盖CPU，FPGA和英特尔Movidius视觉处理单元（VPU）。2018年英特尔发布了OpenVINO工具套件,支持开发者在诸如Caffe，TensorFlow，MxNet等开放深度学习框架上为异构平台开发高性能计算机视觉和深度学习应用。
基于硬件资源池化及软硬件解耦的思路，英特尔推出了NEVSDK(网络边缘虚拟化套件)，可协助边缘计算领域的合作伙伴加速开发面向电信领域的相关应用。除聚焦基础设施平台能力外，NEVSDK还可为边缘计算应用开发者提供基于IP业务的、具备丰富API接口及高性能转发能力的基础软件环境。它为开发者屏蔽了复杂的电信网络控制，即使开发者对繁琐的电信网络不够了解，也能快速进行应用开发。
图29英特尔NEVSDK
4.4.2NXP
恩智浦（NXP）推出了用于安全的边缘计算管理套件--EdgeScale。该套件提供了一套基于云的工具和服务，用于物联网和边缘计算设备的安全制造与注册。为开发人员提供了一套安全机制，供他们在应用中利用主流的云计算框架，远程部署和管理无限数量的边缘设备。
基于Layerscape的平台采用EdgeScale将云架构与边缘节点、传感器和设备联接起来，EdgeScale套件可自动向远程嵌入式设备配置软件和软件更新，以代替当前繁琐的手动流程。有助于OEM和开发人员在Layerscape设备上使用AWS Greengrass、Azure物联网以及Aliyun等云计算框架。
图30 EdgeScale特点
4.4.3ARM
2017年11月，ARM推出针对物联网安全的通用框架PSA及强化边缘管理的MbedEdge，MbedEdge主要是透过物联网闸道器让使用者能将MbedCloud装置管理功能进一步拓展，包括对装置进行导入(Onboard)、控制及管理等领域。MbedEdge主要有以下三大优势：协议转换：许多传统连网设备使用的通信协议与IP网络协议不兼容，比如Modbus和BACnet，MbedEdge可以转换这些协议，使得这些设备与基于IP网络协议的设备一样由MbedCloud管理起来。
网关管理：MbedEdge的一系列新特性可以提升物联网网关的持续服务能力，最大程度缩短代价高昂的停机时间。关键性能包括预警通知，流程、资源和接口管理，还有详细本地诊断能力。
边缘计算：MbedEdge将提供本地应用执行环境以及相关的计算资源，从而在网关上即可进行规则运算和数据处理。如此，即使本地网络与外网断开连接，本地业务仍然可以持续进行，降低对生产力的影响。
4.5IT基础设施供应商
4.5.1戴尔
2015年10月，戴尔推出专为楼宇和工厂自动化而设计的全新Edge网关5000系列。Edge网关5000包含工业级外形设计、扩展的输入输出接口以及广泛的操作温度范围，提供了一个有望替代目前昂贵的专有物联网产品的边缘计算解决方案。
Edge网关位于网络的边缘(靠近设备和传感器)，通过本地分析和其它中间件来接受、聚合和中继数据，然后通过只把有用数据发送到云或数据中心而尽可能少地占用昂贵的带宽。
此后，戴尔又推出的边缘网关3000系列，拥有实时智能化处理能力，占用空间小，适应恶劣环境，丰富了戴尔边缘网关5000系列和嵌入式箱PC3000/5000系列等边缘计算产品线。
五、边缘智能应用案例及商业模式探索
5.1边缘智能主要应用案例
5.1.1智能城市
从2009年IBM提出“智慧地球”开始，此后全球开始了智慧城市的建设大潮。现如今，大量的传感器服务于城市里的各个领域。海量的设备会产生海量的数据，在处理这些数据的时候，云计算会是重要的一环，但是海量的数据除了会给云计算中心带来负荷之外，还会使网络变得拥堵，此外当涉及到实时性和隐私性之时，云计算的能力就会显得捉襟见肘。
面对遍布城市各处的监控、照明设备，边缘设备、边缘智能是解决实时城市管理，减少云计算负荷绝佳选择。
海康威视的智慧安防
2017年10月，海康威视发布“IOT-基于神经网络的认知计算系统--海康AICloud框架”，将AI算力注入边缘，赋能边缘智能。AICloud框架由云中心、边缘域、边缘节点三部分构成，边缘节点侧重多维感知数据采集和前端智能处理；边缘域侧重感知数据汇聚、存储、处理和智能应用；云中心侧重业务数据融合及大数据多维分析应用。
图31海康威视AICloud框架
图32海康威视AICloud产品家族
在此基础之上，海康威视发布了海康深眸、海康神捕、海康超脑、明眸等一系列AI智能边缘设备，搭载高性能GPU芯片和深度学习算法，在接近数据源的边缘侧实现人体、车辆等信息的提取和建模。
以海康明眸人脸识别通道为例，其能够支持10000人脸库，人脸识别通道可完成1：N的人脸识别和1:1的认证比对，比对时间不到1秒，准确率超过99%。通过先进的人脸识别设备，让楼宇通道变得更高效智能。
5.1.2智能工业
根据2018年5月发布的《全球智能制造发展指数报告（2017）》结果显示，中国名列智能制造发展“先进型”国家行列，综合排名全球第6位。美国、日本和德国名列第一梯队，是智能制造发展的“引领型”国家；英国、韩国、中国、瑞士、瑞典、法国、芬兰、加拿大和以色列等位列第二梯队。
智能制造系统的本质特征就是个体单元的“自主性”与系统整体的“自组织能力”，基本格局就是分布式多自主智能系统。因此，边缘智能与智能制造有着密切的关系，具备工业互联网接口的制造系统本身就是一种边缘计算设备。
（1）阿里云边缘智能在智能工业
阿里云目前提供了一系列工业物联网解决方案，客户可通过阿里云Link物联网平台，将机器设备在生产过程中产生的数据收集起来，实现实时监控、数据可视化、能源管理、良品率提升等，帮助企业实现降本增效。
LinkEdge承担工厂数字化的任务，接入工控设备、打通MES系统，实现云端制订排产计划，边缘同步监控执行；依托IPC摄像头结合LinkEdge提供的视频分析能力实现对工厂生产监控，LinkEdge作为工业现场的小脑，南向连接设备，北向连云，中间承担数据存储、分析、业务计算的功能，从而提高生产效率，赋能传统制造业实现节能增效，转型升级。
图33阿里智能工厂现场部署
日前，阿里云与西门子达成协议，并计划于2019年推出部署于阿里云的数字化操作系统MindSphere平台。合作达成后，西门子首先会把MindSphere工业物联网操作系统的底层架构搭建在阿里云的服务器上面。部署于阿里云的MindSphere将为中国内地企业提供服务，以帮助他们利用先进的工业解决方案进行创新。
（2）研华科技的边缘计算解决方案
研华科技在2016年就发布了一系列边缘智能服务器软硬整合解决方案——EdgeIntelligenceServers，可以用在工厂、零售、物流等行业中。IoT边缘智能服务器（EdgeIntelligenceServer，EIS）可以把不同工业协议收集起来的数据转换成MQTT协议传输到云端，然后再做数据分析或应用的处理。简单的说，研华IoT边缘智能服务器（EIS）=物联网网关+小型数据库+轻量计算与分析。
研华还与ARM、Microsoft、Acronis、IntelSecurity等公司携手合作在线软件商店WISE－PaaSMarketplace。这个软件商店集结了多家软件厂商的产品，用户通过在线选购能快速组建出各式各样的物联网软件和云端解决方案。
图34WISE－PaaS生态圈
研华IoT边缘智能服务器旨在加速物联网实施，提供的集成解决方案包括工业无风扇计算机、WISE-PaaS软件包、物联网开发工具、预配置云服务，并可以其灵活特性通过WISE-PaaSMarketplace添加更多软件模块，从而实现物联网连接、数据管理和分析。
5.1.3车联网
中国联通借助云化技术构建的边缘计算平台Edge-Cloud可以实现灵活的网络功能部署，实现车内、车与人、车与车、车与路、车与服务平台的全方位网络连接，提升汽车智能化水平和自动驾驶能力，构建汽车和交通服务新业态。中国联通已经在重庆开启V2X现网试点，实现的应用验证包括基于关联模型的交通信息推送应用、基于MEC边缘云平台的车辆列队行驶应用开发、智能交通调度以及大数据分析。
中国联通在C-V2X的试点过程中选取了两江新区开发路段进行实验，该实验全长9.6KM，覆盖空旷路口、人流密集路口、复杂交通路口等12种不同类型的典型路口及道路，从无线覆盖、优化、车载信息收集、MEC数据分析复杂度而言都具有复杂性和典型性。此次基于Edge-Cloud边缘业务平台的C-V2X试点在该路段实验了信号交叉口闯红灯预警、信控交叉口辅助驾驶、交叉路口防碰撞提醒、信控交叉口车速引导、应急车辆预警、信号灯控制参数优化、行人穿行预警、编队行驶模拟等多个场景。
图35中国联通基于Edge-Cloud的V2X解决方案
5.1.4智能酒店
智能酒店方面，LinkEdge主打刷脸入住，无卡通行。接入并打通了7类设备，包括人脸采集、酒店PMS管理系统、自动入住机、门锁、RCU控制器等，涉及116间客房，356个终端设备。通过Edge实现上述智能设备/系统的管理、调度、应用，以边缘智能为核心，实现一体化的智能酒店系统。
图36阿里未来酒店智能模式
5.2边缘智能主要商业模式
边缘智能是物联网整体解决方案中的有机组成部分，在不少情况下并没有直接面对用户，不过其对于物联网业务的体验性提升、成本降低起到巨大作用，我们可以提炼几类商业模式进行研究。
5.2.1最终用户收入分成模式
向最终用户直接收费的商业模式适合于能为用户提供标准化产品的方式，由于边缘智能作为整体解决方案中的嵌入式模块，很难提炼成标准化的产品，不过在很多情况下由于能够使能业务提供方一些具体场景，业务提供方对最终用户收费，边缘智能运营方对该收费进行分成。
中国移动5G联合创新中心发布的《移动边缘计算》报告中对此类模式进行过分析，以赛事直播为例，运营商为VR直播服务商提供边缘智能平台支持，用户通过向服务商购买VR直播门票获得直播服务，运营商由于提供直播所需网络接入和边缘智能平台，可以与服务商进行共享收入分成。
5.2.2业务平台功能费模式
此类模式主要适合为集成商、应用开发商直接提供边缘智能能力的情况，边缘智能运营商不参与端到端解决方案的设计，只是提供使能作用。作为边缘智能运营商，包括电信运营商和云服务厂商，会面对大量toB类客户，提供边缘智能平台的开发接口，根据调用情况和使用量收费。
虽然边缘智能商业模式还在探索中，但这一模式可能成为一种主流模式。目前，各类边缘智能运营商在尝试这种方式，借鉴云服务的收费模式，量化业务平台使用量。如阿里云、AWS、Azure等云服务厂商推出边缘智能平台中，就针对云产品资源、网关软件、设备软件、消息传输、增值应用等多个服务组合设置标准化的收费模式。当然，这一收费模式仍在试验和探索中，经过一段时间成熟后，就成为一种普遍的商业模式。
5.2.3业务优化提升模式
此类模式不会直接体现边缘智能平台直接服务费用收入，而是着眼于整体端到端解决方案中边缘智能发挥的价值，适用于边缘智能运营商也参与到物联网方案设计的情景中。电信运营商、云服务厂商等边缘智能运营商有时也承担着物联网集成商、解决方案商的角色，或者是和集成商深度合作，此时边缘智能就是整体方案中有机组成部分，对物联网解决方案的优化带来直接效果。
