西湖娱乐城川观智库发展并不“边缘”的边缘计算四川有何优势和挑战？

　　西湖娱乐城,西湖娱乐城官方网站,西湖娱乐城APP,西湖娱乐城网址,西湖娱乐城最新

　　随着5G甚至6G网络成规模地普及和AI开源模型的部署普及，超低延迟的边缘计算有望提供比云计算和本地计算更好的服务体验，成为AI接入到智能万物的“最后一公里”。一方面，边缘计算因为直接拉近了用户和服务的距离，可以显著降低数据传输的延迟；另一方面，通过分散地处理海量的AI计算需求，边缘计算疏解了数据中心的计算压力。不仅如此，5G/6G、WiFi6/WiFi7等技术的普及，使得用户与边缘网络的通信延迟降到极低（个位毫秒级），这势必进一步催生各类原本不具备实现条件的高实时性AI业务，如大规模网联智驾等。

　　机遇一，边缘计算的基础设施目标是要建设面向场景的算力覆盖，其成本较高，因此移动性较低、场景聚焦的业务较易落地。与云计算相比，边缘计算的重要前提是计算资源要靠近用户，这意味着只有当一片区域部署足够多的算力覆盖后，这片区域才具备使用边缘计算的能力。可见，边缘计算的“杀手级app”首先会出现在边缘计算覆盖完备的场景中，即在给定区域内具有高速稳定的无线网络和丰富弹性的计算资源，可以支持极低延迟的计算服务和创新应用。因此从边缘算力铺设的难度考虑，移动性较低的计算业务（智慧工厂等）将比移动性高的业务（网联智驾）更容易落地；场景聚焦、自洽的业务（如具身智能）将比需要依赖外部算力资源的业务（如AI眼镜）更容易落地。

　　机遇二，边缘计算的基础设施形态因地制宜、因形制宜，算力资源须深度融合到目标场景中。不同环境的边缘计算系统的建设差别可能很大。例如，面向智慧工厂，主要需考虑园区智能设备和需求的分布来铺设边缘服务设备；面向车路协同智驾，则需要对目标路段进行算力铺设覆盖；面向星载计算，则要求边缘计算设备挂载在低轨卫星星座上，为星地协同计算提供服务。可见，边缘计算基础设施建设算力资源须深度融合到目标场景中，这导致每个场景的边缘计算会需要不同的系统建设形态。

　　机遇三，边缘计算的基础设施建设多点分布，一些新的产业机会可能涌现。边缘计算须深度融合场景，因此，要形成如云计算一般广泛的边缘计算产业不是一蹴而就，需要根据典型场景逐个建设、连点成面。例如，面向智慧工业园区的边缘计算由园区方或者工厂方建设，面向车路协同的边缘计算则需要由算力建设、公路建设等方面共同完成，面向星载计算的边缘计算则需要依靠航天企业建设，这导致要构建全社会范围成规模的边缘计算很难由一方主导完成。不仅如此，这些系统各自建成的是面向目标场景的封闭系统，连点成片存在极大挑战。同时也应看到，正因为这个特点，一些新的产业机会可能会涌现，例如整合算力资源与传统建筑行业的新基建、算力众包、算力租赁交易业务等。

　　以网联的智驾方案为例，车辆感知数据及路边环境数据需要实时汇聚到边缘服务器，形成驾驶决策后返回给车辆执行。如果算力设施给一辆80Km/h智驾车辆发出刹车指令，10ms（毫秒）与50ms延迟的差别将造成刹车距离上0.22米和1.1米的差别。可见，对于近场的、延迟要求苛刻的场景，低延迟的算力覆盖将体现出优势。数据显示，西部地区访问成都算力中心的延迟可以达到≤10ms，而西部地区访问东部地区数据中心的延迟普遍在40ms以上。这意味着，在服务中西部地区网联智驾、无人系统等延迟要求苛刻的未来产品形态时，成都能够实现更低延迟的算力覆盖，相比于北京、上海、广州、深圳、杭州等有望建立一定优势。

　　二是具有促进计算密集型技术发展的基础优势。边缘计算赋能各行各业的关键之一，在于其能够帮助各类设备理解真实场景并作出智能决策。例如无人机跟拍巡检、AR眼镜及垂直行业产品、云游戏、手术视觉辅助等，而视频流处理是其中关键的、共性的基础服务。当前基于边缘计算的智能业务发展速度相对较慢的重要原因之一，就在于基于边缘的视频流处理技术尚不成熟，缺少高效、准确、低成本的解决方案。不过可以预见的是边缘视频处理技术将很快形成突破。例如Meta公司新推出的AR眼镜产品已经能够快速实时识别并增强常见场景的画面、支持多模态的大模型也能够理解视频和图片中的语义信息。

　　以低空无人机航拍为例，自主航拍需要无人机能够实时发现目标、实时规划路线并自主决策拍摄角度。考虑到无人机的体积和电量限制，几乎无法通过加装算力的方式进行机载的智能计算，这就需要通过引入近场的边缘算力处理各类智能化业务，即无人机将采集的视频实时发送到边缘算力设备，边缘设备处理后将结果返回给无人机进行各类智能决策。不难发现，基于边缘的视频流分析是该场景中的刚需问题，在攻克之后有望促进边缘计算模式的构建和规范化发展。类似的，在云游戏、智慧医疗等领域也极有可能形成突破，从而反向促进边缘计算发展。

　　三是具有赋能传统工业智能化升级的产业优势。除了跟踪和挖掘技术变化，还可以考虑主动推动传统产业的智能化升级，在升级过程中凝练边缘计算的服务模式，推动边缘计算的产业落地。四川是我国为数不多拥有全部41个工业大类、31个制造业大类的省份，各行各业的智能化升级改造具有迫切需求和丰富的场景。要在全社会范围内实现边缘计算落地尚需时日，而将边缘计算应用于具体场景、具体智算需求的产业升级，则有可能以点带面。例如工厂组装流水线、物流分拣系统等，均具有场景明确、需求聚焦的特点，更容易基于边缘计算的模式形成产业突破，并以点带面布局全社会范围内的边缘计算基础设施和算力环境。

　　以智慧工厂分拣系统为例，流水线上的摄像头将大量分拣物品的图像传至边缘服务器，之后由边缘服务器判断物品类型和分拣决策。如果利用高精度的视觉模型实现高速分拣，则需要厂区内具有低延迟、充沛的算力覆盖。基于边缘计算，企业无需自行购置算力，而是通过以租赁边缘算力的方式快速实现智能化升级。通过推动行业的智能化升级，能够逐步落地边缘计算的计算模式、降低边缘计算的部署和普及成本、推动边缘计算进入更多的行业赋能的轨道上去，从而有望形成边缘计算产业与传统产业升级之间的互相促进。