本文系國家重點研發計劃項目和國家自然科學基金聯合基金重點支持項目的階段性研究成果，項目編號分別為：2018YFB0204100、U1911201；胡淼、吳潤、陳嘉文、謝自軒等對本文亦有貢獻。

【摘要】邊緣計算是一種前瞻性的新興計算範式，將對城市化進程中的我國經濟社會發展產生深刻影響，帶來巨大變革。本文從邊緣計算的基本概念入手，探求技術應用背後的系統本質屬性，展望邊緣計算重點應用領域和發展趨勢。邊緣計算能夠為智慧城市建設提供高效的網絡計算體系架構，構建網絡、計算、存儲、應用核心能力為一體的邊緣開放平台，提供高效低時延的近端用戶服務。面對隨之而來的機遇和挑戰，提出邊緣計算驅動智慧城市發展的建議，作出未來智慧城市藍圖的展望。

邊緣計算的基本概念

近年來，物聯網和無線網絡廣泛普及，推動著萬物互聯的應用需求不斷發展。萬物互聯不僅包括人與人、人與物，以及物與物的連接，還包括具有語境感知能力、更強計算能力和感知能力的人、物、數據、流程、場景等有機融合，從而使得互聯更有價值。萬物互聯所涉及的邊緣設備類型十分廣泛，傳感器、智能家電、智慧型手機，甚至可穿戴設備都將成為萬物互聯的一部分。因此，位於網際網路邊緣的終端設備數量及其產生的數據量將會急劇增長。

根據國際數據公司（International Data Corporation）統計數據[1]顯示，到2025年，全球將有1500億個終端設備接入網絡，其中超過70%的數據將在網絡邊緣進行處理。美國思科公司預計，全球設備產生的數據量將從2016年的218ZB增長到2021年的847ZB。隨著邊緣設備所產生數據量的增加和計算需求的提升，網絡的時延過大和帶寬不足正逐漸成為傳統雲計算的瓶頸問題，然而僅靠增加網絡帶寬並不能滿足海量物聯網設備和應用對時延的要求，必須在接近數據源的邊緣設備上卸載計算任務，從而減少數據傳輸並提高響應速度。[2]

針對雲計算面臨的困境，邊緣計算作為一種新型計算範式被提出，並逐漸成為適應萬物互聯應用需求的新興計算模式。邊緣計算模型中的邊緣設備具有計算和分析的能力，通過在網絡的邊緣來執行計算，為應用開發者和服務供應商提供計算能力支持[3]。邊緣計算採用了一種分布式計算架構，將主要應用程式、服務和數據存儲下沉到網絡的邊緣側，從而使計算更加靠近數據源頭。

邊緣計算通過將原本在中心節點處理的大型任務分解成多個小的更易管理的子任務，放置在靠近數據源或者用戶服務終端上運行，就近提供邊緣智能服務，從而降低網絡通信和服務交付的時延，減少雲端壓力，並且產生更快的網絡服務響應，滿足行業的實時業務、智能應用、安全與隱私保護等方面的關鍵需求。

2017年，加州大學伯克利分校Michael I. Jordan教授（美國科學院、美國工程院、美國藝術與科學院三院院士）領銜發布的人工智慧研究報告，指出邊緣—雲端融合是支撐未來人工智慧應用的九大關鍵技術之一。相較於傳統的雲計算，邊緣計算的優勢主要體現在以下三個方面。

就近實時計算。雲計算需要將數據上傳到中心節點進行處理，由於網絡帶寬的限制，將邊緣設備產生的海量數據上傳到雲計算中心會造成巨大的網絡負擔，而物聯網應用往往具有高實時性需求，比如無人駕駛要求每一個動作都要在10毫秒內完成，雲計算在傳輸數據的過程中造成的巨大時延顯然無法滿足如此實時性需求。與之相反，邊緣計算能夠將算力部署在網絡中離各個操作邏輯最近的地方（如移動蜂窩基站），從而保證自動駕駛車輛可以實時對車輛感知數據進行處理。

本地化數據保護。物聯網中的數據與用戶的生活息息相關，將這些數據上傳到雲計算中心會增加泄露用戶隱私數據的風險。而邊緣計算數據的收集和計算都在本地或邊緣節點上進行，不用上傳到雲端，重要敏感的信息不必經過網絡傳輸，從而有效避免了隱私泄漏問題。數據中心和終端設備位於與用戶鄰近的位置，也就減少了網絡傳輸的影響。同時，物聯網設備很容易受到網絡攻擊，邊緣計算的分布式架構天然具有抵禦這種攻擊的特性，具有更高的可靠性和容錯性。

減少雲端數據傳輸。隨著聯網的設備越來越多，雲數據中心的計算量和數據傳輸量越來越大，網絡的傳輸壓力也越來越大。而在邊緣計算模式下，由邊緣伺服器提供算力對存儲的本地數據進行計算，與雲端伺服器交互的數據減少，顯著降低了所占用的網絡寬頻，從而減少了進入核心網絡的流量消耗和雲計算中心的算力損耗，同時也實現了降低能耗的目的。 簡單而言，邊緣計算和雲計算兩者的特點與區別如表1所示。

由於邊緣計算潛在的巨大產業價值，世界各個國家和地區均大力推動邊緣計算技術的研發。2019年歐盟委員會及歐盟「地平線2020」（Horizon 2020）研究及創新計劃聯合資助實施邊緣計算項目DECENTER，用於研發可以實現無縫部署智能應用的邊緣計算平台，同時提供可控的安全和隱私保護。美國國家科學基金會（NSF）發布2017～2019年CNS（Computer and Network Systems）核心計劃，重點支持邊緣計算研究項目。

2018～2019年我國國家重點研發計劃「先進網絡製造」「物聯網與智慧城市」專項中，也把邊緣計算作為重點課題列入。在工業界，各大廠商和巨頭公司也在紛紛布局邊緣計算。AT&T、微軟、Amazon、阿里、騰訊等公司均發布了邊緣計算戰略，華為、英特爾等廠商紛紛牽頭成立邊緣計算產業聯盟，歐洲電信標準化協會（ETSI）發布5G邊緣計算白皮書。經過幾年的技術積累，目前邊緣計算處於快速發展階段。

邊緣計算的主要應用領域和發展趨勢

在萬物互聯時代，邊緣計算正在引領社會發展的未來。邊緣計算主要存在於以下一些應用領域。

智能家居。物聯網的發展使家庭環境變得更加智能，市場上出現越來越多的智能家居，例如掃地機器人、智能燈光、智能門窗等。[4]在雲計算主導的時代，家居所感知產生的數據主要是通過無線網絡發送到雲數據中心，一些比較耗時耗資源的任務由雲端統一進行處理。而隨著邊緣計算的發展，家居終端本身就擁有更強大的計算力，加之更低的處理延時使得家居更加智能。

智慧醫療。隨著醫療保健行業的重要性日益增加，人工智慧輔助的醫療平台和可穿戴設備為行業發展助力。個性化的便捷醫療服務和醫療數據的隱私安全問題，讓邊緣計算在智慧醫療保健行業發揮著越來越重要的作用。邊緣計算的應用，使醫療保健資源可以更好地被偏遠地區的人們所享用，通過更智能的可穿戴設備和人工智慧醫療平台，享受到更加個性化的醫療服務。醫療保健行業將隨之迎來更美好光明的未來。

智能交通。邊緣計算在智能交通中的應用包括自動駕駛、智能網聯車、交通管理等。生活中的各類交通工具都會產生很多數據（包括文本、圖像、視頻等），並需要實時處理，邊緣計算技術可以極大地提升交通秩序管理和交通運輸的效率。例如，自動駕駛對任務響應時間的要求極高，汽車上各種各樣的傳感器收集了很多數據，利用邊緣計算，可以在距離車輛更近的地方處理數據，從而減少延時。[5]

智慧教育。隨著物聯網與人工智慧時代的到來，教育信息化正逐漸從「網際網路+」升級到「智能+」。在現代化智慧校園中，教學設備不斷升級，例如多媒體教學設備、交互式電子白板、智能監考與監控、智能控制中心等。
教育應用也在不斷進化，特別是VR／AR、沉浸式教學等教育模式的出現，對邊緣計算設備的數據分析能力、高效處理音視頻能力等提出了更高要求。通過邊緣計算與基礎設施的交互與協同，有利於積極應對教育領域的各種挑戰，比如個人學習、數據分析、教學創新、校園安全等。

智慧農業。農業物聯網技術是實現智慧農業、精準農業的有效手段。邊緣計算能很好地解決偏遠地區的網絡帶寬資源不足問題，通過物聯網感知，將動植物和環境信息（如溫度、濕度、土壤、光照和設備性能等）進行全面的感知和互聯，服務於農業生產的各個場景中，提升農業效益，助力農業生產數字化和智能化。

智能製造。邊緣計算與工業製造存在密切關係。隨著「工業4.0」時代的來臨，工業製造將走向智能化，設備的組件化和專一性要求更高，生產過程將產生更多的數據，生產製造的各個環節都需要做到數據互通和實時交互。邊緣計算的應用，讓設備可以進行本地的升級更新，對設備性能起到更好的監控，滿足了生產過程中實時性的要求。通過邊雲協同，可以做到產業鏈和產業結構優化，讓工業真正走向智能製造。

公共安全。公共安全涉及社會的方方面面（如消防、出行），影響著人們的生活。自然災害、交通事故、刑事犯罪等各類事件存在諸多不確定性，在預防和處理公共安全事件時，對實時性和準確度的要求很高。公共環境安裝了很多傳感器和攝像頭，尤其是對於視頻圖像，在邊緣端進行處理可以降低網絡帶寬需求，即時數據分析處理對很多公共安全事件的預防和處理具有極其重要的作用。[6]

緊急救援。近年來，頻發的災害給人們的生命財產造成了嚴重損失，人們越來越重視對緊急救援機制和方案的研究。在緊急救援場景下，對信息的實時處理以及救援人員的安全保障極為重要。將無人機技術應用於救援中，可以獲取更加全面的信息，並保障救援人員的人身安全。類似地，一些輕巧的救援機器人可以深入到危險區域，並通過邊緣計算和雲計算向急救人員提供緊急情況的有關信息。這些應用，都離不開邊緣計算的快速發展。
邊緣計算的應用領域遠不止以上提到的幾個場景，還可以應用到經濟社會中的方方面面，例如金融、新零售、能源等。

總之，邊緣計算正在引領物聯網的未來；也將會是5G的核心功能之一，5G時代將會產生更多的數據，5G帶來的高帶寬低時延將會進一步促進邊緣計算的發展。[7]

邊緣計算給智慧城市帶來的機遇和挑戰

邊緣計算技術具有廣闊的發展潛力，將為智慧城市的構建帶來巨大機遇，可歸納為技術層面和應用層面。

技術層面。

邊緣計算通過採用網絡、計算、存儲、應用核心能力為一體的開放平台，提供高效的近端服務。由於其應用程式在邊緣側發起，從而可以達到更快的網絡服務響應，從技術層面滿足了智慧城市建設中在實時業務、快速部署、高效運行、安全與隱私保護等方面的基本需求。由於更加靠近用戶，邊緣計算為智慧城市的應用提供更快的響應，將任務需求在邊緣端解決。通過採用邊緣計算技術體系架構，許多控制將通過本地設備實現，而無需交由雲端；處理過程也將在本地邊緣計算層完成，大大提升處理效率，減輕雲端負荷。

邊緣計算還可以與雲計算相結合，以克服不同計算模式的特定限制，並提供更高效的服務。在隱私保護方面，許多終端設備（如智能路燈、電子標籤）沒有足夠的資源來支持端到端的安全性，通過採用邊緣計算模式，安全管理任務可以從低性能的終端設備轉移到性能更強大的邊緣設備上，通過使用邊緣設備作為安全代理來管理終端設備的安全需求。

在實現時，邊緣設備可以為每個終端設備創建一個安全配置文件，任何對終端設備的訪問或發送到終端設備的指令都由邊緣設備代表這些終端設備通過完備的安全審查機制來處理。例如，代理終端設備的邊緣設備可以利用認證協議來認證希望與終端設備通信的第三方設備。授權也可以由邊緣設備管理，決定哪些第三方設備有權訪問由終端設備收集的數據，或者可以向終端設備發送控制命令。[8]

應用層面。

邊緣計算在智慧城市中具有豐富的應用場景，從網絡視頻攝像頭部署、智能感知系統平台搭建到數據採集、傳輸與處理。眾多研究與觀察發現邊緣計算非常適用於需要超短延遲的用戶服務，例如沉浸式虛擬現實和增強現實應用。利用邊緣計算，可以實現高清視頻流的增強現實用例，支持智慧城市的旅遊行業發展。無論用戶如何移動，邊緣計算確保服務始終跟隨用戶，並始終從最近的邊緣為用戶提供服務。基於邊緣計算，智慧城市建築有望實現智能化、人性化，並對建築產生的數據進行良好的處理和利用。
基於移動邊緣計算，並輔助以深度學習和大數據分析的自主駕駛技術，無人駕駛服務可以實現包括視線內不可見車輛的實時定位，城市區域的協同危險預測，以及自主駕駛三維地圖生成。基於邊緣計算的多能源網絡可以提高包括大型建築在內的不同規模區域（如公園、島嶼、城鎮等）能源系統的整體效率和效益。基於邊緣計算技術的多能源網絡可以整合智能電網、供熱供氣網和網絡流量，實現智能城市的統一能源管理。 邊緣計算作為一種新興技術，其發展同樣也會經歷從無到有、從初始到成熟的過程，還會受到社會需求與傳統規則的影響。

儘管邊緣計算無論從技術層面還是應用層面都將為智慧城市的構建帶來巨大機遇，其發展過程也會面臨技術、應用甚至法律、倫理層面的挑戰。

邊緣計算技術在智慧城市應用中面臨的主要挑戰包括以下三個方面。

數據收集與存儲挑戰。

智慧城市應用會產生大量的感知數據，這對邊緣計算系統的存儲與計算都提出挑戰。研究報告顯示，[9]一個人口100萬的城市每天將產生180PB的數據，這些數據來自公共安全、公共衛生、公共設施和公共運輸等方面。此外，將邊緣計算應用到智慧城市的建設，還會遇到數據所有權歸屬的法律問題。基於邊緣計算，大量數據被存儲在邊緣，並被利用到智慧城市的各類應用中。但是，數據的產生者（或者擁有者）很多情況下並不知道自己的數據（甚至是隱私數據）被他人利用了。如何從倫理或立法的角度，明晰邊緣計算系統數據所有權的問題，是智慧城市建設的一大挑戰。

差異化與可擴展服務挑戰。

差異化且可擴展的邊緣計算服務管理系統設計是智慧城市建設的重要需求之一。未來的智慧城市建設預計將在網絡邊緣部署多個服務，這些服務將有不同的優先級。例如，一些關鍵的服務，如公共安全和故障報警，應該比普通服務得到更早的處理。健康相關服務，如跌倒檢測或心力衰竭檢測也應該比娛樂等其他服務具備更高的優先級。[10]與此同時，邊緣計算系統中可能有多個應用程式共享同一個數據源。一個應用程式失效或沒有響應，可能會導致使用同一數據源的其他應用同時失效。上述系統應用隔離帶來的挑戰可以通過引入部署或取消部署框架來解決。如果在安裝應用程式之前作業系統可以檢測到衝突，則可以警告用戶並避免潛在的訪問問題。另外，如何將用戶的私有數據與第三方應用程式進行隔離也是隔離挑戰之一。

數據隱私和安全挑戰。

在網絡的邊緣，數據隱私安全保護是最重要的一項服務。採用邊緣計算推動智慧城市建設，可以從感知到的使用數據中獲取大量隱私信息。隨著邊緣設備上可用數據的增多和計算能力的提高，邊緣設備同樣可能會受到安全攻擊。[11]例如，通過對用電量或用水量的了解，可以很容易推測出市民住房是否空置。
對於邊緣數據安全和使用隱私問題的解決，仍然存在巨大挑戰。以WiFi網絡安全為例。在全球4.39億使用無線連接的家庭中，49%的WiFi網絡是不安全的，而80%的家庭仍然將路由器設置為默認密碼。對於公共WiFi熱點，89%屬於不安全的利益相關者，包括服務提供商、系統和應用程式開發者以及終端用戶。需要意識到，在網絡邊緣用戶的隱私會在不被通知的情況下受到損害。用戶或者應用需要邊緣伺服器提供計算資源，不可避免會將數據臨時存儲在邊緣，網絡邊緣高度動態的環境會使用戶隱私和數據安全面臨更大挑戰，目前還缺乏有效工具來保護網絡邊緣的數據隱私和安全。

邊緣計算驅動的城市公共安全視頻分析案例

作為視頻數據的重要來源之一，視頻採集攝像頭在城市各個角落隨處可見。不僅如此，攝像頭的數量還以每年20%的增長率不斷擴大規模，伴隨而來的是視頻大數據衍生的視頻分析應用數量的飛速增長，城市公共安全場景下的視頻分析也隨之吸引了學術界和工業界的注意力。在數據處理量急劇增長的背景下，如何獲取視頻中的有用信息，成為智慧城市發展過程中的關鍵目標，而智能視頻分析則是實現該目標的有效手段，將決定著整個智慧城市的智能化程度。

視頻分析任務往往會要求高準確率和低延遲以支撐應用實時獲得結果的需求，這就需要很強的計算性能。目前的商業攝像頭，其本身的計算性能還無法高效實時地支持其完成視頻分析任務。為了解決這個問題，提出了視頻源與雲結合的解決方案，將攝像頭產生的視頻流發送到計算性能強大的雲端，再在雲端完成視頻分析任務。然而，這帶來額外的網絡資源消耗和網絡延遲，對要求高實時性的視頻分析任務造成了很大的阻礙。為了追求更低的延遲，結合邊緣計算的解決方案應運而生。如圖1所示，通過在距離攝像頭更近的邊緣端完成部分或全部的計算任務，視頻分析系統以更低的帶寬消耗，實現更低的延遲以完成視頻分析任務。

不同的視頻分析任務往往有著不同的性能需求。有些視頻分析任務是長期、持續進行的，例如統計車流量作為紅綠燈持續時間的參考，對時延的需求就不會很高；而有些視頻分析任務則是需要在很短的時間內完成，例如車牌應用對準確率和時延的要求都會很高。與此同時，視頻分析任務的性能會受許多因素影響，例如計算資源（處理器類型，內存等）、視頻流的參數（解析度等）、視頻分析算法的模型等。如果提供的資源不足，可能會無法運行滿足準確率需求的視頻分析算法，或者延遲太高，不能滿足應用需求；如果提供的資源過多，又會造成浪費。
所以，對於視頻分析系統，如何合理地調度任務、分配資源，使系統可以在滿足視頻分析任務需求的前提下有效利用資源，具有非常重要的研究意義。

而從架構方面而言，現有視頻分析系統關注的是如何在不同層次之間、同層次的不同節點之間決定任務的執行位置，以實現計算卸載從而提高整個系統的性能表現。由於現實中存在許多系統架構、資源特點各不相同的場景，有些工作提出了在特定場景下結合視頻分析任務特性與整體架構特點的調度策略，以提高系統性能。例如，對於一個承擔多任務的攝像頭，其產生的視頻流往往會被用以執行多個不同的視頻分析應用（包括車流檢測、失蹤兒童搜尋和逃逸車輛追蹤等）。

然而，這些視頻分析過程的執行流程在某些步驟上是相同的，意味著可以利用這個特性去節省資源開銷。多任務對同一台攝像頭的視頻流分別做目標檢測，再基於目標檢測結果來根據不同應用進行不同分析，不可避免地會導致系統效率的下降。針對邊緣計算驅動的城市公共安全視頻分析，如何高效合併任務需求以及合理的配置邊緣計算資源是一個亟待解決的研究課題。

發展建議與展望

在邊緣計算驅動智慧城市發展過程中，可以從以下幾個路徑出發提升邊緣計算的應用效能和安全水平。 夯實安全基礎，完善邊緣計算安全保障體系。智慧城市的建設需要提升城市基礎信息網絡、核心要害信息以及系統的安全可控水平，智慧城市的建設涉及應用、平台、連接、終端等多個層次，各方面存在不同的安全隱患。同時，伴隨邊緣計算在賦能智慧城市進程的不斷深入，應用層面、平台層面、網絡層面、數據層面、終端層面等每個層面的威脅和風險都有其獨特性，任何一個層面的安全防禦被突破都可能會帶來不可預估的損失。

在邊緣計算賦能智慧城市的進程中，需要不斷完善安全保障體系以及安全防護機制，根據不同層面的特徵，統籌考慮安全技術、安全管理、安全運營等因素，設計制定個性化的安全規則，配置部署針對防禦全層次的定製化安全防護機制，為賦能智慧城市夯實安全基礎。

堅持融合發展策略，研製邊緣計算標準規範體系。在邊緣計算賦能智慧城市的進程中，需要積極響應政府主導，協調有關各方研製統一的、科學合理的智慧城市中邊緣計算技術的應用標準規範體系，為各地進行智慧城市建設程度、水平和效益評估等提供依據，為有需求的部分地區建立地域化的拓展以及定製化的評價指標體系提供基礎，為綜合分析各地區智慧城市規劃建設等提供統一維度。同時，針對不同技術、政策等產生的異構海量數據、硬體設備、網絡資源等異構信息，需要推動構建一個開放的、可擴展的、可伸縮的、能適應城市各領域需求動態變化的標準規範體系，將智慧城市建設發展推向深入。

圍繞核心需求，打造開放的邊緣計算生態體系。智慧城市是高新科技的載體，涵蓋政務、園區、物流、交通、教育、醫療等應用場景，需要多技術、多產業深度融合。在邊緣計算賦能智慧城市的進程中，需要打造足夠開放的生態體系，能夠融合邊緣計算、大數據、雲計算、區塊鏈、人工智慧等新技術，吸引優質夥伴，吸納優質資源，圍繞智慧城市核心需求，在市民、企業、城市管理等方面，有針對性地開展符合城市定位的特色應用，多方多角度參與共同建設智慧城市。

構建完善監督機制，形成智慧城市建設的良好閉環。在邊緣計算賦能智慧城市的進程中，需要遵循智慧城市與邊緣計算技術發展規律，做好頂層設計、搭建好體系化布局，探討邊緣計算技術在賦能智慧城市過程中的監管問題，同步開展相關政策以及法律法規研究，注意防範各種潛在風險，構建科學合理的監管監督機制，為完善安全保障體系、優化標準規範體系、建設開放生態體系提供科學指引，形成良好閉環，促進邊緣計算技術賦能下的智慧城市可持續化發展。

注釋

[1]IDC, "The Digital Universe of Opportunities:Rich Data and the Increasing Value of the Internet of Things", EMC Digital Universe with Research & Analysis , April, 2014.

[2] 丁春濤、曹建農、楊磊等：《邊緣計算綜述：應用，現狀及挑戰》，《中興通訊技術》，2019年第3期。

[3][10]Shi W, C ao J, Zhang Q, et al. "Edge computing: Vision and challenges", IEEE Internet ofThings Journal , 2016, 3(5), pp. 637-646.

[4]於文平：《〈2017～2018年中國物聯網發展年度報告〉發布》，《物聯網技術》，2018年第10期，第5～6頁。

[5]Liu S, Liu L, Tang J, Yu B, Wang Y, ShiW, "Edge computing for autonomous driving: Opportunities and challenges",Proceedings of the IEEE , 2019, 107(8), pp. 1697-1716.

[6]Zhang Q, Sun H, Wu X, Zhong H,"Edge Video Analytics for Public Safety: A Review", Proceedingsof the IEEE , 2019, 107(8), pp.1675-1696.

[7] 施巍松、孫輝、曹傑、張權、劉偉：《邊緣計算：萬物互聯時代新型計算模型》，《計算機研究與發展》， 2017年第5期，第907～924頁。

[8][11]Sha K, Wei W, Yang T A, Wang Z, Shi W, "On security challenges and open issues in Internet of Things", Future Generation Computer Systems , 2018, 83, pp. 326-337.

[9]Cisco, "Cisco global cloud index:Forecast and methodology,2014–2019", White Paper , 2014.

關於作者

吳迪，中山大學數據科學與計算機學院教授、博導，先進網絡與計算系統研究所所長，數字家庭互動應用國家地方聯合工程實驗室副主任。研究方向為邊緣計算、新型網絡計算系統。主要著作有《學習驅動的非對稱信息下邊緣計算任務卸載》（論文）、《間歇性連接對移動邊緣計算影響的量化研究》（論文）等。

邊緣計算社區經過授權發布，本文首發於《人民論壇·學術前沿》，責編／郭丹

感謝閱讀，歡迎擴散傳播！感謝！
邊緣計算社區：促進邊緣計算領域知識傳播，中立，客觀，如果您關注邊緣計算、5G、物聯網、雲原生等領域請關注我們。