国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

當(dāng)前全球數(shù)字化浪潮蓬勃興起，邊緣計算通過就近提供計算、網(wǎng)絡(luò)、智能等關(guān)鍵能力，加速賦能經(jīng)濟(jì)轉(zhuǎn)型升級，已逐步成為計算體系的新方向、信息領(lǐng)域的新業(yè)態(tài)、產(chǎn)業(yè)轉(zhuǎn)型的新平臺，整體上處于高速發(fā)展階段，正從概念普及加速走向務(wù)實部署，受到了學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。Gartner、IEEE等權(quán)威機(jī)構(gòu)將邊緣計算作為2020年十大技術(shù)方向，中國科學(xué)院和中國工程院在《2020研究前沿》、《全球工程前沿2020》中，將邊緣計算列入信息領(lǐng)域十大技術(shù)前沿。據(jù)Research and Market預(yù)測，邊緣計算市場規(guī)模2018~2022年復(fù)合增長率超30%；據(jù)CB Insights預(yù)測，2023年全球邊緣計算市場有望達(dá)到340億美元[1]。本文從學(xué)術(shù)界及產(chǎn)業(yè)界兩個維度深入剖析邊緣計算概念內(nèi)涵、學(xué)術(shù)方向、產(chǎn)業(yè)路徑，綜述邊緣計算在核心環(huán)節(jié)發(fā)展面臨的挑戰(zhàn)和問題，研判邊緣計算未來發(fā)展態(tài)勢與方向。

1 邊緣計算概念與外延

1.1 邊緣計算發(fā)展驅(qū)動力

邊緣計算起源最早可以追溯至1998年Akamai提出的內(nèi)容分發(fā)網(wǎng)絡(luò)CDN[2]，通過分布式部署的緩存服務(wù)器，將用戶訪問指向最新服務(wù)器，提升服務(wù)響應(yīng)速度。而在萬物互聯(lián)帶來的邊緣數(shù)據(jù)爆發(fā)式增長以及新的應(yīng)用需求驅(qū)動下，產(chǎn)業(yè)界和學(xué)術(shù)界更加關(guān)注在靠近數(shù)據(jù)源頭的邊緣實現(xiàn)計算、智能等多元能力，同時各類ICT技術(shù)不斷成熟也為邊緣計算應(yīng)用奠定基礎(chǔ)。

1.1.1 應(yīng)用需求驅(qū)動力

Machina Research報告顯示，隨著工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、AR/VR等垂直領(lǐng)域的蓬勃發(fā)展，2025年全球網(wǎng)聯(lián)設(shè)備總數(shù)將超過270億，聯(lián)網(wǎng)設(shè)備的指數(shù)級增長導(dǎo)致網(wǎng)絡(luò)傳輸能力及中心云處理能力捉襟見肘。根據(jù)思科云指數(shù)預(yù)測[3]，截至2021年，接入網(wǎng)絡(luò)的終端每年產(chǎn)生數(shù)據(jù)達(dá)847 ZB，數(shù)據(jù)呈分散性、碎片化，超過50%的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析、處理與存儲。云計算雖然有強(qiáng)大的數(shù)據(jù)處理能力，但是在面對海量的數(shù)據(jù)以及網(wǎng)絡(luò)帶寬帶來的阻礙時，并不能實現(xiàn)全面的計算覆蓋，需要對數(shù)據(jù)就近處理分析以滿足實時性要求。

1.1.2 技術(shù)創(chuàng)新驅(qū)動力

近年來，各類分布式計算模式不斷涌現(xiàn)，Gartner 發(fā)布的2021年度技術(shù)趨勢將分布式計算列入其中[4]，核心理念是計算資源能夠更靠近發(fā)生數(shù)據(jù)和業(yè)務(wù)活動的物理位置，計算技術(shù)的升級推動邊緣計算產(chǎn)生，與量子計算、超級計算等先進(jìn)計算技術(shù)協(xié)同聯(lián)動，實現(xiàn)邊緣側(cè)資源快速部署、彈性擴(kuò)展以及實時響應(yīng)，滿足多樣性應(yīng)用需求。此外，新型網(wǎng)絡(luò)架構(gòu)將采用服務(wù)化設(shè)計，要求資源可按需調(diào)用，為不同垂直行業(yè)提供快速響應(yīng)和靈活部署，在5G等新型網(wǎng)絡(luò)架構(gòu)中就明確將邊緣計算定義為重要組成部分。邊緣計算與網(wǎng)絡(luò)技術(shù)不斷融合，促進(jìn)網(wǎng)絡(luò)能力開放，推動網(wǎng)絡(luò)智能化、協(xié)同化演進(jìn)，實現(xiàn)計算與網(wǎng)絡(luò)等多維度資源協(xié)同調(diào)度優(yōu)化。

總體來說，邊緣計算作為網(wǎng)絡(luò)技術(shù)及計算技術(shù)的交匯創(chuàng)新點，帶來了計算資源和網(wǎng)絡(luò)資源的開放性、可調(diào)動性、可分配性等預(yù)期優(yōu)勢，將技術(shù)理念由剛性、粗放逐漸轉(zhuǎn)變?yōu)閺椥浴⒕?xì)。

1.2 邊緣計算概念與內(nèi)涵

邊緣計算發(fā)展受到了各方廣泛關(guān)注，國際標(biāo)準(zhǔn)組織、學(xué)術(shù)界、產(chǎn)業(yè)界均給出了邊緣計算的定義，其概念還在不斷演進(jìn)與優(yōu)化。

1.2.1 標(biāo)準(zhǔn)組織定義

2014年，歐洲電信標(biāo)準(zhǔn)化協(xié)會ETSI提出移動邊緣計算（Mobile Edge Computing）概念[5]：一種在移動網(wǎng)絡(luò)邊緣提供IT服務(wù)環(huán)境和計算能力的新型架構(gòu)。隨著研究的持續(xù)推進(jìn)，邊緣計算應(yīng)用范疇已經(jīng)不局限于移動網(wǎng)絡(luò)場景，ETSI將“Mobile”改為“Multi-access”[6]， 旨在拓展邊緣計算的接入方式，表明邊緣計算與特定網(wǎng)絡(luò)接入方式無關(guān)，可以適用于固定互聯(lián)網(wǎng)、移動通信網(wǎng)、消費物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等不同場景，已逐步成為跨場景、跨領(lǐng)域的基礎(chǔ)共性技術(shù)。ISO/IEC  JTC1/SC38對邊緣計算的定義[7]：邊緣計算是將主要處理和數(shù)據(jù)存 儲放在網(wǎng)絡(luò)的邊緣節(jié)點的分布式計算架構(gòu)。

1.2.2 學(xué)術(shù)界定義

2009年，卡內(nèi)基梅隆大學(xué)Satyanarayanan教授提出了微云（Cloudlet）概念[8]：通過將計算集群和移動設(shè)備本地化部署在同一個局域網(wǎng)中，不經(jīng)過核心網(wǎng)就可以直接提供計算服務(wù)，這開辟了學(xué)術(shù)界邊緣計算研究的先河。2016年，韋恩州立大學(xué)施巍松教授給出了邊緣計算定義[9]：在網(wǎng)絡(luò)邊緣執(zhí)行計算的一種新型計算模式，包含 下行的云服務(wù)和上行的萬物互聯(lián)服務(wù)，邊緣定義為數(shù)據(jù)源和云數(shù)據(jù)中心之間的任一計算和網(wǎng)絡(luò)資源節(jié)點。

1.2.3 產(chǎn)業(yè)界定義

2016年，邊緣計算產(chǎn)業(yè)聯(lián)盟（ECC）提出邊緣計算定義[10]：邊緣計算是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的分布式開放平臺，就近提供邊緣智能服務(wù)，滿足行業(yè)數(shù)字化在敏捷聯(lián)接、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護(hù)等方面的關(guān)鍵需求。

1.2.4 邊緣計算概念辨析

綜上所述，雖然各方對于邊緣計算定義有所差異， 但是核心理念都是將計算服務(wù)“下沉”，減少服務(wù)交付時延和帶寬需求。學(xué)術(shù)界和標(biāo)準(zhǔn)組織從技術(shù)研究角度出發(fā)認(rèn)為邊緣計算是一種新的計算模式和一種新的技術(shù)架構(gòu)，通過應(yīng)用網(wǎng)絡(luò)切片[11]、容器[12]、計算遷移[13]、邊緣智能[14]等新技術(shù)，實現(xiàn)計算與網(wǎng)絡(luò)的協(xié)同演進(jìn)。產(chǎn)業(yè)界從應(yīng)用需求角度出發(fā)將邊緣計算定義為一種新產(chǎn)業(yè)平臺和一種新的生態(tài)體系，匯聚多維資源協(xié)同調(diào)度，就近響應(yīng)需求，提高資源利用率，降低應(yīng)用執(zhí)行時延。因此， 綜合各方定義，邊緣計算不僅是新計算模式、新技術(shù)架構(gòu)、新產(chǎn)業(yè)平臺、新生態(tài)體系，也是“四維一體”，通過在網(wǎng)絡(luò)邊緣側(cè)匯聚網(wǎng)絡(luò)、計算、存儲、應(yīng)用、智能等五類資源及能力，提高服務(wù)性能（提速）、開放控制能力（敏捷），提升用戶體驗，從而激發(fā)類似于移動互聯(lián)網(wǎng)生態(tài)的新模式和新應(yīng)用。

2 邊緣計算發(fā)展環(huán)境

近年來，邊緣計算作為產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的核心技術(shù)，已經(jīng)成為全球各國的發(fā)展共識，從政策引導(dǎo)、標(biāo)準(zhǔn)研制、應(yīng)用示范等多個維度進(jìn)行統(tǒng)籌部署和協(xié)同推進(jìn)， 國際競爭日趨激烈。

發(fā)達(dá)國家主要從三方面積極營造邊緣計算發(fā)展環(huán)境。一是強(qiáng)化技術(shù)標(biāo)準(zhǔn)引領(lǐng)，美國國家科學(xué)基金會和美國國家標(biāo)準(zhǔn)局，將邊緣計算列入項目申請指南，持續(xù)推進(jìn)其關(guān)鍵技術(shù)研究[7]，ITU-T SG20、IEC/ISO JTC1 SC41、IEEE均成立了邊緣計算研究小組，以推動邊緣計算標(biāo)準(zhǔn)化工作[15]。二是加大產(chǎn)業(yè)投資力度，歐盟Networld 2020將邊緣計算作為重要研究部分列入其中，預(yù)計到2026年底，歐盟在邊緣計算領(lǐng)域的投資支出將達(dá)到1850億美元[16]。三是加強(qiáng)應(yīng)用示范引導(dǎo)，日本推動成立EdgeCross協(xié)會推動邊緣計算在垂直行業(yè)落地，韓國目前已經(jīng)在8個主要城市部署邊緣計算節(jié)點， 在VR/AR、車聯(lián)網(wǎng)、無人機(jī)與安防監(jiān)控等場景的應(yīng)用進(jìn)行試點，日韓主要通過打造應(yīng)用示范引導(dǎo)企業(yè)應(yīng)用部署邊緣計算。

我國高度重視邊緣計算發(fā)展，主要聚焦三個維度， 一是強(qiáng)化技術(shù)供給，工信部發(fā)布《關(guān)于推動工業(yè)互聯(lián)網(wǎng)加快發(fā)展的通知》、《工業(yè)互聯(lián)網(wǎng)網(wǎng)絡(luò)建設(shè)及推廣指南》、《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南》等文件， 推動建立統(tǒng)一、綜合、開放的工業(yè)互聯(lián)網(wǎng)邊緣計算標(biāo)準(zhǔn)體系，鼓勵相關(guān)單位在邊緣計算領(lǐng)域進(jìn)行技術(shù)攻關(guān)，加速產(chǎn)品研發(fā)與產(chǎn)業(yè)化。目前，我國邊緣計算標(biāo)準(zhǔn)體系初步建立，中國通信標(biāo)準(zhǔn)化協(xié)會（CCSA）已經(jīng)針對邊緣計算開展了體系化的標(biāo)準(zhǔn)研究工作，形成在研標(biāo)準(zhǔn)近30 項。二是加強(qiáng)融合應(yīng)用，國務(wù)院、工信部及各地方政府均出臺相關(guān)政策，大力促進(jìn)邊緣計算等新興前沿技術(shù)在工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)等垂直領(lǐng)域中的應(yīng)用研究與探索， 形成一批可復(fù)制的應(yīng)用模式，進(jìn)行全國推廣。目前，邊緣計算在工業(yè)、農(nóng)業(yè)、交通、物流等領(lǐng)域的試點部署日益廣泛并已取得明顯效益。三是打造產(chǎn)業(yè)生態(tài)，工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟、邊緣計算產(chǎn)業(yè)聯(lián)盟、中國通信學(xué)會邊緣計算委員會等平臺的產(chǎn)業(yè)匯聚和支撐作用顯著發(fā)揮。2020年，中國信息通信研究院聯(lián)合產(chǎn)業(yè)各方成立邊緣計算創(chuàng)新實驗室，旨在打造產(chǎn)學(xué)研用相結(jié)合的技術(shù)產(chǎn)業(yè)開放平臺以及推動邊緣計算發(fā)展的創(chuàng)新載體。同時，針對邊緣計算發(fā)展存在產(chǎn)業(yè)碎片化以及供給側(cè)研發(fā)方向不明確等問題，工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟啟動我國首個邊緣計算產(chǎn)業(yè)促進(jìn)項目“邊緣計算標(biāo)準(zhǔn)件計劃”，加速邊緣計算產(chǎn)品形態(tài)整合歸類及功能規(guī)范化。

目前，各國邊緣計算發(fā)展態(tài)勢較為均衡，全球邊緣計算仍處于發(fā)展初期。美、日發(fā)達(dá)國家和跨國巨頭依托其云計算技術(shù)的既有優(yōu)勢積極布局邊緣計算發(fā)展，試圖引導(dǎo)全球產(chǎn)業(yè)鏈各方在技術(shù)、標(biāo)準(zhǔn)、應(yīng)用模式；我國加強(qiáng)研究布局、積極構(gòu)筑邊緣計算自主技術(shù)產(chǎn)業(yè)生態(tài)，避免形成新的路徑依賴。

3 邊緣計算學(xué)術(shù)研究熱點與方向

目前，學(xué)術(shù)界對邊緣計算研究主要聚焦兩大類關(guān)鍵技術(shù)方向，如表1所示，一是與邊緣計算直接相關(guān)的邊緣原生類技術(shù)，目前以計算遷移、邊緣智能為代表；二是邊緣計算與各類ICT前沿技術(shù)交叉的邊緣融合類技術(shù)， 目前的研究熱點包括邊緣計算+區(qū)塊鏈、算網(wǎng)融合等。

表1 邊緣計算熱點技術(shù)領(lǐng)域總結(jié)

3.1邊緣原生類技術(shù)—— 計算遷移

計算遷移技術(shù)有效解決了邊緣計算單一節(jié)點資源受限而無法滿足應(yīng)用需求的問題，同時有效降低網(wǎng)絡(luò)帶寬壓力及應(yīng)用完成時延。目前對計算遷移的研究，主要分為兩類：計算遷移決策機(jī)制設(shè)計、計算遷移資源優(yōu)化調(diào)度機(jī)制。

3.1.1 計算遷移決策機(jī)制

計算遷移決策機(jī)制主要決定是否要進(jìn)行遷移以及遷移哪些任務(wù)等問題，而遷移決策的目標(biāo)主要分為三方面。一是以降低時延為目標(biāo)的計算遷移決策機(jī)制研究，在計算遷移過程中，數(shù)據(jù)傳輸時間、執(zhí)行時間等帶來的時延是影響邊緣計算服務(wù)質(zhì)量的重要因素，時延最小化是計算遷移的重要研究方向。文獻(xiàn)[18]利用一維搜索算法對計算應(yīng)用的緩存隊列狀態(tài)、用戶和服務(wù)器中計算資源的可用情況以及網(wǎng)絡(luò)節(jié)點間的信道特征進(jìn)行了綜合考慮。在該遷移機(jī)制中，用戶在每個時隙周期性地對應(yīng)用隊列中的每個任務(wù)做出進(jìn)行本地處理或完整遷移的決策，并在不考慮能耗的前提下最小化遷移機(jī)制所產(chǎn)生的計算遷移應(yīng)用執(zhí)行時延。二是以降低能耗為目標(biāo)的計算遷移機(jī)制研究，由于邊緣側(cè)存在大量電池容量受限的物聯(lián)網(wǎng)設(shè)備，在計算遷移過程中降低能耗也是一個重要研究方向。文獻(xiàn)[19]提出利用馬爾科夫決策過程（Markov Decision Process, MDP）對每個任務(wù)的執(zhí)行狀態(tài)進(jìn)行建模，從而決定是否進(jìn)行計算遷移，同時考慮遷移失敗概率、計算資源可用性等因素的影響，目的是最小化用戶能耗以及提高計算效率，并通過求解線性優(yōu)化問題來獲得最優(yōu)的遷移機(jī)制。三是面向多目標(biāo)優(yōu)化的計算遷移機(jī)制研究，在執(zhí)行一些復(fù)雜應(yīng)用過程中，能耗和時延均會影響邊緣計算服務(wù)質(zhì)量，因此越來越多的研究開始綜合考慮能耗和時延的多目標(biāo)優(yōu)化。文獻(xiàn)[20]基于受限馬爾科夫決策過程（Constrained Markov Decision Process，CMDP）對計算遷移機(jī)制中的時延和能耗問題進(jìn)行了數(shù)學(xué)化的模型描述。在該模型的基礎(chǔ)上，首先設(shè)計了一套基于在線學(xué)習(xí)（Online Learning）的計算遷移策略，使計算服務(wù)節(jié)點能夠針對任務(wù)請求節(jié)點當(dāng)前所運行的應(yīng)用類型動態(tài)地做出遷移策略的精細(xì)化調(diào)整。

3.1.2 計算遷移資源優(yōu)化調(diào)度

完成遷移決策后，計算遷移需要考慮資源分配問題，其中，面向多邊緣計算節(jié)點的資源優(yōu)化調(diào)度研究已經(jīng)成為主要研究方向。文獻(xiàn)[21]基于多節(jié)點間鏈路持續(xù)時間預(yù)測，提出一種啟發(fā)式的多節(jié)點協(xié)作計算遷移資源優(yōu)化調(diào)度方法，有效提升資源利用效率。文獻(xiàn)[22]提出面向多節(jié)點的計算遷移優(yōu)化框架，利用半定松弛（Semi-definite Relaxation）方法實現(xiàn)節(jié)點間復(fù)雜均衡，最大限度降低時延及能耗。

3.2 邊緣原生類技術(shù)——邊緣智能

邊緣智能有效促進(jìn)本地化洞察和智能實時響應(yīng)，滿足了差異化業(yè)務(wù)需求。目前主要研究聚焦在兩個方向： 模型壓縮、協(xié)同推理。

3.2.1 模型壓縮

考慮到邊緣計算資源受限、能耗等問題，如何在邊緣高效部署深度學(xué)習(xí)模型是一個非常值得研究的問題。為了減少模型運行時對資源的消耗，并使模型能運行到更輕量級的邊緣計算設(shè)備上，一般可以對模型進(jìn)行蒸餾、剪枝、量化等壓縮操作。文獻(xiàn)[23]提出一種基于權(quán)重的剪枝方法，在不影響準(zhǔn)確度的前提下裁剪訓(xùn)練模型，再通過訓(xùn)練量化和Huffman編碼來增強(qiáng)剪枝恢復(fù)模型訓(xùn)練精度，最終將原始模型變?yōu)檩p量級模型。文獻(xiàn)[24]提出在多層神經(jīng)網(wǎng)絡(luò)中去除值為零且不影響模型準(zhǔn)確度的神經(jīng)元，減少模型訓(xùn)練對計算及存儲資源的需求，可以在邊緣計算設(shè)備上完成模型訓(xùn)練過程。

3.2.2 協(xié)同推理

協(xié)同推理利用推理性能較強(qiáng)的云作為推理后端來提升推理效果。對于推理來說，直接在邊側(cè)推理可以有更小的時延和更大的吞吐，而直接在云側(cè)推理可以帶來更好的推理精度。如何在邊側(cè)推理資源有限的情況下，使時延和吞吐不明顯降低，提高推理精度已成為重要研究方向。文獻(xiàn)[26]提出一種模型切割方法，將深度卷積神經(jīng) 網(wǎng)絡(luò)按層分割，通過多級協(xié)同的方式完成推理，可以在網(wǎng)絡(luò)邊緣端高效支撐深度學(xué)習(xí)推理任務(wù)。此外還可以采用卷積層的可伸縮融合切片分區(qū)（FTP），以最大程度減少內(nèi)存占用量，同時提高并行性。

3.3 邊緣融合類技術(shù)——算網(wǎng)融合

傳統(tǒng)網(wǎng)絡(luò)和計算分離模式難以滿足工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、云游戲等新興應(yīng)用需求，未來以邊緣計算為基礎(chǔ)的算網(wǎng)融合一體化發(fā)展已成為必然，形成了算網(wǎng)融合重要方向，聚焦算力網(wǎng)絡(luò)、網(wǎng)絡(luò)編排等代表性技術(shù)，學(xué)術(shù)界和產(chǎn)業(yè)界進(jìn)行了大量的探索和創(chuàng)新。

3.3.1 算力網(wǎng)絡(luò)

算力網(wǎng)絡(luò)通過網(wǎng)絡(luò)連接并匯聚計算資源，針對不同應(yīng)用需求統(tǒng)一管理和調(diào)度算力資源。文獻(xiàn)[27]在研究邊緣 計算算力分配和調(diào)度需求的基礎(chǔ)上，提出了云、網(wǎng)邊融合的算力網(wǎng)絡(luò)方案，實現(xiàn)異構(gòu)資源在各級節(jié)點的靈活調(diào)度，滿足未來業(yè)務(wù)需求。文獻(xiàn)[28]研究了算力網(wǎng)絡(luò)分層架 構(gòu)，并結(jié)合算力網(wǎng)絡(luò)控制技術(shù)，提出了分布式控制及集中式控制兩種實現(xiàn)方式。文獻(xiàn)[29]提出一種輕量化、多集群的分級邊緣資源調(diào)度方案，基于輕量級的云原生平臺，實現(xiàn)了面向算力網(wǎng)絡(luò)的前端海量邊緣設(shè)備的統(tǒng)一納管，并且能夠在多種架構(gòu)的嵌入式平臺進(jìn)行部署。

3.3.2 網(wǎng)絡(luò)編排

軟件定義網(wǎng)絡(luò)技術(shù)為網(wǎng)絡(luò)控制模式變革帶來了新的契機(jī)，而面向算網(wǎng)融合新趨勢，網(wǎng)絡(luò)的端到端控制與編排能力將進(jìn)一步強(qiáng)化。文獻(xiàn)[30]提出了基于機(jī)器學(xué)習(xí)的軟 件定義智能網(wǎng)絡(luò)應(yīng)用，隨著人工智能技術(shù)的不斷突破， 網(wǎng)絡(luò)編排正由“自動化”向“智能化”轉(zhuǎn)變，為實現(xiàn)算網(wǎng)融合奠定基礎(chǔ)。文獻(xiàn)[31]通過將業(yè)務(wù)需求解析為計算需 求和緩存需求，提出一種支持動態(tài)編排網(wǎng)絡(luò)，緩存和計算資源的融合架構(gòu)，滿足不同應(yīng)用需求。文獻(xiàn)[32]總結(jié)了 網(wǎng)絡(luò)編排、網(wǎng)絡(luò)虛擬化等技術(shù)現(xiàn)狀，通過業(yè)務(wù)編排、網(wǎng)絡(luò)資源編排以及網(wǎng)絡(luò)虛擬化相互依賴，形成一套閉環(huán)的網(wǎng)絡(luò)編排系統(tǒng)，實現(xiàn)自動化、定制化業(yè)務(wù)部署。

3.4 邊緣融合類技術(shù)——邊緣計算+區(qū)塊鏈

分布式特征的邊緣計算與去中心化特征的區(qū)塊鏈具有天然的融合基礎(chǔ)，將區(qū)塊鏈的節(jié)點部署在邊緣能力節(jié)點設(shè)備中，一方面通過邊緣計算為區(qū)塊鏈大量分散的網(wǎng)絡(luò)服務(wù)提供計算資源和存儲能力，另一方面區(qū)塊鏈技術(shù)為邊緣計算服務(wù)提供可信和安全的環(huán)境[33]，因此邊緣計算+區(qū)塊鏈融合技術(shù)已成為熱點領(lǐng)域，其中，基于區(qū)塊鏈的邊緣數(shù)據(jù)安全、邊緣身份認(rèn)證等技術(shù)成為研究熱點。

3.4.1 基于區(qū)塊鏈的邊緣數(shù)據(jù)安全

在邊緣計算應(yīng)用過程中，數(shù)據(jù)安全性是必須要考慮的因素。文獻(xiàn)[34]提出一種基于區(qū)塊鏈分布式任務(wù)分配和調(diào)度安全策略，消除攻擊者使用分布式拒絕服務(wù)攻擊增加中心服務(wù)器的計算負(fù)擔(dān)的可能性，保持?jǐn)?shù)據(jù)傳輸?shù)恼_性。文獻(xiàn)[35]提出一種基于區(qū)塊鏈的數(shù)據(jù)管理方案，在保證邊緣計算節(jié)點數(shù)據(jù)傳輸效率的同時利用智能合約技術(shù)避免第三方參與，保護(hù)數(shù)據(jù)安全。

3.4.2 基于區(qū)塊鏈的邊緣身份認(rèn)證

身份辨識可信、身份管理可信、設(shè)備訪問控制可信是邊緣計算節(jié)點協(xié)作的基礎(chǔ)，如何利用區(qū)塊鏈技術(shù)建立邊緣計算可信機(jī)制已成為學(xué)術(shù)界的重點研究對象。文獻(xiàn)[36]融合了射頻識別RFID技術(shù)和區(qū)塊鏈技術(shù)，提出了一種基于區(qū)塊鏈的輕量級邊緣計算安全認(rèn)證機(jī)制，能夠在確保工業(yè)數(shù)據(jù)的安全可靠訪問的同時保障智能工廠中各類邊緣計算應(yīng)用的安全運行。文獻(xiàn)[37]通過使用區(qū)塊鏈和邊緣計算建立高效可信架構(gòu)，實現(xiàn)對應(yīng)用數(shù)據(jù)的訪問控制。在該架構(gòu)內(nèi)，基于區(qū)塊鏈的控制器將運行身份認(rèn)證及管理策略，記錄訪問事件的防篡改日志。

4 邊緣計算產(chǎn)業(yè)發(fā)展路徑與趨勢

按照邊緣計算產(chǎn)業(yè)推動主體的不同，目前形成了三大發(fā)展路徑：一是電信運營商主導(dǎo)的5G  MEC發(fā)展路徑；二是IT企業(yè)主導(dǎo)的云原生邊緣計算發(fā)展路徑；三是以設(shè)備廠商和工業(yè)企業(yè)主導(dǎo)的垂直行業(yè)邊緣計算發(fā)展路徑。三種發(fā)展路徑對比如表2所示。 

表2 邊緣計算三種發(fā)展路徑對比

4.1　路徑1——5G MEC發(fā)展路徑 

伴隨著5G商用進(jìn)程不斷加速，作為5G架構(gòu)中的關(guān)鍵部分，MEC受到了廣泛關(guān)注，主要由電信運營商主導(dǎo)推動。5G MEC實現(xiàn)對大流量數(shù)據(jù)進(jìn)行本地分流，提升網(wǎng)絡(luò)性能和用戶體驗。

4.1.1 5G MEC標(biāo)準(zhǔn)進(jìn)展

目前5G MEC是三種發(fā)展路線中標(biāo)準(zhǔn)化進(jìn)程速度最快的路線。ETSI在2014年啟動了MEC標(biāo)準(zhǔn)項目。2017年底， ETSI MEC完成了Phase I階段基于傳統(tǒng)4G網(wǎng)絡(luò)架構(gòu)部署，定義邊緣計算系統(tǒng)應(yīng)用場景、參考架構(gòu)等。2019 年完成了PhaseII階段，將MEC由原來的移動邊緣計算（Mobile Edge Computing）改為了多接入邊緣計算（Multi-access Edge Computing），聚焦5G、Wi-Fi、固網(wǎng)等新業(yè)務(wù)及需求[38]。 2017年起，3GPP在R14開始對MEC相關(guān)接口及架構(gòu)進(jìn)行標(biāo)準(zhǔn)化工作，3GPP在后續(xù)標(biāo)準(zhǔn)版本中將繼續(xù)對5G MEC進(jìn)行研究，R15、R16、R17對5GC/5G NR/5GS的增強(qiáng)及核心網(wǎng)和NR的要求進(jìn)行了定義，包括RAN的能力開放、5G增強(qiáng)的移動寬帶媒體分發(fā)機(jī)制、5GC網(wǎng)管增強(qiáng)支持MEC、為典型MEC場景提供部署指南等[39]。

2017年起CCSA在下設(shè)的無線通信技術(shù)工作委員會TC5開展MEC標(biāo)準(zhǔn)化工作，目前已立項標(biāo)準(zhǔn)近10項， 主要對MEC平臺技術(shù)要求、能力開放、安全技術(shù)要求等方面進(jìn)行標(biāo)準(zhǔn)化探索。

4.1.2 5G MEC產(chǎn)業(yè)進(jìn)展

電信運營商加快推動邊緣計算與網(wǎng)絡(luò)融合，從管道連接商向業(yè)務(wù)提供商轉(zhuǎn)變角色。GSMA聯(lián)合全球22家 運營商發(fā)起了Operator Platform項目，推動全球運營 商合作構(gòu)建電信邊緣云平臺[40]。AT＆T建立邊緣計算測 試區(qū)，測試增強(qiáng)移動沉浸式媒體體驗的方法，無人駕駛 等邊緣計算應(yīng)用。Vodafone聚焦車聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng) 等重點領(lǐng)域，開展邊緣計算基礎(chǔ)設(shè)施試驗部署和應(yīng)用試 點。中國移動啟動點亮邊緣計算“100+”節(jié)點行動， 推進(jìn)邊緣計算實踐，已部署150余個邊緣計算節(jié)點。中 國聯(lián)通推出CUC-MEC邊緣計算平臺并設(shè)計EdgePOD 一體化邊緣解決方案，同時在2020年發(fā)布首張MEC規(guī) 模商用網(wǎng)絡(luò)。中國電信推出基于5G SA試商用網(wǎng)絡(luò)打造 MEC開放實驗環(huán)境，在各行業(yè)開展5G+MEC應(yīng)用合作 創(chuàng)新，已在100多個省市相繼落地。 

4.1.3　5G MEC發(fā)展面臨瓶頸與未來趨勢

5G MEC目前已經(jīng)在多個行業(yè)開始試點應(yīng)用，但整 體發(fā)展還處于初期階段，存在一些問題和挑戰(zhàn)：（1） 基礎(chǔ)設(shè)施建設(shè)模式有待探索，目前MEC節(jié)點建設(shè)主要 由電信運營商獨立承擔(dān)，實際收益尚無法支撐建設(shè)成 本，未來將難以應(yīng)對MEC規(guī)模部署建設(shè)運營的投入； （2）應(yīng)用生態(tài)尚需培育，目前各方均在垂直行業(yè)探索 應(yīng)用模式，相關(guān)產(chǎn)品及服務(wù)以多樣化和定制化居多，應(yīng)用生態(tài)仍未建立。運營商正在積極推動MEC產(chǎn)品走向松耦合，如中 國移動發(fā)起OpenUPF計劃，推動N4接口解耦，旨在降低建設(shè)成本。同時，MEC平臺數(shù)據(jù)接口、應(yīng)用程序接 口將趨于標(biāo)準(zhǔn)化，中國聯(lián)通與西班牙電信、韓國KT成功驗證MEC服務(wù)的全球漫游和不同邊緣平臺的聯(lián)合服 務(wù)，有效推動MEC平臺互聯(lián)互通。

4.2　路徑2——云原生邊緣計算發(fā)展路徑 

邊緣計算作為云計算的延伸和補(bǔ)充已經(jīng)在云計算 領(lǐng)域形成共識，因此，IT企業(yè)希望借助云原生邊緣計算 延伸云計算能力，保護(hù)原有領(lǐng)域的核心競爭優(yōu)勢，形成 云、邊、網(wǎng)、端一體化協(xié)同。 

4.2.1　云原生邊緣計算標(biāo)準(zhǔn)進(jìn)展 目前云原生邊緣計算標(biāo)準(zhǔn)化工作主要由CCSA主 導(dǎo)，CCSA在下設(shè)的互聯(lián)網(wǎng)與應(yīng)用工作委員會TC5針對 互聯(lián)網(wǎng)邊緣云平臺架構(gòu)、邊云協(xié)同技術(shù)要求、邊緣云服 務(wù)信任能力要求進(jìn)行標(biāo)準(zhǔn)化探索，已立項標(biāo)準(zhǔn)近10項。 

4.2.2　云原生邊緣計算產(chǎn)業(yè)進(jìn)展 依托已有云計算技術(shù)優(yōu)勢，云計算巨頭積極布局 并推出邊緣計算相關(guān)產(chǎn)品，推動云原生技術(shù)不斷下沉。亞馬遜發(fā)布AWS Greengrass邊緣計算平臺，并同時與Verizon、Vodafone等國際運營商合作推出基于5G的AWS Wavelength邊緣計算服務(wù)。谷歌發(fā)起全球移動邊緣云GMEC戰(zhàn)略，構(gòu)建統(tǒng)一的邊緣云平臺，可供各大電信業(yè)者開發(fā)各種以網(wǎng)絡(luò)為中心的應(yīng)用，協(xié)助電信產(chǎn)業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型。微軟推出了開源Azure IoT edge 的邊云協(xié)同邊緣計算框架，全面布局邊緣計算生態(tài)。阿里云啟動邊緣計算云原生開源項目OpenYurt，深度挖掘“邊緣計算+云原生落地實施”訴求，打造云、網(wǎng)、邊、端一體化的協(xié)同計算體系。百度發(fā)布DuEdge 開源平臺，并建立智能邊緣計算框架BAETYL，提供邊緣智能能力。騰訊推出邊緣接入和加速平臺（TSEC）、邊緣計算機(jī)器（ECM）、邊緣計算平臺（IECP）等邊緣計算棧產(chǎn)品體系。

4.2.3 云原生邊緣計算發(fā)展面臨瓶頸與未來趨勢

云原生邊緣計算本質(zhì)上是將傳統(tǒng)云計算技術(shù)輕量化后，結(jié)合邊緣原生新技術(shù)在邊緣側(cè)實現(xiàn)計算、存儲、網(wǎng)絡(luò)等資源的快速響應(yīng)及可伸縮性。云原生邊緣計算在實際部署中主要存在以下挑戰(zhàn)：（1）邊緣計算作為新興技術(shù)概念，目前生態(tài)尚未完全成熟，業(yè)界對于云原生邊緣計算及MEC概念理解存在混淆，存在代表不同利益群體并互相博弈的生態(tài)，運營商MEC平臺和IT企業(yè)邊緣云平臺的業(yè)務(wù)關(guān)系仍不明確；（2）邊云協(xié)同是IT廠商推動中心云走向邊緣側(cè)的關(guān)鍵架構(gòu)，但在實現(xiàn)過程中仍存在缺少統(tǒng)一的應(yīng)用管理北向接口、應(yīng)用及服務(wù)下發(fā)困難、跨邊云應(yīng)用分發(fā)機(jī)制缺乏等問題。

目前IT廠商正在積極推動邊云協(xié)同實踐，從資源、數(shù)據(jù)、應(yīng)用等多個維度推動云計算服務(wù)和云原生能力適配并對邊緣業(yè)務(wù)進(jìn)行賦能實現(xiàn)端、邊、云之間緊密結(jié)合及協(xié)作，加速云原生邊緣計算的數(shù)字化轉(zhuǎn)型解決方案的構(gòu)建。

4.3 路徑3——垂直行業(yè)邊緣計算發(fā)展路徑

邊緣計算作為跨場景、跨領(lǐng)域的基礎(chǔ)共性技術(shù)及產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵使能技術(shù)，受到了垂直行業(yè)企業(yè)及設(shè)備廠商的關(guān)注，以工業(yè)互聯(lián)網(wǎng)為例，邊緣計算低時延、海量連接、就近計算等特性可以有效滿足工業(yè)應(yīng)用需求。此外設(shè)備廠商也希望借助垂直行業(yè)邊緣計算進(jìn)一步實現(xiàn)業(yè)務(wù)升級，拓展業(yè)務(wù)范圍。

4.3.1 垂直行業(yè)邊緣計算標(biāo)準(zhǔn)進(jìn)展

目前，CCSA下設(shè)工業(yè)互聯(lián)網(wǎng)特設(shè)組ST8已經(jīng)針對邊緣計算開展了體系化的標(biāo)準(zhǔn)研究工作，在研標(biāo)準(zhǔn)近20項，基本覆蓋工業(yè)互聯(lián)網(wǎng)邊緣計算的參考架構(gòu)、核心設(shè)備、關(guān)鍵技術(shù)、測試規(guī)范等關(guān)鍵標(biāo)準(zhǔn)研制。其中，《工業(yè)互聯(lián)網(wǎng)邊緣計算總體架構(gòu)與要求》標(biāo)準(zhǔn)提出了邊緣云、邊緣網(wǎng)關(guān)、邊緣控制器的層級化部署架構(gòu)，為工業(yè)企業(yè)應(yīng)用邊緣計算提供重要參考。面向工業(yè)互聯(lián)網(wǎng)場景差異化大的特點，工業(yè)互聯(lián)網(wǎng)邊緣計算節(jié)點模型要求及測試方法系列標(biāo)準(zhǔn)對邊緣計算基礎(chǔ)設(shè)施各項功能提出技術(shù)要求及測試規(guī)范，實現(xiàn)邊緣計算針對不同應(yīng)用場景的靈活功能組合，為設(shè)備廠商研發(fā)方向提供指導(dǎo)，幫助工業(yè)企業(yè)進(jìn)行產(chǎn)品采購選型提供參考。同時，針對邊緣計算與機(jī)器視覺、人工智能、時間敏感網(wǎng)絡(luò)等技術(shù)不斷融合發(fā)展趨勢，多項技術(shù)融合標(biāo)準(zhǔn)也不斷立項研究，加速推動邊緣計算在不同領(lǐng)域的應(yīng)用部署。

4.3.2 垂直行業(yè)邊緣計算產(chǎn)業(yè)進(jìn)展

設(shè)備廠商從單純提供硬件產(chǎn)品向“設(shè)備+邊緣計算平臺”供給轉(zhuǎn)變。英特爾推出邊緣計算系列處理器與加速卡等多樣化硬件產(chǎn)品，滿足不同行業(yè)用戶的實時性功能需求及安全需求。華為推出Altas 500邊緣計算服務(wù)器，助力AI從中心側(cè)向邊緣側(cè)與端側(cè)延伸，支持云邊協(xié)同的訓(xùn)練和推理應(yīng)用場景。新華三推出邊緣計算網(wǎng)關(guān)及邊緣云一體機(jī)等設(shè)備，結(jié)合UIS-EDGE邊緣計算平臺提 供邊緣實時分析、多協(xié)議轉(zhuǎn)換、邊緣智能等能力。

邊緣計算應(yīng)用場景日益廣泛，逐漸出現(xiàn)清晰細(xì)分的、個性化定制的多行業(yè)重點應(yīng)用。我國邊緣計算發(fā)展勢頭迅猛，通過兩化深度融合、智能制造、工業(yè)互聯(lián)網(wǎng)創(chuàng)新發(fā)展工程等專項行動的持續(xù)推動，邊緣計算與行業(yè)融合創(chuàng)新日益廣泛，三一重工、格力、海爾、商飛等一批工業(yè)企業(yè)已開始利用邊緣計算模式改變傳統(tǒng)的制造方式，企業(yè)、行業(yè)、區(qū)域綜合集成應(yīng)用實踐不斷涌現(xiàn)[17]。

4.3.3 垂直行業(yè)邊緣計算發(fā)展面臨瓶頸與未來趨勢

垂直行業(yè)作為邊緣計算的主要應(yīng)用場景，產(chǎn)業(yè)各方均在積極布局行業(yè)邊緣計算發(fā)展，但在實際部署中仍存在以下挑戰(zhàn)：（1）垂直行業(yè)產(chǎn)生數(shù)據(jù)量大且數(shù)據(jù)結(jié)構(gòu)各不相同，對于邊緣計算實現(xiàn)數(shù)據(jù)存儲、實時計算帶來極大挑戰(zhàn)；（2）目前產(chǎn)業(yè)各方都在嘗試探索邊緣計算應(yīng)用，形成了基于不同底層架構(gòu)、針對不同行業(yè)應(yīng)用的各類邊緣計算軟件平臺及硬件產(chǎn)品，因此，邊緣計算整體產(chǎn)業(yè)呈現(xiàn)碎片化發(fā)展，設(shè)備接口、數(shù)據(jù)的標(biāo)準(zhǔn)不一致，缺乏統(tǒng)一的產(chǎn)品規(guī)范，跨廠商的互聯(lián)互通互操作存在挑戰(zhàn)。

垂直行業(yè)邊緣計算將逐步探索實現(xiàn)對異構(gòu)和多樣化的邊緣設(shè)備進(jìn)行抽象、管理和運用，通過協(xié)議轉(zhuǎn)換、數(shù)據(jù)預(yù)處理等功能，推動實現(xiàn)企業(yè)內(nèi)各層數(shù)據(jù)的縱向集成及高效處理。

5 結(jié)束語

總體來說，邊緣計算賦能產(chǎn)業(yè)數(shù)字化的重要價值受到普遍認(rèn)同，迎來了新一輪發(fā)展機(jī)遇。但由于邊緣計算屬于跨領(lǐng)域融合概念，參與主體眾多，在實際部署中存在“三難”問題：一是標(biāo)準(zhǔn)統(tǒng)籌難，5G  MEC、云原生邊緣計算、垂直行業(yè)邊緣計算等發(fā)展路徑的相關(guān)標(biāo)準(zhǔn)組織均從各自領(lǐng)域?qū)吘売嬎氵M(jìn)行了標(biāo)準(zhǔn)化工作，導(dǎo)致邊緣計算標(biāo)準(zhǔn)化工作缺乏統(tǒng)一布局，標(biāo)準(zhǔn)內(nèi)容上存在一定的沖突和重復(fù)，這也成為邊緣計算基礎(chǔ)設(shè)施規(guī)模化部署的障礙。二是產(chǎn)業(yè)集約化難，目前各個垂直行業(yè)在邊緣計算領(lǐng)域中獨自探索，產(chǎn)業(yè)鏈上下游聯(lián)系不夠緊密， 邊緣計算產(chǎn)業(yè)呈現(xiàn)碎片化發(fā)展。三是規(guī)模部署難，目前產(chǎn)業(yè)各方正在積極推進(jìn)邊緣計算基礎(chǔ)設(shè)施規(guī)模化應(yīng)用部署，但成熟且可復(fù)制的建設(shè)模式尚未形成，需要進(jìn)一步探索。同時，在商業(yè)模式尚不清晰的前提下，運營商、云計算服務(wù)商以及工業(yè)企業(yè)等核心參與者將難以應(yīng)對邊緣計算基礎(chǔ)設(shè)施建設(shè)運營的資金投入。

未來，隨著邊緣計算逐步進(jìn)入穩(wěn)健發(fā)展期，5G MEC、云原生邊緣計算、垂直行業(yè)邊緣計算等發(fā)展路徑將在競合中發(fā)展，呈現(xiàn)兩類突出的發(fā)展特點：一是協(xié)同與融合，單純使用邊緣技術(shù)構(gòu)建的應(yīng)用難以充分發(fā)揮其價值，需要邊緣計算與云計算、5G、區(qū)塊鏈等其他技術(shù)相結(jié)合，利用協(xié)同效應(yīng)形成一體化解決方案。未來，邊緣計算將一方面不斷推動網(wǎng)絡(luò)向智能化以及協(xié)同化方向演進(jìn)，實現(xiàn)計算與網(wǎng)絡(luò)等多維度資源的統(tǒng)一協(xié)同調(diào)度及全局優(yōu)化；另一方面將不斷與云計算協(xié)同聯(lián)動， 實現(xiàn)物理資源的共享，極大提升資源利用率，逐步成為云、網(wǎng)、邊、端等協(xié)同的關(guān)鍵樞紐環(huán)節(jié)。二是開放與互通，完整的邊緣計算應(yīng)用服務(wù)涉及需求方、模塊提供方、設(shè)備提供方、平臺提供方以及應(yīng)用提供方等多個環(huán)節(jié)及角色配合，未來，統(tǒng)一的服務(wù)定義、資源封裝以及接口協(xié)議等標(biāo)準(zhǔn)化工作將不斷健全，便于不同角色間的高效配合以及跨廠商產(chǎn)品互聯(lián)互通，技術(shù)逐步走向開放融合。

作者簡介：

王哲，高級工程師，博士，現(xiàn)就職于中國信息通信研究院，主要從事工業(yè)互聯(lián)網(wǎng)、邊緣計算領(lǐng)域政策、技術(shù)標(biāo)準(zhǔn)、產(chǎn)業(yè)發(fā)展等方面研究，長期支撐工業(yè)和信息化部、國家發(fā)改委等部委的工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)政策制定、重大專項指南編制等工作。目前擔(dān)任CCSA邊緣計算技術(shù)標(biāo)準(zhǔn)及產(chǎn)業(yè)發(fā)展推進(jìn)委員會技術(shù)促進(jìn)組組長、IEEE Transactions on Vehicular Technology，IEEE Access 等國際期刊審稿人，已發(fā)表期刊及國際會議論文10余篇，其中SCI檢索5篇，申請發(fā)明專利及軟件著作權(quán)4 項，主持并參與起草10余項行業(yè)標(biāo)準(zhǔn)制定工作。

參考文獻(xiàn)：

[1] 華信咨詢. 走近邊緣計算[R/OL]. 2020.

[2] Pallis G, Vakali A. Vakali, A.: Insight and Perspectives for Content Delivery Networks[J].

 Communications of the ACM, 2006, 49 (1) : 101 - 106.

[3] Cisco. Global Cloud Index (GCI) [R/OL]. 2018.

[4] Gartner. Gartner Top Strategic Technology Trends for 2021[R/OL]. 2020.

[5] HU Y C, PATEL M, SABELLA D, et al. Mobile Edge Computing—A Key Technology towards 5G[J]. ETSI White Paper, 2015, 11 (11) : 1 - 16.

[6] Taleb T, Samdanis K, Mada B, et al. On Multi-Access Edge Computing: A Survey of the Emerging 5G Network Edge Cloud Architecture and Orchestration[J]. IEEE Communications Surveys & Tutorials, 

2017, 19 (3) : 1657 - 1681.

[7] 王凱, 王靜. 工業(yè)互聯(lián)網(wǎng)邊緣計算技術(shù)發(fā)展與行業(yè)需求分析[J]. 中國儀器儀表, 2019.

[8] Satyanarayanan M, Bahl P, Caceres R, et al. The Case for VM-Based Cloudlets in Mobile Computing[J]. IEEE Pervasive Computing, 2009, 8 (4) : 14 - 23.

[9] Shi W, Cao J, Zhang Q, et al. Edge Computing: Vision and Challenges[J].

Internet of Things Journal, IEEE, 2016, 3 (5) : 637 - 646.

[10] 邊緣計算產(chǎn)業(yè)聯(lián)盟. 邊緣計算白皮書[R/OL]. 2016.

[11] 項弘禹, 肖揚(yáng)文, 張賢, 等. 5G邊緣計算和網(wǎng)絡(luò)切片技術(shù)[J]. 電信科學(xué), 2017 (6).

[12] 潘建勝. 基于Docker的CDN邊緣計算平臺設(shè)計與實現(xiàn)[D]. 北京：北京郵電大學(xué), 2018.

[13] 王哲. 面向車聯(lián)網(wǎng)的移動云服務(wù)遷移機(jī)制研究[D]. 北京：北京交通大學(xué), 2019. [14] 李肯立, 劉楚波. 邊緣智能: 現(xiàn)狀和展望[J]. 大數(shù)據(jù), 2019, 5 (03) : 69 - 75.

[15] 邊緣計算產(chǎn)業(yè)聯(lián)盟&工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟. 邊緣計算參考架構(gòu)3.0[R/OL]. 2018.

[16] IDC. Worldwide Edge Spending Guide[R/OL]. 2020.

[17] 工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟. 離散制造業(yè)邊緣計算解決方案白皮書[R/OL]. 2019.

[18] Liu J, Mao Y, Zhang J, et al. Delay-optimal Computation Task Scheduling for Mobile Edge Computing Systems [C]. Proceedings of IEEE International Symposium on Information Theory (ISIT), -Barcelona, Spain, 2016 : 1451 – 1455.

[19] Zhang Y, Niyato, Wang P. Offloading in Mobile Cloudlet Systems with Intermittent 

Connectivity[J]. IEEE Transactions on Mobile Computing, 2015, 14 (12) : 2516 - 2529.

[20] Kamoun M, Labidi W, Sarkiss M . Joint Resource Allocation and Offloading Strategies 

in Cloud Enabled Cellular Networks[C]. IEEE International Conference on Communications. IEEE, 2018.

[21] Wang Z, Zhong Z, Zhao D, et al. Vehicle-Based Cloudlet Relaying for Mobile Computation Offloading[J]. IEEE Transactions on Vehicular Technology, 2018, PP : 1 - 1.

[22] Dinh T Q, Tang J, La Q D, et al. Offloading in Mobile Edge Computing: 

Task Allocation and ComputationalFrequency Scaling[J]. IEEE Transactions on Communications, 

2017, 65 (8) : 3571 - 3584.

[23] HAN S, Pool J, Tran J, et al. Learning Both Weights and Connections for Efficient Neural

 Network[C]. Advances in Neural Information Processing Systems, 2015 : 1135 - 1143.

[24] Srivastava N, Hinton G, Krizhevsky A, et al. Dropout: A Simple Way to Prevent Neural 

Networks from Overfitting[J]. Journal of Machine Learning Research, 2014, 15 (1) : 1929 - 1958.

[25] Tong L, Li Y, Gao W. A Hierarchical Edge Cloud Architecture for Mobile Computing[C]. 

IEEE INFOCOM 2016 - The 35th Annual IEEE International Conference on Computer 

Communications. IEEE, 2016.

[26] Li E, Zhou Z, Chen X . Edge Intelligence: On-Demand Deep Learning Model Co-Inference with Device-Edge Synergy[C]. the 2018 Workshop. 2018.

[27] 雷波, 劉增義, 王旭亮, 楊明川, 陳運清. 基于云、網(wǎng)、邊融合的邊緣計算新方案:算力網(wǎng)絡(luò)[J]. 電信科學(xué), 2019, 35 (09) : 44 - 51.

[28] 何濤, 曹暢, 唐雄燕, 李銘軒, 李建飛. 面向6G需求的算力網(wǎng)絡(luò)技術(shù)[J]. 移動通信, 2020, 44 (06) : 131 - 135.

[29] 李銘軒, 曹暢, 唐雄燕, 何濤, 李建飛, 劉秋妍. 面向算力網(wǎng)絡(luò)的邊緣資源調(diào)度解決方案研究[J]. 數(shù)據(jù)與計算發(fā)展前沿, 2020, 2 (04) : 80 - 91.

[30] Zhao Y, Li Y, Zhang X, et al. A Survey of Networking Applications Applying the Software 

Defined Networking Concept Based on Machine Learning[J]. IEEE Access, 

2019, 7 (99) : 95397 - 95417.

[31] Chen Q, Yu F R, Huang T, et al. Joint Resource Allocation for Software-Defined Networking, Caching and Computing[J]. IEEE/ACM Transactions on Networking, 2018 : 274 - 287.

[32] 黃韜, 劉江, 汪碩, 張晨, 劉韻潔. 未來網(wǎng)絡(luò)技術(shù)與發(fā)展趨勢綜述[J]. 通信學(xué)報, 2021, (1) : 130 - 150.

[33] 任夢璇, 薛淼, 劉千仞, 任杰, 王光全. 區(qū)塊鏈+邊緣計算應(yīng)用研究與探討[J]. 郵電設(shè)計技術(shù), 2020 (11) : 24 - 29.

[34] Tang W, Zhao X, Rafique W, et al. A Blockchain-Based Offloading Approach in Fog Computing Environment[C]. 2018 IEEE Intl Conf on Parallel & Distributed Processing with Applications, IEEE, 2018.

[35] Zhaofeng M, Xiaochang W, Jain D K, et al. A Blockchain-Based Trusted Data Management Scheme in Edge Computing[J]. IEEE Transactions on Industrial Informatics, 2019, PP (99) : 1.

[36] 曹舒雅, 姚英英, 常曉林. 基于區(qū)塊鏈的智能工廠RFID系統(tǒng)輕量級身份認(rèn)證機(jī)制[J]. 網(wǎng)絡(luò)空間安全, 2020 (9) : 70 - 77.

[37] Guo H, Li W, Nejad M, et al. Access Control for Electronic Health Records with Hybrid 

Blockchain-Edge Architecture[C]. 2019 IEEE International Conference on Blockchain (Blockchain). IEEE, 2020.

[38] 呂華章, 陳丹, 王友祥. ETSI MEC標(biāo)準(zhǔn)化工作進(jìn)展分析[J]. 自動化博覽, 2019, 36 (05) : 48 - 52.

[39] 呂華章, 陳丹, 范斌, 王友祥, 烏云霄. 邊緣計算標(biāo)準(zhǔn)化進(jìn)展與案例分析[J]. 計算機(jī)研究與發(fā)展, 2018, 55 (03) : 487 - 511.

[40] 電信運營商在GSMA的支持下合作構(gòu)建電信邊緣云平臺 [EB/OL]. https://blog.csdn.net/sinat_41698914/article/ details/104567380, 2020.

摘自《自動化博覽》2021年2月刊