5G和边缘计算间是相互促进、彼此成就的关系。5G的商用化进程推动了边缘计算技术的快速落地 同时 边缘计算技术的应用又大大促进了5G网络更快、更好地发展。

根据业务的诉求不同 MEC的应用场景可以分成两大类：

第一类 是面向2B的业务 比如像精密制造、工业控制、园内的视频监控和管理等 其典型的业务需求是数据不能出场、高可靠的工业组网、超高的上行带宽、超低时延、超强算力和专网管理等。

第二类 是面向2B2C的业务 主要是OTT应用服务商业务为主 比如 车联网、AR/VR/云游戏等 这类业务的需求是广覆盖、有QoS保障的连接、边云密切协同和超高的移动性等。

下面分析几种典型的5G业务中MEC设备的功能需求及其可能的部署位置。

1、智慧工厂该场景下MEC设备要解决的问题是：接入的设备多 而且大部分设备的数据是视频数据 数据量非常大 比如 安防机器人、做质量检测的机器视觉、人脸识别闸机、AR/VR眼镜等；数据处理要求时延低 特别是机床操控；数据有隐私需求 需本地处理 不能出园区；有固定不动的设备 也有高速移动的设备。

针对以上场景 一般会考虑构建一个5G专网 支持大带宽、低时延特性 以满足大规模AGV组网调度的需求。除了支持5G连接 保证移动性设备的接入外 还要支持光纤接入和WiFi接入。MEC平台上需要集成AGV视觉导航系统、工业数据采集、AR远程专家指导、机器视觉质量检测等多种应用 实时地对接入的海量数据进行智能分析 以实现低时延的自动化控制。

智慧工厂场景中的MEC平台通常会就近与专网中的5G基站合设。

2、云游戏、AR/VR这三种业务的共同点就是都需要极大的传输带宽 用于交互很多视频的内容 时延越低 用户的体验会越好；不同点在于时延要求有所不同 业务发生的场所不同 客户群也有所不同。

对这三种业务而言 如果能够采用边缘计算技术 把计算和渲染的能力迁移到边缘云的位置 相比云计算来说 一方面能够大大降低时延 提升用户体验；另一方面 能大大减低对终端的性能要求 终端的重量、成本下降 能够向轻便型转变 这样客户的接受程度也会提升 促进产业发展。

对于云游戏 如果是在公有云的服务器上运行 服务器渲染完成后的游戏画面通过网络再传送给用户的话 玩家会直接感受到从指令输入到画面更新延迟较高 游戏体验差。如果将云游戏从公有云迁移到靠近玩家的边缘云 在本地进行渲染 缩短传输距离 时延能够降到20ms以内 显著提升用户体验 同时还能节省边缘云到5G核心网的回传带宽。

云游戏属于2C业务 而且对时延的要求不是太高 因此 MEC服务器可以部署在地市核心机房 这样在兼顾到更多客户的情况下 既提升业务性能 又能够降低运维成本。

对于AR 现有的解决方案中 用户需先下载安装巨大的APP来进行AR的体验 手机的内存、电量和存储容量也限制了AR的发展。MEC平台能够通过网络数据来确定用户的位置 然后利用就近的、本地的AR服务器 提供实时的AR内容匹配计算和推送 以实现本地实景和AR内容频道实时聚合 这样就能带给客户全新的独特用户体验。

对于VR业务 以赛事直播为例 如果在场馆内部署MEC平台 在本地缓存全景摄像头所拍摄的视频 供球迷通过VR设备来快速回看 就能体验到在VIP位置的观看效果。通过在本地部署的MEC 大大地降低时延以避免眩晕感 并减少对回传资源的消耗。

AR/VR通常都是2B2C业务 区域性比较强 而且对时延要求很高。因此 一般建议在业务区域内部署MEC平台 就近进行业务分流和处理。

3、自动驾驶自动驾驶首先对网络的带宽有着苛刻的要求 如果把车辆遇到的所有信息都传输到云端处理 至少需要超过 100Mbit/s 才能满足要求；其次 车辆在高速行驶中 对于时延的要求也极高 必须保持在 1 ms~10ms 之间。

要实现自动驾驶 有几个问题必须依靠边缘计算平台才能解决：1）单车、路侧单元与应用平台等之间交互时延过大 无法及时获取、处理以及决策信息 无法满足自动驾驶对网络实时性的需求。

2）单车以及周边交通单元感知能力不足 无法对于超过视距范围事件准确感知和信息同步 无法全局掌握区域交通信息 运行范围及车路协同一体化受限。

3）汽车故障管理也是制约自动驾驶从实验室走向商用的重要因素之一 需要进行及时人工干预 预防事故发生 保障自动驾驶安全性等。

而MEC平台分布式特征则能够很好地解决海量数据处理、海量终端连接以及高速移动切换等问题。MEC平台还能及时接受路侧单元上报的路侧信息 并推送至邻近的车辆 实现本地分流和无缝切换 保障更好地支持视线盲区的预警业务。另外 车载部分计算分析系统上移至 MEC 边缘云 能够有效降低智能车辆改造成本 提速无人驾驶商业化步伐 并预留开放接口为所有车联网终端提供远程故障管理服务。

由于自动驾驶的复杂性 它对带宽、时延、移动性的要求都特别地高 所以 针对自动驾驶来部署边缘计算设备时 也会相对复杂 考虑的因素比其他业务更多一些。

首先 MEC平台应尽量靠近终端接入侧 一般会在路侧部署边缘计算节点 获取车辆周边的全面路况交通信息 并进行数据统一处理 对于有安全隐患的车辆发出警示信号 辅助车辆安全驾驶。其次 要实施更全面的车辆控制和故障管理等功能 平台的功能和性能要求也会很高 路侧部署的边缘节点通常不能满足要求 此时 需要在基站侧再部署计算能力高的MEC服务器。

由于涉及到高速移动 车载终端必须采用5G接入方式才能满足业务连续性的要求。3GPP针对这种场景也进行了专门的规定 在切换发生时 通过双连接的方式 以保证高速移动情况下业务的连续性。

4、安防行业由于国家一批大型项目的推动 安防是AI最早落地的领域。安防的AI化过程中 已经经历了从云计算到云边协同的阶段 甚至已经在向边网融合的方向发展。现在很多的摄像头 包括家用的摄像头 都已经有人脸识别、语音识别和行为识别功能 这就是一种典型的边缘节点；而视频监控一体机、人脸识别盒子、NVR存储设备等 计算能力就更强一些 可以属于边缘云计算；云计算中心的应用平台的功能和性能更强大 通常都是具有超大运算能力的GPU服务器。

安防和MEC的结合应用 其实更多是由于移动化的巡检设备的出现而需要考虑的 像巡检无人机等。如果要实时传输监控数据 这些设备所需的回传带宽要求也是非常高的。但是 在监控过程中 大部分画面其实是静止不动的 没有必要上传所有的数据 这时就可以通过就近部署MEC平台 对采集到的视频内容进行预分析处理 只上传有变化、有价值的画面 大部分价值不高的监控数据就存在本地的存储服务器中 这样就能够大大地节省传输资源。

5、案例分析 在应用的最后 以一个实时无人机检测的项目为例 说明未来边缘计算产业链将会是多方合作的发展模式。该项目由微软Azure提供边缘云服务 AT&T提供5G网络连接服务 软件公司Vorpal提供的是与无人机相关的检测定位应用程序 该程序是运行在Azure的云服务器上 无人机提供的信息可以供执法机构或者机场使用。

通过这个案例 可以看到边缘计算应用中的几个关键点：

必须要有边缘计算才能降低5G数据业务的时延 提升用户体验；仅有云服务提供商 无法提供广阔的网络覆盖 业务无法开展；电信运营商要想超越管道角色也很难 需要努力挖掘产业链上的机会。（本文作者为中国信息通信研究院泰尔终端实验室高级工程师） 责任编辑:tzh