边缘计算产业进展、挑战、建议及趋势分析

边缘计算产业协作全面深化。

1.开源生态协同加深

随着边缘计算的快速发展，产业内涌现出非常多的边缘计算相关 的开源项目，这些开源项目隶属于不同的开源组织，面向不同的使用 场景提供解决方案，且随着技术的不断发展，新的项目不断涌现。 EdgeGallery 聚焦 5G 边缘计算场景，通过开源协作构建起 MEC 边缘的资源、应用、安全、管理的基础框架和网络开放服务的事实标 准，并实现同公有云的互联互通。KubeEdge 将 Kubernetes 原生的容 器编排和调度能力拓展到边缘,并为边缘应用部署、云与边缘间的元 数据同步、边缘设备管理等提供基础架构支持。

K3s 是一个轻量级的 Kubernetes 发行版，针对边缘计算、物联网等场景进行了高度优化。 StarlingX 是一个完整、高可靠、可扩展的边缘云软件堆栈,它将新服 务与许多其他开源项目结合到一个整体边缘云软件堆栈中,为边缘计 算、工业物联网和电信应用构建一个有弹性的边缘云基础设施。K0s 是一种轻便且安全可靠的 Kubernetes 发行版，能够在裸机和边缘计算环境中运行,旨在为现有的 K3s 提供一种新的选择。根据边缘计算部 署形态（云服务延伸边缘、电信网络边缘、现场边缘、设备边缘）区 分。

2.标准体系初步建立

我国边缘计算政策环境不断完善，工信部印发《关于推动工业互 联网加快发展的通知》、《工业互联网网络建设及推广指南》、《国 家车联网产业标准体系建设指南》等文件，大力推进边缘计算在各领 域的技术研究和标准体系建设。

国内外标准组织高度关注边缘计算领域标准化工作，在边缘计算 架构设计和关键技术方面均研制了相关标准文档，ITU-T 在研《IoT requirements for edge computing》规范了物联网边缘计算的架构设计； ETSI 研制《 MEC Management: Application lifecycle, rules and requirements management》拟定了 MEC 平台的能力规范，除此之外， ETSI 在早前还发布了关于边缘计算平台架构、边缘计算技术需求、 边缘计算应用程序编程接口（API）准则、边缘计算应用程序（APP） 使能、边缘云平台管理、基于网络功能虚拟化（NFV）的边缘云部署 等标准。算力度量是边缘计算标准体系中的一个重要组成部分，通过制定统一的算力度量框架和指标体，用于评估边缘计算节点或系统的 计算能力，实时准确地反映算力的实际情况，对于推动边缘计算产业 的发展具有重要意义。

中国通信标准化协会（CCSA）也将边缘计算作为重要的工作内 容，从不同角度对边缘计算技术进行标准化。从平台和边缘云角度， 《边缘云服务信任能力要求》、《面向 5G 的 MEC 边缘云平台能力 要求》规范了边缘云和平台的整体架构设计。从应用角度，工业物联 网、车联网、5G MEC 等相关领域均有对边缘计算的场景化需求标准， 例如，《工业互联网边缘计算 边缘节点模型与要求》系列标准、《基 于边缘计算的工业视频安检应用场景与业务需求》标准等。

3.技术融合深化应用加速

随着边缘计算的服务类型扩展，用户部署在边缘的业务应用快速 增长，多个行业在边缘计算都有应用标杆案例，据中国信通院连续三 年的云边协同创新实践案例征集结果表明，边缘计算在工业、音视频、 政务、云游戏、金融等行业应用较多，如下图 6 所示，工业应用占比 达到 29%，排名第二的音视频领域应用占比达 17%，充分证明边缘计 算在传统领域和新兴领域均有显著应用优势。

时延敏感型业务如音视频、云游戏是边缘计算应用最早，也是最 广泛的场景，通过将原本运行在中心云端的运算下沉至离用户更近的 位置，能够得到更迅速的反馈，为终端用户提供更好的观看和游玩体 验，同时，将原本在骨干网络传输的视频、音频、图片数据大量下沉 至边缘，也能有效纾解骨干网带宽压力；现场计算型业务需求由物联 网、车联网、工业互联网快速部署实践带来，也是边缘计算应用比较 深入的场景，由部署在流水线或道路侧的摄像头或传感器设备采集数 据，汇聚在边缘计算平台进行现场处理和分析，结果实时反馈给现场， 实现实时质检和反馈能力；本地部署型业务由于数据监管要求，政务、 金融等行业用云存在敏感数据不外泄的需要，将边缘基础设施部署于 企业本地机房，敏感数据贮存在本地，同时，本地和其他分支云保持 体验一致的管理能力，既满足了数据本地存储的需求又减轻运维压力。

随着边缘计算产业发展，边缘软、硬件技术均有极大优化精进。 在基础设施层面，已经发展出软硬一体技术体系，通过高度集成的硬 件基础设施和管理平台软件组合成能够一体化交付的边缘基础设施，提升了边缘计算部署的便捷性，以更轻量化的方式支持边缘应用加速 实践；在边缘服务层面，边缘计算与其他信息通信技术融合，构成了 “边缘+AI”、“边缘+物联网”、“边缘+5G”等服务体系，精确匹配不同 应用场景的独特需求；在边缘应用层面，边缘基础设施结合云原生技 术，提供面向应用的边缘云，有效屏蔽底层异构的基础设施，用户只 需关注自身业务应用的开发。

2.边缘计算面临挑战和未来展望

（一）面临挑战及建议

1. 边缘原生创新场景仍需探索，应用深度广度不足 当前边缘计算应用场景大多仍是从中心云场景延伸而来。随着互 联网连接和数据指数级增长，互联网用户的体验和网络效率面临极大 挑战，对云服务提出了更高的要求，边缘计算相比于云计算在实时计 算、大带宽等场景上更具优势，因此，当前边缘应用场景仍类场景为 主。同时，边缘侧由于资源等因素，数据库、容器、安全等能力部署 仍面临一定挑战，政企用户对于边缘计算使用需求和场景仍处于探索 阶段。

垂直领域应用场景仍需探索。从实践中看，垂直领域应用场景在 视频 AI 识别、边缘数据采集存储等局部典型场景，以单点形式部署。 锁定应用行业的特征场景从而扩大边缘计算的应用面，如何探索更多 高价值应用场景，是产业内当前广泛面临的问题。 建议强化政策指导，以市场需求为导向，引导产业链积极开展边 缘算力应用试点，聚焦重点领域共性应用场景，打造一批可复制可推广的边缘算力创新应用示范标杆，“以用促建”，加快边缘算力 应用推广落地。

2. 边缘服务稳定性有待提升，安全能力仍需加强 稳定可靠方面，边缘节点通常资源受限，且所处位置和网络环境 复杂，跨网络环境、跨地理位置条件下大规模节点管理、应用部署、 数据管理、业务系统持续性运行、协同能力等关键技术稳定性仍面临 挑战，并且在性能方面缺乏有效测试验证标准和测试工具。 安全保障方面，与集中式云资源相比，边缘计算单点物理资源受 限、部署环境／业务复杂多样、成本受控等，在边缘节点物理安全、 网络安全、数据安全、应用安全、安全管理等方面能力较弱，仍需强 化云边统一安全管理、动态风险识别能力，实现快速防御、及时阻断 恶意入侵行为。

建议技术提供商提升边缘服务稳定性和安全性建设水平，行业组 织联盟、标准化机构制定统一标准化测试验证方法，开展大规模边缘 算力管理与服务稳定性技术验证，建立边缘系统稳定性与安全性综合 评估体系，构建“可信”边缘算力服务。

3. 边缘系统互联互通存在阻碍，仍缺少标准化方案 在政企 IT 系统建设方面，目前大部分企业提供的边缘计算服务 呈现异构多样化，在开放接口、数据接入、传输协议、网络接入等方 面各厂商差异性较大，导致用户将边缘计算系统与现有 IT 基础设施 集成复杂度较高，在资源、数据、运维等方面统一管理难度较大。内 部 IT 基础设施管理和使用复杂度提升，导致在规模化部署进度缓慢。

在行业应用场景方面，不同行业场景对边缘计算部署要求不一， 如工业、园区、矿山、交通等各业务现场对数据采集、管理模式、边 缘 AI 算法、带宽、时延、成本等要求各异，目前尚未建立各细分领 域的标准参照体系，以满足不同行业的定制需求，往往需要应用不同 的解决方案进行大量重复验证和适配，导致投入成本高、复制推广效 果差等问题，缺乏标准化场景化解决方案。 建议加强制定边缘算力互联互通行业标准，在资源、数据、应用、 管理等方面实现标准化互操作方案。持续构建不同行业场景标准化方 案，鼓励产业链探索合作协同，打造面向边缘场景定制化、一体化方 案。

（二）发展趋势

1. 边缘基础设施向分布式算力布局演进发展 在政策和市场双重驱动下，边缘计算基础设施加速建设，呈现 分布式布局。一方面，一系列国家顶层政策文件出台，全面部署、 统筹推进算力基础设施建设，要求优化算力基础设施布局，引导通 用数据中心、超算中心、智能计算中心、边缘数据中心等合理梯次 布局；另一方面，随着 5G、物联网、工业互联网等产业实践和规模 化部署，越来越多的生产数据需要在现场进行实时处理，集中式数 据中心无法满足在超高清视频、车联网、工业互联网等场景下的计 算时延、带宽成本需求，海量分散、异构的边缘基础设施资源被建 设，在低时延、低成本、多样化的实践场景中展开应用。通过边缘 算力互联互通，实现“中心、区域、边缘”等不同层级的算力资源互联、业务互通，中心云负责云边端算力全局管理和大规模数据计 算处理，边缘进行数据快速接入和实时智能计算，终端实现泛在感 知，通过云边端算力资源高效协同调度能力，提供低时延、成本可 控、体验最优的分布式算力服务为未来演进趋势。

2. “中心训练、边缘推理”加速人工智能应用实践 随着我国“人工智能+”行动规模化应用实践，AIGC（生成式人 工智能）、大模型技术不断创新，AI 推理需求将大幅增长。边缘计 算凭借“低时延、低成本、广分布、高安全”等优势，通过“中训 边推”等创新模式，突破算力跨主体、跨架构、跨区域等复杂场景 下应用瓶颈，降低工业互联网、智慧城市、交通、医疗、能源、文 娱、元宇宙等场景人工智能应用推理时延和成本，为人工智能技 术的普及和普惠发展提供了坚实的支撑。

3. 云边端管理运维向智能化自动化演进发展 云边端一体化算力平台能够屏蔽底层分散的异构资源，向上提 供应用统一运行环境、实现设备统一管理、业务敏捷部署、时延带 宽成本降低、数据安全存储，基于云边端数智的 IT 新底座通过整合 设备接入、数据管理、人工智能、组件开发、云边端协同、生态开 放等能力，对接企业内部业务系统，为业务场景提供统一应用和运 营管理，将成为各行业数字化转型的基础性平台，实现对各行各业 数字化转型与智能化升级的深度赋能。随着云边端算力的复杂程度 加深，管理运维难度呈指数级提升，以人力为基础的手动运维难以 满足保证复杂系统正常运行，以及故障快速恢复的需要，云系统需要具备“智能化运维”能力，在基础设施、算力资源、网络、应用、 数据、安全等方面全方位提供自动化运维保障能力，保证云、边、 端各类算力经济、高效、稳定的正常运作。

4. 边缘云服务模式向 Serverless 形态演进发展 理想的云计算形态是算力按需随用，边缘云也不例外， Serverless 架构能够让企业开发人员专注业务应用和代码，而无需关 注服务器状态，摒弃繁杂的机器管理和成本考量，实现真正的弹性 计算。未来，随着边缘算力更加多样化、零散化，无服务器模型也 许会替代以虚拟服务器为核心而构建企业 IT 系统。