291
编者按
IDC 预测，到 2020 年，全球数据总量将达到 175ZB。如此庞大的数据量不仅带来高昂的带宽成本，让云端计算和存储不堪重负，而且难以满足边缘侧的实时性需求，安全性无法保证，边缘计算应需而生。在市场需求与资本的推动下，企业该如何抓住机遇？产业变革又将带来怎样的核心问题？与非悉心听讲。
邀请嘉宾
孙龙凯 意法半导体微控制器及微处理器区域市场经理
徐晶 研华嵌入式物联网平台事业群华东区负责人
对话集锦
与非网：端侧的计算方式早就存在，为什么大家要提出这个“边缘计算”的概念？“边缘计算”是否是个伪命题？
孙龙凯：传统算法的应用已经非常广泛，但还存在局限性，对开发者主观的依赖程度过高，比如需要手动设阈值等。一旦数据量激增，靠人去驱动慢慢会被靠数据驱动所取代。所以边缘计算有别于传统算法的点就在于其包含了机器学习、神经网络学习等概念。
徐晶：肯定不是一个伪命题。随着物联网、云计算的发展，边缘计算的概念一再被提及。边缘计算顾名思义它是在边缘端的，而在很多场景下，边缘端存在着大量杂乱无章的数据、设备、应用场景。单一的云计算或某种架构下的 IT 模式根本不能满足要求，于是边缘计算应运而生，来将这些数据处理完毕后再丢到云端管理。
与非网：边缘计算目前还处于发展初期，后续产业推进要解决的核心问题是什么？预计在什么时间节点可以大规模应用？
孙龙凯：从技术的角度来讲，边缘计算的优势体现在安全性、实时性、带宽节省和低功耗这四个方面。从商业的角度来讲，技术演进的本身就是如何为用户创造更多的价值，这也是边缘计算能否被推广开来的最核心的问题。以前物联网中很多关键的、有价值的原始数据都被滤掉了，但通过边缘计算可以有效地利用起来。站在 ST 的角度，我们可以提供基于 STM32 的许多软硬件工具，加速客户对边缘计算构想的原型搭建。
徐晶：研华作为深耕于工业领域的一家公司，我们已经和边缘计算打了 30 年的交道了，而云计算是近 10 年来才被提出的，因此我们认为边缘计算的发展起步点要远远早于云计算。原因是在工业场景下，大量的数据没有办法通过传感器采集后直接丢到云端，它必须要通过边缘的数据整理与格式处理后才能被云端所接受。我认为目前已经到了可以大规模应用的时候了，但在落实过程中需要专业的设备或软硬件解决方案的加持，而非简单地堆叠消费级硬件载体功能。
与非网：边缘计算和云计算的边界点在哪里？用户在部署的时候如何平衡？
孙龙凯：这是一个关乎安全性、实时性、带宽节省和低功耗的系统性平衡，需要在具体场景中分析数据是脱密还是透明的，连接方式是怎样的，数据量有多少，再来决定边缘侧和云侧的比重。因此 ST 提供了 1200 个 STM32 的料号来供客户选择，有的运算能力强一点，有的功耗方面占优势，有的本地存储能力强一点，最终还是要终端客户根据自己的应用需求来抉择。
徐晶：到底是重云轻边缘，还是重边缘轻云？见仁见智，这是由客户不同的应用场景来决定的。相同的时间维度下，没有一个统一的架构或固定比例可满足各种不同的需求。不同的时间维度下，即使是同一个需求或应用，随着计算机和通信技术的发展，架构也是不一样的。
与非网：针对数据存储从云端向边缘转移，业界提出“边缘数据中心”的概念，如果存储再次从云端转移到边缘，是否会造成存储资源的浪费？
孙龙凯：本地存储和云端存储各有优势、各司其职，不会形成资源浪费。好比在生活中，我们会将手机端一些私密照片的云同步关掉，只保留在本地手机中，但是会将一些可以脱密的东西上传到云存储器中。
徐晶：大数据时代，数据是最值钱的东西。今天既然这个数据要存储，不管是存储在哪里，云端也好，边缘端也罢，都需要一定的存储空间，因此不存在浪费的说法。好比我从皮夹子里抽出 100 块钱放进口袋一样，并没有对口袋空间和资源造成浪费。关于“边缘数据中心”这个概念，我们非常欢迎，因为它对物联网的发展是有好处的。研华针对这部分推出了EIS 边缘服务器，帮助大家解决一些专用性问题。
与非网：业界认为边缘计算的安全性和实时性更高，大家如何看待这一问题？
孙龙凯：安全是个非常大的话题，像我们的微控制器里面就出了一整套的课程来讲安全性，比如固件安全启动与升级、密钥的生成等。而实时性是 MCU 相较于 MPU 或跑系统的器件来讲的最大优势。总的来讲，我们已经在芯片设计之初把这两个方面都考虑进去了。
徐晶：首先来讲实时性，边缘计算之所以叫边缘计算，是因为它更贴近边缘，从距离的角度来讲，通信更加流畅，实时性是一定要高的。好比今天我和一个外地的同事打电话，不论是通过电话还是微信语音，都存在一定的延迟，甚至因为地铁、公交车的信号不佳导致通话不畅，但我们现在面对面的沟通就很流畅，因此实时性肯定没有问题。再来讲安全性，举个例子，我今天把钱是去买基金安全，还是买股票安全，或者说放在银行做理财更安全，每个人看法不一，没有固定答案，所以需要客户根据具体的应用选择相对安全的解决方式。
与非网：在万物联网时代，数据传输的症结在于带宽资源的紧缺，5G 技术大范围普及后，这一问题是否会得到缓解？
孙龙凯：这是绝大多数对我们行业不够深入的同学的直观感受，而行业内的从业者会认为 5G 解决的其实只是部分问题。像低功耗的物联网应用场景，数据带宽要求本身就不高，它更注重功耗和高并发问题，5G 就没办法去解决，此时我们要借助 LoRa、NB-IoT 或是 BlueTooth 等连接方式该改善该状况。
徐晶：我相信每一个人都有切身感受，就手机来讲，我们在 2G 时代渴望 3G，3G 时代又憧憬 4G，4G 来了又觉得带宽不够想要 5G，可以预见 5G 后我们还是会想要 6G、7G、8G……大概 20 年前，我们从电脑上下载一个 MP3 文件可能 4、5M 的样子，一部 2 小时左右的电影要 500、600M，数码相机 30 万像素已经不得了了；现在一首无损歌曲要 10M 以上，一部高清蓝光可能就要 10G 以上，手机拍照都 1 亿像素以上了。所以5G 刚出来的时候大家可能会很开心，在很短的一段时间内觉得很爽，但用不了多久，当带宽被这些新技术产生的资源所占满，那时候就又会进入捉襟见肘的模式了。
与非网：AI 已经极大提升了云计算的速度，未来，AI 将会给边缘计算带来怎样的变化？
孙龙凯：AI 可以让物联网的应用场景变得更加丰富。举个例子，传统的姿态识别可能只能识别 4、5 种运动姿态，但如果加入了神经网络算法，理论上就可以做到几十种运动姿态的判别。就 ST 而言，我们提供了一些工具，来帮助大家将神经网络训练模型转化成可以在 MCU 端跑的代码，让 AI 落地到边缘侧的一些低功耗设备上。
徐晶：其实在 2019 年之前，AI 还只是应用在一些比较高端的行业场景中，这一年以来，AI 开始不断落地，像快递柜、闸机中。相比传统数据采集，AI 成本更低，更利于普及，因此 AI 对现在的很多行业来说，可以起到具有革命性的洗牌作用。
与非网：如果用一个词来形容 2020 年，您会用哪个词？
孙龙凯：我想用两个词，“挑战”和“机遇”，我坚信人类终究会迈过这个坎的。
徐晶：很多行业受到了毁灭性的影响，但像医疗、新基建等，我们也可以看到很多新兴的东西出来，积极地面对挑战，抓住可抓住的机会。如果一定要用一个词语来形容 2020 的话，我觉得是“焉知非福”。
更多关于慕尼黑上海电子展的原创文章，请点击与非原创之《慕展 2020》
