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”“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》