随着5G、工业互联网等新基建的快速发展，边缘计算正在受到学术界和产业界的大力关注。然而，边缘侧资源的异构性、边缘设备受限的计算处理能力，以及网络环境的安全性问题，为边缘计算的可持续发展带来了诸多挑战。边缘计算的交叉融合发展将成为重要发展趋势。为了明晰边缘计算在落地应用过程中仍存在的技术与商业挑战，2022年4月9日CCF YOCSEF南京举办了技术论坛“边缘计算的交叉融合发展该何去何从？”，对一系列问题展开了深入讨论和思辨。

    本次论坛由CCF YOCSEF南京AC、南京信息工程大学教授许小龙和CCF YOCSEF AC、江苏省未来网络创新研究院团队总监魏亮博士担任执行主席。本次论坛邀请到了南京大学计算机科学与技术系教授、博导、教育部青年长江学者谢磊，中国移动集团政企事业部产品能力部副总经理、南京移动副总经理谢华，担任引导嘉宾。活动主要交流了边缘计算的边界、边缘计算的技术与商业壁垒、边缘计算发展的生态瓶颈等议题。此次闭门论坛吸引了各大高校以及社会各界人士20余人参与线下讨论。本次论坛分为引导发言和观点思辨两个环节。

合影留念

引导发言环节

    引导嘉宾谢磊分享了其关于边缘计算发展趋势的预测与思考。在现实世界中，大量数据由于网络传输能力或隐私的限制，难以上传到云端处理。因此目前物联网技术发展的一大趋势是将数据处理从云端迁移到边缘端，将计算服务下沉到边缘，实现云边端的协同处理。未来的云边端协同应从软件与服务的角度出发，实现计算位置对用户透明的自动切换，由系统根据具体的业务情境与需求自动选择将相应的计算是在终端、边缘还是云端进行，并且在计算的过程中可根据实际的网络情况或计算设备的负载情况进行自动调整，调整过程应对用户透明。目前我们已经在工业互联网、智慧医疗等领域开展了应用与探索。

    引导嘉宾谢华分享了目前边缘计算的产业场景。边缘计算是未来信息技术中的一个战略价值高地、市场空间广阔，应推动“产学研用”的深度融合，实现边缘计算技术的实际应用落地。

观点思辨环节

    在观点思辨环节，与会人员围绕以下四个议题展开思辨：

    针对以上议题，在场的思辨嘉宾们从不同的角度对边缘计算中的“边缘”和“终端”的划分进行了讨论。从功能角色角度考虑，边缘计算中的“终端”主要扮演感知的角色，而“边缘”主要扮演数据预处理和分析加工的角色。从网络架构考虑，云、边、端的界限取决于算力在网络中的位置，分布在核心网的算力通常扮演“云”的角色，接入网或基站部分的算子则扮演了“边缘”的角色。从计算能力的角度来分，“终端”受限于硬件条件，算子较弱，而“边缘”则能提供更强的算力与存储能力。但随着技术的发展，云、边缘、与终端的界限却越来越模糊。一方面，随着物联网技术的发展，越来越多的算力在从核心网向边缘端下沉，核心网目前逐渐转型为控制角色，云端和边缘的界限越来越模糊。另一方面，随着终端设备的算力发展，终端与终端之间、终端与边缘设备之间可以互相offload计算能力，终端与边缘的角色可以发生互换，终端与边缘的界限越来越模糊。同时，在真实的业务场景中，边缘与终端的定义与界限随业务场景而变，不一定需要严格的区分与界限。

    针对以上议题，在场的思辨嘉宾表达了不同的观点。南京大学谢磊作为引导嘉宾，首先做出引导性发言。他将边缘节点类比为企业或事业单位的中层干部，他们的主要任务是整合资源并调度资源，这就是边缘计算中需要解决的核心问题，其中如何调度是关键问题。在边缘计算的实际应用过程中，可能会随时面临各种变化，例如带宽不够的情形。此时如何预见可能发生的突变，并且及时给出应对之策是边缘计算中需要解决的关键问题。南京航空航天大学赵彦超以无人系统的协同侦查为例，指出当通信能力受限时如何解决模型系统分割将更加困难。而南京信息工程大学的许小龙则表达了不同的意见，他认为，针对不同的应用场景和需求，分布式训练数据如何解决多元数据的异构性问题，从而实现模型的应用是主要的难点，他以雷达数据为例例举了一个关键应用。其中他认为模型分割仅属于理论阶段，因此如何解决多元异构数据的复杂性问题，以及如何保障速度和精度问题是要点。另有几位思辨嘉宾从不同的角度阐述了当前边缘计算领域的要点和难点问题，其中南京邮电大学的何昕提出当前现行的TCP协议并不能满足边缘计算对时效性的需求，因此提议应该设计一个新的协议以支撑边缘计算的特殊应用。例如针对边缘计算中的VR和自动驾驶重新设计新的网络协议。关于边缘智能中的技术壁垒，嘉宾李锐进一步提出不仅应该关注南北向，还应该进一步关心东西向问题。

    思辨嘉宾们进一步地讨论了边缘智能中杀手级（killer）的应用场景。在不同的应用场景下，谢磊提出自动驾驶可视为边缘计算领域的killer级应用，因为随着边缘计算的快速发展，利用边缘侧节点的算力可进一步促进自动驾驶领域的发展。而顾荣从投资的角度，谈及自动驾驶领域的产业链太长，即使边缘计算领域发展逐渐成熟，仍然可能会因为有别的技术问题无法解决，最终导致自动驾驶无法实现真正的推广与应用。因此他认为自动驾驶不能算作边缘计算中的杀手级应用。另一方面，顾荣认为在游戏、VR场景下，由于其天然的简单且容易复制，同时边缘计算节点的算力可促进以上应用的广泛普及与用户体验感的大幅度提升，因此可视为killer级的应用。而谢磊认为以上应用对用户而言并不是刚需，同时由于未来市场可能已经接近于饱和，因此相应地在未来的增长性也是有限的，因此也不能称为是killer级应用。

    针对该议题，与会嘉宾普遍认为边缘计算目前还是一个主要面向企业用户的高度定制化的产业。魏亮提出边缘计算的场景存在高度的异构性，不同厂家不同场景的需求都不同，同一套解决方案难以在多个场景内复制。边缘计算的异构性导致初次开发成本难以通过后续的复制推广摊薄，致使边缘计算落地成本高昂，只有头部企业用户能够负担。边缘计算异构性带来的另一个问题是落地过程难以标准化，目前小规模边缘计算企业较多，目前缺乏形成产业集群的大规模头部企业。针对边缘计算部署成本高昂的问题，沈佳良则认为可以通过良好的商业模式解决。可以借鉴互联网商业模式，脱离只有甲乙双方的商业模式，引入第三方负担成本，例如在电梯智能运维的场景中，通过电梯中的广告费来支付电梯智能运维的加装费与维护费，这种商业模式就很新颖、便于推广。边缘计算的核心主要在于为客户创造价值，客户也会从全局的角度看待是否会获得收益。边缘计算只有形成生态圈，产业链上下游共同努力才有希望降低成本，而生态圈形成的关键在于构建标准，以标准化的方式实现规模效应，降低成本。

    针对以上论题，谢磊认为要讨论这个议题，首先应该讨论另一个问题：边缘计算的瓶颈问题究竟是商业模式还是技术难点？然后可以从技术层面上，讨论瓶颈问题究竟是资源管理还是数据传输。在应用背景的驱动下，他认为目前生态发展的瓶颈可能是缺乏好的商业模式。因为随着资源的不断投入，相应的技术自然会迎来相应的提升。以上结论可以结合两种共享单车的商业模式来说明，其中ofo提倡极简模式，不使用电池，结果对用户骑行造成了不便，但好处是制作成本只有摩拜一半，虽然可以在生产量上有优势，但是用户难以长久的使用。另一方面，摩拜提出了智能单车，通过特殊设计使得用户骑行便利。再到后来的小蓝和小绿单车也和摩拜单车类似，注重采用计算和资源的融合，以用户体验感为第一要任。随后就技术层面的瓶颈问题，谢磊认为任何技术的发展最终都是两者融合的结果，因此两者同等重要。而顾荣则表达了不同的观点，他认为，边缘计算作为中间层，可视为一种折中，上下两层都会受其影响。其中资源传输相对边缘计算更加独特，因此他认为资源管理更加重要，同时以对人类而言，类比大脑和手谁更重要为例，说明两者中应该是有个显著更重要的点。南京邮电大学周剑认为数据传输不应该是边缘计算中需要主要考虑的问题，而资源管理则是实现边缘计算广泛应用的主要手段。蔡飞也表达了类似的观点，他也认为数据传输不应该成为两者发展的瓶颈。反之，他认为首先应该关注算力，其次另一个场景下的瓶颈问题是功耗的发展。谢磊针对蔡飞提出的问题给出了补充，针对未来的瓶颈应该是如何实现更有效的传输和计算一体化的融合，而不能是单单去计较其中究竟哪一方谁更重要，并以人的神经网络以及肌肉记忆为例，支持论点。

    最后，魏亮从数据的安全性出发，针对当前边缘计算与联邦学习的结合，提出在数据传输过程中，不仅仅应该考虑数据传输的效率，还应当进一步考虑数据传输的安全性保障，倡导思辨嘉宾讨论如何实现在数据安全性保障下支撑正常业务的开展。其中，李浩认为，在边缘计算的应用中，如何结合5G解决边缘计算中的安全问题，应该同时考虑算力和安全的问题。蔡惠从博弈论的角度，阐述了边缘计算的协同过程中可能会出现某些参与者为了自身利益而做出违背整体效益的行为，因此如何避免这些策略性行为可能是未来需要重点考虑的问题。贾庆民提出，联邦学习中将用户数据存储在终端设备上，这个过程中仅交换训练的中间结果数据，虽然在一定程度上实现了安全性保障，但是边缘计算可能还会涉及到其他隐私问题，例如在多设备协同处理基础上，如何解决协同性与安全性的协同发展等问题。

    最后由本次活动的执行主席魏亮总结了本次论坛。在商业技术上的落地应用场景，感谢两位引导嘉宾对边缘计算产业落地的介绍，围绕两个议题，关于技术壁垒以及产业落地，要想在技术产业得到落地，在两个壁垒的协同推动下，实现协同发展。要保证数据传输的安全性，其中可能的难点还有很多。结合产业界与学术界的力量，共同推动边缘计算的发展。

欢迎各界热心人士加入CCF YOCSEF南京大家庭！

加入联系：夏彬(15005163046，微信同号)

如您想与YOCSEF南京合作交流，请联系我们！

合作联系：吉旭(15151885585，微信同号)