新思科技大咖“私房菜”：邊緣計算如何引“爆”5G和IoT的未來

大數(shù)據(jù)、AI、5G、IoT……數(shù)年之內(nèi)各項顛覆性技術(shù)漸次爆發(fā)、交相輝映,更有趣的是,這些具有顛覆能力的技術(shù)并不是獨立發(fā)展的,相反,它們是如此的盤根錯節(jié)、相輔相成。甚至,大數(shù)據(jù)、IoT 和 AI 的組合可以為未來帶來無限潛力,而能夠?qū)⑦@些技術(shù)“粘合”到一起的是邊緣計算。

何為邊緣計算?新思科技(Synopsys)產(chǎn)品營銷經(jīng)理 Ron Lowman指出,邊緣計算有很多術(shù)語,包括“邊緣云計算”和“霧計算”。邊緣計算的概念通常被描述為在本地服務(wù)器上運(yùn)行的應(yīng)用程序,旨在將云進(jìn)程更靠近終端設(shè)備。

當(dāng)前,邊緣計算迎來了科技巨頭亞馬遜、谷歌和微軟的追捧,他們也正成為這一領(lǐng)域的領(lǐng)先者,除此之外,華為、富士通和諾基亞等企業(yè)也紛紛跟進(jìn)。邊緣計算究竟有何魔力,引來各路“英雄”的青睞?

邊緣計算的價值

傳統(tǒng)方式是,傳感器、攝像頭、麥克風(fēng)以及一系列不同的 IoT 和移動設(shè)備從其位置收集數(shù)據(jù),并將數(shù)據(jù)發(fā)送到集中式數(shù)據(jù)中心或云。

然而到了2020 年,全世界會有超過500億臺智能設(shè)備實現(xiàn)連接。這些設(shè)備每年將產(chǎn)生以ZB計的數(shù)據(jù),到2025年數(shù)據(jù)將增長到150ZB以上。 

互聯(lián)網(wǎng)的核心在于可靠地將設(shè)備彼此連接并與云連接,從而有助于確保數(shù)據(jù)包到達(dá)目的地。但是,如果將所有這些數(shù)據(jù)發(fā)送到云,還是會帶來一些重大問題。

首先,150ZB 的數(shù)據(jù)會造成容量問題。其次,就能源、帶寬和計算能力而言,將大量數(shù)據(jù)從其原始位置傳輸?shù)郊惺綌?shù)據(jù)中心代價高昂。據(jù)估計,目前有12%的數(shù)據(jù)獲得其持有公司進(jìn)行分析,僅3%的數(shù)據(jù)有助于產(chǎn)生有意義的結(jié)果(也就是有97%的數(shù)據(jù)在收集和傳輸之后就被浪費了),而這些被浪費的數(shù)據(jù)卻概括了需要解決的運(yùn)營效率問題。再者,存儲、傳輸和分析數(shù)據(jù)能耗巨大,因此,如何找到一種有效的方法來降低成本、減少浪費顯得尤為必要。

為了解決這些難題,邊緣計算應(yīng)用而生。它能幫助在本地存儲數(shù)據(jù)并降低傳輸成本。除解決容量、能源和成本問題外,它還可以提高網(wǎng)絡(luò)的可靠性,使應(yīng)用程序在網(wǎng)絡(luò)中斷期間還能夠繼續(xù)運(yùn)行。另外,它還能通過清除某些威脅配置文件(例如全局?jǐn)?shù)據(jù)中心拒絕服務(wù)(DoS)攻擊),以提高安全性。

最重要的是,邊緣計算能夠為實時用例(例如虛擬現(xiàn)實商場和移動設(shè)備視頻緩存)提供低延遲計算的能力,從而催生新的服務(wù),使設(shè)備能夠在自動駕駛、游戲平臺或具有挑戰(zhàn)性的快節(jié)奏制造環(huán)境中提供更多創(chuàng)新型的應(yīng)用。

簡而言之,盡管“邊緣計算”的概念未必是革命性的,但它的實現(xiàn)將帶來更多可能。“這些實現(xiàn)將解決包括降低大型數(shù)據(jù)中心能耗,提高專用數(shù)據(jù)安全性,實現(xiàn)故障安全解決方案,降低信息存儲量和通信成本,以及通過降低延遲能力來開創(chuàng)新應(yīng)用等日益嚴(yán)重的問題?！?a class="contentlabel" href="http://2s4d.com/news/listbylabel/label/新思科技">新思科技產(chǎn)品營銷經(jīng)理 Ron Lowman提到。

美國超微電腦股份有限公司(Supermicro)IoT和嵌入式設(shè)備副總裁兼總經(jīng)理Michael Clegg則以生活實例做類比點明邊緣計算的意義:“通過邊緣計算處理信息,大大縮短信息處理延遲的時間。這就如同一家連鎖披薩餐廳在很多社區(qū)都開設(shè)分店,不僅避免由從總店送餐帶來的不必要壓力,同時提高時效性且保證了食物的新鮮度?！?/p>

邊緣計算助力5G和IoT提高處理數(shù)據(jù)的效率

作為與邊緣計算同時代出現(xiàn)的顛覆性技術(shù),5G、IoT和邊緣計算三者的“相遇”又能碰撞出怎樣的火花?新思科技產(chǎn)品營銷經(jīng)理 Ron Lowman表示:“5G基礎(chǔ)架構(gòu)是邊緣計算最具說服力的驅(qū)動力之一。5G電信提供商發(fā)現(xiàn)了在其基礎(chǔ)架構(gòu)之上提供服務(wù)的機(jī)會。除了傳統(tǒng)的數(shù)據(jù)和語音連接外,5G 電信提供商還可以通過構(gòu)建生態(tài)系統(tǒng)的方式,托管本地獨特的應(yīng)用。也就是說,通過將服務(wù)器置于所有基站旁邊,蜂窩流量提供商可以向第三方主機(jī)應(yīng)用開放其網(wǎng)絡(luò),從而改善帶寬和延遲?！?/p>

據(jù)了解,Netflix 等流媒體服務(wù)通過其 Netflix Open Connect已與本地 ISP 合作,以將高流量內(nèi)容托管在距離用戶更近的地方。借助5G的多接入邊緣計算 (MEC) 計劃,電信提供商發(fā)現(xiàn)了為流內(nèi)容、游戲和未來的新應(yīng)用提供類似服務(wù)的機(jī)會。電信提供商認(rèn)為,他們能以付費服務(wù)的方式,向所有人開放這一功能,讓需要較低延遲的人可以為在邊緣而非在云端定位應(yīng)用支付額外的費用。

Credence Research 認(rèn)為,到 2026 年,整個邊緣計算市場的價值將為 96 億美元左右。電信行業(yè)更被認(rèn)為是邊緣計算發(fā)展最快的增長動力,它們將占據(jù)邊緣計算市場總量的三分之一。除此之外,web scale、工業(yè)和企業(yè)集團(tuán)也同時為其傳統(tǒng)市場提供邊緣計算硬件、軟件和服務(wù)開創(chuàng)新的應(yīng)用機(jī)遇。

其實,我們利用邊緣計算可以極大地提高處理數(shù)據(jù)的效率。以美國快餐店Chick-fil-A為例,其成功地使用本地服務(wù)器將數(shù)百個傳感器和控制器與相對便宜的本地設(shè)備聚合在一起,實現(xiàn)了本地運(yùn)行以防止任何網(wǎng)絡(luò)中斷。2018年Chick-Fil-A在其博客上評論道:“通過提高廚房設(shè)備智能化,我們能夠收集更多數(shù)據(jù),并將其應(yīng)用在餐廳應(yīng)用中,構(gòu)建更多的智能系統(tǒng)以進(jìn)一步拓展業(yè)務(wù)?！睆臄?shù)據(jù)方面證明,采用邊緣計算的餐廳,能夠處理的業(yè)務(wù)量是最初計劃的三倍。

總而言之,成功的邊緣計算基礎(chǔ)架構(gòu)需要結(jié)合本地服務(wù)器計算功能、AI 計算功能以及與移動/汽車/IoT 計算系統(tǒng)的連接(圖 1)。

圖 1:邊緣計算通過使用微數(shù)據(jù)中心來分析和處理數(shù)據(jù),從而使云計算過程更靠近終端設(shè)備。

對此,CompTIA首席技術(shù)推廣人James Stanger 博士進(jìn)一步講解到:“隨著物聯(lián)網(wǎng) (IoT) 連接越來越多的設(shè)備,網(wǎng)絡(luò)正在從以高速公路和中央位置之間往返輸送的主要模式,過渡到類似于媒介存儲和處理設(shè)備相互交織的蜘蛛網(wǎng)狀態(tài)。邊緣計算可以很好的實現(xiàn)這類應(yīng)用,一改在集中式數(shù)據(jù)處理倉庫中捕獲、存儲、處理和分析數(shù)據(jù)的做法,并將其轉(zhuǎn)移到生成數(shù)據(jù)的客戶端附近。因此,數(shù)據(jù)更應(yīng)該存儲在網(wǎng)絡(luò)‘邊緣’的中間點,而非始終存儲在中央服務(wù)器或數(shù)據(jù)中心?！?/p>

邊緣計算發(fā)揮改善延遲優(yōu)勢的實例

在實際用例中,邊緣計算又是如何改善延遲問題呢?

羅格斯大學(xué)和 Inria 使用 Microsoft HoloLens 4來分析邊緣計算的可擴(kuò)展性和性能。在實際用例中,HoloLens 首先讀取條形碼信息,再使用建筑物中的場景分割功能將用戶導(dǎo)航到指定房間,最后在Hololens中顯示箭頭。這一過程同時使用映射坐標(biāo)的小數(shù)據(jù)包和連續(xù)視頻的較大數(shù)據(jù)包,以驗證和對比邊緣計算與傳統(tǒng)云計算延遲的改善。HoloLens 最初讀取二維碼,然后將坐標(biāo)數(shù)據(jù)發(fā)送到邊緣服務(wù)器。該服務(wù)器使用4個字節(jié)加上標(biāo)頭,僅花費1.2ms。然后服務(wù)器找到坐標(biāo),并通知用戶具體位置,全程耗時 16.22 ms。如果將同樣的數(shù)據(jù)包直接發(fā)送到云端,則大約需要 80ms(圖 2)。

圖 2:比較邊緣設(shè)備到云服務(wù)器與邊緣設(shè)備到邊緣云服務(wù)器的延遲。

同樣,他們測試在使用 OpenCV 進(jìn)行場景分割時,將 Hololens 的用戶導(dǎo)航到適當(dāng)位置帶來的延遲時間。如果將數(shù)據(jù)流傳輸?shù)竭吘売嬎惴?wù)器,需要4.9ms,而OpenCV 處理圖像額外花費37ms,總計時47.7 ms。而傳統(tǒng)云服務(wù)器上的相同過程則花費將近115 ms時間,這一案例足以展示邊緣計算在降低延遲方面的明顯優(yōu)勢。

以此類推,既然邊緣計算比云計算更具優(yōu)勢,那么將數(shù)據(jù)計算全都轉(zhuǎn)移到邊緣設(shè)備端會是最好的解決方案嗎?

事實并不是如此(圖 3)。在 HoloLens 案例研究中,數(shù)據(jù)使用的SQL數(shù)據(jù)庫太大,無法存儲在耳機(jī)中?，F(xiàn)在大多數(shù)的邊緣設(shè)備,特別是發(fā)生物理磨損的設(shè)備,沒有足夠的計算能力來處理大型數(shù)據(jù)集。拋開計算能力不談,云或邊緣服務(wù)器上的軟件開發(fā)成本更低。

圖 3:比較云計算和邊緣計算與端點設(shè)備。

邊緣計算對服務(wù)器系統(tǒng) SoC有何影響?

許多邊緣計算應(yīng)用的主要目標(biāo)都是圍繞如何降低延遲而展開的。為了達(dá)到較低的延遲,許多新系統(tǒng)都采用最新的行業(yè)接口標(biāo)準(zhǔn),包括 PCIe 5.0、LPDDR5、DDR5、HBM2e、USB 3.2、CXL、基于 PCIe 的 NVMe 以及其他基于新一代標(biāo)準(zhǔn)的技術(shù)。與上一代產(chǎn)品相比,這些技術(shù)都可以通過改進(jìn)帶寬來降低延遲。

所以,這些邊緣計算系統(tǒng)均增加了AI加速功能。

一般來講,服務(wù)器芯片通過 x86 擴(kuò)展AVX-512 向量神經(jīng)網(wǎng)絡(luò)指令(AVX512 VNNI) 等新指令提供 AI 加速。很多時候,這種額外的指令集不足以提供預(yù)期任務(wù)所需的低延遲和低功耗功能,所以大多數(shù)新系統(tǒng)中還添加了自定義 AI 加速器。

除了本地網(wǎng)關(guān)和聚合服務(wù)器系統(tǒng)外,單個 AI 加速器通常無法提供足夠的性能,所以需要借助帶寬非常高的裸片到裸片 SerDes PHY 來幫助這些加速器。新思科技最新發(fā)布的 PHY 支持56G和112G連接。

此外,AI 算法正在突破內(nèi)存帶寬要求的極限。例如,最新的 BERT 和 GPT-2 型號分別需要 345M 和 1.5B 參數(shù)。顯然,這不僅需要高容量的內(nèi)存能力支持,還需把許多復(fù)雜的應(yīng)用放在邊緣云執(zhí)行。為了支持實現(xiàn)這種能力,設(shè)計人員正計劃在新的芯片組中采用 DDR5。除了容量挑戰(zhàn)之外,還需要存取 AI 算法的系數(shù),以便進(jìn)行非線性中的大量計算。因此,HBM2e 迅速成為被廣泛采用的另一種最新技術(shù)應(yīng)用,有些芯片實現(xiàn)了單芯片中的多次 HBM2e 實例化。

圖 4:通用 AI SoC 具有高速、高帶寬、內(nèi)存、主機(jī)到加速器,以及高速芯片到芯片接口,用于擴(kuò)展多個 AI 加速器。

邊緣計算加入AI功能,應(yīng)對不同場景需求

Ron Lowman所屬的開發(fā)團(tuán)隊研究了邊緣計算的不同類型需求,發(fā)現(xiàn)區(qū)域數(shù)據(jù)中心、本地服務(wù)器和聚合網(wǎng)關(guān)都有不同的計算、延遲和功率需求。他認(rèn)為:“未來需求顯然集中在降低往返響應(yīng)的延遲,降低特定邊緣應(yīng)用的功率,以及確保有足夠的處理能力來處理特定任務(wù)上?！?/p>

因此,新一代解決方案不僅具有更低的延遲和功耗,而且還需納入 AI 功能,也就是 AI 加速器。這些 AI 加速器的性能也會根據(jù)需求的擴(kuò)展而不斷變化。

“AI 和邊緣計算的需求正在迅速變化,在過去兩年中我們看到許多解決方案已取得了進(jìn)步,并將繼續(xù)加以改進(jìn)。未來,需要處理的數(shù)據(jù)將不斷變化,所以我們需要不斷提高性能、降低功耗和總體延遲?！盧on Lowman如是說。

圖 5:新一代服務(wù)器 SoC 再加上 AI 加速器,大大提高邊緣計算速度。

總的來說,邊緣計算是實現(xiàn)數(shù)據(jù)快速連接的一項重要技術(shù)。它將云服務(wù)更靠近邊緣設(shè)備,降低延遲,為消費者提供新的應(yīng)用和服務(wù);還將衍生出更多的 AI 功能,將其擴(kuò)展到云以外。此外,它還將成為支持未來混合計算的基礎(chǔ)技術(shù)。