AI十字路口下 边缘技术应用正当时

云侧还是边侧，AI下的时代命题。

随着5G、人工智能、大数据、AIoT等前沿技术的发展，海量数据接踵而至，各种云计算开始成为数据采集、分析和决策的主流，当市场都一致认为这是风口的时候，边缘技术却以“侧翼”飞出并突围，一场关乎AI的新征也由此开始。

“瓜熟蒂落”后，边缘计算的机会

边缘技术，不止于安防，但安防是其催生最快，应用最完善的产业之一，瓜熟蒂落与水到渠成的场景，让AI外来者对安防的边缘技术，信心倍增，先看下这个市场有多大。

不久前深圳召开了一场边缘计算盛会，大会主题为“以边缘的力量”，记者有幸见证盛况，现场好奇并获知了许多与边缘计算相关的话题与现状。

市场研究机构Trend Force预测，边缘计算产品和服务市场在2018年至2022年将以复合年增长率超过30%的速度增长，这一增速或有望打开千亿级美元的市场空间。

另据Gartner统计分析，到2025年，有75%的数据将产生于边缘，2023年底有50%以上的大型企业将至少部署6个以上的边缘计算应用，主要用于物联网或者沉浸式的边缘计算体验。

根据Gartner预测，2020年全球边缘计算市场规模将达到411.4亿美元，到2022年中国边缘计算市场规模将达到325.31亿美元。如此可见，边缘计算产业正进入高速发展期，产业生态逐渐形成。

这是全球市场规模，而中国市场呢？

2021年，我国边缘计算市场规模达436.4亿元，其中边缘硬件规模市场为290.2亿元，边缘软件与服务市场规模达146.2亿元。

与云计算的中心化计算不同，边缘计算更强调去中心化，即在数据产生端进行数据处理，从而减少延迟。随着5G等技术与生活结合越来越密切，由此产生了大量的数据处理需求。

边缘计算正是基于融合的边缘侧计算、存储、网络能力，就近提供边缘智能服务，满足用户和行业数字化所面临的敏捷连接、实时业务、智能应用、数据安全等关键需求，近年来得到了快速发展。

需求旺盛，前景广阔，边缘计算市场引来众多科技巨头布局。梳理边缘计算市场上的主流玩家，大致可以分为三类：

第一类，以华为、新华三为代表的ICT厂商，将基础软硬件及技术服务同边缘计算场景融合，实现软硬一体的边缘计算私有化部署，并力推云网融合，从而达到5G云化网络与边缘计算的充分结合，以满足各类行业智能化应用所急需的新型边缘侧高性能网络与计算资源。

第二类，以亚马逊、百度、阿里为代表的公有云厂商，将云计算能力向设备和用户侧延伸，扩充云数据中心的外延，将云原生的统一编程模式通过边缘网关的能力应用到设备构成的边缘云，主打云边协同一体化。

第三类玩家中就以纯AI算法公司和运营商为主。前者则以设备侧的边缘基础设施为中心，逐渐辐射到远端的数据中心，将一些边缘侧无法完成的任务提交到云端完成。而后者通过提供基站的边缘计算服务及5G网络接入管理。

其实，边缘计算也非新生事物，为何到现在爆发？这还是得益于当前日臻发展的物联网、大数据、人工智能。

在近年来物联网快速发展，给传输与处理造成了巨大压力，人工智能对算法、芯片、数据处理等也提出了更高的要求。

边缘计算能为人工智能硬件、智能机器人提供高速交互所需的运算服务，分解了云端在运算能力、传输能力上的巨大压力，这就将边缘计算的前景和人工智能技术的前景捆绑到了一起，想象空间骤然加大。

这些非常明显的商业机遇，也加速了边缘计算的风潮。从“海大宇”最近两年都在集中火力输出边缘计算就可看出，智能安防时代变了，玩家也变了，2022是该换个姿势拥抱边缘计算了。

2022边缘计算如何造就“新安防”

边缘计算，全球共识。那什么是边缘计算呢？

根据定义，所谓边缘计算，是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

简而言之，边缘计算是跟云计算想对应的，云计算是大而全，边缘计算是小而美。又或者说，云计算负责铺天盖地，边缘计算负责星罗棋布。

AI时代，千行百业与万千场景，探讨的是什么？以安防视角看，打通价值发现、创新使能、持续运营的应用闭环，进而从场景中来，到场景中去。

为什么安防行业是边缘计算另一次时代机遇。目前市场上常见的计算方式主要有三种，第一种是云侧智能，就是把采集到的视频数据上云，在云端进行算法分析及业务应用，适合数据量大且业务较复杂的场景。

第二种是端侧智能，视频数据在采集端即时算法分析后再传输，适合场景算法标准化且业务较简单的场景。

第三种就是边侧智能，也叫边缘计算，视频数据在边缘侧进行算法分析后再上传云端，适合场景算法需求多且业务能自行闭环的场景。

如今是场景为王的时代，虽然现在云端和终端的算法应用，技术相对成熟了，但是如果所有数据都放在云端或者终端，数据分析系统复杂而庞大，成本高，难运维，实时性差，链路长，难以满足千行百业用户的定制化需求。换句话说，当场景越来越细分的时候，需要大量的定制化算法、小场景应用。

此时若再用笨重的大平台部署方式，成本和架构都与现实需求脱轨。于是，边缘计算能在边缘侧就解决部分数据分析的难题，充分衔接端与云的“中间一公里”，满足碎片化场景的需求，算法也更加多元，市场空间更大，能真正实现细分场景的业务闭环。

而安防领域智能化面临的挑战，也从另一面为边缘技术的征战，“出师有名”。

应用层面：摄像头作为传统安防设备，不仅清晰度逐年提升，而且对智能化的需求越来越强。安防系统每天产生的海量图像和视频信息，导致信息冗余严重，识别准确率和效率有所不足，应用领域也有限。但随着边缘计算技术的逐渐普及，安防领域遇到的难题正在被解决。

边缘计算在视频监控系统的应用潜力巨大，主要体现在视频结构化(视频数据的识别与提取)、生物特征识别(指纹识别、人脸识别等)、物体特征识别(车牌识别系统)等应用方向。

在人脸识别场景中，在前端摄像头附近配置边缘AI计算机，把人脸识别的工作压力分担到前端，解放云计算资源，能够集中算力资源去做更高效的分析。

这不仅大幅降低信息传输和后端设备的负担，同时也提升了整个安防系统的响应速度，为安防领域倡导“事前预警、事中制止、事后审查” 的理念提供技术支持。

云计算：数据传输成本高。随着数据量的激增和传输带宽的压力越来越大，设备的无线传输模块必须支持高速无线传输，这需要更大的功耗，与设备低功耗的期望相互冲突；很多终端应用场景对时延非常敏感。

例如平安城市的异常行为检测、人流检测等需要实时预警，不能接受更长的延迟，对网络稳定性和速率要求会越来越高，进一步增加了成本；智能家居场景对安全和隐私的需求也限制了云计算的发展。越来越多的人们担心自己的敏感隐私数据被上传到云上，信息安全没有保障。

边缘计算可以很好地解决上面这些问题。根据实际应用需求，边缘计算机既可以独立作为智能处理模块，也可以与云端配合(边缘端做一些分析处理和过滤，然后交给云端)，这样的方案对优化延迟、带宽和功耗优势明显。

同时，在数据传输到数据中心之前，通过边缘计算对数据进行分析和处理，匿名和加密，可以消除将所有终端数据传输到云端的敏感信息，从而有效解决隐私问题。

从目前的应用情况来看，边缘计算在安防行业的落地主要有两大场景。

第一类是私有网络：通常采用边缘存储私有化+边缘计算私有化部署，该方案的优点是可内网保证数据私密性，可打开网络出口，把数据备份到公网上，本地计算资源不足时也可打开公网出口，业务降级到中心计算资源去计算处理。

第二类是互联网系统，通过公有网络，边缘计算可以发挥出更加强大的部署，很多公有化功能通过在线上的边缘计算可以很轻易地搭载到安防系统当中。这类技术多用于老旧小区的安防监控智能化改造当中，但此类系统对于行业的功能整合和网络设置都有较高的要求，通常来说大企业涉及的比较多。

不过无论共有还是私有，边缘计算目前在我国的安防行业中已经有了大规模的应用，而从各大厂商对其的青睐就可以看出，目前边缘计算在行业的核心程度。

以龙头海康威视为例，海康威视在2017年就发布了AI Cloud核心框架，通过云中心、边缘域和边缘节点三个核心部分，海康威视可以实现端到中心的边缘计算+云计算，彻底释放用户的网络压力和数据分级压力。

云边端一体化旨在屏蔽云、边、端分布式异构基础设施资源，实现资源统一管理、数据自由流通、应用一致运行环境、立体安全保障，满足用户多样化、实时敏捷、安全可靠业务需求。

在万物互联和行业智能化双重环境的催生下，云边端一体化有利于将算力下沉到更接近数据产生的现场，同时拥有更低的时延、更低的带宽占用、更低的部署成本，以及更加安全可靠的数据传输等优势，更好地满足企业智能化转型的需求。

由此不难判断，在产业数字化升级背景下，云边端一体化的加速演进，将进一步提升数据处理效率，避免延迟，强化敏捷性，让边缘计算的优势得到更大的展现，成为企业数字化、智能化转型的优选项。

结束语

对于2022的安防，持续深耕场景，深挖用户需求，加大研发创新，并在边缘计算生态位来拓展边缘计算，以边缘之力，再一次加速AI时代全场景的落地为王，这或许就是边缘计算的“安防使命”。