邊緣計算對嵌入式系統實現物聯網應用的影響有多大？

引 言

云計算幾年前非常流行，但是當所有應用落地、海量數據涌入云之后，相應的問題也隨之而來，處理速度慢，時延長，所以邊緣計算成為新的研究熱點。其實邊緣計算起源于物聯網應用，它的作用體現在物聯網應用中云計算的優化設計，其初衷是為了將一些無需上傳到云的計算留在遠端處理。那么在嵌入式系統應用中，邊緣計算會起到哪些作用？嵌入式工程師又該如何利用好這一技術呢？

業界聲音

物聯網是邊緣計算的推手嵌入式系統聯誼會秘書長 何小慶

美國韋恩州立大學施巍崧教授在“Edge Computing: Vision and Challenges”一文中給了邊緣計算這樣的定義：“邊緣計算是指一種可以在網絡邊緣完成的計算技術，這樣的技術和平臺在云和IoT 設備之間上傳和下載數據，以平衡系統計算、實時性、功耗和安全等方面的要求”。工業物聯網領域的巨頭GE公司指出：“邊緣”指的是靠近數據源存在的計算基礎設施，例如工業控制器以及來自各種設備和傳感器的數據集合，這些設備通常遠離云計算中心。

國外的研究報告顯示，邊緣計算目前主要在以下兩個領域發展：第一是通信和工業相關的項目，比如5G 虛擬化網關、無線訪問網絡、5G-CORAL(結合了電信邊緣計算和霧計算的研究成果)；第二是智能 IoT 網關，比如Bosch(Prosyst gateway software)、Siemens(IoT2000 gateways)、Microsoft(Azure IoT Edge)、Amazon(Greengrass 和Snowball Edge)。開源的邊緣計算項目也很活躍，比較著名的有EdgeX Foundry(IoT gateway)和ParaDrop(威斯康辛大學麥迪遜分校)。

嵌入式企業非常重視邊緣計算。NXP推出EdgeScale平臺和Edge-Box開發套件，為邊緣計算提供從高性能嵌入式處理器芯片、開源軟件操作系統到云端和安全支持。Arm推出了Mbed Edge，Mbed Edge與Mbed Cloud 和Mbed OS 組成支持邊緣計算的IoT整套解決方案。臺灣研華推出EIS智能邊緣服務器和WISE-PaaS/EdgeSenser的邊緣網關，后者集成了Mbed OS和Mbed Edge，以及NXP邊緣嵌入式處理器，EIS 內置了微軟的Aure IoT Edge 服務。

需要注意的是，邊緣計算設備一般會安裝在系統傳感和執行端，多數邊緣計算設備是嵌入式系統。但從物聯網系統看，邊緣計算設備是整個物聯網系統的一個組成部分，不能單獨存在，需要云計算和人工智能技術的支撐和服務。

邊緣計算技術的研究和產品開發目前均處在初期階段，云計算、通信設備和嵌入式企業非常關注，物聯網的高速發展是邊緣計算興起的最大推手。物聯網發展大致分成兩個時期，第一個時期是從互聯走向智能，第二個時期從智能走向自治。目前多數物聯網項目還處于第一個時期，進入第二個時期后邊緣計算將發揮重要作用，預計未來幾年邊緣計算將迎來快速發展的新階段。

嵌入式系統和邊緣計算的價值和未來

日海智能科技股份有限公司首席技術官 鄒俊

邊緣計算是指在網絡邊緣提供計算和分布式處理能力，使得數據處理和相關的應用靠近數據發生的地方，有低延時、快捷響應和節省流量等特點，與云計算形成互補。

邊緣計算起到如下三方面作用：第一，就近處理數據，實現快速響應。邊緣計算和邊緣計算應用分布在網絡邊緣，相對于云計算而言，靠近數據，甚至離數據僅有一跳的距離，其優勢是能夠就近處理數據，從而降低延時。第二，減少傳輸到云端的數據量，降低對網絡帶寬的要求。隨著物聯網的爆發，設備產生的數據是海量的。據IDC等咨詢機構預測，將來的數據有20%到40%會由邊緣計算處理。在邊緣側對數據進行處理，比如最簡單的數據過濾，就能很好地降低數據傳輸對帶寬的壓力，也能降低數據傳輸成本和存儲成本。第三，避免單一瓶頸和單一故障。由于邊緣計算和邊緣計算應用是分布式的，這樣可以降低甚至避免出現業務瓶頸和單點故障。

由于邊緣計算分布在網絡邊緣，邊緣節點的計算、存儲資源和云計算/數據中心相比是有限的，所以邊緣計算和邊緣計算應用就天然地使用到了嵌入式計算和嵌入式硬件單元。

嵌入式系統可以在邊緣計算中承擔以下幾個任務：

① 數據過濾。物體產生的數據是大量的，而這些數據中有很多數據是無用的，是數據中的雜音。通過一些簡單的計算處理就能過濾掉大量這樣的數據。比如溫度傳感器可以定時采集數據并上報。在最簡單的場景下，只需要關注異常情景就可以了。所以在邊緣計算中，一個簡單的數值比較，就可以過濾掉絕大多數數據。這樣簡單的數據過濾功能可以很好地應用嵌入式技術對資源要求低的特點，在邊緣進行處理。

② 數據統計分析。邊緣計算可以對在某個地理范圍的數據進行統計分析，把分析結果傳輸到云端。類似的功能也可以利用嵌入式計算實現，從而使得分析結果貼近數據。

③ 復雜事件處理(CEP)。CEP是相對成熟的技術，當CEP和嵌入式系統結合時，可以作為邊緣應用對事件實現就近快速處理，從而大大提高對事件的反應速度。

④ 人工智能應用。云計算是催生人工智能快速發展的重要推動力。但是把所有人工智能都放在云端，很難達到對緊急事件的實時處理，比如自動駕駛場景。誠然，人工智能的訓練需要大量的計算資源，邊緣計算很難承載。但是越來越多的人工智能推理可以在邊緣實現，使得人工智能應用作為邊緣計算應用具備快速反應的能力。所以如何將人工智能推理和應用實現在嵌入式系統中，也是一個很重要的課題和發展方向。

基于以上技術，日海智能科技股份有限公司于2018年6月在上海世界移動通信大會上發布了全球首款AIoT移動智能計算終端MICD (Mobile Intelligent Computing Device)產品，該產品是人工智能、邊緣計算和移動計算的完美結合。

邊緣計算讓物聯網更加智能

Imagination Technologies連接與智慧家庭總監 Simon Forrest

在一個由無數智能網聯設備組成的世界中，人們普遍認為，可用的通信信道將很快被這些設備所能夠產生的大量數據撐滿。這顯然是不可持續的，并且需要采取不同的方法。通過采用邊緣計算，使人們認識到并不是所有數據都需要傳送到一個中央服務器基礎設施來通過云進行處理。嵌入式邊緣技術本質上利用了本地計算能力，它們支持現場設備在交付鏈中更早地主動將“數據”轉換為“信息”，并且只有關鍵的信息才被傳輸到云來進行存儲和進一步處理。這顯著降低了整個網絡的峰值帶寬要求，并且也縮短了云中所需的總CPU周期。

更重要的是，為能夠在設備本身內快捷處理數據的能力提供了新的自主等級。今天，我們看到新一波的產品正在采用人工智能，并依賴于嵌入到SoC內部的(邊緣)神經網絡加速。 這些產品通常被視為“更加智能”，它們能夠在本地根據輸入完成操作并獨立處理數據，尤其是在基于服務器(云)的基礎架構不適合或設備脫機的時候。

例如，將邊緣技術用于在本地處理視頻幀的物聯網家用安防系統，采用嵌入式AI邊緣技術僅識別那些顯示了可疑活動的視頻幀。一旦處理完畢后，系統可能會選擇只發送有用的視頻摘錄到云端。使用之前的類比，我們現在已經將幾千兆字節的多余視頻數據轉換為少量含有有用信息的字節，這只需使用邊緣技術即可實現。

設備的可擴展性也大幅度得到改善，這是因為邊緣計算技術可以確保分布式計算資源在整個系統中按比例擴展，并且每臺額外的設備都增加了更多的能力。另一個關鍵方面是延遲，在云和設備之間的數據轉發需要的是與數據傳輸相關聯的往返時間。如果嵌入式邊緣技術被用于在設備中只處理數據，那么延遲可以被縮短到最短時間，或者在某些情況下可以完全避免延遲。這對于需要絕對保證響應時間的嵌入式系統尤為重要。

物聯網產品中對增強計算能力和“智能”的需求始終存在，在推出諸如用于語音控制的自然語言處理、手勢控制界面、先進圖像分類和視覺認知系統等新技術的時候，都將意味著邊緣技術已在大范圍內變得更加重要。對于Imagination來說，這意味著更高的性能和更低能耗帶來的效率，這是因為我們為自己的SoC合作伙伴開發了先進的神經網絡加速和GPU計算技術。這些SoC將具有超越現有性能指標的能力，不再是簡單地將物聯網數據傳送到云，而是能夠從多個輸入中獲取有價值的信息，并且所有的輸入都在硅芯片內處理。

eFPGA技術為邊緣計算環境提供安全保證

Achronix半導體公司高級產品營銷經理 Alok Sanghavi

下一代嵌入式應用正將處理任務推出云端并走向網絡邊緣。同時，通過圍繞可編程邏輯構建處理結構，提供了新的能力使得計算更加以數據為中心?？删幊踢壿嬍沟脴嫿〝祿幚砹魉€(pipeline)成為可能；相反，傳統處理器則需要通過復雜的內存緩存層級結構才將數據推送到其處理流水線。

在采用可編程邏輯來構建的計算解決方案支持下，數據可以在節點之間無縫流動，并在它們通過時借助定制邏輯電路和DSP引擎的組合對數據單元進行調控。每個單元在被處理完之后，會轉發到下一個節點。隨著需求的變化，可編程邏輯陣列可以被重新連線配置，為以數據為中心的應用提供更好的支持。

獨立的FPGA芯片因為數據需要頻繁且更專用地與ASIC進行交互，通常會導致額外的功耗和性能損失。嵌入式FPGA(eFPGA)技術通過在ASIC內部集成可編程邏輯陣列，為其提供了一種可滿足能效、性能和尺寸限制因素的方法。利用eFPGA技術，硬件加速功能可以被帶入到芯片中。

eFPGA技術在邊緣計算環境中還有另外一個優勢——容器和虛擬化為核心云中的安全操作提供了有效支持，這是因為這些系統可以利用良好的物理安全性。網絡邊緣的設備需要更高級別的硬件保護，因為攻擊者更容易闖入機箱并篡改路邊機柜或服務室里的系統設置。由于邊緣計算系統從管理員那里得到的支持較少，因此物理安全性至關重要。