摘要：

挖掘了工業(yè)互聯(lián)網(wǎng)云網(wǎng)邊端協(xié)同的價值場景及其整體技術(shù)視圖，分析了云邊協(xié)同、邊邊協(xié)同、邊端協(xié)同、云網(wǎng)協(xié)同等4類主流關(guān)鍵技術(shù)，旨在挖掘相關(guān)技術(shù)趨勢及難點，為運營商賦能工業(yè)互聯(lián)網(wǎng)場景，在計算和網(wǎng)絡(luò)資源方面提供定制化、差異化的服務(wù)保障建議。

01、工業(yè)互聯(lián)網(wǎng)云網(wǎng)邊端協(xié)同價值場景

工業(yè)互聯(lián)網(wǎng)作為國家制造業(yè)轉(zhuǎn)型升級的重要頂層設(shè)計之一，推動了傳統(tǒng)產(chǎn)業(yè)升級優(yōu)化；隨著工業(yè)進程的持續(xù)推進，生產(chǎn)過程復(fù)雜、業(yè)務(wù)和設(shè)備種類繁多、網(wǎng)絡(luò)復(fù)雜度高等問題逐漸浮出水面，成為制約產(chǎn)業(yè)生態(tài)發(fā)展的瓶頸。

當(dāng)前有過半工業(yè)企業(yè)部署了工業(yè)云，旨在實現(xiàn)統(tǒng)一調(diào)控、數(shù)據(jù)監(jiān)控及設(shè)備管理，但隨著工業(yè)控制器、工業(yè)網(wǎng)關(guān)等越來越多的設(shè)備接入云端，傳統(tǒng)以云為中心的模式不足以滿足對海量設(shè)備數(shù)據(jù)進行實時處理的需求，需要將部分算力在邊緣就近處理；其次，在工業(yè)企業(yè)長期數(shù)字化建設(shè)過程中，上下游企業(yè)間，存在多種獨立的系統(tǒng)，普遍存在跨地域的情況，此時存在大量異構(gòu)數(shù)據(jù)和網(wǎng)絡(luò)集成的需求；再者，現(xiàn)場設(shè)備數(shù)據(jù)私密安全性要求極高，常要求數(shù)據(jù)不能出工業(yè)園區(qū)，一旦泄密損失不可估量，需要在工業(yè)現(xiàn)場處理，保障本地數(shù)據(jù)不出場；并且，業(yè)界常用的海量數(shù)據(jù)處理，依賴終端的本地化處理，但這常受限于終端本身的計算能力、樣本空間大小、能耗等因素。

因此，工業(yè)企業(yè)亟需靈活扁平的新型基礎(chǔ)設(shè)施架構(gòu)，將工業(yè)系統(tǒng)內(nèi)外的生產(chǎn)要素連接起來，讓數(shù)據(jù)流通，并通過數(shù)據(jù)分析、建模進行各個層面的優(yōu)化，打通工業(yè)現(xiàn)場內(nèi)外部自下而上的數(shù)據(jù)流和自上而下的決策流，形成工業(yè)數(shù)字化優(yōu)化閉環(huán)，構(gòu)建多方位數(shù)據(jù)協(xié)同體系、跨地域計算共享，提供多接入、廣覆蓋、高性能以及豐富的網(wǎng)絡(luò)控制環(huán)境，打造滿足計算、網(wǎng)絡(luò)、存儲要求的云、網(wǎng)、邊、端協(xié)同的基礎(chǔ)設(shè)施底座，是解決當(dāng)前產(chǎn)業(yè)生態(tài)發(fā)展瓶頸問題的重要方式之一。

02、工業(yè)互聯(lián)網(wǎng)云網(wǎng)邊端整體視圖

一般來說“云、網(wǎng)、邊、端”的協(xié)同架構(gòu)是以云為中心，網(wǎng)為載體，向邊緣節(jié)點、現(xiàn)場設(shè)備終端逐層分散延伸；整個架構(gòu)體系中，自南向北，計算和處理能力逐漸增強，部署趨于集中化，覆蓋范圍更廣。自北向南，計算能力逐漸降低，部分節(jié)點可能只具備信息收集轉(zhuǎn)發(fā)能力而不具備處理能力，部署位置更為靈活和分散，覆蓋范圍更小，網(wǎng)絡(luò)時延要求更低，業(yè)務(wù)特性更加顯著，專一性更強。云、網(wǎng)、邊、端協(xié)同整體示意圖如圖1所示。

圖1 云、網(wǎng)、邊、端協(xié)同整體示意圖

a) 云側(cè)。即中心云，工業(yè)互聯(lián)網(wǎng)云平臺，可提供邊緣節(jié)點管理以及為邊緣應(yīng)用提供核心業(yè)務(wù)邏輯處理相關(guān)服務(wù)，例如AI模型訓(xùn)練、園區(qū)設(shè)備集中管理等。

b) 網(wǎng)側(cè)。支持多種接入方式，例如工業(yè)PON&以太網(wǎng)、Wi-fi、2G/3G/4G/5G、NBIOT等。主要存在兩大網(wǎng)絡(luò)連接場景，一是工業(yè)互聯(lián)網(wǎng)企業(yè)內(nèi)網(wǎng)連接，此處按照功能劃分，一般分為園區(qū)辦公網(wǎng)和生產(chǎn)網(wǎng)絡(luò)；二是工業(yè)互聯(lián)網(wǎng)企業(yè)外網(wǎng)絡(luò)連接，例如廠區(qū)多址情況下，總部園區(qū)與分園區(qū)之間跨地域通過廣域網(wǎng)連接。

c) 邊側(cè)。從形態(tài)上描述，一般包括邊緣云、邊緣網(wǎng)關(guān)、邊緣控制器。

（a）邊緣網(wǎng)關(guān)。在工業(yè)互聯(lián)網(wǎng)中通過網(wǎng)絡(luò)連接、協(xié)議轉(zhuǎn)換等功能連接物理和數(shù)字世界，提供輕量化的連接管理、實時數(shù)據(jù)分析及應(yīng)用管理等邊緣計算功能。

（b）邊緣控制器。存在于工業(yè)制造現(xiàn)場，其在完成工作站或生產(chǎn)線的控制功能基礎(chǔ)上，可基于工業(yè)互聯(lián)網(wǎng)邊緣計算技術(shù)提升工業(yè)設(shè)備智能性、適用性、開放性的控制單元。

（c）邊緣云。作為整體架構(gòu)中核心一環(huán)，位于網(wǎng)絡(luò)邊緣側(cè)（即工業(yè)生產(chǎn)現(xiàn)場、工業(yè)設(shè)備接入點或工業(yè)園區(qū)內(nèi)部），向下連接多個邊緣網(wǎng)關(guān)或邊緣控制器等，向上支持與云平臺協(xié)作，面向工業(yè)場景應(yīng)用提供基本能力和工業(yè)能力的低延時、輕量化的服務(wù)器、云平臺或數(shù)據(jù)中心具備聯(lián)接性、實時數(shù)據(jù)采集處理、分布式、安全隱私保護、OT與ICT的融合性等特點。

d) 端側(cè)。包括各種工業(yè)現(xiàn)場設(shè)備，例如機床、產(chǎn)線、傳感器、機器人等，一般可基于MQTT、Modbus、OPC-UA等協(xié)議接入邊緣計算節(jié)點。

云作為大腦，負責(zé)集中計算與全局數(shù)據(jù)處理；網(wǎng)的架構(gòu)正朝著服務(wù)化和云化方向演進，容納更廣泛的接入場景，此外作為互聯(lián)互通手段，連接公有云、私有云和混合云；邊作為中心云的觸點延伸，靈活解決近實時業(yè)務(wù)需求；端側(cè)智能感知，數(shù)據(jù)采集，是工業(yè)互聯(lián)網(wǎng)的基礎(chǔ)。因此，為實現(xiàn)云、網(wǎng)、邊、端協(xié)同，圍繞邊緣側(cè)展開，至少涉及到云邊協(xié)同、邊邊協(xié)同、邊端協(xié)同和云網(wǎng)協(xié)同等4種關(guān)鍵技術(shù)。

03、關(guān)鍵技術(shù)

3.1 云邊協(xié)同

在眾多工業(yè)互聯(lián)網(wǎng)場景中，如智能巡檢、智慧交通、智能安防、智能煤礦等，邊緣側(cè)只能處理局部數(shù)據(jù)，無法形成全局認知，在實際應(yīng)用中仍然需要借助云計算平臺來實現(xiàn)信息的融合，在邊緣計算環(huán)境中安裝和連接的智能設(shè)備能夠處理關(guān)鍵任務(wù)數(shù)據(jù)并實時響應(yīng)，云端可以在以后收集這些數(shù)據(jù)進行第2輪評估、處理和深入分析，邊側(cè)將處理后的數(shù)據(jù)上傳到云端進行存儲、管理、態(tài)勢感知，同時，云端也負責(zé)對數(shù)據(jù)傳輸監(jiān)控和邊緣設(shè)備使用進行管理。

所謂云邊協(xié)同，即邊緣計算節(jié)點側(cè)在靠近網(wǎng)絡(luò)邊緣側(cè)，負責(zé)數(shù)據(jù)采集、清洗、初步分析與模型推理等，并將清洗后的數(shù)據(jù)上傳至云端；云端進行數(shù)據(jù)存儲、分析、AI訓(xùn)練與建模，并將業(yè)務(wù)與模型下發(fā)至邊緣側(cè)執(zhí)行，云側(cè)通常具備全局資源管理調(diào)度能力，可將多個邊緣節(jié)點組成集群，按需調(diào)度、部署邊緣基礎(chǔ)設(shè)施資源，當(dāng)遇到故障切換和彈性伸縮場景時，可實現(xiàn)應(yīng)用的彈性部署、伸縮；根據(jù)應(yīng)用場景需求有效分配計算資源，滿足業(yè)務(wù)對計算資源的差異化需求。

云側(cè)與邊緣側(cè)各有所長，雙方互為補充；云邊協(xié)同一般從IaaS、PaaS、SaaS三層考慮（詳見圖2），至少涉及如下六個方面之一：

a) 資源協(xié)同：基礎(chǔ)設(shè)施資源調(diào)度管理。

b) 數(shù)據(jù)協(xié)同：數(shù)據(jù)采集與分析。

c) 智能協(xié)同：AI模型分布式智能訓(xùn)練與推理。

d) 應(yīng)用管理協(xié)同：應(yīng)用開發(fā)部署、生命周期管理。

e) 業(yè)務(wù)管理協(xié)同：應(yīng)用實例/網(wǎng)絡(luò)業(yè)務(wù)編排。

f) 服務(wù)協(xié)同：云側(cè)服務(wù)向邊側(cè)開放及通過云原生架構(gòu)，提供一套標(biāo)準(zhǔn)的服務(wù)接入框架。

圖2 云、邊協(xié)同示意圖

3.2 邊邊協(xié)同

在智慧交通領(lǐng)域，人工智能駕駛過程中，常存在實時在線交互情況，此時常要求相鄰邊緣節(jié)點可以互相訪問，輔助低時延業(yè)務(wù)。邊邊協(xié)同主要強調(diào)邊緣網(wǎng)關(guān)、邊緣控制器、邊緣云等邊緣節(jié)點應(yīng)支持東西向接口，邊邊協(xié)同應(yīng)滿足分布式邊緣計算部署的架構(gòu)，左右節(jié)點（相鄰）之間互相通信。在當(dāng)前邊緣節(jié)點的計算能力不足以支撐當(dāng)前任務(wù)時，可以將計算任務(wù)進行切分，遷移到某一個相鄰邊緣節(jié)點上，從而實現(xiàn)資源最優(yōu)使用，當(dāng)車輛跨邊緣節(jié)點漫游時，通過邊邊協(xié)同可以快速地將應(yīng)用的鏡像同步到新節(jié)點進行部署，從而達到快速提供服務(wù)的目的。

但是相比于云邊協(xié)同，邊邊協(xié)同的發(fā)展還尚未成熟，究其原因主要是ETSI MEC并未定義邊緣節(jié)點間的MP3接口內(nèi)容；此外，在該場景下要求相互訪問的邊緣節(jié)點之間網(wǎng)絡(luò)能夠互通，當(dāng)前邊緣節(jié)點建議仍以單點為主，尚未滿足大規(guī)模覆蓋；再者，異構(gòu)的邊緣云因其具體技術(shù)架構(gòu)不一，尚未互通，目前GSMA、CCSA、ETST、5GAA等標(biāo)準(zhǔn)組織正在研究中。

3.3 邊端協(xié)同

對于端側(cè)設(shè)備（機器人、PC等）來說，受體積和樣本數(shù)量影響，本身算力有限，需要通過邊緣側(cè)設(shè)備獲得運動控制、邏輯控制策略，例如視覺伺服、聲音識別、運動控制等；此外并非所有終端設(shè)備都安裝了通信模組，因此需要依托邊緣網(wǎng)關(guān)接入內(nèi)外網(wǎng)絡(luò)；邊緣網(wǎng)關(guān)、控制器等邊緣側(cè)節(jié)點南向提供豐富的網(wǎng)絡(luò)接口連接工業(yè)設(shè)備，具備數(shù)據(jù)采集、指令下發(fā)等功能，南向提供豐富的接口，支持Modbus/ TCP/ProfiNet/Profibus/OPC UA/MQTT等多種工業(yè)通信協(xié)議，適配大量工業(yè)設(shè)備。邊緣網(wǎng)關(guān)、控制器等邊緣側(cè)節(jié)點將采集到的設(shè)備數(shù)據(jù)傳輸給邊緣云，以層層遞進的方式解決新業(yè)務(wù)引發(fā)的對網(wǎng)絡(luò)管道沖擊和邊側(cè)部分設(shè)備算力受限的問題，從而滿足行業(yè)用戶體驗。

當(dāng)前來看，邊端協(xié)同仍有較大的發(fā)展空間，主要受限于工業(yè)設(shè)備種類繁多且多為行業(yè)定制，南向接口協(xié)議復(fù)雜；其次不同終端應(yīng)用對邊緣云提供能力的要求并不一致，邊緣云如何靈活適配終端應(yīng)用的要求，亟待打造通用的平臺能力來支持；再者，若涉及到移動場景下，例如機器人智能巡檢，園區(qū)物流車等場景，如何保障服務(wù)的連續(xù)性，加速終端訪問和響應(yīng)；以上問題均有待商榷。

3.4 云網(wǎng)協(xié)同

在云、邊、端3級計算資源基礎(chǔ)底座基礎(chǔ)上，網(wǎng)絡(luò)側(cè)輔助各級計算資源高效流動，全面提升面向工業(yè)互聯(lián)網(wǎng)場景的運營能力，依托網(wǎng)絡(luò)連接云計算節(jié)點，統(tǒng)一接入調(diào)度，用戶可以無感知計算節(jié)點位置，保障節(jié)點間數(shù)據(jù)流向，以及應(yīng)用路徑的路由，提升任一節(jié)點服務(wù)的高可用性；網(wǎng)絡(luò)體系是工業(yè)互聯(lián)網(wǎng)基礎(chǔ)，連接各生產(chǎn)要素，一般存在局域與廣域2種場景。

a) 局域場景下，為滿足工廠內(nèi)部生產(chǎn)業(yè)務(wù)隔離、確定時延、帶寬保障、高精度授時等需求， 通常在園區(qū)內(nèi)部按需進行5G網(wǎng)絡(luò)獨立/共享部署，靈活組網(wǎng)，下沉部署核心網(wǎng)數(shù)據(jù)面或者控制面一起下沉部署到企業(yè)內(nèi)部，通過數(shù)據(jù)分流技術(shù)，結(jié)合MEC平臺的部署（極低時延情況下，可將MEC部署在5G接入CU或者CU/DU一體化的基站上），至于下沉核心網(wǎng)數(shù)據(jù)面是否連接公網(wǎng)，視生產(chǎn)客戶需求確定。此時還可結(jié)合網(wǎng)絡(luò)切片、TSN、超級上行等關(guān)鍵技術(shù)，滿足業(yè)務(wù)個性化差異化網(wǎng)絡(luò)需求。

b) 廣域場景下，同一企業(yè)不同廠區(qū)、同一產(chǎn)業(yè)上下游工業(yè)伙伴在多地工業(yè)場景下，為保障各地區(qū)業(yè)務(wù)協(xié)同，當(dāng)有多個計算節(jié)點可選的情況下，5G核心網(wǎng)控制面，可根據(jù)用戶位置到計算節(jié)點之間的時延以及用戶自身業(yè)務(wù)需求情況，將多級算力資源與網(wǎng)絡(luò)信息相結(jié)合，形成以用戶為中心的資源布局視圖，從而實現(xiàn)業(yè)務(wù)與資源最佳匹配，以提升整體的資源利用效率和服務(wù)質(zhì)量。

04、結(jié)束語

面對未來大量泛在接入情況，需要協(xié)同云、網(wǎng)、邊、端基礎(chǔ)資源。解決服務(wù)靈活動態(tài)部署，基于用戶的服務(wù)等級協(xié)議（SLA）需求，綜合考慮實時的網(wǎng)絡(luò)、算力、存儲等多維資源狀況，通過網(wǎng)絡(luò)靈活匹配與動態(tài)調(diào)度，將業(yè)務(wù)流量動態(tài)調(diào)度至最優(yōu)資源節(jié)點，提升網(wǎng)絡(luò)確定性服務(wù)，提升業(yè)務(wù)基于底層網(wǎng)絡(luò)技術(shù)的精準(zhǔn)匹配，加強廣域范圍內(nèi)的確定性保障，解決用戶體驗一致性的問題，讓用戶無須關(guān)心各類基礎(chǔ)資源（算力、存儲等）的位置和部署狀態(tài)，通過網(wǎng)絡(luò)即可協(xié)同調(diào)度各類資源；其次，引入人工智能技術(shù)優(yōu)化資源調(diào)度和組網(wǎng)運維，強化網(wǎng)絡(luò)功能與垂直行業(yè)平臺間的深度融合；再者，借助云原生技術(shù)，實現(xiàn)云邊端一體化的應(yīng)用分發(fā)，在網(wǎng)絡(luò)邊緣和海量端設(shè)備上完成大規(guī)模應(yīng)用交付、運維和管控。保持對云、網(wǎng)、邊、端協(xié)同的堅定信念，進一步加強業(yè)務(wù)的感知，探索更加“合理”的服務(wù)，推進行業(yè)場景的落地。

審核編輯：劉清