6 月 6 日，工信部正式向中國電信、中國移動、中國聯通、中國廣電發放 5G 商用牌照，標志著我國正式進入 5G 商用元年。

伴隨著 5G 時代的到來，許多應用場景將被逐一打開，增強移動帶寬將是 5G 發展初期面向個人消費市場的核心應用場景，比如高清視頻，VR/AR 等將獲得快速的發展；而高可靠性低時延連接，會催生更多面向車聯網、工業控制、遠程醫療等特殊應用。

由于 5G 會讓大量的應用在網絡的邊緣進行處理，這會推動移動邊緣計算 （Mobile Edge Computing, MEC） 的需求得到爆發。

簡單的理解，MEC 是將整個云計算大平臺的核心網網元遷移至靠近終端的邊緣。泛指的是 IT 和云平臺的運算能力向靠近終端的地方下沉，融合網絡傳輸、計算、儲存和應用的創新能力，來提高邊緣「小計算」的反饋和效率。

MEC 與一般的 5G 網元不一樣， 天然具有「IT 化、業務驅動」特性，所以對邊緣端的計算力要求很高，尤其是邊緣業務與 AI 算法結合之后，AI 算力的需求變得空前稀缺。那么，華為 Atlas 人工智能計算平臺的發布，有力填補了 5G 時代，從云到終端再到邊緣側，AI 算力缺失的鴻溝。

MEC 為什么在 5G 時代變得重要？

相比于云計算，邊緣計算自概念誕生之后就一直不溫不火。為什么在 5G 時代，它變得如此重要？

5G 時代的最大的變化就是從人與設備的連接，變成了萬物互聯。據 IDC 預測，到 2020 年將有超過 500 億的終端與設備聯網，而有 50% 的物聯網網絡將面臨網絡帶寬的限制，40% 的數據需要在網絡邊緣分析、處理與儲存。當連接數的不斷增加，產生了海量的數據，如果所有數據都要回到云端進行分析終結，既浪費帶寬，也增加了時延。

這些因素決定了，5G 業務的終結點不可能完全都在核心網后端的云平臺，所以 MEC 被認為是建設 5G 網絡邊緣云的普遍模式。

第二，MEC 與云有天然互補的關系。

MEC 與云的關系并不是取代關系，而是一種互補的關系：云計算把握整體，聚焦于非實時、長周期數據的分析，能夠在周期性維護等領域發揮特長，而 MEC 則專注于局部，聚焦實時、短周期數據的分析，能夠更好地支撐本地業務的實時智能化處理與執行。所以，從業務端來看兩者可以天然互補。

第三，MEC+5G，代表了新的業務創新模式。

其實，早在 4G 時代，MEC 在一些應用場景上就已經表現出極強的適應性，比如有 VR/AR 、CDN 、車聯網、虛擬專網、工業互聯網、安防監控、室內定位等等。很明顯，這些應用場景與 5G 要解決的場景問題是非常接近的。

因為邊緣計算可以將高帶寬、低時延、本地化的業務下沉到網絡邊緣，解決了時延過長、匯聚流量過大等問題，為實時性和帶寬密集型業務提供更好的支持。這意味著，利用低延遲高容量數據實現最佳效率并增強分析能力，可以最大限度地減少互聯網帶寬和非易失性存儲等寶貴資源的使用，這些邊緣分析技術可輕松為海上石油鉆井平臺、深度勘探、制造業、網絡物理安全等領域提供動力。

以 Atlas 500 智能小站為例，通過業界領先集成AI處理能力和邊緣產品，機頂殼大小即可實現 16 路高清視頻處理能力，正在用于交通，看護，無人零售，智能制造等廣闊的領域。所以說，5G 與 MEC 的結合，可以推動行業應用的業務創新。

邊緣側對 AI 算力的需求為什么爆發?

事實上，5G+MEC 不僅帶來了邊緣應用場景的改變，也帶來了對 AI 算力的高需求。

◆首先，大量的數據將在邊緣側進行分析、處理。舉個例子，智慧安防的場景中，針對新型犯罪及社會管理等公共安全問題，邊緣計算和視頻監控技術的結合，可以提高視頻監控系統前端攝像頭的智能處理能力，做到防范刑事犯罪和恐怖襲擊。這會導致大量的視頻數據，將在邊緣通過 AI 算法進行學習和分析，這就需要強大的 AI 算力。

華為有 Atlas 300 AI 加速卡，采用了標準的半高半長 PCle 卡設計，支持多種數據精度，單卡即可提供 64 TOPS INT8 計算性能，相比業界同類型產品提升 3 倍，為深度學習和推理提供更強大的算力，可廣泛應用于視頻分析、語音識別等廣闊領域。

◆ 其次，很多創新業務需要邊緣端的 AI 算力。最有代表性的場景就是自動駕駛的場景創新，比如自動駕駛汽車上數百個傳感器每小時將產生 40TB 的數據量，從安全性的角度，數據的處理必須實時完成，才可以讓汽車規避緊急情況帶來的突發危險。所以，AI 算力在當中也起到了相當重要的作用。這種對終端側有較高算力需求的場景，華為有僅有半張信用卡大小，功耗僅 10 瓦左右的 Atlas 200 AI 加速模塊與之對應。

再比如智慧金融當中的人臉識別和聲紋識別，指揮交通當中的智能交通控制系統，都依賴邊緣計算服務器來提供足夠的 AI 算力。

但略顯遺憾的是，目前從整個行業的角度看，目前邊緣側的 AI 算力仍然是非常稀缺的。

一方面，AI 算力的獲取難度很大，對創新型企業來說，不僅難以支撐企業大規模部署，高昂的價值也讓創新難以為繼。另一方面，傳統的 AI 算力兼容性很差，云邊端無法協同，導致部署和開發都存在種種困難。

一邊是 5G 和 MEC 對 AI 算力巨大需求的火焰，另一邊則是邊緣 AI 算力供需失衡的海水。正是為了解決這兩者間的鴻溝，華為推出了 Atlas 人工智能計算平臺。

這五個原因，說明 Atlas 是邊緣 AI 算力最佳選擇

華為是在 2018 年的 HUAWEI CONNECT 大會上，首次公布了基于華為 Ascend （昇騰）系列芯片和業界主流異構計算部件的 Atlas 人工智能平臺。

Atlas 對邊緣端 AI 算力的優勢可以從以下五個方面來看。

?首先是產品的獨特性。以 Atlas 500 智能小站為例，這是目前業界領先集成 AI 處理能力的邊緣產品，機頂盒大小即可實現 16 路高清視頻處理能力，相比業界產品性能提升 4 倍。

值得一提的是，面對邊緣側部署的復雜自然環境，Atlas 500 智能小站可以支持零下 40℃ 到零上 70℃ 的嚴苛部署環境，尤其適用于邊緣側特別艱苦和特殊的環境，在無人零售、智能制造等場景有廣闊的應用空間。

?其次是 Atlas 俱備的邊云協同的能力。我們知道 Atlas 是通過模塊、板卡、小站、一體機等豐富的產品形態，打造面向端、邊、云的全場景AI基礎設施方案，提供了豐富多樣的 AI 算力。可以充分滿足云邊協同全場景覆蓋，并適應惡劣環境的部署，提供一體化 AI 解決方案能力。

仍以 Atlas 500 智能小站為例，它支持云邊協同，可跟華為私有云、公有云協同，通過云側推送應用、更新算法，對設備進行統一管理和軟件升級，做到邊云協同。

?第三是華為芯片級起跳的核心技術能力。Atlas 不僅搭載了華為昇騰系列 AI 芯片，還基于業界領先的達芬奇 3D Cube 架構，可提供超高的計算密度和極致高能效，為 Atlas 注入強勁的 AI 算力。應該說，芯片級起跳這是 Atlas 獨有的優勢。

?第四是華為構建了 Atlas 成熟的生態。在對圖像、視頻進行識別、分析類應用的領域，Atlas 已經首先得到應用，例如在智慧城市中，Atlas 500 智能小站可以通過實時分析車輛和行人的密度提供更加優化的交通燈方案等等。華為正與合作伙伴一道，開發更多基于邊緣的場景和案例。

?第五是高貴不貴，推動普惠 AI 的落地。華為云 IEF 服務與智能小站結合，通過云側推送應用、更新算法，對設備進行統一管理和軟件升級。讓企業更容易獲取 AI 算力，做到 AI 的普惠。

總結來看，5G 推動了 MEC 的快速發展，而 AI 則是這兩者結合，走向行業應用落地的催化劑。客觀的說，業界沒有任何一個計算平臺，能夠在云、端、邊緣同時提供強大的AI算力，這是華為 Atlas 人工智能算力平臺所獨有的優勢，毫無疑問，在 5G+MEC+AI 的新商業之下，Atlas 就是最根本的動力之源。