1、 面向视频领域的边缘计算面向视频领域的边缘计算 白皮书白皮书 SDN/NFV/AI SDN/NFV/AI 标准与产业推进委员会标准与产业推进委员会 2022020 0 年年 1212 月月 （2020 年） 前前 言言 本白皮书旨在梳理边缘计算产业发展现状、 分析边缘计算在视频领域的应用场景及需求、提炼边缘计算在视频领域的核心价值、构建面向视频领域的边缘计算总体架构、归纳其技术特征与技术实现、汇总边缘计算解决方案、展望边缘计算未来发展趋势，推进边缘计算在视频领域优先落地。 参与编写单位参与编写单位 中国信息通信研究院、浪潮软件科技有限公司、北京爱奇艺科技有限公司、中国联合网络通信有限公司研究院
2、、联想（北京）有限公司、九州云信息科技有限公司、 上海层峰网络科技有限公司、 英特尔 （中国）有限公司、北京百度网讯科技有限公司、国家广播电视总局广播电视科学研究院、云迅智能科技南京有限公司、腾讯云计算（北京）有限责任公司、贵州白山云科技股份有限公司、网宿科技股份有限公司、北京视博云信息技术有限公司、北京金山云网络技术有限公司 主要撰稿人主要撰稿人 宋平、穆琙博、毕立波、柴瑶琳、韩淑君、党小东、任怀影、杨崑、王亚鹏、房兰涛、张腾、秦建华、陈杲、黄倩、崔先锋、李鸿斌、荆留清、沈建发、曾红李、张海亮、吴秋材、何方石、李薰春、张建华、唐云兵、贾玄、曹刚、王文滨、谢炜彬、常文华、李华宇、斯文 目目 录
3、录 1.1. 面向视频领域的边缘计算面向视频领域的边缘计算 . 1 1 1.1. 边缘计算概念 . 1 1.2. 边缘计算产业生态发展 . 2 1.3. 视频领域边缘计算应用场景及需求 . 8 1.4. 边缘计算在视频领域的核心价值 . 11 2.2. 面向视频领域的边缘计算总体架构面向视频领域的边缘计算总体架构 . 1313 2.1. 总体架构 . 13 2.2. 端侧视频设备 . 14 2.3. 边缘侧 . 17 2.4. 边云协同 . 24 2.5. 云端集中管理平台 . 30 2.6. 视频应用 . 32 3.3. 面向视频领域的边缘计算技术特征面向视频领域的边缘计算技术特征 . 38
4、38 3.1. 边缘设备技术特征 . 38 3.2. 边缘方案技术特征 . 41 3.3. 边缘服务技术特征 . 45 4.4. 面向视频领域的边缘计算技术实现面向视频领域的边缘计算技术实现 . 4747 4.1. 流量分流 . 47 4.2. 能力开放 . 48 4.3. 计算卸载 . 49 4.4. 消息路由 . 52 4.5. 边缘视频存储 . 52 4.6. 边缘视频编解码 . 55 4.7. 边缘视频智能处理 . 57 4.8. 边缘视频处理加速 . 60 5.5. 面向视频领域的边缘计算解决方案面向视频领域的边缘计算解决方案 . 6262 5.1. 运营商方案 . 62 5.2.
5、云服务提供商方案 . 64 5.3. 工业互联网方案 . 67 5.4. 垂直行业方案 . 70 6.6. 未来趋势展望未来趋势展望 . 7373 6.1. 产业生态合作与共建 . 73 6.2. 标准化建设持续推进 . 73 6.3. 边缘计算加速应用创新 . 74 7.7. 缩略语缩略语 . 7575 SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 1 1. 面向面向视频视频领域领域的的边缘计算边缘计算 1.1. 边缘计算边缘计算概念概念 随着中国 “新基建” 发展步伐加快， 以及 5G、 物联网、 人工智能、工业互联网等新型基础设施的规模化部署， 国内乃至全球的众
6、多行业迎来数字化转型的浪潮。根据专业机构预测，2020 年全球将有超过500 亿的终端与设备联网，2022 年将有 65%的数据在边缘数据中心存储和处理。万物互联为传统云计算集中式的处理方式带来严峻挑战，计算、存储等能力“下沉”至近用户侧成为必然趋势，边缘计算时代已然到来。 国内外边缘计算相关的标准组织和联盟从不同角度出发， 提出边缘计算的定义。例如，欧洲电信标准协会从电信领域的角度，定义了多接入边缘计算（Multi-access Edge Computing，MEC） ，即一种在接入网络边缘提供 IT 服务环境以及云计算能力的系统。 从工业互联网领域的角度出发，边缘计算产业联盟（ECC）将边
7、缘计算定义为一种在靠近物或者数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台（架构） 。 本文认为边缘计算应具备“云、网、边、端”的基本特征，通过在近用户侧部署分布式计算架构，实现存储、计算等能力“下沉” ，面向不同垂直领域的众多应用场景，为用户提供低时延、广连接、大带宽、 智能化的服务， 满足业务实时性、 数据智能化处理等行业需求。 按照边缘计算的技术实现方式，边缘计算可分为：运营商边缘、面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 2 云边缘和工业边缘三类： 运营商边缘：基于运营商网络，在基站、中心机房等位置部署计算资源，提供边缘服务。 云
8、边缘：云服务商基于 CDN 节点和网络构建，通过虚拟化技术， 将算力 “下沉” 到距离用户较近的城域内， 构建边缘服务能力。 工业边缘： 通常在工业企业内部构建边缘基础设施， 面向 “人、机、料、法、环”产品质量管理全环节，部署边缘应用，实现OT 与 ICT 的深度融合。 上述三类边缘计算已经在垂直行业的不同场景中得以广泛应用。 1.2. 边缘计算边缘计算产业生态发展产业生态发展 在数字化浪潮的背景下，边缘计算已成为业界关注的热点。包括设备提供商、电信运营商、云服务提供商、CDN 服务商、联盟与标准组织以及垂直行业在内的相关国内外组织或单位， 协作共建边缘计算产业链条，并积极推动边缘计算产业发
9、展。 如图 1 所示， 设备提供商提供了边缘计算部署所需的基础硬件和平台软件；电信运营商、云服务提供商和 CDN 服务商等相关企业结合自身技术优势，为最终用户提供边缘服务；各个垂直行业根据行业应用特点，提供用户业务需求；联盟、标准组织以及科研机构等积极推进边缘计算标准化进程，促进边缘计算产业合作共赢。 SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 3 基础运营商服务提供商端设备商基础设施厂商芯片厂商产业联盟标准组织科研机构产业服务最终用户 图 1 边缘计算产业架构图 （1） 设备提供商设备提供商 设备提供商面向“端、边、云、网”边缘计算整体架构的全环节提供基础硬件以及
10、平台软件。当前边缘计算应用场景众多，设备提供商呈现多元化特征，大致可分为：端设备商、基础设施设备商、芯片厂商等。 端设备商提供摄像机、传感器、AR/VR 终端、智能设备等端侧设备，构建上行业务流量，展现边缘服务处理结果。现阶段端侧设备整体呈现高清化、 智能化、 协议多样化的发展趋势。 基础设施设备商重点为边缘侧提供边缘服务器、 边缘一体机、面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 4 边缘网关设备、边缘存储设备、边缘网络设备等基础设施设备。此外，传统的通信设备商还提供了 5G 网络设备，进一步提升边缘计算的接入能力。 芯片厂商积极布局边缘智能领域， 提供边缘 AI
11、 应用所需边缘智能芯片产品，提升语音识别、文字识别、计算视觉等边缘AI 应用开发与执行效率。 大部分设备提供商在提供硬件设备的同时，也提供运行在硬件设备上的平台软件系统。平台系统通常集成设备管理、资源管理、应用管理等平台基础能力。边缘应用和服务运行于平台软件系统之上，利用虚拟化等技术，使用硬件设备资源。 （2） 电信电信运营商运营商 当前 5G 商用持续推进，大视频、物联网等业务蓬勃发展，越来越多新应用对网络时延、 带宽和安全性提出更高要求。 行业普遍认为，多接入边缘计算（MEC）在缩短端到端业务的时延、减少大带宽视频业务对骨干网络资源的占用、 满足业务与数据的本地化处理和安全要求等方面有着天
12、然优势。 运营商在网络和基础设施方面存在巨大优势，由于 MEC 需要部署到边缘，所以网络服务的能力显得尤为重要。 当前，运营商将 MEC 边缘云作为实现 CT+IT+OT 融合的锚点，基于边缘云平台结合网络联接的控制与管理能力， 向应用能力和创新产品进行渗透。从技术演进角度看，运营商将抓住 5G 机遇，进一步发展云、边、端之间的协同，增强 MEC 能力，构建算力网络，使能算力SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 5 服务，加速网络业务和服务的创新。 （3） 云服务提供商云服务提供商 云服务提供商通过“CDN 下沉”的方式将云计算能力下沉到网络边缘，并结合自身在
13、传统云计算应用的需求与技术积累，积极拓展边缘计算应用边界。云游戏、边缘 CDN、智能安防、互动直播、视频会议等相关应用已在云服务提供的通用边缘计算平台上部署。 “边云协同”是目前云服务提供商提供的边缘方案/边缘服务的典型特征。云侧面向应用、资源、设备等对边缘计算整体架构进行集中式管理并提供大数据、人工智能等应用平台，边缘侧提供部分管理能力以及应用运行的基础环境，边缘侧与云侧通过 Internet、VPN 等形式进行通信，从智能、资源、应用等不同方面进行协同。 此外，云服务提供商还积极布局“边缘+物联网” 。在云侧运行物联网平台，对接入的物联网设备以及网关设备进行统一管理，并对设备采集信息进行智
14、能分析处理；在边缘侧通过部署边缘网关，提供强大的南北向协议转换能力，并提供一定的算力资源，可运行轻量化的应用，对设备上送信息进行智能化处理。 （4） CDN 服务商服务商 CDN 被看作是一种广义边缘计算的典型应用。CDN 服务商借助其先发优势，积极转变传统 CDN 形态，延展服务能力，增强算力部署。 国内 5G 移动网络大规模部署，使得边缘与用户侧进行大量频繁交互式计算成为可能。在这种背景下，部署在边缘的大量分布式 CDN面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 6 节点，成为了边缘计算最早可能落地的场景资源之一，探索的方向包括基于物联网相关的高并发计算、 基于
15、机器学习相关的低延迟大带宽计算、基于实时交互的低延迟应用等。各种 CDN 现有的资源和功能将以松耦合的方式在边缘计算场景里应用。 目前 CDN 的形态逐步由传统 CDN 节点，转变为采用“通用服务器+CDN 软件” 的解耦方式进行部署，并向 CDN 云化方向发展，进一步开放 CDN 节点的计算能力构建边缘计算平台。国内外 CDN 企业已将 CDN产品升级成边缘计算服务，主打的产品除了传统的 CDN 之外，也通过Serverless 技术提供轻量级的流量加速服务等边缘计算服务，在离用户更近的位置实时完成业务处理和响应，跟随业务变化弹性扩缩，广泛适用于低时延、实时交互、广覆盖的应用场景。 （5）
16、联盟与标准组织联盟与标准组织 目前国内外多个产业联盟与标准组织正在积极推进边缘计算标准化进程。 边缘计算产业联盟定位于搭建边缘计算产业合作平台，推动 OT和 ICT 产业开放协作，促进边缘计算产业健康与可持续发展。目前已经发布运营商边缘计算网络技术白皮书 、 边缘计算 IT 基础设施白皮书 、 边缘计算参考框架 3.0等多项边缘计算领域白皮书。 SDN/NFV/AI 标准与产业推进委员会（SNAI）下设的 SDN 集成与互通测试组、MEC 应用推进组等，面向边缘计算领域，在白皮书、测试等方面积极开展工作。2018 年 10 月，MEC 应用推进组发布了MECSDN/NFV/AI 推委会 面向视
17、频领域的边缘计算白皮书（2020） 7 行业应用白皮书，围绕多个垂直行业，探索 MEC 应用方案。 欧洲电信标准协会（ETSI）于 2014 年成立 MEC 标准工作组，该工作组致力于 CT 与 IT 融合，在无线接入网内部提供 IT 和云计算能力，通过一个多接入边缘计算环境运行应用于服务。目前已发布了包括术语、技术要求、参考框架、服务场景等 30 余项多接入边缘计算标准文档。 中国通信标准化协会（CCSA）在工业互联网、5G 核心网、车联网等方面，积极推进边缘计算标准化进程。目前已经立项工业互联网边缘计算 系列标准、 5G 核心网边缘计算平台 系列标准、 面向 C-V2X 的多接入边缘计算等
18、相关标准。 （6） 垂直行业垂直行业 伴随移动互联网和物联网的快速发展， 海量终端设备充分利用云计算中心强大的计算、 存储能力， 在工业、 能源、 医疗、 教育、 交通、金融等垂直行业领域得到广泛的应用。然而，采用传统云计算的集中式交互方式， 增加了网络负载， 对网络带宽和吞吐量提出更高的要求。 当前边缘计算在多个垂直行业中得到广泛的应用，满足大带宽、低时延和海量连接的行业业务需求。例如，在能源行业，利用边缘计算可以满足企业在移动办公、生产调度、巡检、监控等业务需求，促进能源企业降本增效，提升核心竞争力。在医疗行业，边缘计算可应用于三维影像、医疗教学、远程医疗等细分场景，改变传统的医疗模式，促
19、进“互联网+医疗健康”的发展。未来边缘计算将应用于更多面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 8 垂直行业， 不同的垂直行业需求也将进一步促进边缘计算技术的演进。 1.3. 视频领域视频领域边缘边缘计算计算应用应用场景及需求场景及需求 （1） 运营商运营商 在全球移动产业迈向 5G 的背景下，运营商正加大力度，积极探索 MEC 技术在各种行业应用中的价值，并希望通过 MEC 和 5G 技术进一步推动 IT 与 CT 的融合。对运营商而言，可以充分利用边缘计算探索新的应用场景，发挥云、边缘、核心电信网络的集成优势，为自身提供更加广阔的发展空间。 在众多“5G+ME
20、C”的行业应用中，视频类应用占比较大。当前，超高清视频业务在低时延、大带宽、高并发方面需求强烈，要求运营商的 MEC 节点应具备按需提供计算、存储能力，并可支持通过云边协同提升业务服务能力。新兴的 AR/VR 类业务，需要支持用户以自然的方式与虚拟环境中的物体进行交互操作的重要方式。 在时延和带宽等方面，不同的沉浸体验程度对于运营商网络提出了更高的要求。 运营商利用“5G+MEC”技术可以满足多种视频类应用的需求。例如：MEC 提供差异化路由、计算与存储、运维能力实现视频的本地处理与交付，提升视频点播类业务的用户体验；通过在 MEC 平台部署多视角流媒体服务器， 满足视频直播类应用对多路视频高
21、码率无卡顿播放的需求。 （2） 云服务提供商云服务提供商 4G 网络的发展开启了移动互联网时代，云服务提供商在传统云SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 9 计算领域拥有大量的业务需求、技术积累和成功经验。为了满足低延迟、大带宽、低成本、本地化等业务需求，云服务提供商正在积极地改变传统“云+端”业务模式，向“云+边+端”的模式演进，支撑新时代众多新型场景落地。 云服务提供商既需要进一步提升视频点播、 视频会议等传统视频应用的服务质量，也需要满足云游戏、超高清视频直播、VR/AR 等新兴视频类业务的需求。例如：互动直播类应用，要求云服务提供商根据业务流量的瞬时增
22、长，弹性扩张计算资源，并降低带宽成本；云游戏应用需要在保障大流量视频数据传输可靠性的同时， 保证游戏交互时延，避免卡顿问题。 为了满足视频类应用需求， 云服务提供商一方面通过 “CDN下沉”的方式，将云服务能力下放至距离用户较近的城域内；另一方面，积极地探索与运营商 5G 网络融合，在距离用户更近的位置，提供云服务能力。 （3） 工业互联网工业互联网 工业互联网以构建互联互通的网络化结构、 提升自动化和智能化水平为目的，为工业企业所涉及的人、机、物提供全面并安全的数字化新模式。工业互联网的建立将促使 OT、IT 和 CT 的充分融合，并可按需将互联网云计算的相关技术和能力部署至边缘侧， 以满足
23、工业企业日益增加的适时计算需求，同时又克服了企业对数据安全的顾虑。 在各种工业互联网应用中， 视频相关的应用无疑是近年来最普遍面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 10 的数字化和智能化相结合的应用场景。视频应用对大数据采集、人工智能分析、实时自动化响应都提出了较高的要求，这些恰恰是边缘计算的特长。同时，工业企业对各自数据的隐私及安全的需求也促使这些应用对网络传输和公有云方案提出了挑战， 这也促进了工业企业对边缘计算和私有化网络部署的渴望。 从工业领域所涉及的人、机、料、法、环的角度，质量检测、良率控制、过程优化、预测性维护、人机协作、物流追溯、人员安全管理、
24、环境监测、机器人等各个环节都对面向视觉的边缘计算有广泛的需求。这些通常都通过摄像头对目标进行视频采集后，可以选择性地对视频进行编解码以获取原始图像， 再结合计算机视觉对视频进行处理和分析并反馈至执行机构做相应的处理。其中，计算机视觉部分往往由多个环节组成，包括图像预处理、机器学习算法模型推理、图像后处理等多级结构。近年来神经网络和深度学习技术突飞猛进，使得视频边缘计算也得以快速发展。众所周知，深度学习往往需要同时拥有算法模型训练所需的集中式密集计算需求， 也包含分布广泛的算法模型推理所需的中等计算需求， 这也促进了工业互联网和边缘计算的大量部署。 （4） 垂直行业垂直行业 面向视频的边缘计算在
25、垂直行业得到广泛应用， 例如医疗领域的远程医疗，远程监护等，工业领域的现场视频巡检等场景，能提高行业应用的可视化和智能化水平。 SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 11 视频用于远程医疗的典型场景包括远程监测类，远程会诊类，远程指导类等。基于 5G+MEC 基础设施的发展，能够支持 4K/8K 的远程高清视频和 VR/AR 技术会诊和医学影像数据的高速同步传输与共享，并让专家在线开展会诊，提升诊断准确率和指导效率，促进优质医疗资源下沉。 远程医学示教通过引入高清视频和 VR/AR 设备支持对手术示教，操作示教，以及对相关病例的直播和录播等，能让受教者的沉浸感
26、更强，具备更多交互内容，提升效率和效果。还有视频用于远程查房使远端专家无需到现场就可以远程精准指导。 用于工业现场的巡检， 辅助维修等场景是视频结合边缘计算与AI技术的另一个垂直应用场景。以电网运检为例，通过引入无人机、巡检机器人、智能摄像机等新型视频前端，结合智能化运检平台，智能分析决策平台等，实现从“人巡”到“智巡”变革，显著实现了电网运检模式的革新。无需进行大量人力投入，便可轻松实现对电网设备状态、人员行为、区域安全等全场景智能化监控，从而极大地提高工作效率，确保巡视不停、保障不停。 1.4. 边缘计算在视频边缘计算在视频领域领域的的核心核心价值价值 全球行业数字化转型浪潮已经到来， 边
27、缘计算技术获得全球各行业的广泛关注。与传统的云计算不同，边缘计算技术将存储、计算、网络资源更加接近用户或设备进行部署， 解决未来爆发式增长的用户和设备对传统云计算产业带来的挑战。边缘计算将广泛应用于制造、能源、 交通等不同领域的多个场景， 满足人民对未来科技生活的向往。 面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 12 以超高清视频、工业视觉、AR/VR 等为代表的视频应用，借助边缘计算“低时延、高带宽、大连接”的先天优势，助力各行业数字化转型， 满足各行业对视频业务实时性、 视频数据智能化等方面的需求。未来 3-5 年将是边缘计算规模部署的关键时期， 视频领域将成
28、为边缘计算先行落地的应用领域。 SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 13 2. 面向视频面向视频领域领域的的边缘计算边缘计算总体架构总体架构 2.1. 总体架构总体架构 边缘侧视频采集视频呈现视频设备计算存储网络虚拟化边缘管理平台云边缘节点管理视频设备管理资源监控调度边缘视频应用/服务视频应用管理云端视频应用/服务视频上行视频业务上行视频业务下行多种协议接入集中管理平台主要功能控制分析缓存管理数据协同边边协同资源协同应用协同服务协同 图 2 面向视频领域的边缘计算总体架构 本白皮书从边缘视频应用需求出发， 结合业界通用边缘计算标准架构，提出面向视频领域的边缘
29、计算总体架构，如图 2 所示。面向视频领域的边缘计算架构具备“云、边、端”的边缘计算基本特征。 端侧设备通过多种协议接入到边缘侧，主要包含摄像机、监视器等视频采集设备以及显示器、 VR 终端等视频呈现设备， 用于生成上行视频业务流量，接收并展示下行视频业务流量。 运行于边缘侧的边缘管理平台利用虚拟化技术管理计算、 存储和面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 14 网络资源，提供智能化的音视频分析处理能力，本地化存储视频业务数据，管控端侧设备。边缘应用/服务运行于边缘管理平台之上，为用户提供视频服务。 云侧运行集中式的管理平台，从全局角度管理边缘节点、边缘设备、
30、边缘应用和全局资源。于此同时，云侧通常提供大数据、人工智能等平台服务。部分视频应用/服务运行于中心云上，利用平台提供的能力，与边缘侧协同处理视频业务。 边缘侧与云侧之间从数据、资源、应用、服务等多个方面进行协同，满足视频应用需求，保障整体架构高效、稳定运行。 2.2. 端侧端侧视频设备视频设备 （1） 视频采集视频采集 视频采集设备是指具有静态图像捕捉、视频摄像等功能的设备，例如视频监控、摄像头、照相/摄像机等。 摄像机作为传统的视频采集设备， 主要分为演播室和广播摄像机、数字电影摄像机等。 演播室和广播摄像机主要用于演播室和直播制作的专业广播摄像机，可用于体育赛事等直播场景，支持 4K、2K
31、、高帧率（HFR） 、高动态范围（HDR）等。数字电影摄像机主要是用于制作电影、电视剧、商业广告和独立电影的摄像机。网络的不断发展，传统的广电行业、影视制作行业的摄像机越来越来的支持网络方式传输。 监视器作为摄像机中一种特殊的类型，主要被用于监控、行车记录、最终监视器的不断发展，越来越多的智能摄像机、云台摄像机等SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 15 新型的产品涌入市场。 云台摄像机的好处是摆脱了传统监视器进行本地存储带来的成本和不安全因素， 但是云台摄像机也存在着由于网络传输不畅导致的视频画面丢失的风险。 目前，8K、360全景等新型视频的拍摄需要专用的
32、摄像头，比如 8K 视频的拍摄需要专用的 8K 摄像机。360全景的拍摄也需要全景摄像机的支持。因此伴随高新视频的不断出现，新型的专用摄像机将越来越多。 此外，摄像头还广泛应用在各种设备上，例如手机、平板电脑、PC、汽车、无人机等。此类设备体积小、分辨率高，但由于这些设备的存储容量、处理能力有限，需要在云端进行存储、处理。 （2） 视频呈现视频呈现 2020 年 5 月 21 日，工信部、广电总局印发超高清视频标准体系建设指南（2020 版） 中指出超高清终端呈现设备涉及到电视、机顶盒、个人电脑、手机、平板、VR/AR 终端。 电视作为家庭场景中重要的视频呈现设备是超高清视频呈现的主要设备之一
33、。当前家庭互联网络的不断发展，智能电视逐渐普及，家庭中的智能电视可以快速接入边缘计算的架构当中。智能电视，是基于 Internet 应用技术，具备开放式操作系统与芯片，拥有开放式应用平台，可实现双向人机交互功能，集影音、娱乐、数据等多种功能于一体，以满足用户多样化和个性化需求的电视产品。其目的是带给用户更便捷的体验，目前已经成为电视的潮流趋势。 面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 16 机顶盒作为一种连接电视机与外部信号源的设备， 随着互联网和有线电视入户在家庭视频呈现中也扮演着重要的角色。 它可以将压缩的数字信号转成电视内容，并在电视机上显示出来。机顶盒在
34、中国经过几十年的发展，逐步走向了智能化、高清化、互联网化。搭配Android/TVOS 操作系统，支持 4K 解码是当前机顶盒的主流配置。在内容上，有线电视、IPTV 数字电视机顶盒由运营商提供内容，OTT 机顶盒主要由生产商与视频牌照方合作提供内容。未来 IPTV 机顶盒将作为一种家用数字平台被广泛用于不断扩大的交互式多媒体数字内容服务领域。 VR 终端设备市场上主要产品可以分为移动端 VR、PC 端 VR 和一体机。 移动 VR 被很多人认为是未来的主流 VR 设备。 另外由于移动 VR设备相对来说技术含量较低、成本不高，使得移动 VR 设备推广更为迅速，但在消费者的沉浸感和交互性体验上，
35、远低于 PC 端设备和一体机。PC 端 VR 头盔相对于移动 VR 存在操作繁琐、价格昂贵、携带不便等困难， 但其绝佳的体验感让消费者体验到 VR 技术真正的魅力。但 PC 端 VR 需要一定的空间以及多项设备包括 PC、传感器的链接，并且 VR 设备对 PC 的硬件要求也很高。 相较于市场上的手机盒子以及依托电脑输出的 VR 产品，一体机更符合人们对 VR 的认知。VR 一体机是具备独立处理器并且同时支持 HDMI 输入的头戴式显示设备。具备了独立运算、输入和输出的功能。 智能设备终端包括智能手机、平板等。由于互联网应用的不断发展，智能终端设备将承载越来越多的视频流量，用户在手机上观看视SD
36、N/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 17 频变得越来越方便。短视频的流行如火如荼，直播代购方兴未艾，正是新的视频场景和业务的出现给移动端的视频播放带来了更大的挑战。 2.3. 边缘边缘侧侧 （1） 主要功能主要功能 a.a. 控制控制功能功能 在视频业务场景中，利用边缘计算本地化计算能力，可以对摄像头等视频设备上传的采集信息进行及时、高效地处理，并根据外部环境变化，生成控制指令，控制相关设备行为，满足智能安防等应用需求。因此，边缘侧主要控制功能应包括采集信息能力感知、设备行为控制等相关功能。 采集信息能力感知要求边缘侧利用多种标准化接入协议感知设备接入；在边缘对
37、设备进行抽象，并与应用、服务、场景等进行绑定，实现设备对接；通过专用接口，获取接入设备的采集信息。 设备行为控制要求边缘侧根据设备采集信息， 结合分析功能，生成设备控制指令，并通过南向协议向对应设备下发指令，完成对设备行为的控制。 b.b. 分析分析功能功能 根据设备采集的音视频信息，利用边缘节点计算资源，进行本地面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 18 化智能分析处理，是边缘计算在视频领域的核心价值所在。一方面，在边缘侧预处理设备产生海量数据信息，进行数据过滤，可以有效降低上云带宽；另一方面，将计算量大的训练、推理卸载至边缘侧，可以有效地保障时间敏感应用的
38、处理需求。 边缘侧分析功能具体包括数据导入与预处理功能、智能分析功能。 数据导入与预处理功能是大数据技术与边缘计算技术的有效结合。在边缘侧对设备产生的海量视频数据进行导入，并采用流式计算等方式对导入的数据进行预先处理，满足部分业务的实时计算需求。边缘视频监控业务本质上使用了一种基于边缘计算的视频图像预处理技术，通过对视频图像进行预处理，删除图像冗余信息。 智能分析功能是人工智能技术在边缘侧的重要体现。智能分析功能主要针对边缘节点上采集的视频信息进行 AI 加工处理和 AI 算法的管理， 并通过编排功能支撑多算法组合、 调度，实现实时的图像特征提取、视频基因分析、视频文字提取等相关视频分析处理能
39、力。 c.c. 缓存缓存功能功能 边缘缓存功能一方面将大量用户频繁访问的视频业务数据， 临时缓存到边缘侧，从而降低用户访问时延、改善用户体验的服务质量，满足高清视频点播等视频业务需求；另一方面，针对上行视频业务流量，在边缘侧为用户提供各种类型的存储服务，实现本地化的数据存SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 19 储，减少骨干网流量、避免网络拥塞、保障数据安全，满足安防监控等视频业务需求。 在 “热” 数据缓存方面， 通过本地 DNS、 流量重定向等缓存模式，在近用户位置响应视频业务请求，并利用基于流行度缓存、基于用户偏好缓存、基于学习缓存等多种缓存策略，实现
40、高效业务缓存机制。缓存功能根据不同视频业务所需的计算性能与存储容量， 可以灵活部署在不同的边缘位置。 利用边缘存储优势，可以选取就近的边缘节点上传视频数据，并优质传输链路，保障传输质量。此外，边缘侧还可以针对传输的视频数据执行加密、脱敏等操作，保障数据安全。为了满足未来众多场景各类视频的用户需求，边缘侧应提供边缘文件存储、边缘对象存储、边缘块存储等多种类型存储方式。 d.d. 管理管理功能功能 边缘侧应支持对边缘视频应用/服务的相关管理功能，主要包括应用生命周期管理、运维管理、应用规则管理、资源管理等。 应用生命周期管理支持对应用的生命周期进行管理，具体包括：支持实例化应用；支持终结应用实例；
41、支持查询应用实例信息； 支持改变应用实例的状态， 如停止、 启动等； 支持查询应用实例的状态。 运维管理包括平台配置、性能和故障管理、应用程序监控、远程服务配置和服务控制、有关平台功能的信息收集、可用面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 20 服务和可用虚拟资源等。 资源管理利用虚拟化技术对边缘资源进行有效地管理，通过VIM 采集 CPU、 内存、存储、 GPU 加速卡和 FPGA 加速卡资源使用量，以及用户访问应用的网络分流流量，并提供北向资源统计信息 API 和公共服务调用的统计信息 API。 应用规则管理包括服务授权、流规则配置以及 DNS 配置等。边缘
42、管理平台通过管理相关规则，实现应用和服务的按需调度。 （2） 边缘形态边缘形态 a.a. 边缘设备边缘设备 目前主流边缘设备类型包括边缘服务器、边缘一体机、边缘网关等。 边缘服务器边缘服务器 目前边缘服务器通常使用业界通用的 x86 或 ARM 服务器。 边缘服务器的配置根据部署需求不同， 存在差异。 在机房条件较好的环境下，优先使用通用服务器承载边缘业务;对于机器学习和人工智能训练型服务器，可采用专用的 GPU 服务器，小规模计算场景采用通用服务器配置 GPU 卡，其基本部署在城市核心 DC，配合边缘数据中心实现视频类类业务。 采用通用服务器方案并使用虚拟化技术，形成资源池，有利于提升资源利
43、用率及对虚拟化资源进行统一管控、运维、监控等。此外，SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 21 采用通用服务器方案还能避免厂商锁定问题，有利于后期扩容、升级与维护。 边缘边缘一体机一体机 边缘一体机往往集成了计算、存储、网络等硬件资源、虚拟化能力以及边缘云软件平台，具有快速部署、运维管理简单等特点。 边缘一体机适合边缘机房环境以及部署成本等因素受限的场景。特殊尺寸的边缘服务器具有尺寸小、功耗低、计算密度高等特性;采用前走线设计，便于维护管理。边缘一体机有利于利用现有接入和汇聚机房，减少边缘机房改造，满足用户低时延等业务需求，快速开展边缘计算业务。 边缘网关边缘
44、网关 边缘网关设备通常用于工业互联网、物联网等场景，是一类具有较强接入能力和协议转换能力的计算设备。 边缘网关通常具有 RS 232、RS 485、RJ45、USB 等有线接入能力，以及 4G/5G、专用无线芯片、蓝牙等无线接入能力。在协议转换方面，根据应用场景不同，边缘网关将多种不同的南向接入协议转换为 MQTT 等标准北向协议。 在满足接入与协议转换能力的基础上， 边缘网关通常具备一定的计算存储能力，可部署运行边缘应用，提供轻量化的大数据与人工智能服务。 b.b. 边缘平台边缘平台 目前主流边缘平台包括多接入边缘计算平台及边缘 IoT 平台等。 面向视频领域的边缘计算白皮书（2020） S
45、DN/NFV/AI 推委会 22 多接入边缘计算平台多接入边缘计算平台 以ETSI定义的MEC参考架构为代表的多接入边缘计算平台 （MEP） ，主要实现边缘数据中心的分流规则管理、DNS 管理、API 网关能力等功能，它是从边缘网元和应用访问端点之间的控制模块，实现更精细的边缘访问管理控制。MEP 主要功能包括： MEP 为实现 MEC 应用发现、发布、使用以及提供 MEC 服务提供环境。 MEP 根据来自 MEPM、MEC APP、MEC Service 的数据流路由规则完成数据面路由转发规则的控制。 MEP 接收 MEPM 的 DNS 配置信息完成 DNS 代理/服务器的配置。 边缘边缘
46、IoTIoT 平台平台 边缘 IoT 平台为物联网的万物互联提供安全、可靠、稳定的终端接入、 协议适配、 数据路由、 数据存储、 数据分析、 应用使能等功能。边缘 IoT 平台的位置如图 3 所示。 SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 23 图 3 边缘 IoT 平台 边缘 IoT 平台具有如下功能： 连接服务：提供设备联网功能，支持设备通过各种无线或有线的通信方式接入网络，并支持各种网络传输协议； 设备服务：提供设备基础管理功能，包括设备的鉴权管理、数据协议解析、 消息路由、 设备影子数据及元数据管理功能； 数据服务：提供设备数据的基本管理功能，包括设备的
47、上下行日志存储，以及一些数据指标的聚合分析，如平均值、最大、最小值等； 使能服务：提供应用使能服务，主要是为上层或第三方应用提供按规则和条件进行数据订阅和数据转发的服务。包括应用注册、规则引擎、数据流转服务； 其它：包括基础的安全服务、控制台和监控服务。安全服务提供基本物联网安全机制；可视化控制台提供边缘 IoT 平台面向视频领域的边缘计算白皮书（2020） SDN/NFV/AI 推委会 24 与客户交互的界面；可视化监控提供服务可用性及风险监控能力。 2.4. 边云协同边云协同 随着 VR/AR、 4K/8K、云游戏等技术的迅速发展， 视频类应用越来越场景化和多样化，更大的数据量、更强的交互
48、性以及用户对应用体验的更高要求，都对视频类应用及业务承载网络提出了新的挑战，在保障高带宽的同时，要兼顾视频类应用的低时延需求。 为满足视频类应用发展需求，边缘计算与云计算需要从资源、数据、应用、服务四个维度进行紧密协同，并在中心云的统一管理下，实现边缘节点之间协同。 （1） 资源协资源协同同 云边协同的作用之一，是在评估可用资源和资源需求的情况下，完成业务的部署和调度和负荷分担。 调度过程需依据业务的资源占用、流量、 运行状态等， 从全局视角， 对计算资源、 网络互联带宽和延时、存储资源和应用软件资源完成调度和配置，以达到全局的业务整合。 计算资源协同方面，边缘侧根据业务需求，提供不同类型的虚
49、拟化设备，如计算增强型、GPU 渲染增强型、存储增强型等不同设备。服务商对边缘节点部署的服务应具备精准监控与调度能力， 在边缘节点计算资源不足时， 可以调用云端资源进行补充； 存储资源协同方面，在边缘节点存储热度高、定制化的内容，在云端存储区域长尾内容，将边缘节点有限的存储能力与云端存储进行联动，以发挥最大价值；SDN/NFV/AI 推委会 面向视频领域的边缘计算白皮书（2020） 25 网络资源协同方面， 可以在边缘侧实现用户多路接入、 边云多路互通。当网络发生拥塞的时候，运行在云侧的网络控制器可以及时感知，并将流量引入到较为空闲的链路上。 为满足边云资源协同的需求，要求边缘侧设备具备虚拟化
50、能力，提供 IoT 管理方式， 丰富的北向接口提供精准的状态反馈与管理颗粒度；云端除了集中算力和存储资源外，亦需强化对终端、边缘设备的南向管控。 （2） 数据协同数据协同 在基于视频类应用的边缘计算场景中， 边缘与云端数据的有效协同是为用户提供优质视频服务的必要条件。边缘侧可以提供区域化、个性化的本地服务，同时降低回传网络负载压力；与此同时，边缘侧也可以将接入的本地资源与网络其它部分隔离， 将敏感信息或隐私数据控制在区域内部。 对于视频类数据，应具备三种数据协同能力： 精准分发精准分发 边缘计算的特点是灵活、分散、数量大，边缘节点与云端应搭建精准分发调度体系，通过创建精确调度索引，实现海量数据
sgpjbg002
工作日 8:30 - 17:30
会员动态：
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产开发
传统产业
全球化
其它
扫码登录
手机快捷登录
账号登录
