3.5　前沿方向

本节结合5G时代的边缘智能具有万物智联、低时延、大带宽、高并发、本地化等特征，从区块链、边缘云原生容器、机器人系统角度探讨“云-边-端”体系架构的前沿发展方向。

3.5.1　“云-边-端”区块链

尽管“云-边-端”体系架构可以支撑统一管控、智能下沉以及端到端的云计算服务，但身份认证、数据安全、隐私保护等难题仍亟待解决。与边缘智能特性高度相似，区块链无需集中授权，可以提供一种透明、安全、可审计的分布式数据账本。因此，融合区块链和边缘智能将加速“云-边-端”体系架构的成熟，助推基于“云-边-端”区块链的下一代产业互联网基础设施形成。

“云-边-端”区块链技术集P2P网络技术、共识算法、跨链技术、分布式哈希技术、自证明文件体系以及Git等技术于一体，按照面向边缘智能的“区块链互联网”模式，在云计算、边缘计算、5G、区块链等技术助力下，实现“万物互联，无处不在”的基础性创新应用。例如，分布式网络分发协议链（Distributed Network Protocol Chain，DNP）是基于分布式数据存储与点对点传输的“云-边-端”底层公链，可以为分布式、低延时、高密度连接场景提供强大的第三方服务能力。

Polar Chain是星际比特公司推出的面向边缘智能的去中心化对等网络生态系统，如图3-8所示，其优势如下：

·降低时延，扩展带宽。边缘计算利用本地部署的优势，在边缘网络进行数据处理和存储，分散化布局对网络带宽的要求更低，加之距离用户终端较近，因此时延得到有效缩短；

·获取网络需求定位。当终端接入无线网络时，本地计算节点可以确定设备的地理位置，识别用户的网络需求，提供基于位置和用户的分析；

·资源本地化。在本地部署的边缘计算平台相对独立，可以更加轻松地利用本地资源，发展本地服务和应用；

·支持设备异构性。边缘计算平台提供新的入口，支持多样化的异构软件设备；

·提高资源利用率。很多智能终端在非工作状态下处于闲置状态，边缘计算可以在无线网络中对其加以利用，实现物理资源共享。

可以说，Polar Chain就是“云-边-端”架构下传统边缘计算和区块链技术的有机结合，在视频加速、在线VR、CDN服务扩展、物联网、车联网等边缘智能场景具有广阔的发展前景，其系统结构如图3-9所示。人工智能和区块链结合形成的去中心化计算范式将成为下一代IT基础设施。

3.5.2　边缘云原生容器服务

云原生（Cloud Native）是2013年提出的一种架构思想集合，包括DevOps、持续交付（Continuous Delivery）、微服务、敏捷基础设施（Agile Infrastructure）和12要素（The Twelve-Factor App）等主题；其中，DevOps是涵盖Dev（开发人员）+Ops（运维人员）的一组过程、方法与系统的统称；其总体架构包括资源调度、分布式系统服务、应用定义与编排等技术组件与一系列技术对接标准。

由浙江大学、华为等企业共同建立的云原生基金会（Cloud Native Computing Foun-dation，CNCF）是当前容器、微服务领域最活跃的社区之一，目前已经包含20多个开源项目、超过500种开源技术。尤其，以Kubernetes API为基础，大量云原生项目可支持serverless、AI、大数据等多种场景。

从本质角度讲，容器是与操作系统的其他部分相隔离的一系列进程。图3-10为虚拟化技术与容器技术的简单对比，与虚拟化技术不同，容器可共享同一个操作系统内核，将应用进程与系统其他部分隔离开。具体讲，虚拟化技术是使用虚拟机监控程序模拟硬件，从而使多个操作系统能够并行运行；而容器提供了可移植性和版本控制，运行时所占用的资源更少，支持跨多个云环境的容器管理编排。

值得重视的是，在“云-边-端”一体化新格局下，边缘云原生技术生态不断发展。2019年，阿里云发布了致力于实现“云-边-端”一体化协同的边缘容器（ACK Edge Kubernetes），拓展了云原生技术的边界，并已在智能楼宇、智慧停车、物业管理、人脸识别、千人千面等场景中落地应用。其中，边缘云原生容器技术是通用的容器云原生基础设施，可以更好地实现数据协同处理、应用部署，尤其是在延时敏感、带宽有限的情况下，可以按照主流云原生非侵入式原则实现“云-边-端”一体化的弱网自治，以降低边缘资源维护成本。

边缘容器服务架构（如图3-11所示）的端边、云边、边边协同是其重要的原生特质，通过融合计算平台，可实现底层资源的统一云管控和算力资源接入，并支持边缘自治、边缘安全容器、边缘智能等需求。整体的边缘云原生容器服务具有如下价值：

·资源弹性伸缩，按需购买，按量付费；

·降低运维难度，实时可视化监控，海量节点极简运维；

·安全可靠，故障迁移能力；

·服务效率高，极简动态配置。

3.5.3　“云-边-端”一体化机器人系统

机器人的发展历程（如图3-12所示）可划分为机器人1.0、2.0和3.0阶段，实现从感知到认知、推理、决策的智能化进阶。而在即将到来的机器人4.0时代，云端大脑分布在“云-边-端”的全链路，依托边缘智能体系提供更高性价比服务，具备规模化的感知、智能协作、理解、决策、自主服务的能力。

作为机器人4.0的必由之路，“云-边-端”一体化的无缝协同计算将克服网络带宽以及延迟的制约，形成以机器人本体计算为主，云端处理非实时、大计算量的任务为辅的系统架构，无缝地在“云-边-端”上合理地处理基于高清摄像头、深度摄像头、麦克风阵列以及激光雷达等传感器采集的海量数据，实现精准感知理解环境、多模态感知融合、实时安全计算、终端计算（机器人本体）-边缘计算-云计算协同的自适应人机交互功能。

其中，在实时安全计算方面，未来服务机器人将处理大量涉及用户隐私的数据（如视频、图像、对话等）。“云-边-端”一体化架构可以构建隐私数据的安全传输、存储、监测机制，并且限定其物理范围，保证机器人系统即使被远程攻击劫持后也不会造成物理安全损害。此外，按照边缘智能模式，边缘服务器可以在网络边缘、靠近机器人的地方处理机器人产生的数据，减少对于云端处理的依赖，形成一个高效的“云-边-端”一体化机器人系统。

图3-13是“云-边-端”一体化机器人架构图，我们可以看到信息的处理和知识的生成与应用是在“云-边-端”上分布式协同处理完成的。云侧提供高性能计算、模型训练支持以及通用知识存储；边缘侧可以提供有效的算力支持，并在边缘范围内实现协同和共享；机器人终端完成推理引擎部署、实时协同计算、任务迁移等能力，在“云-边-端”一体化架构下支撑机器人获得认知能力的持续进化。

【思维拓展】“云-边-端”全栈边缘智能技术应用

2019年末爆发的新冠肺炎疫情是边缘智能技术的“试金石”，如何在机场、火车站、医院、社区等人员密集型场所进行高效精准的发热个体排查是控制疫情的重要工作。传统体温计、体温枪等测温方式需要大面积、近距离的接触，既危险又低效。

习近平总书记指出：“人类同疾病较量最有力的武器就是科学技术，人类战胜大灾大疫离不开科学发展和技术创新。”基于“云-边-端”全栈边缘智能技术的无感人体测温系统（如图3-14所示）采用红外热成像体温检测方式实现快速异常体温筛查；同时，具备人脸识别和行人重识别功能，实现人体体温与人员智能关联，一旦发现体温异常目标，将立即通过本地语音、灯光等多种方式实时告警，同时体温、人脸比对记录将与云端后台同步，方便后续溯源，实现了大面积人员非接触式防疫体温检测、快速筛查、自动告警、身份识别，为防疫增加了一道保险屏障，降低了发热病人进一步传染的风险。