5G时代新风口——边缘计算

安信证券
安信证券胡又文团队认为,由于5G传输具有低时延、高可靠的通信要求,边缘计算技术成为必然选择。目前边缘计算标准化与产业化的进程正快速推进,预计2020年市场规模将超万亿。计算领域将进入云计算与边缘计算协同互补时代。

要点:

边缘计算, 5G 时代的万亿市场: 边缘计算是指在靠近物或数据源的一侧,采用网络、计算、存储、应用等核心能力为一体的开放平台,就近提供最近端服务,产生更快的网络服务响应,满足在实时、智能、安全与隐私保护等方面的基本需求。 5G 有低时延、高可靠的通信要求,边缘计算成为必然选择。 据 IDC 预测, 2020 年将有超过 500 亿的终端与设备联网,而有 50%的物联网网络将面临网络带宽的限制, 40%的数据需要在网络边缘分析、处理与储存。 边缘计算市场规模将超万亿,成为与云计算平分秋色的新兴市场。

计算能力,正在步入“边云协同”时代。 边缘计算的产生有其客观原因, 主要包括: 1)网络带宽与计算吞吐量均成为云计算的性能瓶颈;2)物联网时代数据量激增,对数据安全提出更高的要求; 3)终端设备产生海量“小数据”, 有实时处理的需求。边缘计算可作为云计算的协同和补充, 两者并非替代关系。 边云协同之下, 预计边缘侧的需求将带来服务器市场的巨大增量。

5G 商用将带动全球运营商 IDC 资本开支持续增长,云数据中心对高速光模块需求持续放量, 400G 高速光模块有望成为主流。 5G 将带来全球流量和带宽持续增长,光模块可以看成是通信系统流量的“闸门”,充分受益于 5G 网络重构。 5G 单基站下行带宽最高可达 20G,传输网光模块也将迈入 400G 时代,为了满足 1ms 低时延的实时业务,边缘计算也被首次写入 5G 标准。 5G 基站接口全部光模块化、边缘计算部署更多光设备和光模块就近响应,同时光传输网将采用更高带宽的 400G光模块。

边缘计算目前已有一些典型应用场景。 包括自动驾驶、安防前端智能化、工业级低时延应用、 VR/AR 即时对战类游戏、远程医疗等。

边缘计算, 5G 时代的万亿市场

边缘计算成为物理世界与数字世界间的重要桥梁。 边缘计算(Edge Computing)是在靠近物或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,就近提供边缘智能服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。它可以作为联接物理和数字世界的桥梁,使能智能资产、智能网关、智能系统和智能服务。

参考边缘计算联盟(ECC)与工业互联网联盟(AII)在 2018 年底发布的白皮书中对边缘计算的定义,作为连接物理世界与数字世界间的桥梁,边缘计算具有连接性、约束性、分布性、融合性和数据第一入口等基本特点与属性,并拥有显著的“CROSS”价值。

边缘计算在技术架构上主要分为计算能力与通信单元两大部分。 边缘计算的目标主要包括:实现物理世界与数字世界的协作、跨产业的生态协作,以及简化平台移植等。从边缘计算联盟(ECC) 提出的模型架构来看, 边缘计算主要由基础计算能力与相应的数据通信单元两大部分所构成。

边缘计算标准化与产业化的进程正快速推进。 参照 Gartner 技术成熟度曲线, 边缘计算正处于创新触发之后的上升阶段,目前已掀起了产业化的浪潮, 各类产业和商业化组织正在积极发起并加速推进边缘计算的研究、标准和产业化活动。

5G 低时延、高可靠通信要求,边缘计算成为必然选择。 根据 ITU(国际电信联盟)的愿景,5G 的应用场景应划分为增强型移动宽带(eMBB)、大连接物联网(mMTC)和低时延高可靠通信(uRLLC)三类。同时, ITU 在带宽、时延和覆盖范围等方面确立了 5G 的 8 项技术要求(表 1)。 其中, 低时延高可靠通信(uRLLC)聚焦对时延极其敏感的业务,例如自动驾驶、工业控制、远程医疗(例如手术)以及云游戏(VR/AR 等实时对战要求) 等。 在 5G 移动领域,移动边缘计算是 ICT 融合的大势所趋,是 5G 网络重构的重要一环。

物联网趋于泛化,为边缘计算提供更多应用场景的可能性。 未来物联网应用可涵盖汽车、家居、工业等各个领域。在汽车领域,物联网与汽车网络相结合,形成解放人类双手的自动化驾驶;在家居领域,物联网使各类家居智能化,为人们生活提供便利;在工业领域,物联网广泛应用于工业控制系统中,为生产流程提高效率。随着技术的进步和人们消费水平的提高,物联网的“泛化”有望呈现进一步扩张的态势,从而产生更多的应用领域,这也为边缘计算提供了更多的场景。

预计年复合增长超 30%,万亿规模市场可期。 随着底层技术的进步以及应用的不断丰富,近年来全球物联网产业实现爆发式的增长。参考 IDC 数据,全球物联网终端设备安装数量有望在 2019 年达到 256 亿台,年复合增速高达 21%。国内物联网市场的增速更高,据 CEDA 预测, 2020 年我国物联网市场规模有望达到 18300 亿元,年复合增速高达 25%。 得益于底层物联网设备的激增,参考拓墣产业研究院的预测, 2018 年至 2022 年全球边缘计算相关市场规模的年复合增长率(CAGR)将超过 30%。 另据 IDC 预测,到 2020 年将有超过 500 亿的终端与设备联网, 而有 50%的物联网网络将面临网络带宽的限制, 40%的数据需要在网络边缘分析、处理与储存。 边缘计算市场规模将超万亿,成为与云计算平分秋色的新兴市场。

计算能力, 正在步入“边云协同”时代

1.在有了云计算的同时, 为什么还需要边缘计算?

我们认为主要存在以下几点原因:

网络带宽与计算吞吐量均成为云计算的性能瓶颈: 云中心具有强大的处理性能,能够处理海量的数据。但是, 如何将海量的数据快速传送到云中心则成为了业内的一个难题。网络带宽和计算吞吐量均是云计算架构的性能瓶颈,用户体验往往与响应时间成反比。5G 时代对数据的实时性提出了更高的要求,部分计算能力必须本地化。

物联网时代数据量激增, 对数据安全提出更高的要求: 不远的将来,绝大部分的电子设备都可以实现网络接入,这些电子设备会产生海量的数据。传统的云计算架构无法及时有效的处理这些海量数据,若将计算臵于边缘结点则会极大缩短响应时间、减轻网络负载。此外,部分数据并不适合上云,留在终端则可以确保私密性与安全性。

终端设备产生海量“小数据”, 需要实时处理: 尽管终端设备大部分时间都在扮演着数据消费者的角色,但如今以智能手机和安防摄像头为例,终端设备也有了生产数据的能力,其角色发生了重大改变。 终端设备产生海量“小数据”需要实时处理,云计算并不适用。

从数据流向的对比上, 1)在云计算架构下,下图左侧的服务提供者提供数据并上传到云中心,需求侧的终端客户发送数据或计算类请求到云中心,云中心响应相关请求并将需求结果发送给终端客户。 2)在边缘计算模式下,如智能手机、 前端智能摄像头、 智能汽车等边缘节点产生数据,上传到云中心, 同时将实时性和安全性要求较高的计算在本地进行处理。

2. 边缘计算是不是对云计算的替代?

边缘计算是云计算的协同和补充,而并非替代关系。 边缘计算与云计算各有所长,云计算擅长全局性、非实时、长周期的大数据处理与分析,能够在长周期维护、业务决策支撑等领域发挥优势。而边缘计算更适用局部性、实时、短周期数据的处理与分析,能更好地支撑本地业务的实时智能化决策与执行。因此,边缘计算与云计算之间并非替代关系,而是互补协同的关系。边缘计算与云计算需要通过紧密协同才能更好的满足各种需求场景的匹配,从而放大边缘计算和云计算的应用价值。边缘计算既靠近执行单元,更是云端所需高价值数据的采集和初步处理单元,可以更好地支撑云端应用。反之,云计算通过大数据分析优化输出的业务规则或模型可以下发到边缘侧,边缘计算基于新的业务规则或模型运行。

百度边缘计算产品 BIE 成为“边云协同”的典范,并进一步开源化。 智能边缘 BIE 是百度云发布的国内首个边缘计算产品,发布伊始即推行“端云一体”解决方案,它由智能边缘本地运行包、智能边缘云端管理套件组成。 在云端进行智能边缘核心设备的建立、身份制定、策略规则制定、函数编写、 AI 建模,然后生成配臵文件和执行文件,通过端云协同的方式下发至本地运行包,在近设备端的本地运行包里完成数据采集、消息分发、函数计算和 AI 推断等功能,通过一键发布和无感部署的方式,极大提高智能迭代的速度,使之整体达到“训练、管理、配臵在云端,采集、转发、计算、推断在本地” 的效果。 2018 年 12 月 6 日,百度宣布将 BIE 的核心功能全面开放,同时推出国内首个开源边缘计算平台——OpenEdge,打造一个轻量、安全、可靠、可扩展性强的边缘计算社区。

3. 边云协同之下,边缘侧需求带来服务器市场巨大增量

5G 时代的多元化应用催生了边缘计算的快速发展,传统的数据中心将向边缘侧延伸,边缘计算将加速 ICT 融合落地。目前,电信的核心业务在实时性、稳定性、管理便利性等方面都对服务器提出了更高的要求,传统的标准服务器在通信的核心业务应用场景还将会面临标准化、环境适应性、易维护性等巨大挑战。

2017 年 6 月,中国移动与中国电信、中国联通、 Intel、浪潮等公司共同发布《OITT 定制服务器参考设计和行动计划书》,形成运营商行业面向电信应用的深度定制、开放标准、统一规范的服务器技术方案及原型产品。

OTII, Open Telecom IT Infrastructure,开放电信 IT 基础设施,是 ODCC 组织下发展的一个针对通讯类企业的服务器规格。相对于普通服务器, OTII 服务器虽然宽度同为 19 英寸,但深度却仅为 450mm,还不到普通机柜深度的一半,这与很多通讯行业所用到的交换机等设备规格相同。因此,这一规格的服务器将很容易部署在基站附近的设备机架上,可以实现更好的兼容性。另一方面, OTII 标准还规定服务器设备必须能够在 45 摄氏度的环境中持续工作,并具备更好的耐腐蚀、抗潮湿特性,以提升服务器在恶劣环境中的完好率,从而降低通讯服务商对基础设施的维护成本。 与通用服务器相比,边缘计算服务器面向 5G 和边缘计算等场景进行针对性定制,能耗更低、温度适应性更宽、运维管理更加方便。

作为 5G 商用的元年,国内的三大运营商无疑都在加紧部署 5G 基础设施,这其中就包括大量的基站设备。但由于 5G 本身信号频率更高,想要覆盖相同的面积, 5G 基站的密度必须大于传统的 4G 基站,而这也就意味着更大量的基础设施投入。显然,这一潜在的巨大市场需求也正是浪潮、曙光、华为等一系列设备制造商不遗余力推动 OTII 标准迅速落地的原因。考虑到除了数据中心之外仍旧存在庞大的边缘计算需求,单纯的整机柜定制服务器显然是无法满足通讯企业全部需求的。因此, OTII 标准的诞生也就变得顺理成章。而在有了整机柜服务器的成功定制经验之后, OTII 从标准确立到实际产品的出现也仅用了一年半时间;

另一方面,相对于 4G, 5G 定义了 eMMB(更高数据速率)、 URLLC(更低延迟和更可靠的链接)和 mMTC(超大规模设备链接)等三大应用场景。而这些场景化概念的引入无一不对基站的计算性能提出了更高的要求,因此, 5G 基站背后的服务器产品升级也是势在必行的。

边缘计算服务器有望在 2020 年实现规模化应用,预计将大幅提升运营商服务器需求量。 在2018 世界移动大会上海期间, 中国移动研究院网络与 IT 技术研究所技术经理、 OTII 项目经理唐华斌介绍了 OTII 首款边缘服务器参考设计方案。与通用服务器相比,这款面向边缘业务和数据中心进行针对性的定制,尺寸更小、能耗更低、温度适应性更宽、运维管理更加方便。根据计划, OTII 服务器 2018 年将重点结合实际业务进行方案验证,并于 2019 年确定硬件设计方案,以支撑 2020 年 5G 业务的规模化应用,预计将大幅提升运营商服务器需求量。

5G MEC 投资近在咫尺, 通信光模块市场受益最大

1. 5G 边缘计算:全球统一标准,统一市场,空间大幅提升

4G 边缘设备未形成统一市场。 在 4G 网络标准制定中,由于并没有考虑把边缘计算功能纳入其中,导致出现大量“非标”方案,运营商在实际部署时“异厂家设备不兼容”,网络互相割裂,运营商有在某些 4G 应用场景部署边缘计算功能的需求时,需要进行定制化的、特定的解决方案设计。因此, 4G LTE 网络部署边缘计算的成本高。同时, 4G LTE 竖井式架构下,网络架构不能满足低时延、高带宽、本地化等需求。

5G 两大标准组织推动,全球统一标准,市场空间大幅增加。 为了解决 4G 痛点, 早在 5G 研究初期, MEC(多接入边缘计算, Multi-Acess Edge Computing) 与 NFV 和 SDN 一同被标准组织 5G PPP 认同为 5G 系统网络重构的一部分。 2014 年 ETSI(欧洲电信标准协会)就成立了 MECISG(边缘计算特别小组)。

2016 年 3GPP SA2 就正式接受 MEC 为 5G 架构之关键课题。 在 5G 第一个冻结的标准 R15 中, 5G 协议模块可以根据业务需求灵活调用,使得 MEC 可以按需、分场景灵活部署在无线接入云、边缘云或者汇聚云。

在 2018 年, 3GPP 的第一个 5G 标准 R-15 已经冻结。 3GPP SA2 在 R15 中定义了 5G 系统架构和边缘计算应用,其中核心网部分功能下沉部署到网络边缘, RAN 架构也将发生较大改变。 欧洲电信标准协会 MEC ISG 标准的两个阶段也在 2017 年底冻结。 预计 2020 年 5G 商用以后, MEC 边缘云的应用将进入百花齐放、百家争鸣的开放阶段。

2. 5G 承载网架构变化, 前传和中回传光模块市场空间大

光模块是 5G 网络物理层的基础构成单元,广泛应用于无线及传输设备,其成本在系统设备中的占比不断增高,部分设备中甚至超过 50~70%,是 5G 低成本、广覆盖的关键要素。 5G单基站下行带宽最高可达 20G(200 倍提升)、传输网光模块也将迈入 400G 时代。

回顾历史, 3G~4G RAN 分布式基站架构演进, 带来光模块需求大增。 2003 年华为、爱立信、 NEC、北电和西门子等联合成立 CPRI(通用公共无线接口组织),分布式基站成为世界3G 主流标准。分布式基站传统宏基站基带处理单元(BBU) 和射频拉远单元(RRU) 分离,将 BBU、核心网、无线网络控制设备集中在机房内, RRU 和 BBU 之间通过光纤相连。 4G时代 BBU 和 RRU 间已经普遍采用了 CPRI 接口,产生全新的连接需求,电信光模块需求的大幅增加。我们以上市较早(2009 年)的光迅科技为例,公司受益于 3G~4G 的网络架构转变,收入和业绩规模实现规模大幅增长。

3. 5G 时代 RAN 的功能重构与云化,将会带来光模块市场规模大增

5G 的最大变化是 RAN 的功能重构与云化:其中包括 CU/DU 分离, DU/AAU 分离,其中CU 将云化,部署在边缘数据中心中。

5G 作为十年一遇的迭代升级,将是光通信行业下一个爆发机会。 3GPP 提出面向 5G 的无线接入网重构方案。 5G 承载网的架构在 4G 网络架构基础上进一步革新, 5G RAN 将从 4G 的BBU、 RRU 两级结构演进到 CU-DU-AAU 三级结构。 三级之间通过光纤连接。 其中 DU(Distributed Unit)是分布单元,负责满足实时性需求同时具有部分底层基带协议处理功能,CU(Centralized Unit)是中央单元,具有非实时的无线高层协议功能。

3GPP 的 C/U 分离架构演进与 MEC(边缘计算) 方向吻合,彻底实现网络扁平化。 我们估计光是 BBU 拆分为 CU-DU 的两级架构,将带来电信光模块需求量数倍的增加。

  • CU-DU 拆分: 按照 5G 单站峰值 5Gbps,均值 3Gbps 估算,一个综合接入点放臵 15个 DU,则每个 DU 都需要一个 10G 光模块。而每个接入环上则需要多达 6 个综合接入点,将采用 100G OTN 形式。
  • CU 与核心网之间: 超大带宽传输,需要 N 个 100G 光模块和 Tb/s 级速率 Tb/s 级。

5G 商用牌照发放后,承载网前传和中后传投资将会逐步上量,在 2019 年下半年接力 4G 扩容。

从 2G~4G, 光模块技术迅速迭代, 逐步向高速率发展。 2000 年初, 2G、 2.5G 基站从铜缆向光纤光缆切换, 光模块从 1.25GSFP 向 2.5GSFP 模块发展。 2008~2009 年 3G 基站光模块速率跃升至 6G。 标准组织 3GPP 提出新的 5G 接口标准 eCPRI, 如果采用 eCPRI 接口,前传接口带宽至少需要 25G 光模块, 但前传 25G 和 100G 都会并存, 以应对 5G 三大应用场景的需求。另外, 5G 光芯片也将从 6G/10G 升级到 25G 的芯片模组, 光模块产业链市场规模显著变大。随着速率的提高,光模块制造工艺门口大幅提升,产品附加值将较 4G 有所提高,有利于具有深厚储备的光模块公司。

4. 5G 核心网下沉,边缘 IDC 建设量增加,数通光模块新增爆点

为了满足 5G 网络的灵活性和低时延、降低回传负担,核心网下沉和云化成为必然趋势。 原先的 4G EPC 拆分成 NewCore 和 MEC 两部分: NewCore 将云化部署在城域核心的大型云数据中心, 边缘 DC 部署在城域汇聚或更低的位臵中小型云数据中心。核心网分拆和中小型边缘云数据中心建设。

网络架构逻辑的分拆,也将增加大量高速光模块的需求。 我们估计每一级网络节点分拆都将带来接口光模块成倍的增加,其中接入机房将使用低速光口,而汇聚机房将使用 10G 或 100G光口。

5G 时代,运营商将会采用通用数据中心云化的组网方式,以区域、本地和边缘三层的数据中心为基础,来构建整个云化网络。同时, 5G 边缘计算促进采集、控制类业务将会带来运营新的 2B 业务增量,包括精密工控、远程医疗、车联网等。因此, MEC 是 5G 网络投资中的关键一环, 对于运营商, 5G MEC 的部署价值巨大:

降低占用成本,网络提效: 通过对 4K/8K、 VR/AR 等高带宽业务的本地分流,降低对核心网络及骨干传输网络的占用。

低时延、高可靠、大计算: 通过内容与计算能力的下沉,有效支撑时延敏感型业务(车联网、远程控制等)以及大计算和高处理能力需求的业务(视频监控与分析等)。

运营商转型 MEC 是边缘云计算环境和网络能力开放平台,运营商可以构建自己的网络边缘生态,运营商实现从连接管道向信息化服务使能平台的转型。

5. 云数据中心资本开支持续增长, 网络架构向“叶脊”结构演进

为了应对大工作负载和低延迟需求,云数据中心正在迁移到叶脊架构。传统大型云数据中心网络架构为三层网络,主要采用纵向的传输方式。 伴随着虚拟化、云计算、超融合系统等应用,使得东西向数据流成为主要流量。 原有的结构难以应对日益增长的需求,因而“叶脊” 拓扑结构开始成为主流,这种结构在传统纵向传输的基础上增加对横向传输的支撑。

叶脊架构所需要的高端光模块数量 10 倍于传统三层架构。带来 100G 高速率光模块市场容量大幅增加。 叶脊网络结构使得网络规模变大、网络扁平化、光纤覆盖率提升,使得网络需要更多的交换机、叶/脊交换机之间更快的传输速率,更需要更多横向的流量接口实现(光模块)。其中, 主干、叶子架构和高基数交换机均需要光模块大规模互连,通过极端密度网络优化带宽传输,数据中心园区带宽需求可高达 100Tbps 甚至 200Tbp。单个园区中的每个数据中兴互联,其光纤密度甚至达到 10000 根,则两端的光模块数量将达到 2 万个级别。

根据 IDC 统计, 云数据中心内网络设备投资占整个云数据中心 ICT 投资的 32%,仅次于服务器投资,光模块是网络设备间通信重要组成部分。 2019 年 200G 和 400G 模块有望放量。将我们根据 Ovum 对 40G~200G 各速率光模块/器件市场预测, 40G~200G 光模块市场规模将从 2017 年的 79 亿美元增长到 2020 年的 139 亿美元。其中数通市场光模块市场规模从40 亿美元增长到 82 亿美元,电信市场光模块市场规模大约从 39 亿美元增长到 57 亿美元。

按传输速率来看,数通 100G 光模块市场规模将从 2017 年 34 亿美元增长到 2020 年 75 亿美元,复合增速达到 30%。 Light Counting 也预测 200G 和 400G 光模块将从 2019 年开始实现规模发货,同时认为 400G 光模块市场将遵循 100G 市场同样的爆发逻辑,短期内快速放量,而不会像 40G 一样缓慢爬坡。

边缘计算的典型应用场景

欧洲电信标准化协会(ETSI)定义了 7 类典型的边缘计算应用场景,涵盖了当前最主流的边缘计算产品内涵和垂直行业应用场景。包括监控视频流、增强现实 AR、 自动驾驶、工业互联等等。

我们认为,自动驾驶、 安防前端智能化、 工业控制、 远程操控(如医疗手术等) 等场景在实际应用中需要不超过 10ms 的网络时延, 此类场景 5G 业务的终结点不可能依赖在核心网后端的云平台,因此边缘计算的发展最迫切,也最必要;同时,边缘云也促进部分即使社交应用爆发,例如即时对战 VR/AR 游戏等。

1. 自动驾驶

自动驾驶就是“四个轮子上的数据中心”, 车载边缘计算平台成为刚需。 随着汽车自动驾驶程度的提高,汽车自身所产生的数据将越来越庞大。根据英特尔 CEO 测算,假设一辆自动驾驶汽车配臵了 GPS、摄像头、雷达和激光雷达等传感器,则上述一辆自动驾驶汽车每天将产生约 4000GB待处理的传感器数据。不夸张的讲,自动驾驶就是“四个轮子上的数据中心”,而如何使自动驾驶汽车能够实时处理如此海量的数据,并在提炼出的信息的基础上,得出合乎逻辑且形成安全驾驶行为的决策, 需要强大的计算能力做支持。考虑到自动驾驶对延迟要求很高, 传统的云计算面临着延迟明显、连接不稳定等问题,这意味着一个强大的车载边缘计算平台(芯片)成为了刚需。 事实上, 如果我们打开现阶段展示的自动驾驶测试汽车的后备箱,会明显发现其与传统汽车的不同之处,都会装载一个“计算平台”,用于处理传感器输入的信号数据并输出决策及控制信号。

高等级自动驾驶的本质是 AI 计算问题, 车载边缘计算平台的计算力需求至少在 20T 以上。从最终实现功能来看, 边缘计算平台在自动驾驶中主要负责解决两个主要的问题。 1)处理输入的信号(雷达、激光雷达、摄像头等); 2)做出决策判断、给出控制信号:该加速还是刹车?该左转还是右转?英伟达 CEO 黄仁勋的观点是“自动驾驶本质是 AI 计算问题,需求的计算力取决于希望实现的功能。”,其认为自动驾驶汽车需要对周边的环境进行判断之后还作出决策,到底要采取什么样的行动,其本质上是一个 AI 计算的问题,车端必须配备一台AI 超级处理器,然后基于 AI 算法能够进行认知、推理以及驾驶。根据国内领先的自动驾驶芯片设计初创公司地平线的观点,要实现 L3 级的自动驾驶起码需要 20 个 teraflops(每秒万亿次浮点运算) 以上的的计算力级别,而在 L4 级、 L5 级,计算力的要求则将继续以数量级形式上升。

2. 安防前端智能化

前端智能化的必要性——实现实时性解析和解决传输带宽瓶颈。 安防产业智能化升级是行业发展的大趋势,后端智能化以及前端智能化是厂商针对智能化升级的两种并存的解决方案。其中,前端智能化的核心功能是为后端提供高质量、初步结构化的图像数据,其主要作用有两点: 1、提升部分智能分析应用的实时性; 2、节省带宽和后端计算资源。典型的前端智能摄像头内臵深度学习算法,一方面可以在前端完成人脸定位和质量判断,有效解决漏抓误报问题,同时拥有较好的图像效果,即使周围环境光线不佳,人员戴帽子或一定角度下低头、侧脸,仍然可以做到准确识别,并自动截取视频中的人脸输出给后端;另一方面可以输出编码后的网络视频,还支持输出非压缩、无损无延时的视频流图像。这样可以为大型用户节省服务器成本和带宽,因为在同等服务器数量和计算能力的情况下能够接入更多路摄像头。后端智能化产品的核心功能则是利用计算能力对视频数据进行结构化分析。

智能前置的趋势下,前端的价值将大幅提升。 我们在行业深度报告《人工智能+安防:天眼时代 智识万物》中详细比较了前端升级和后端升级两种方案的优劣以及发展趋势,最终的结论是:出于满足实时性处理的需求,以及缓解后台存储的压力,厂商们会越来越将计算力前置,即智能前置。以人脸识别为例,传统的人脸识别产品都是采用前端摄像机抓拍图片,后端服务器计算比对的模式,而前端智能的模式下,智能化的摄像机可以不依托服务器而实时进行图像处理、人脸识别,极大提高了识别效率以及后端存储的效率。前端智能化的趋势实际上即意味着产业链上下游将发生价值转移。整个安防智能化系统对于后端系统的依赖程度将进一步降低,后端价值将部分转移到前端,前端的价值将大幅提升。

国内安防智能前端的市场规模有望突破 1500 亿。 从产业调研结果来看, 2018 年以来,主流深度学习摄像头芯片开始成熟量产,有效解决目前限制前端智能摄像头放量的计算芯片瓶颈。按照 2021 年智能摄像头渗透率达到 45%测算, 我们预测国内智能安防前端硬件产品空间在2021 年预计将超过 1500 亿元。

3. 低时延工业级应用

工业高精度控制对时延和可靠性的敏感度极高, 无论是中国、韩国和日本的运营商,都非常关注 5G 新业务中工业级客户(2B) 的价值。这些行业市场包括运输、物流、能源/公共设施监测、金融、医疗和农业。实现工业国产自动化、无线化和智能化,典型场景包括视频监控、机器人控制、自动巡查安防等。

机器人控制: 参考华为 5G 白皮书, 同步实时协作机器人要求小于 1 毫秒的网络延迟。到 2025 年, 预计全球状态监测连接将上升到 8,800 万, 全球工业机器人的出货量也将从 36 万台增加到 105 万台。

馈线自动化: 当通信网络的延迟小于 10ms 时,馈线自动化系统可以在 100ms 内隔离故障区域,这将大幅度降低发电厂的能源浪费。参考华为 5G 白皮书,从 2022 年到 2026年, 预计 5GIIoT 的平均年复合增长率(CAGR)将达到 464%。 ABI Research 的预测数据,全球配电自动化市场将从 2015 年的 130 亿美元增加到 2025 年的 360 亿美元。

视频监控和无人机巡检: 配备无人机进行基础设施、电力线和环境的密集巡检是一项新兴业务, LiDAR 扫描所产生巨大的实时数据量将需要>200Mbps 的传输带宽。 ABIResearch 的估计,小型无人机市场将从 2016 年的 53 亿美元迅速增长到 2026 年的 339亿美元,包括来自软件、硬件、服务和应用服务的收入。

4. VR/AR 即时对战类游戏

现阶段 VR 游戏体验不佳:其中游戏类 VR 应用基本以本地重度游戏为主,设备典型盘根错节,用户容易绊倒。 假如联网游戏时延高达 50ms,导致用户眩晕问题,体验仍然不佳。 因此, 现阶段 VR 较多应用在营销场景,如远程看房、看二手车等营销场景较多,并且依赖于Wifi 及 4G 网络为主。

未来 5G 设备实现直接边缘云端访问, VR/AR 时延问题解决: 实时 CG 类云渲染 VR/AR 需要低于 5ms 的网络时延和高达 100Mbps 至 9.4Gbps 的大带宽。 同时, 5G 可以支持多用户近距离连线。

云 VR/AR 将大大降低设备成本,从而提供人人都能负担得起的价格。 5G 将显著改善这些云服务的访问速度云市场以 18%的速度快速增长。家庭和办公室对桌面主机和笔记本电脑的需求将越来越小,直接连接到云端的各种人机界面,并引入语音和触摸等多种交互方式。

5. 视频云:远程医疗、 4K/8K 高清视频

远程诊断:远程诊断依赖 5G 网络的低延迟和高 QoS 保障特性,例如无线内窥镜和超声波这样的远程诊断依赖于设备终端和患者之间的交互。力反馈的敏感性决定低延迟网络才能满足要求。其它应用场景包括医疗机器人和医疗认知计算,这些应用对连接提出了不间断保障的要求(如生物遥测,基于 VR 的医疗培训,救护车无人机,生物信息的实时数据传输等)。ABI Research 预测,智慧医疗市场的投资预计将在 2025 年将超过 2,300 亿美元,智慧医疗市场将在 2025 年超过 2,300 亿美元。

高清视频: 5G 的高速率特性将是用户不仅能观看当下各类视频内容,还将随时随地体验 4K以上的超高清视频。 参考 intel 的《5G 娱乐经济报告》 ,预计未来 10 年内 5G 用户的月平均流量将有望增长 7 倍,而其中 90%将被视频消耗,预计到 2028 年,仅凭消费者在视频、音乐和游戏上的支出就会增加近一倍,全球总体量将达到近 1500 亿美元。

本文作者:安信证券 胡又文、夏庐生、彭虎,原标题:《边缘计算, 5G 时代新风口》

风险提示及免责条款
市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。
相关文章