中国联通智能MEC技术白皮书.pdf

2019-6 2019 年 6 月 中国联通智能 MEC 技术白皮书 China Unicom Intelligent MEC Technology White Paper 中国联通智能 MEC 技术白皮书 I 目录 1 概述 . 1 1.1 白皮书愿景及目标 . 1 1.2 白皮书状态 . 1 2 MEC 边缘云智能化演进趋势 . 3 2.1 MEC 边缘云发展概述 . 3 2.2 MEC 边缘云面临的挑战 . 4 2.3 MEC 边缘云智能化的分阶段演进 . 4 3 MEC 边缘云智能化的需求分析 . 6 3.1 业务需求 . 6 3.2 管理需求 . 7 4 中国联通智能 MEC 边缘云部署策略 . 8 4.1 组网结构 . 8 4.1.1 5G 智能 MEC 边缘云 . 8 4.2 部署位置 . 9 4.2.1 5G 智能 MEC 边缘云部署 . 9 4.3 智能 MEC 边缘云功能架构 . 11 4.4 应用场景及案例 . 14 4.4.1 Lv0 传统 MEC 场景 . 14 4.4.2 Lv1 初级智能化场景 . 15 4.4.3 Lv2 中级智能化场景 . 16 4.4.4 Lv3 高级智能化场景 . 19 5 总结和展望 . 21 6 附录 . 22 6.1 缩略语 . 22 6.2 参编单位与人员 . 23 中国联通智能 MEC 技术白皮书 1 1 概述 1.1 白皮书愿景及目标 5G 规模商用在即，全 球运营商纷纷加快构建以 DC 为核心的全云化网络，致力于摆脱 “ 管道 ” 提供商的角色，努力开拓更多新业务增长领域，转型成为数字化服务提供商。 MEC 边缘云将高带宽、低时延、本地化业务下沉到网络边缘，成为 5G 网络重构和数字化转型的关键利器。数以万计的边缘节点助力运营商开启与 OTT 及垂直行业合作的新窗口， MEC 边缘云是 锲入 5G 垂直行业的重要触点。目前，中国联通在边缘计算领域积极探索，多省市开展 Edge-Cloud 规模试点，打造智慧港口、智能驾驶、智慧场馆、智能制造、视频监控、云游戏、智慧医疗等 60 多个试商用样板工程，极大 地推动了产业链发展，加快了 5G 商用步伐。 与此同时，随着大数据与机器学习、深度学习的结合，人工智能在语音识别、文本处理、计算机视觉等领域的应用取得了突破。事实证明，这种利用大量数据学习规则的方式给很多问题带来了全新的解决方式。在强大的数据收集能力支撑下，人工智能技术被应用来解决诸多网络和业务的问题，人工智能使能 MEC 就是其中之一。特别是深度学习，对于处理庞大数据具有极大优势。通过在边缘计算框架中引入人工智能，可以优化边缘缓存，实现计算任务卸载以及边缘上的资源调度，进而达到优化整体边缘计算系统性能的效果。另外 ， MEC 边缘云将为 AI应用的落地提供支撑。许多智能化应用（如智慧城市、智能网联等）将基于边缘计算得以成为现实，并使得这些复杂的智能应用实现在边缘侧的实时处理。在边缘侧引入人工智能，大量数据不需要再回传云端，直接在边缘侧处理，降低了延时，极大地提高了用户服务质量。因此，未来 AI 与 MEC 边缘云将会有更加深度的融合。 本白皮书基于 5G、 AI、大数据、边缘计算等技术飞速发展的产业背景，提出了 MEC 边缘云智能化的内涵及分阶段演进的理念，并对智能 MEC 边缘云的功能架构和不同智能水平的典型场景进行了详细阐述。我们期望与产 业界共同探讨智能 MEC 技术的发展趋势和未来商业模式，共建智能化的网络边缘生态，促进 AI技术与边缘计算的深度融合与发展。 1.2 白皮书状态 本白皮书为 1.0 版本，主要探讨了 MEC 边缘云的智能化定义、分阶段演进规划、功能架构，以及各阶段典型的智能化应用场景。虽然还不够全面，并可能存在需要继续完善的地方，但仍希望这一版本的发布能对产业界有所帮助。随着中国联通智能 MEC 技术白皮书 2 5G 商用网络的部署、 MEC 技术标准的冻结，以及 中国联通网络 AI 平台智立方（ CUBE-AI） 未来在边缘计算领域的应用探索，后续版本将会针对“ MEC+AI” 这一业界热点课题不断 加入新的研究内容，欢迎各界同仁提出修改意见和建议。 中国联通智能 MEC 技术白皮书 3 2 MEC 边缘云智能化演进趋势 2.1 MEC 边缘 云发展概述 在 5G 时代， MEC 边缘云可承接多种接入方式下的应用，为未来的业务提供者（ SaaS）、行业能力提供者（ PaaS）、基础设施提供者（ IaaS）提供了一个很好的平台和融合节点。可以孵化出更多的创新型业务和应用，在为客户提供更好体验的同时带来新的商业模式。 随着行业数字化转型和云计算的快速普及，大量行业的低时延本地业务需要有新的解决方案， 直接推动 边缘计算技术加速发展， 边缘计算正在成为云计算的有力补充。在 Gartner 公布的 2019 年十大技术趋势，边缘计算位列其中。 Gartner认为，从云到边缘被视为未来科技发展的重要趋势。 边缘计算的内涵很宽泛，各产业有不同的视角。 ISO/IEC JTC1/SC38 对边缘计算给出了最权威，也是最宽泛的定义：边缘计算是一种将主要处理和数据存储放在网络 的 边缘节点的分布式计算形式。 图 2.1 不同行业对边缘计算的关注点区别 相对而言，工业行业关注现场计算，运营商关注 MEC，互联网厂商关注边缘网关和云服务。在电信行业， MEC 从技术出现到备 受认可和应用，经历的时间并不长。 在国内，以中国联通为代表的运营商在 MEC 边缘云方面做了积极的创新和探索。 2017 年 6 月份上海 MWCS，中国联通在梅赛德斯 -奔驰文化中心实现基于 MEC边缘云的 “ 智能场馆 ” 商用部署，并于 2017 年底，联合 INTEL、 腾讯等 OTT 厂商在天津建设成全球最大的边缘计算测试床，推进边缘 vCDN、视频解码等多种边缘业务的部署和测试工作； 2018 年巴塞罗那 MWC，中国联通又宣布启动 15 个省市 MEC Edge-Cloud 大规模试点，发布了中国联通 Edge-Cloud 平台架构及产业生态白皮书 ； 2019 年 MWC 期间，中国联通召开了以 “ 构建智能边缘生态、中国联通智能 MEC 技术白皮书 4 赋能 5G 数字转型 ” 为主题的 MEC 边缘云商用加速计划发布会。 在国际上， MEC 也已成为很多大型运营商 5G 时代的重要战略。 2017 年 7 月，美国 AT&T 宣布将重构 65000 个基站和 5000 个机房为边缘数据中心， 2018 年初Linux 基金会也创建了边缘计算开源项目。此外， 沃达丰也积极参与了 MEC 标准制定，联合合作方进行了 V2X 业务创新，对企业园区、视频分发、视频监控、车联网、云游戏等场景进行了验证。 在工业互联网等 5G 垂直行业，对 MEC 及其 AI 能力产生越 来越明确的需求。比如电力行业，未来以智能电表为核心的智能终端采集数据量庞大，服务实时性需求、预测准确性需求都在不断增长，预测性维护、敏捷本地故障修复、智能供电、智能巡检等智能化应用在传统 MEC 功能架构下是无法满足的，因此电网企业正在引入智能 MEC 等新技术支撑这些需求的实现。 2.2 MEC 边缘 云面临的挑战 随着物联网和移动互联网的飞速发展，数据量呈现指数级增长，越来越多的数据需要在网络边缘进行存储、分析和处理，对边缘计算能力提出极大挑战。 将 AI 引入 MEC 边缘云，可以大幅提升边缘计算处理能力，促进各 类创新业务的落地 实现。比如，在视觉识别领域，通过视频捕捉，在网络边缘深度优化人脸检测算法，可以实现 1200 帧 /秒的人脸检测功能，检出率超过 98%。 同时，人工智能发展至今，在网络领域边缘计算成为打通 AI 的最后一公里。人工智能部署在 MEC 边缘云的位置，可以更有效地处理实时性要求高、存储周期短的数据，增强本地化管理运维，以及边云协同的能力，满足未来 5G 业务发展的需求。 2.3 MEC 边缘云智能化的分阶段演进 智能化是 MEC 边缘 云发展的下一个阶段，更注重与业务场景的结合。智能MEC 边缘云 ，是在 MEC 边缘云基础之上，从平台服务、业务 使能 等 层面 分别引入AI 能力，可以在本地 进行 推理分析以及模型训练，最后做到云边协同。 MEC 边缘云智能化的建设不是一蹴而就的，而是逐步分阶段演进的过程。因此，本白皮书提出 MEC 边缘云智能化演进的四个阶段，作为智能化水平的衡量依据以及未来演进的规划参考。 MEC 边缘云的智能化水平，可重点考察 AI 平台（引擎）能力， AI 使能的平台服务能力（包含网络服务 /应用服务），协同管理能力等方面因素。综合考虑以上维度， MEC 边缘云的智能化演进可以分为以下四个阶段 ： 中国联通智能 MEC 技术白皮书 5 传统 MEC 阶段 Lv0: MEC 边缘云未引入任何 AI 能力（如推理分析 、模型训练、数据感知等）；边缘节点之间、边缘节点与云端之间互相分隔、独立，全网尚未形成统一的算力平面和数据平面。 初级智能化阶段 Lv1: MEC 边缘云为特定应用场景引入单一的业务 AI 能力（比如视频监控场景中的人脸识别能力），能够在 本地 进行 AI 推理与分析 。 中级智能化阶段 Lv2: MEC 边缘云引入轻量级的 AI 引擎，具备本地小规模模型训练和推理能力。 高级智能化阶段 Lv3:基于 AI 人工智能实现 边缘节点与云端之间的高效协同（即边云协同），共同提供灵活自治、自主进化的泛在智能计算服务。边云协同主要体现在数据、 算法、任务三个维度：数据协同打破“数据孤岛”，算法协同破解数据隐私保护难题，任务协同为应用场景提供多种类、一致性的智能服务。 中国联通智能 MEC 技术白皮书 6 3 MEC 边缘云智能化的需求分析 纵观电信技术的发展，从 2G 到 5G，从 IP 化到云化，以及大数据、 AI 人工智能的全面渗透，每一次行业变革的背后都有业务需求的驱动， MEC 边缘计算同样受到这一因素的推动。 3.1 业务需求 目前，在 5G 垂直行业应用创新初期，中国联通聚焦十大重点行业，分别为智能制造、智能网联、智慧医疗、智慧教育、智慧城市、智慧体育、新媒体、智慧能源、公共安全、泛在低空。这些行业主要涉及四大类业务场景：视频监控、工业视觉、大视频、交通物流，它们具体的业务需求分析如下： 1、 安防监控 在智慧园区、零售商超、住宅等视频监控场景实现边缘侧的视频预分析，实时感知异常事件，实现事前布防、预判，事中现场可视、集中智慧调度，事后可回溯、取证。目前监控视频数据量大，对视频分析的实时性要求高。因此边缘侧需要灵活易用的视频分析算法，在边缘侧对视频进行压缩、剪辑、事件检测等。 2、 工业视觉 工业视觉可应用于传统工业制造中。传统的工业制造主要采用人工肉眼检测产品 的缺陷，不仅工业 IoT 设备监控数据无法做到实时监控，设备巡检人力投入大，而且在检测过程中容易出错，导致误检、漏检等问题。因此需要将机器视觉应用在工业制造边缘侧进行边缘质检，实现自动视觉检测、提升产品质量，自动化运维，减少大量设备的运维运营投入，并且可以做到预测性维护。 3、 交通物流 交通物流多涉及到敏感数据问题，特别是对于客户数据的安全性、合法合规/隐私保护等。因此需要采用文字识别技术，在边缘完成数据脱敏，对完整图片进行切片，在本地处理和存储关键数据和隐私数据。 4、 大视频业务 大视频业务涉及互联网 视频和游戏， OTT厂家已经规模部署了很多 CDN节点，目前仍存在互动直播 /在线教育视频数据量大，互动时延要求高，云游戏、云手机、视频 /语音社交等移动类应用用户分散，上云后用户时延无法保证，用户体验差等问题。因此需要引入人工智能统一管理 CDN 边缘 节点 ，帮助用户实现应用智能调度，弹性伸缩以及边缘 节点 和边缘应用的智能运维。 归纳起来， MEC 边缘云亟需引入人工智能技术，满足垂直行业在视频分析推理，机器视觉，智能资源调度 /运维，网络深度感知，高精度定位等方面的业务中国联通智能 MEC 技术白皮书 7 需求，实现业务实时化、数据本地化、应用智能化，从 而促进 5G 行业应用的发展，繁荣产业生态。 3.2 管理需求 整个 MEC 边缘云系统的运营支撑，也需要引入人工智能，从而构建敏捷、高效的智能运维能力。边缘计算、网络切片、云原生等技术的突破，正在支撑运营商实现前所未有的运营灵活性以及服务领域的更大扩展，由此带来的管理复杂性也将指数级增长。因此，基于具体 MEC 边缘云环境的运维数据，根据不同管理对象从健康度、容量等多维度考虑，通过全面引入 AI 能力，实现问题解决的闭环和智能运维，也是迫切需要的。 中国联通智能 MEC 技术白皮书 8 4 中国联通智能 MEC 边缘云部署策略 4.1 组网结构 4.1.1 5G 智能 MEC 边缘云 图 4.1 5G 智能 MEC 边缘云组网结构 智能 MEC 边缘云仅在 MEC 边缘云中引入 AI 能力引擎，组网结构与 MEC 边缘云保持一致。 5G 网络架构下，采用全新的 SBA 基于服务化的核心网架构 ，用户面 功能完全由 UPF 实现，包括：计费、合法监听、流量统计、流量转发等。 因此，智能 MEC边缘云既实现了将云资源下沉到距离用户较近的网络边缘，同时可作为能力开放平台，为第三方业务提供丰富的平台能力。 MEP平台通过与 NFV虚拟化技术结合，以虚拟化的形式部署，按需调用，灵活部署。 智能 MEC 边缘 云部署位置在 UPF 用户面的后面，根据 UPF 位置和业务要求按需部署智能 MEC 边缘云。对于某些场景， 如 工业控制、 无人驾驶 等需要保证 业务的低时延和大带宽要求，则 UPF 下沉位置 可 至区县级 汇聚 机房和综合接入机房，智能 MEC 边缘云也 跟随 UPF 下沉部署。 对于某些 场景对时延要求不高，但是需要提升 覆盖的场景，则 智能 MEC 边缘云可提升部署位置，在本地 DC 或更高层区域DC 部署，相应的 智能 MEC 边缘云资源池规模也要增大。 整个智能 MEC 边缘云服务器为通用 IT 服务器， AI 引擎 、 MEP 可作为虚拟化网络功能 VNFM 的形式部署 ，分流功能根据 3GPP 协议，将采用上行分类器（ Uplink Classifier， UL CL）、基于 IPV6 的多归属锚点（ Multi-homing）和 LADN 方法