5G 边缘计算引发算力产业格局巨变

fmcneep

+ u2 [3 \- u. z来源：中泰证券
摘要：边缘计算是5G网络的核心特征，也是结合5G智能物联时代的核心应用特征，针对智能物联场景的特异性，边缘计算对算力需求将呈现定制化个性化的特征，驱动算力产业领域FPGA产业迎来历史性的机会。
/ ?; r+ V1 X; A. x5 q+ o
0 `, W5 p6 f& e1 l; ]5 I6 J  x

5G边缘计算将引发新的算力需求

9 w# g* j! M6 G( q# {6 a. @

5G算力需求受信号处理和边缘计算两大驱动


5G时代的算力需求将受到云管端三大层面的影响。
, r" b. }! ?3 o  S( x
8 s8 J8 W! n+ ]+ }! m' [: @" w+ G! U
- V; F, n4 V9 Z+ U从传输管道的角度看:5G无线通信系统需要支持比4G系统更大的带宽，以及大型的天线阵列，以实现更高的载波频率，从而有可能构建小得多的天线元，未来5G的连接状态会更加复杂多变，一个基站可以覆盖百万级用户量，这一量级对硬件系统的要求会大幅提高;

3 A) I  `' c1 p0 Y9 L  z& N
, M3 v6 Y; G3 D2 a从用户端的角度看:5G时代，终端将突破4G时代的手机端，全面拓展至物联端，包括消费类产品、基础类产品、通用类产品、特定场景产品，带来大量连接与计算需求;

' B% a7 R7 [7 k) P% x2 o
从平台的角度看:在5G时代，云计算平台将面临着海量设备接入、海量数据、带宽不够和功耗过高等高难度挑战，边缘计算将与云计算互相协同，云计算聚焦非实时、长周期数据的大数据分析，边缘计算则更靠近执行单元，能够快速响应，对于时延要求高的业务而言，边缘计算可为客户提供更好的服务。
+ t$ S7 l( U2 [5 x
/ r" g9 T" {% P/ b" P7 M- Q2 o

3 ]" X5 ]9 D; i1 J

" Y7 w- S  m6 x边缘计算是5G时代的关键技术。
1 [" v0 w) F& a$ O


) a! M/ ?+ _0 X* H; t8 U边缘计算是将云计算平台从核心网网元迁移到无线接入网靠近终端的边缘，被确立为5G关键技术，将配套移动接入网搭建贴近用户和终端的处理平台，提供IT或者云的能力，以减少业务的多级传递，降低核心网和传输的负担。


/ r; S# R- [$ s边缘计算是作为5G网络区别于3G、4G标准很重要的差别，是支撑物联技术低延时、高密度等条件的具体网络技术体现形式。
3 b2 Q. d+ u+ B9 A* q
( D! p1 Y/ T* G$ Y( ~

, B) p, a, o" i( B
5 y7 b9 ~5 H1 s; `! m
5G边缘计算的算力需求受两大驱动。

& k/ L$ Y5 f* H
% I: `  k9 f( D* d, J
一方面，通信信号处理需求的增多对算力提出了新要求，另一方面，5G是物联网创新的起点，将带来多种物联场景，边缘计算是支撑物联技术低延时、高密度等条件的具体网络技术体现形式，具有场景定制化强等特点，如智能驾驶要求低延时，而智慧城市则要求高带宽，多场景的算力需求驱动边缘端计算能力的提高。
. P6 F: F" h, s9 c% O7 h
% s* T; y) n# P% x0 C- g- h# f

" r4 A1 H/ U4 L
边缘计算作为5G新特性将成为重要增量部分
, p% N: m" j* H4 n& [% H
, u5 h; e' ~1 e
6 x( W1 ?3 W$ V, t! _6 C
边缘计算将推动5G技术更好的发展。随着物联网时代的到来，边缘计算将与云计算共同推进物联网的发展，边缘计算的核心，是将计算任务从云计算中心，迁移到产生源数据的边缘设备上，较之传统云计算，有以下几大优势:


7 y, L) i# ^2 g9 m1、安全性更高。
2 x  U1 \. q; I3 n
  S! p9 L7 ~% r; e  R) j
边缘计算中的数据仅在源数据设备和边缘设备之间交换，不再全部上传至云计算平台，防范了数据泄露的风险。


* V' K- K7 X+ c; |9 A; t, |2、低时延。
* ]# G' y4 e0 t" u0 F* P9 k2 X
# T8 X3 W- l% \' U, c7 A7 J9 L
据运营商估算，若业务经由部署在接入点的MEC完成处理和转发，则时延有望控制在1ms之内;若业务在接入网的中心处理网元上完成处理和转发，则时延约在2~5ms之间;


即使是经过边缘数据中心内的MEC处理，时延也能控制在10ms之内，对于时延要求高的场景，如自动驾驶，边缘计算更靠近数据源，可快速处理数据、实时做出判断，充分保障乘客安全。


3、减少带宽成本。


一些连接的传感器(例如相机或在引擎中工作的聚合传感器)会产生大量数据，在这些情况下，将所有这些信息发送到云计算中心将花费很长时间和过高的成本，如若采用边缘计算处理，将减少大量带宽成本。
" a: H1 v* J% ^  j( ~
# e0 e; P8 E6 w/ g- t1 h
! S. L9 l& l" ^6 M1 Q) B我们认为，5G推动社会从人联时代走向物联时代，连接数的大量增长，叠加边缘计算自身优势，将成为5G时代不可或缺的一部分。同时，由边缘计算带来的算力需求将成为5G时代重要增量部分。

5 T0 F* V0 H7 j5 Q3 T; x( K
, L% ~5 G* g$ j' k3 B

5G边缘计算将引发技术和市场变革

& q+ M/ v$ b( |
边缘计算低时延、高密度连接的特点将引发技术和市场的变革。
3 e9 [  O7 B" y4 Z' Z6 F- L7 S
$ g7 r% O! s8 b. d' g0 d
& h  [" B6 u& \' G( n/ }从芯片的角度看，边缘计算将带来大量的数据量，对芯片处理能力提出了新要求，多场景的定制化需求对芯片的灵活性有更高要求，过去，在人工智能图像学习领域，GPU大展身手，擅长大规模并行计算的GPU在这一时期出现了爆发增长，而ASIC，则在具有广阔下游市场的细分领域内有较强优势，如矿机市场。
' J' q* `  u8 f6 W5 f
6 ]9 K, ^5 O: u9 b# D
我们认为，面向未来万物互联的物联网时代，FPGA有望引来爆发，FPGA是可编程的加速芯片，开发时间短，占用带宽低，时延低，完美适配低时延、高密度、多场景的物联时代，也许未来某一细分场景市场规模大时，该子领域的加速芯片有望转变为ASIC芯片，但总体而言，我们的判断是:物联时代FPGA将首先迎来爆发。


从服务器的角度看，边缘计算也将为服务器市场带来新变化，边缘服务器将逐步应用与推广，部分客户将选择超融合边缘服务器形态。
5 [- e/ l$ a5 Z* g5 B
4 `; r+ ~4 ?& ~9 B/ |# v$ V
5 E" l8 I# f" x! I3 ~. C/ ?6 s

0 G  t; X" \1 ?% I0 J% v9 w
9 B* f: m: ~0 f

5G边缘场景的多样化驱动算力产业进入FPGA时代

- L2 T: J8 q. c' a( v- [" H边缘计算业务部署需求呈现多样化特征

* j1 C( R2 [( Y  h, ?
7 d! [, k1 e! b' T人联时代网络和物联时代网络存在大差异。
! w4 R8 g7 W8 U) D/ c9 ?; k
4 g, ?# f+ M; B
0 C# P  Q) q" Q1 ]# i8 g8 y9 B' j1 ~首先，物联网将以B端用户为主区别于互联网C端为主，并且无线的物联场景将必然以边缘网络的方式来呈现，当然这与互联网的企业局域网的应用深度有着本质差异，互联网时代的企业需求是信息化为主，而物联时代将主要是智能应用需求为主;
3 s6 T) _1 u8 {# y+ V

针对不同行业和业务比如工业控制、智能驾驶、视频监控等，其对终端功能的定位、算力的需求、应用的方式将会截然不同;在互联网时代马太效应非常显著，赢家通吃，但在物联时代，仅对企业客户需求把控准确的公司才能逐步做大做强。


边缘计算业务部署形态多样。
( P2 W, Q' d' s1 T& l; j6 n( H
" e/ O9 A! S+ U
从细分价值市场的维度，边缘计算主要分为三类:电信运营商边缘计算、企业与物联网边缘计算、工业边缘计算。
+ m0 J, m+ z6 [3 ^

$ k7 V2 z0 o% H- g$ ^8 R- H/ l围绕上述三类边缘计算，业界主要的ICT、OT、OTT、电信运营商等玩家纷纷基于自身的优势构建相关能力，布局边缘计算，形成了当前主要的六种边缘计算的业务形态:
( O5 X2 [+ y- |6 \1 }0 l5 Q

# D" ?% ]  B7 c" c& _物联网边缘计算、工业边缘计算、智慧家庭边缘计算、广域接入网络边缘计算、边缘云以及多接入边缘计算(MEC)，在实际部署的商业用例中，上述的六种业务形态可以独立存在，也可以多种业务形态互补并存。


! @3 F4 d/ U& f

% m" T" Z: C  T) z* F

' c7 h8 }( d5 R2 S- h

+ t7 i" d9 E5 Y8 x7 c

5G边缘计算驱动FPGA将成为产业新重心
2 |8 R7 J, ^5 b6 D7 r

1 j, n6 }( p/ _/ d" g4 ^9 N9 u' H. _
8 j& _) f  B7 q
( ~+ R: ~- H! `在相同的晶体管规模下，越是通用的处理器计算效率越低，能耗比也越差;定制性越高，应用的范围越窄，但越“精通”某一类型的计算。


3 ~% F9 R( L. ^8 ^当某一类型的计算形成一定规模，高算力、低功耗为代表的专用ASIC便成为一种极致下的选择，如区块链的矿机，多使用ASIC芯片。
5 z) a6 w. Q8 H2 U

FPGA，可深度定制，并实现算力升级。


! u; C: F2 ~( {# y6 e2 _一方面，FPGA可针对每一种具体应用，根据其算法结构进行深度定制，甚至为算法的每个步骤设计专门的执行逻辑，避免了通用处理器的取指和译码过程，从而达到较高的计算效率和能效;
+ W5 d$ M6 }8 p) g7 o! L
( ~# \+ _! ^. p
: e4 D/ j1 ?' }! S0 X0 z0 L另一方面，其可编程特性可以加载不同的运算架构，实现器件本身的通用性，不但可以设计针对图像图像的计算结构，也可实现GPU并不擅长的搜索、加密解密等计算结构。


: s, ^5 V& f3 Q: f

* ^  v6 P0 O8 @6 ?
; ~3 K5 B% p! x- G
! e6 g4 A  |+ \3 H9 ]

边缘计算有望带来算力产业高增长

9 b5 |! i& [( [! K; Z4 d+ U& A! ?FPGA市场讲迎来数倍级别高增长


我们认为，边缘计算对算力产业格局带来的巨变由两个方面体现：
$ Q5 o7 l* R% W' a, E$ z3 b

一方面是基站，基站主要进行通信信号的换算，又可以分为宏基站和小基站，其中小基站作为5G最具特征的接入场景，有望成为边缘计算的新入口；
' @, N0 M* |2 Q
- `/ g8 P, A  Y" E2 j+ e, h
, m) v: l- G" b6 I% t9 ]' g另一方面是服务器，边缘计算有望带来服务器产业的变化，大量即时数据的处理，可以放置边缘端，边缘服务器的重要程度将提升。
  e! r; d/ Y5 {5 \( j0 U

4 u, V8 l" L& L7 U1 Y9 n科技需求驱动算力产业格局新变化
' _4 m# m. ]6 X# t0 r8 o0 J. k' G
7 {* K* K! x1 Y7 c7 @
4 g2 C! c* f1 W" i9 J, c8 \3 A7 n2 MFPGA有望在物联时代大放光彩，Xilinx为全球龙头。


7 Y$ t0 b, L# H# H6 s3 Y9 {! GFPGA低时延、低带宽、灵活性高等特性适配物联时代场景定制化需求，有望在物联时代大放光彩。

6 t, e$ P) i) p: s+ T8 O$ @# c# C3 o
2 S/ v( Z- C' P+ P/ y! I6 z在FPGA领域，Xilinx和Altera(现被Intel收购)长期稳坐第一第二的位置，专利达6000多项，根据2017年财报数据显示，Xilinx的市场份额约58%。


目前FPGA主要运用于军事领域，如航天、航空、电子、通信、雷达、高端波束形成系统等领域，民用领域空间正在逐步被打开。

! g& E$ [! d/ @( O: x

GPU:图像学习能力强，独立GPU英伟达为行业龙头。
: W  x7 ~4 A2 O. f


# n9 S2 M0 q: A1 p& [% N! oGPU分为集成GPU和独立GPU，集成GPU市场的主要生产厂商有英特尔、英伟达、AMD等，据EEFOCUS统计，2016年英特尔集成GPU市场份额达到68.1%;
) C; r5 E  s* g3 e% [9 `

' L4 ^, L4 O/ S, A% W独立GPU是以独立板卡形式存在，可在具备显卡接口的主板上自由插拔的显卡，具备单独的显存，不占用系统内存，且在技术上领先于集成显卡，能够提供更好的显示效果和运行性能，主要生产厂商有英伟达和AMD，英特尔宣布将于2020年进军独立GPU市场，据EEFOCUS统计，2016年英伟达和AMD独立GPU市场份额分为为70.5%、29.5%，呈现寡头垄断市场格局。
' T5 |* I$ W/ q. i. t) Z4 R2 f
! ]8 _$ G# c9 ^6 X6 L

& `, \# I/ k/ B* h+ l( l: HASIC:对下游市场空间要求高，在区块链领域独占鳌头。

* d" q5 w+ o% Z% R; Z8 U
5 _5 G/ c) o9 w$ P7 X: Q
目前市场上主流ASIC有TPU芯片、NPU芯片、VPU芯片以及BPU芯片，它们分别是由Google、寒武纪、Intel以及地平线设计生产。

; V* I7 b& y2 g4 Q
9 {6 L% X8 B: L6 c  `7 J: ?9 W+ p由于ASIC开发周期长，仅有大厂有资金与实力进行研发。

) G7 v* \! ?- v# ^8 u" E7 s9 e
- b" e# t- \. E9 o! t" z! c同时，ASIC是全定制芯片，在某些特定场景下运行效率最高，故某些场景下游市场空间足够大时，量产ASIC芯片可以实现丰厚的利润。
0 z! w) P6 w" }
7 K) \) T# }5 b/ F' ?! O
% j- C8 V; W; `/ u& s# w; U# |

5 ^1 c# {& p; k2 v* J
9 `* l- m! q* ~& z& x" [, ^
. C. H2 H$ T- ^" D: Y8 l/ \% [服务器市场:边缘服务器重要性将逐步提升，超融合有望成为趋势。
3 Y* g, s5 M  ~9 Q2 ^
: Q4 z% ^! Y! M0 i; t. a: s& h

/ x" Z5 a6 Z8 i4 q5G通信网络需要去中心化,在网络边缘部署小规模或者便携式数据中心,进行终端请求的本地化处理,以满足URLLC和mMTC的超低延时需求。


边缘服务器的重要性将逐步提升。同时，超融合一体机有望在物联时代得到更广泛的应用。

2 M6 Y1 Z- I& o1 H) ]/ X! x2 y
9 X- x; g$ A9 ?& @! g- G边缘计算有望塑造未来十年产业价值重构
9 s9 o4 ^, q1 P" N3 U& ]

从网络建设的角度看，网络建设有望转变成按需驱动，由传统的运营商统一规划建设，转变为按客户需求进行众筹建设。


7 _' h: j9 m+ ~) @一方面，运营商节省网络建设投资成本，另一方面，企业客户能够按需参与建设网络，满足自身需求，共生营运价值。

* u  e$ A0 k! Z; o
# `) e5 z% _- |2 Z0 T从网络运营的角度看，网络运营有望化整为零，包产到户，由传统的运营商统一管理运维一张包含省干到接入点的庞大网络，转变为企业用户管理运维各自小型网络，达成移动数传业务。

. |6 \6 a  r% ?: R, ~6 r# T
3 U) K) O, X5 H; W. @运营商关注核心网及以上的网元，鉴权计费、安全隐私、增值服务管理等。这将大幅减轻运营商网络运维压力，企业对自身网络也有更大的管理权限。

6 W2 l$ g* j' E' N% e2 H# w2 d
5 n) V9 b$ S4 n/ R, w" E7 d) r1 i6 t从边缘商业模式来看，边缘计算促使运营商建设服务于虚拟化网元的电信云设施。
  B* }! t. Z7 W9 f- K- r: G
8 b3 W( H& Y7 P, u9 ]
* |4 j# i" [) `, l: V面向未来工业互联网，人工智能等新兴业务，运营商需要端到端的网络平面的基础上，借助边缘计算打造一张面向全连接的算力平面，形成算力的全网覆盖，为垂直行业就近提供智能连接基础设施;
% B! X1 @0 c( W( W2 {
# g. C- {* a$ D4 l
7 U: R+ f& J$ q  X而边缘端的厂商的服务内容将多样化，具体可以分为行业应用、PaaS能力、IaaS设施、硬件设备、机房规划和网络承载几个重要领域。

2 x; @" F. a5 j9 H" l! H* {
% A, d9 T/ Z4 M! O8 P$ H3 P; q/ Q未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。
# d. E/ [& f: P
; v3 _8 V' v' g* v0 O. W. J
# y- B5 ]$ D/ d( p* {. @未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

9 O6 f* X/ Q3 P9 {& S9 r6 |* ~
% S9 d' Q  L" N) d3 k4 p7 [  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

7 k! F+ ~! g* q' @. H

+ I" ^% k- A# p6 H
( |+ r6 ~* x& l2 c/ S) t, L来源：http://mp.weixin.qq.com/s?src=11&timestamp=1554715805&ver=1534&signature=00Xz57-dIjf6OE5RGrEcHIHJbw*2NYjOYVwpIU-qje0qFZAaYRX6ui1yi8fwDAt-KGSd7MrjJI6tyFRFjtyoCytfdLK12W2MWIuOKhID1sxIYXey63siRJbdACUCPIbW&new=1
6 u: Y/ H0 r( a/ g# \; t$ P3 t免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！