哪个牌子的深度学习GPU服务器是大家看好并推荐的呢？

深度学习GPU服务器属于异构计算服务器，将并行计算负载放在协处理器上。如果推荐，首选一定是英伟达GPU服务器，或者选择英伟达授权的官方代理也是可以的。国内有很多英伟达代理商，蓝海大脑就是其中之一。有兴趣的可以去了解一下。

异构计算是指利用不同类型的计算资源（如CPU、GPU、FPGA等）来完成不同的计算任务，以达到更高效、更低功耗的计算效果。相关知识如下：

1、在异构计算中，不同的计算资源具有不同的优势和特点。例如，CPU适用于复杂的逻辑控制和串行计算，GPU适用于大规模并行计算和高性能计算，FPGA适用于定制化计算和低功耗计算。通过合理地分配计算任务和利用不同计算资源的优势，可以大大提高计算效率和性能。

2、为了实现异构计算，需要解决一些关键问题。首先，需要设计合理的算法和编程模型，以支持异构计算资源的利用和管理。其次，需要实现高效的异构数据传输和同步，以保证不同计算资源之间的协同工作。此外，还需要考虑异构计算资源的功耗管理和优化，以降低整个系统的功耗。

3、目前，许多领域都在研究和应用异构计算技术。例如，在人工智能领域，由于深度学习算法的并行性和大规模数据处理的特点，GPU已经成为主流的计算平台之一。在物联网领域，由于嵌入式系统和传感器等设备的低功耗要求，FPGA被广泛应用于这些设备的计算和通信控制模块中。

计算资源的定义及相关知识

1、计算资源是指用于处理和存储数据的硬件和软件系统，包括计算机、服务器、存储设备等。这些资源对于企业和组织来说是非常重要的，因为它们是数字化时代的基础设施，支持着各种应用程序和服务的运行。

2、计算资源包括各种硬件和软件组件，例如CPU、内存、硬盘、网络接口、操作系统、数据库等。这些组件协同工作，使计算机能够执行各种任务和应用程序。

3、计算资源的配置和管理对于企业和组织来说是非常重要的。合适的计算资源可以满足企业的需求，提高工作效率和生产力。例如，如果一个企业需要处理大量的数据和复杂的计算，那么需要配置高性能的CPU和大量的内存来支持这些任务。

1月上旬，新元科技股价暴涨，其布局的云游戏服务器业务受到关注。记者来到新元科技，与高管进行面对面交流，探究作为轮胎橡胶设备厂商的新元科技，如何布局智能行业机器人，打造智慧工厂、智慧城市另外，记者与新元科技高管就云游戏领域的ARM型服务器进行了沟通。

新元科技高管介绍，公司炼胶设备主业仍将继续发展，清投智能的智慧工厂业务主要为各种智能行业机器人，应用于电站、高铁、戒毒所等固定区域的巡视巡检。另外，公司通过子公司邦威思创布局的ARM颗粒计算云游戏服务器设备2019年开始推广。

(右起分别为邦威思创总经理陈尧、新元科技副总经理张亮)

“职业涉险”机器人

据了解，新元科技主业为智能化输送配料系统，主要产品包括上辅机系统、小料配料称量系统、气力输送系统，用于轮胎橡胶行业的炼胶环节。2017年控股清投智能后，主营业务拓展至大屏幕智能显示控制系统和智能装备业务。

历史财务数据显示，在收购清投智能后，智能制造业务利润不断提高。2017年，新元科技与清投智能净利润分别为208900万元与95284万元，到了2018年，两者净利润分别为700346万元与523930万元，2019年上半年，清投智能净利润已超过母公司，两者分别为253290万元与306886万元。

关于新元科技的发展方向，公司高管介绍，公司整体围绕智能制造展开，发展战略为两条主线：一条是智慧工厂，第二条主线是工业智能机器人。

据了解，智能装备制造与智能机器人项目均由清投智能承载，“清投智能主营业务为大屏幕显示控制系统和智能装备的研发、生产和销售;主要产品包括液晶项目、DLP项目、智能滑雪机、智能枪弹柜、智能机器人等。”新元科技在财报中称。

新元科技专门介绍了智慧工厂业务的“亮点”——“宝”系列智能巡检机器人，包括应用于电站巡检的“电宝”、应用于安防巡逻的“安宝”、运维辅助机器人“维宝”等。

(清投智能“宝”系列机器人展示图)

(清投智能“宝”系列机器人产品线归类)

新元科技副总经理张亮介绍，“宝”系列机器人绝大部分原材料来自外采，清投智能的优势在于数据采回后的智能化分析处理，同时，在机器人制造时不断整合红外雷达壁障、AI图像识别处理等功能，整合设计也是优势之一。

在市场竞争方面，张亮告诉记者，除了清投智能之外，做巡视巡检机器人的企业以国家电网下属企业为主，向外延伸的很少，公司向外延伸已取得一定成果，向化工厂、煤矿输煤廊桥、中储粮粮食储备库、看守所等应用场景延伸出的销量大于电网销量。

(电宝应用场景)

“现在‘宝’系列机器人的成本较人工成本优势并不突出，但考虑社保、伤亡事故处理、后勤保障等隐性成本，在危险领域，机器人的成本还是有优势的，现在销量增长还可以，但整体的规模还不是特别大。”张亮称。

财务报告显示，截至2018年末，机器人项目营业收入为20011万元，毛利率为3744%。

云游戏服务器进展如何

除上述两条主线外，新元科技还在布局服务器相关业务。据了解，2019年中，新元科技并购邦威思创51%股份，业务拓展至智能视频通讯及专用领域新型异构服务器和ARM颗粒云计算服务器等领域，而ARM服务器在云游戏领域存在应用空间。

(陈尧介绍基于高性能ARM颗粒计算的云游戏服务器的技术特点)

邦威思创总经理陈尧认为，基于高性能ARM颗粒计算的云游戏服务器对比传统服务器有较大优势，这主要因云游戏与ARM计算单元的良好兼容性及其颗粒化计算特点决定，云游戏的每个用户都是独占性用户，需要独立的计算单元或虚拟机进行单独运算，ARM颗粒计算的云游戏服务器是由大量ARM+GPU颗粒计算单元构成，虽然单体ARM颗粒计算单元的运算能力不及传统服务器，但因其并行了众多独立计算单元可供调度，非常适合云游戏等业务的计算处理。

“另外，基于高性能ARM颗粒计算的云游戏服务器的成本方面较传统服务器有非常明显的优势，尤其是低功耗的特点，可以较大地降低大规模的云游戏运营商的运营成本。”陈尧告诉记者。

关于ARM服务器的市场，陈尧称，该业务2019年开始推广，目前量还没有起来。

某专业人士对记者表示，现在云计算和边缘计算已经实实在在产生需求，在5G商用的推动下，相关市场应用预计会越来越大，目前谷歌、亚马逊、微软、英伟达、华为等厂家都已相继发布云游戏产品。

IDC在报告中称，当前以5G、人工智能、物联网为代表的新兴技术正在推动人类进入智能社会，加速了智能化应用爆发性发展，自动驾驶、云游戏、VR/AR等智能化应用的兴起，使得传统单一的X86架构产品很难满足多样化的计算场景需求。

除ARM云游戏服务器外，陈尧还介绍了公司的FCPC协同计算平台系列服务器，较Intel等通用服务器，邦威思创的FCPC产品为利用FPGA+ARM/CPU的异构服务器，可帮助下游应用厂商快速打造各种专业的个性化产品。比如：图像处理机器人，传统处理器方案功耗高、空间大、成本高，应用FCPC方案则可以重点搭载AR引擎、图像分析处理等模块，会更有优势。

(陈尧介绍新型FCPC异构服务器产品的技术特点)

市场推广方面，陈尧表示，市场很大，客户很有兴趣，但还没形成规模，陈尧补充道，“相关产品具有良好的客户粘性，使用的客户会很稳定，会一直使用我们的产品和服务。”

上述服务器行业人士表示，微软和阿里也在搭建FPGA云服务器，都看好FPGA计算能力强、低功耗、小体积的特点，不过，FPGA研发横跨软硬件，需要多方面协调共进，研发难度高。同时，FPGA使用起来不如通用服务器简易，出现问题以后的维养也比较麻烦，能否达到邦威思创的预期市场效果，还需要时间检验。

值得注意的是，截至2019年半年报，新元科技并未单独列示服务器产品相关财务情况，故服务器收入及利润占比尚无从得知。

1、数据访问中间件：是为了建立数据应用资源互操作的模式，对异构环境下的数据库实现联接或文件系统实现联接的中间件。

2、远程过程调用中间件：通过这种远程过程调用机制，程序员编写客户方的应用，需要时可以调用位于远端服务器上的过程。

3、消息中间件：用来屏蔽掉各种平台及协议之间的特性，进行相互通信，实现应用程序之间的协同。

4、交易中间件：是在分布、异构环境下提供保证交易完整性和数据完整性的一种环境平台。

5、对象中间件：在分布、异构的网络计算环境中，可以将各种分布对象有机地结合在一起，完成系统的快速集成，实现对象重用。

过去几十年，全球半导体行业增长主要受台式机、笔记本电脑和无线通信产品等尖端电子设备的需求，以及基于云计算兴起的推动。这些增长将继续为高性能计算市场领域开发新应用程序。

首先，5G将让数据量呈指数级增长。我们需要越来越多的服务器来处理和存储这些数据。2020年Yole报告，这些服务器核心的高端CPU和GPU的复合年增长率有望达到29%。它们将支持大量的数据中心应用，比如超级计算和高性能计算服务。在云 游戏 和人工智能等新兴应用的推动下，GPU预计将实现更快增长。例如，2020年3月，互联网流量增长了近50%，法兰克福的商业互联网数据交换创下了数据吞吐量超过每秒91兆兆位的新世界纪录。

第二个主要驱动因素是移动SoC——智能手机芯片。这个细分市场增长虽然没有那么快, 但这些SoC在尺寸受限的芯片领域对更多功能的需求，将推动进一步技术创新。

除了逻辑、内存和3D互联的传统维度扩展之外，这些新兴应用程序将需要利用跨领域的创新。这需要在器件、块和SoC级别进行新模块、新材料和架构的改变，以实现在系统级别的效益。我们将这些创新归纳为半导体技术的五大发展趋势。

趋势一:摩尔定律还有用，将为半导体技术续命8到10年…

在接下来的8到10年里，CMOS晶体管的密度缩放将大致遵循摩尔定律。这将主要通过EUV模式和引入新器件架构来实现逻辑标准单元缩放。

在7nm技术节点上引入了极紫外(EUV)光刻，可在单个曝光步骤中对一些最关键的芯片结构进行了设计。在5nm技术节点之外(即关键线后端(BEOL)金属节距低于28-30nm时)，多模式EUV光刻将不可避免地增加了晶圆成本。最终，我们希望高数值孔径(High-NA) EUV光刻技术能够用于行业1nm节点的最关键层上。这种技术将推动这些层中的一些多图案化回到单图案化，从而提供成本、产量和周期时间的优势。

Imec对随机缺陷的研究对EUV光刻技术的发展具有重要意义。随机打印故障是指随机的、非重复的、孤立的缺陷，如微桥、局部断线、触点丢失或合并。改善随机缺陷可使用低剂量照射，从而提高吞吐量和成本。

为了加速高NA EUV的引入，我们正在安装Attolab，它可以在高NA EUV工具面世之前测试一些关键的高NA EUV材料(如掩膜吸收层和电阻)。目前Attolab已经成功地完成了第一阶段安装，预计在未来几个月将出现高NA EUV曝光。

除了EUV光刻技术的进步之外，如果没有前沿线端(FEOL)设备架构的创新，摩尔定律就无法延续。如今，FinFET是主流晶体管架构，最先进的节点在6T标准单元中有2个鳍。然而，将鳍片长度缩小到5T标准单元会导致鳍片数量减少，标准单元中每个设备只有一个鳍片，导致设备的单位面积性能急剧下降。这里，垂直堆叠纳米薄片晶体管被认为是下一代设备，可以更有效地利用设备占用空间。另一个关键的除垢助推器是埋地动力轨(BPR)。埋在芯片的FEOL而不是BEOL，这些BPR将释放互连资源路由。

将纳米片缩放到2nm一代将受到n-to-p空间约束的限制。Imec设想将Forksheet作为下一代设备。通过用电介质墙定义n- p空间，轨道高度可以进一步缩放。与传统的HVH设计相反，另一个有助于提高路由效率的标准单元架构发展是针对金属线路的垂直-水平-垂直(VHV)设计。最终通过互补场效应晶体管(CFET)将标准cell缩小到4T，之后充分利用cell层面上的第三维度，互补场效应晶体管通过将n-场效应晶体管与p-场效应晶体管折叠。

趋势2: 在固定功率下，逻辑性能的提高会慢下来

有了上述的创新，我们期望晶体管密度能遵循摩尔所规划的路径。但是在固定电源下，节点到节点的性能改进——被称Dennard缩放比例定律，Dennard缩放比例定律（Dennard scaling）表明，随着晶体管变得越来越小，它们的功率密度保持不变，因此功率的使用与面积成比例；电压和电流的规模与长度成比例。

世界各地的研究人员都在寻找方法来弥补这种减速，并进一步提高芯片性能。上述埋地电力轨道预计将提供一个性能提高在系统水平由于改进的电力分配。此外，imec还着眼于在纳米片和叉片装置中加入应力，以及提高中线的接触电阻(MOL)。

二维材料如二硫化钨(WS2)在通道中有望提高性能，因为它们比Si或SiGe具有更强的栅长伸缩能力。其中基于2d的设备架构包括多个堆叠的薄片非常有前景，每个薄片被一个栅极堆叠包围并从侧面接触。模拟表明，这些器件在1nm节点或更大节点上比纳米片的性能更好。为了进一步改善这些器件的驱动电流，我们着重改善通道生长质量，在这些新材料中加入掺杂剂和提高接触电阻。我们试图通过将物理特性(如生长质量)与电气特性相关联来加快这些设备的学习周期。

除了FEOL, 走线拥挤和BEOL RC延迟，这些已经成为性能改善的重要瓶颈。为了提高通径电阻，我们正在研究使用Ru或Mo的混合金属化。我们预计半镶嵌(semi-damascene)金属化模块可同时改善紧密距金属层的电阻和电容。半镶嵌(semi-damascene) 可通过直接模式和使用气隙作为介电在线路之间(控制电容增加)

允许我们增加宽高比的金属线(以降低电阻)。同时，我们筛选了各种替代导体，如二元合金，它作为‘good old’ Cu的替代品，以进一步降低线路电阻。

趋势3:3D技术使更多的异构集成成为可能

在工业领域，通过利用25D或3D连接的异构集成来构建系统。这些有助于解决内存问题，可在受形状因素限制的系统中添加功能，或提高大型芯片系统的产量。随着逻辑PPAC(性能-区域-成本)的放缓，SoC 的智能功能分区可以提供另一个缩放旋钮。一个典型的例子是高带宽内存栈(HBM)，它由堆叠的DRAM芯片组成，这些芯片通过短的interposer链路直接连接到处理器芯片，例如GPU或CPU。最典型的案例是Intel Lakefield CPU上的模对模堆叠， AMD 7nm Epyc CPU。在未来，我们希望看到更多这样的异构SOC，它是提高芯片性能的最佳桥梁。

在imec，我们通过利用我们在不同领域(如逻辑、内存、3D…)所进行的创新，在SoC级别带来了一些好处。为了将技术与系统级别性能联系起来，我们建立了一个名为S-EAT的框架(用于实现高级技术的系统基准测试)。这个框架可评估特定技术对系统级性能的影响。例如:我们能从缓存层次结构较低级别的片上内存的3D分区中获益吗如果SRAM被磁存储器(MRAM)取代，在系统级会发生什么

为了能够在缓存层次结构的这些更深层次上进行分区，我们需要一种高密度的晶片到晶片的堆叠技术。我们已经开发了700nm间距的晶圆-晶圆混合键合，相信在不久的将来，键合技术的进步将使500nm间距的键合成为可能。

通过3D集成技术实现异质集成。我们已经开发了一种基于sn的微突起互连方法，互连间距降低到7µm。这种高密度连接充分利用了透硅通孔技术的潜力，使>16x更高的三维互联密度在模具之间或模具与硅插接器之间成为可能。这样就大大降低了对HBM I/O接口的SoC区域需求(从6 mm2降至1 mm2)，并可能将HBM内存栈的互连长度缩短至多1 mm。使用混合铜键合也可以将模具直接与硅结合。我们正在开发3µm间距的模具到晶圆的混合键合，它具有高公差和放置精度。

由于SoC变得越来越异质化，一个芯片上的不同功能(逻辑、内存、I/O接口、模拟…)不需要来自单一的CMOS技术。对不同的子系统采用不同的工艺技术来优化设计成本和产量可能更有利。这种演变也可以满足更多芯片的多样化和定制化需求。

趋势4:NAND和DRAM被推到极限;非易失性存储器正在兴起

内存芯片市场预测显示，2020年内存将与2019年持平——这一变化可能部分与COVID-19减缓有关。2021年后，这个市场有望再次开始增长。新兴非易失性存储器市场预计将以>50%的复合年增长率增长，主要受嵌入式磁随机存取存储器(MRAM)和独立相变存储器(PCM)的需求推动。

NAND存储将继续递增，在未来几年内可能不会出现颠覆性架构变化。当今最先进的NAND产品具有128层存储能力。由于晶片之间的结合，可能会产生更多的层，从而使3D扩展继续下去。Imec通过开发像钌这样的低电阻字线金属，研究备用存储介质堆，提高通道电流，并确定控制压力的方法来实现这一路线图。我们还专注于用更先进的FinFET器件取代NAND外围的平面逻辑晶体管。我们正在 探索 3D FeFET与新型纤锌矿材料，作为3D NAND替代高端存储应用。作为传统3D NAND的替代品，我们正在评估新型存储器的可行性。

对于DRAM，单元缩放速度减慢，EUV光刻可能需要改进图案。三星最近宣布EUV DRAM产品将用于10nm (1a)级。除了 探索 EUV光刻用于关键DRAM结构的模式，imec还为真正的3D DRAM解决方案提供了构建模块。

在嵌入式内存领域，我通过大量的努力来理解并最终拆除所谓的内存墙，CPU从DRAM或基于SRAM的缓存中访问数据的速度有多快如何确保多个CPU核心访问共享缓存时的缓存一致性限制速度的瓶颈是什么 我们正在研究各种各样的磁随机存取存储器(MRAM)，包括自旋转移转矩(STT)-MRAM，自旋轨道转矩(SOT)-MRAM和电压控制磁各向异性(VCMA)-MRAM)，以潜在地取代一些传统的基于SRAM的L1、L2和L3缓存(图4)。每一种MRAM存储器都有其自身的优点和挑战，并可能通过提高速度、功耗和/或内存密度来帮助我们克服内存瓶颈。为了进一步提高密度，我们还在积极研究可与磁隧道结相结合的选择器，这些是MRAM的核心。

趋势5:边缘人工智能芯片行业崛起

边缘 AI预计在未来五年内将实现100%的增长。与基于云的人工智能不同，推理功能是嵌入在位于网络边缘的物联网端点(如手机和智能扬声器)上的。物联网设备与一个相对靠近边缘服务器进行无线通信。该服务器决定将哪些数据发送到云服务器(通常是时间敏感性较低的任务所需的数据，如重新培训)，以及在边缘服务器上处理哪些数据。

与基于云的AI(数据需要从端点到云服务器来回移动)相比，边缘 AI更容易解决隐私问题。它还提供了响应速度和减少云服务器工作负载的优点。想象一下，一辆需要基于人工智能做出决定的自动 汽车 。由于需要非常迅速地做出决策，系统不能等待数据传输到服务器并返回。考虑到通常由电池供电的物联网设备施加的功率限制，这些物联网设备中的推理引擎也需要非常节能。

今天，商业上可用的边缘 AI芯片，加上快速GPU或ASIC，可达到1-100 Tops/W运算效率。对于物联网的实现，将需要更高的效率。Imec的目标是证明推理效率在10000个Tops /W。

通过研究模拟内存计算架构，我们正在开发一种不同的方法。这种方法打破了传统的冯·诺伊曼计算模式，基于从内存发送数据到CPU(或GPU)进行计算。使用模拟内存计算，节省了来回移动数据的大量能量。2019年，我们演示了基于SRAM的模拟内存计算单元(内置22nm FD-SOI技术)，实现了1000Tops/W的效率。为了进一步提高到10000Tops/W，我们正在研究非易失性存储器，如SOT-MRAM, FeFET和基于IGZO（铟镓锌氧化物）的存储器。

姓名：王映中 学号：20181214025 学院：广研院

转自https://mpweixinqqcom/s/IPEf2HrWZ5fUwnf45s1O2w

嵌牛导读通过对边缘计算概念、典型应用场景、研究现状及关键技术等系统性的介绍，认为边缘计算的发展还处在初级阶段，在实际的应用中还存在很多问题需要解决研究，包括优化边缘计算性能、安全性、互操作性以及智能边缘操作管理服务。

嵌牛鼻子边缘计算应用、现状及挑战

嵌牛提问边缘计算能解决哪些问题

嵌牛正文

1 边缘计算的概念

对于边缘计算，不同的组织给出了不同的定义。美国韦恩州立大学计算机科学系的施巍松等人把边缘计算定义为：“边缘计算是指在网络边缘执行计算的一种新型计算模式，边缘计算中边缘的下行数据表示云服务，上行数据表示万物互联服务”。边缘计算产业联盟把边缘计算定义为：“边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开发平台，就近提供边缘智能服务，满足行业数字在敏捷联接、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”。

因此，边缘计算是一种新型计算模式，通过在靠近物或数据源头的网络边缘侧，为应用提供融合计算、存储和网络等资源。同时，边缘计算也是一种使能技术，通过在网络边缘侧提供这些资源，满足行业在敏捷联接、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。

11 边缘计算的体系架构

边缘计算通过在终端设备和云之间引入边缘设备，将云服务扩展到网络边缘。边缘计算架构包括终端层、边缘层和云层。图展示了边缘计算的体系架构。接下来我们简要介绍边缘计算体系架构中每层的组成和功能。

（1）终端层

终端层是最接近终端用户的层，它由各种物联网设备组成，例如传感器、智能手机、智能车辆、智能卡、读卡器等。为了延长终端设备提供服务的时间，则应该避免在终端设备上运行复杂的计算任务。因此，我们只将终端设备负责收集原始数据，并上传至上层进行计算和存储。终端层连接上一层主要通过蜂窝网络。

（2）边缘层

边缘层位于网络的边缘，由大量的边缘节点组成，通常包括路由器、网关、交换机、接入点、基站、特定边缘服务器等。这些边缘节点广泛分布在终端设备和云层之间，例如咖啡馆、购物中心、公交总站、街道、公园等。它们能够对终端设备上传的数据进行计算和存储。由于这些边缘节点距离用户距离较近，则可以为运行对延迟比较敏感的应用，从而满足用户的实时性要求。边缘节点也可以对收集的数据进行预处理，再把预处理的数据上传至云端，从而减少核心网络的传输流量。边缘层连接上层主要通过因特网。

（3）云层

云层由多个高性能服务器和存储设备组成，它具有强大的计算和存储功能，可以执行复杂的计算任务。云模块通过控制策略可以有效地管理和调度边缘节点和云计算中心，为

用户提供更好的服务。

12 边缘计算的优势

边缘计算模型将原有云计算中心的部分或全部计算任务迁移到数据源附近，相比于传统的云计算模型，边缘计算模型具有实时数据处理和分析、安全性高、隐私保护、可扩展性强、位置感知以及低流量的优势。

（1）实时数据处理和分析。将原有云计算中心的计算任务部分或全部迁移到网络边缘，在边缘设备处理数据，而不是在外部数据中心或云端进行；因此提高了数据传输性能，保证了处理的实时性，同时也降低了云计算中心的计算负载。

（2）安全性高。传统的云计算模型是集中式的，这使得它容易受到分布式拒绝服务供给和断电的影响。边缘计算模型在边缘设备和云计算中心之间分配处理、存储和应用，使得其安全性提高。边缘计算模型同时也降低了发生单点故障的可能性。

（3）保护隐私数据，提升数据安全性。边缘计算模型是在本地设备上处理更多数据而不是将其上传至云计算中心，因此边缘计算还可以减少实际存在风险的数据量。即使设备受到攻击，它也只会包含本地收集的数据，而不是受损的云计算中心。

（4）可扩展性。边缘计算提供了更便宜的可扩展性路径，允许公司通过物联网设备和边缘数据中心的组合来扩展其计算能力。使用具有处理能力的物联网设备还可以降低扩展成本，因此添加的新设备都不会对网络产生大量带宽需求。

（5）位置感知。边缘分布式设备利用低级信令进行信息共享。边缘计算模型从本地接入网络内的边缘设备接收信息以发现设备的位置。例如导航，终端设备可以根据自己的实时位置把相关位置信息和数据交给边缘节点来进行处理，边缘节点基于现有的数据进行判断和决策。

（6）低流量。本地设备收集的数据可以进行本地计算分析，或者在本地设备上进行数据的预处理，不必把本地设备收集的所有数据上传至云计算中心，从而可以减少进入核心网的流量。

2 边缘计算的典型应用

边缘计算在很多应用场景下都取得了很好的效果。本节中，我们将介绍基于边缘计算框架设计的几个新兴应用场景，部分场景在欧洲电信标准化协会（ETSI）白皮书中进行了讨论，如视频分析和移动大数据。还有一些综述论文介绍了车辆互联、医疗保健、智能建筑控制、海洋监测以及无线传感器和执行器网络与边缘计算结合的场景。

（1）医疗保健。

（2）视频分析。

（3）车辆互联。

边缘计算可以为这一需要提供相应的架构、服务、支持能力，缩短端到端延迟，使数据更快地被处理，避免信号处理不及时而造成车祸等事故。一辆车可以与其他接近的车辆通信，并告知他们任何预期的风险或交通拥堵。

3 边缘计算现状和关键技术

目前，边缘计算的发展仍然处于初期阶段。随着越来越多的设备联网，边缘计算得到了来自工业界和学术界的广泛重视和一致认可。本节中，我们主要从工业界和学术界的角度介绍边缘计算的现状。

31 工业界

在工业界中，亚马逊、谷歌和微软等云巨头正在成为边缘计算领域的 领 先 者 。亚 马 逊 的 AWS Greengrass 服务进军边缘计算领域 ，走在 了 行 业 的 前 面 。AWS Greengrass 将 AWS 扩展到设备上，这样本地生成的数据就可以在本地设备上处理。微软在这一领域也有大动作，该公司计划未来 4 年在物联网领域投入50亿美元，其中包括边缘计算项目。谷歌宣布了2款新产品，意在帮助改善边缘联网设备的开发。

分别是硬件芯片Edge张量处理单元（TPU）和软件堆栈 Cloud 物联网（IoT）Edge。涉足边缘计算领域的并不只是这3大云巨头。2015年，思科、ARM、英特尔、微软、普林斯顿大学联合成立了开放雾计算（OpenFog）联盟；2016年11月30日，在北京正式成立了产学研结合的边缘计算产业合作平台，推动运行技术（OT）和信息与通信技术（ICT）产业开放协作，引领边缘计算产业蓬勃发展，深化行业数字化转型。

32 学术界

学术界也展开了关于边缘计算的研究，边缘计算顶级年会电气和电子工程师协会/国际计算机协会边缘计算研讨会、IEEE 国际分布式计算系统会议、国际计算机通信会议等重大国际会议都开始增加边缘计算的分会和专题研讨会。涉及主要关键技术及研究热点如下：

（1）计算卸载。计算卸载是指终端设备将部分或全部计算任务卸载到资源丰富的边缘服务器，以解决终端设备在资源存储、计算性能以及能效等方面存在的不足。计算卸载的主要技术是卸载决策。卸载决策主要解决的是移动终端如何卸载计算任务、卸载多少以及卸载什么的问题。根据卸载决策的优化目标将计算卸载分为以降低时延为目标、以降低能量消耗为目标以及权衡能耗和时延为目标的3种类型。

（2）移动性管理。边缘计算依靠资源在地理上广泛分布的特点来支持应用的移动性，一个边缘计算节点只服务周围的用户。云计算模式对应用移动性的支持则是服务器位置固定，数据通过网络传输到服务器，所以在边缘计算中应用的移动管理是一种新模式。

4 挑战

目前边缘计算已经得到了各行各业的广泛重视，并且在很多应用场景下开花结果；但边缘计算的实际应用还存在很多问题[5]需要研究。本文中，我们对其中的几个主要问题进行分析，包括优化边缘计算性能、安全性、互操作性以及智能边缘操作管理服务。

（1）优化边缘计算性能。在边缘计算架构中，不同层次的边缘服务器所拥有的计算能力有所不同，负载分配将成为一个重要问题。成本分析需要在运行过程中完成、分发负载之间的干扰和资源使用情况，都对边缘计算架构提出了挑战。

（2）安全性。边缘计算的分布式架构增加了攻击向量的维度，边缘计算客户端越智能，越容易受到恶意软件感染和安全漏洞攻击。在边缘计算架构中，在数据源的附近进行计算是保护隐私和数据安全的一种较合适的方法。

（3）互操作性。边缘设备之间的互操作性是边缘计算架构能够大规模落地的关键。不同设备商之间需要通过制定相关的标准规范和通用的协作协议，实现异构边缘设备和系统之间的互操作性。

（4）智能边缘操作管理服务。网络边缘设备的服务管理在物联网环境中需要满足识别服务优先级，灵活可扩展和复杂环境下的隔离线。

云服务器ecs在云计算saas三层体系中属于最底层的服务。

云服务器（Elastic Compute Service，简称ECS）是阿里云提供的性能卓越、稳定可靠、弹性扩展的IaaS级别云计算服务。云服务器ECS免去了您采购IT硬件的前期准备，让您像使用水、电、天然气等公共资源一样便捷、高效地使用服务器，实现计算资源的即开即用。

阿里云ECS持续提供创新型服务器，解决多种业务需求，助力您的业务发展。ecs（云服务器）在云计算三层体系中属于最底层。通常用作应用程序的运行环境，其最重要的特点是弹性。

为什么选择云服务器ECS：

选择云服务器ECS，您可以轻松构建具有以下特点的计算资源：

1无需自建机房，无需采购以及配置硬件设施。

2分钟级交付，快速部署应用，缩短准备周期。

3在全球范围内持续扩张的数据中心和BGP机房。

4成本透明，按需使用，支持根据业务发展随时扩展资源，以及随时释放多余资源。

5提供GPU和FPGA等异构计算服务器、弹性裸金属服务器以及通用的x86架构服务器。

6支持通过内网访问其他阿里云服务，形成多种行业解决方案，降低公网流量成本。

7提供虚拟防火墙、角色权限控制、内网隔离、防病毒攻击及流量监控等多重安全方案。

8提供性能监控框架和主动运维体系。

9提供行业通用标准API，提高易用性和适用性。

Eagle Stream平台的通用服务器、异构服务器、存储服务器均有产品在研，目前等待2022年Q4季度英特尔正式发布处理器，预计2022年Q5整机产品会陆续上市销售。

每一台服务器的诞生，都意味着亿万克对品质和创新的极致探索，在抵达客户之前，都要经历“九九八十一难”的严峻挑战，包括126道工序和56道测试标准，方能成就专属亿万克的澎湃力量。

在设计一款服务器之前，要先经历预研这个步骤。亿万克产品经理需要眼观六路耳听八方，深入了解市场和客户需求，并对繁杂的信息进行科学分析，制定出服务器的设计构思，团队评审最终确定初步产品策划方案。

下面，进入深入优化设计方案环节，其中囊括外观设计、整机设计，如结构、布局、逻辑、PCB、硬件、软件等设计，经过层层工序，服务器样机出炉了。

新款样机还需要在亿万克-国家工程实验室经过56道严苛测试与实验，包括环境实验、老化实验、霉菌实验、盐雾实验、振动实验、EMC实验、失效分析实验、信号完整性实验、力学可靠性实验、应力实验等多项测试，确定其能经受住各种“浴火”考验，才会被送入下一个阶段——批量生产阶段。

在此阶段，亿万克制造部门严格遵照126道产品工序，完成每一台服务器的生产。产品包装入库前，品质检验人员进行最后的质量把关，确保送到客户手中的每一台服务器100%达标。感兴趣请点击此处，了解一下。