MEC 为什么在 5G 时代变得重要?

6 月 6 日，工信部正式向中国电信、中国移动、中国联通、中国广电发放 5G 商用牌照，标志着我国正式进入 5G 商用元年。

伴随着 5G 时代的到来，许多应用场景将被逐一打开，增强移动带宽将是 5G 发展初期面向个人消费市场的核心应用场景，比如高清视频，VR/AR 等将获得快速的发展；而高可靠性低时延连接，会催生更多面向车联网、工业控制、远程医疗等特殊应用。

由于 5G 会让大量的应用在网络的边缘进行处理，这会推动移动边缘计算 （Mobile Edge Computing, MEC） 的需求得到爆发。

简单的理解，MEC 是将整个云计算大平台的核心网网元迁移至靠近终端的边缘。泛指的是 IT 和云平台的运算能力向靠近终端的地方下沉，融合网络传输、计算、储存和应用的创新能力，来提高边缘「小计算」的反馈和效率。

MEC 与一般的 5G 网元不一样， 天然具有「IT 化、业务驱动」特性，所以对边缘端的计算力要求很高，尤其是边缘业务与 AI 算法结合之后，AI 算力的需求变得空前稀缺。那么，华为 Atlas 人工智能计算平台的发布，有力填补了 5G 时代，从云到终端再到边缘侧，AI 算力缺失的鸿沟。

MEC 为什么在 5G 时代变得重要？

相比于云计算，边缘计算自概念诞生之后就一直不温不火。为什么在 5G 时代，它变得如此重要？

5G 时代的最大的变化就是从人与设备的连接，变成了万物互联。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。当连接数的不断增加，产生了海量的数据，如果所有数据都要回到云端进行分析终结，既浪费带宽，也增加了时延。

这些因素决定了，5G 业务的终结点不可能完全都在核心网后端的云平台，所以 MEC 被认为是建设 5G 网络边缘云的普遍模式。

第二，MEC 与云有天然互补的关系。

MEC 与云的关系并不是取代关系，而是一种互补的关系：云计算把握整体，聚焦于非实时、长周期数据的分析，能够在周期性维护等领域发挥特长，而 MEC 则专注于局部，聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行。所以，从业务端来看两者可以天然互补。

第三，MEC+5G，代表了新的业务创新模式。

其实，早在 4G 时代，MEC 在一些应用场景上就已经表现出极强的适应性，比如有 VR/AR 、CDN 、车联网、虚拟专网、工业互联网、安防监控、室内定位等等。很明显，这些应用场景与 5G 要解决的场景问题是非常接近的。

因为边缘计算可以将高带宽、低时延、本地化的业务下沉到网络边缘，解决了时延过长、汇聚流量过大等问题，为实时性和带宽密集型业务提供更好的支持。这意味着，利用低延迟高容量数据实现最佳效率并增强分析能力，可以最大限度地减少互联网带宽和非易失性存储等宝贵资源的使用，这些边缘分析技术可轻松为海上石油钻井平台、深度勘探、制造业、网络物理安全等领域提供动力。

以 Atlas 500 智能小站为例，通过业界领先集成AI处理能力和边缘产品，机顶壳大小即可实现 16 路高清视频处理能力，正在用于交通，看护，无人零售，智能制造等广阔的领域。所以说，5G 与 MEC 的结合，可以推动行业应用的业务创新。

边缘侧对 AI 算力的需求为什么爆发?

事实上，5G+MEC 不仅带来了边缘应用场景的改变，也带来了对 AI 算力的高需求。

◆ 首先，大量的数据将在边缘侧进行分析、处理。举个例子，智慧安防的场景中，针对新型犯罪及社会管理等公共安全问题，边缘计算和视频监控技术的结合，可以提高视频监控系统前端摄像头的智能处理能力，做到防范刑事犯罪和恐怖袭击。这会导致大量的视频数据，将在边缘通过 AI 算法进行学习和分析，这就需要强大的 AI 算力。

华为有 Atlas 300 AI 加速卡，采用了标准的半高半长 PCle 卡设计，支持多种数据精度，单卡即可提供 64 TOPS INT8 计算性能，相比业界同类型产品提升 3 倍，为深度学习和推理提供更强大的算力，可广泛应用于视频分析、语音识别等广阔领域。

◆ 其次，很多创新业务需要边缘端的 AI 算力。最有代表性的场景就是自动驾驶的场景创新，比如自动驾驶汽车上数百个传感器每小时将产生 40TB 的数据量，从安全性的角度，数据的处理必须实时完成，才可以让汽车规避紧急情况带来的突发危险。所以，AI 算力在当中也起到了相当重要的作用。这种对终端侧有较高算力需求的场景，华为有仅有半张信用卡大小，功耗仅 10 瓦左右的 Atlas 200 AI 加速模块与之对应。

再比如智慧金融当中的人脸识别和声纹识别，指挥交通当中的智能交通控制系统，都依赖边缘计算服务器来提供足够的 AI 算力。

但略显遗憾的是，目前从整个行业的角度看，目前边缘侧的 AI 算力仍然是非常稀缺的。

一方面，AI 算力的获取难度很大，对创新型企业来说，不仅难以支撑企业大规模部署，高昂的价值也让创新难以为继。另一方面，传统的 AI 算力兼容性很差，云边端无法协同，导致部署和开发都存在种种困难。

一边是 5G 和 MEC 对 AI 算力巨大需求的火焰，另一边则是边缘 AI 算力供需失衡的海水。正是为了解决这两者间的鸿沟，华为推出了 Atlas 人工智能计算平台。

这五个原因，说明 Atlas 是边缘 AI 算力最佳选择

华为是在 2018 年的 HUAWEI CONNECT 大会上，首次公布了基于华为 Ascend （昇腾）系列芯片和业界主流异构计算部件的 Atlas 人工智能平台。

Atlas 对边缘端 AI 算力的优势可以从以下五个方面来看。

• 首先是产品的独特性。以 Atlas 500 智能小站为例，这是目前业界领先集成 AI 处理能力的边缘产品，机顶盒大小即可实现 16 路高清视频处理能力，相比业界产品性能提升 4 倍。

值得一提的是，面对边缘侧部署的复杂自然环境，Atlas 500 智能小站可以支持零下 40℃ 到零上 70℃ 的严苛部署环境，尤其适用于边缘侧特别艰苦和特殊的环境，在无人零售、智能制造等场景有广阔的应用空间。

• 其次是 Atlas 俱备的边云协同的能力。我们知道 Atlas 是通过模块、板卡、小站、一体机等丰富的产品形态，打造面向端、边、云的全场景AI基础设施方案，提供了丰富多样的 AI 算力。可以充分满足云边协同全场景覆盖，并适应恶劣环境的部署，提供一体化 AI 解决方案能力。

仍以 Atlas 500 智能小站为例，它支持云边协同，可跟华为私有云、公有云协同，通过云侧推送应用、更新算法，对设备进行统一管理和软件升级，做到边云协同。

•第三是华为芯片级起跳的核心技术能力。Atlas 不仅搭载了华为昇腾系列 AI 芯片，还基于业界领先的达芬奇 3D Cube 架构，可提供超高的计算密度和极致高能效，为 Atlas 注入强劲的 AI 算力。应该说，芯片级起跳这是 Atlas 独有的优势。

• 第四是华为构建了 Atlas 成熟的生态。在对图像、视频进行识别、分析类应用的领域，Atlas 已经首先得到应用，例如在智慧城市中，Atlas 500 智能小站可以通过实时分析车辆和行人的密度提供更加优化的交通灯方案等等。华为正与合作伙伴一道，开发更多基于边缘的场景和案例。

•第五是高贵不贵，推动普惠 AI 的落地。华为云 IEF 服务与智能小站结合，通过云侧推送应用、更新算法，对设备进行统一管理和软件升级。让企业更容易获取 AI 算力，做到 AI 的普惠。

总结来看，5G 推动了 MEC 的快速发展，而 AI 则是这两者结合，走向行业应用落地的催化剂。客观的说，业界没有任何一个计算平台，能够在云、端、边缘同时提供强大的AI算力，这是华为 Atlas 人工智能算力平台所独有的优势，毫无疑问，在 5G+MEC+AI 的新商业之下，Atlas 就是最根本的动力之源。