一、什么是邊緣計算?

邊緣計算被定義為“一種新的計算方式，這種模式將計算與存儲資源部署在更貼近移動設(shè)備或傳感器的網(wǎng)絡(luò)邊緣”，其核心在于“貼近”終端，因此在實時、快速響應(yīng)是邊緣計算產(chǎn)生的核心痛點所在。帶寬、延遲與抖動等不穩(wěn)定因素都更易于控制和改進(jìn)。

邊緣計算時代設(shè)備連接數(shù)有望達(dá)到千億量級。麥肯錫在去年11 月報告中指出，隨著連接設(shè)備的激增和功能的擴(kuò)展，對不受延遲和網(wǎng)絡(luò)影響的實時決策的需求也在增加，算力從云端到邊緣的移動會使得邊緣計算產(chǎn)業(yè)價值量持續(xù)快速提升，麥肯錫預(yù)計在2025 年，邊緣計算的價值將會提升至1750–2150 億美元。

借用一個形象比喻，邊緣計算類似于人類的神經(jīng)末梢，對于簡單的信息可以直接處理; 對于復(fù)雜的信息則傳輸給云端(即大腦)。邊緣計算可能的形式或者說載體:從當(dāng)前來看，我們對邊緣計算的載體進(jìn)行大膽預(yù)測——微基站、智能安防攝像頭、車載電腦、智能網(wǎng)關(guān)、路由器和微型數(shù)據(jù)中心/代理服務(wù)器最有可能成為邊緣計算可能的載體。

二、邊緣計算的本質(zhì):在物聯(lián)網(wǎng)、大數(shù)據(jù)時代提升數(shù)據(jù)處理的效率

我們認(rèn)為邊緣計算的本質(zhì)在于，讓物聯(lián)網(wǎng)時代大量傳感器捕捉的海量數(shù)據(jù)得以在最合適的位置進(jìn)行處理分析。純粹的企業(yè)內(nèi)部部署方案會催生數(shù)據(jù)孤島，而純粹的云方案則面臨高延時、高傳輸成本以及海量數(shù)據(jù)的篩選難度。在這一情景下，邊緣側(cè)啟用處理分析+重要數(shù)據(jù)云端運(yùn)算分析/算法優(yōu)化回傳的混合方案成為最優(yōu)解，大量邊緣計算需求應(yīng)運(yùn)而生。

邊緣計算的核心是邊緣計算單元，但其位置到底在哪并沒有絕對答案。

邊緣計算的部署跟它的應(yīng)用場景有著緊密的關(guān)系，總的來說，邊緣計算可以按需部署于無線接入云、邊緣云或者匯聚云。對于低時延場景，邊緣計算需要部署于靠近基站側(cè)的無線接入云甚至終端自身處(如安防攝像頭、智能汽車);對于高帶寬要求的大流量熱點地區(qū)，邊緣計算可以部署于邊緣云;對于海量連接的場景，邊緣計算可部署于位置更高一些的匯聚云，以便覆蓋更大區(qū)域的業(yè)務(wù)需求。

三、邊緣計算中的芯片機(jī)遇

要尋找邊緣計算中的芯片機(jī)遇，首先必須了解邊緣計算的核心需求和特性:

1)多種連接和數(shù)據(jù)移動性。邊緣技術(shù)可以在受限或需要斷斷續(xù)續(xù)連接至云端以完成計算，存儲，備份和分析等工作。

2)需要實時決策。邊緣使用案例通常需要立即處理數(shù)據(jù)，例如，用于自動駕駛汽車或自動揀選機(jī)器。這些設(shè)備和平臺需要能夠在本地進(jìn)行分析，而無需先將數(shù)據(jù)發(fā)送到云，因此可以快速做出決策。

3)本地化計算能力。邊緣計算機(jī)需要是輕量級設(shè)備，可以在不支持更大計算能力的情況下快速，安全地做出決策。

4)新的存儲和安全需求。隨著在遠(yuǎn)程和移動設(shè)備上生成數(shù)據(jù)的傳感器數(shù)量的增長，對可以在各種環(huán)境中受到保護(hù)的高效存儲需求也在增長。即分別對應(yīng)處理、存儲、通信連接和傳感四個核心環(huán)節(jié)。

要具體理解邊緣計算對于芯片產(chǎn)業(yè)的機(jī)遇，我們選取目前最成熟的邊緣計算方案之一、也是未來有望看到的最大應(yīng)用領(lǐng)域——智能駕駛為例，即通過特斯拉autopilot 輔助駕駛系統(tǒng)的拆解來分析。

智能駕駛時代，“車載電腦”、“車載服務(wù)器”大勢所趨。建立“感應(yīng)-融合-決策-執(zhí)行”大閉環(huán)。智能駕駛，在監(jiān)測到障礙物時，如果無法及時進(jìn)行智能化決策，控制方向避開障礙物，而是先傳入云端再下發(fā)指令到車載終端的話，因信號傳輸?shù)仍蛏杂醒舆t就會導(dǎo)致事故的發(fā)生。因此需要本地具備高性能運(yùn)算能力的輔助駕駛/自動駕駛控制系統(tǒng)來對傳感器接收數(shù)據(jù)進(jìn)行融合、處理，“車載電腦”、“車載服務(wù)器”將是大勢所趨，形成“感應(yīng)-融合-決策-執(zhí)行”大閉環(huán)。基于上述框架，我們進(jìn)一步對車用傳感器、微控制器、存儲器進(jìn)行分析:

拆解下來可以發(fā)現(xiàn)主要芯片包括主控芯片、內(nèi)存、GPU 以及閃存，此外還有英飛凌的MCU、marvell的以太網(wǎng)收發(fā)器/交換芯片、德州儀器的攝像頭輸入接口與Codec 芯片。其中占比量價值最大的毫無疑問是主控和GPU 兩大高性能運(yùn)算芯片，而車載存儲的占比——內(nèi)存、閃存(包括NAND和NOR)我們認(rèn)為僅次于運(yùn)算處理芯片。從目前車載存儲主流方案來看，整體呈現(xiàn)存儲使用顆數(shù)、單顆容量、單顆價值量三項齊升的趨勢。麥肯錫今年報告對車載存儲整體產(chǎn)值進(jìn)行預(yù)測，預(yù)計到2020 年車載存儲整體產(chǎn)值將達(dá)到28.32 億美元，其中DRAM 和NAND占比分別為51%、36%。

傳感器方面，以特斯拉model 3 為例，其使用了一顆雷達(dá)與8 顆攝像頭，僅能實現(xiàn)2級自動/輔助駕駛水平，保守估計單車至少需要安裝30 顆以上傳感器才有可能實現(xiàn)L5 自動駕駛。預(yù)計2021 年，車用傳感器出貨量將達(dá)18 億顆，以單顆1美元計算，對應(yīng)市場空間保守估計將接近18 億美金。

鑒于目前可得資料，我們主要從智能駕駛這一邊緣計算的典型場景進(jìn)行了拆解分析。我們繼續(xù)強(qiáng)調(diào)泛物聯(lián)網(wǎng)時代來臨，邊緣計算爆發(fā)在即，數(shù)據(jù)呈指數(shù)級別增長!智能駕駛、智能安防對數(shù)據(jù)樣本進(jìn)行訓(xùn)練推斷、物聯(lián)網(wǎng)對感應(yīng)數(shù)據(jù)進(jìn)行處理等大幅催生內(nèi)存性能與存儲需求，數(shù)據(jù)為王!

根據(jù)DRAMeXchange與集邦咨詢預(yù)計，5G、數(shù)據(jù)中心與邊緣計算將成為服務(wù)器DRAM需求增加的主要驅(qū)動力，并預(yù)計將在2021年后超越目前占主流的移動DRAM應(yīng)用。