作者 | 馬玥 晨山資本投資經理
郵箱 | [email protected]
來源 |
晨山資本01.
胖終端、瘦終端的定義
典型的計算機通信系統一般采用伺服器-用戶端(Server-Client)的體系架構，在傳統的PC時代，電腦往往作為一個用戶端存在，這種用戶端作為具備較多本地存儲和計算能力的裝置，常被稱為Fat Client(Rich /Thick Client)；相對應的，如果裝置配置比較單薄，主要是顯示和低算力功能的用戶端實體，則稱為Thin Client。
實際上， “終端”目前涵蓋的意義遠遠超過了傳統意義的client，已擴充到任何“近場”端的實體，包括常見的消費電子類産品、視訊監控裝置、物聯系統裝置、車聯系統模組等各種形态的通信或者功能實體。
而胖瘦“終端”并沒有标準的定義解釋。回歸到本質，其差異主要來源于硬體和應用兩部分：
胖終端：舉個較極端的例子，胖終端裝置具備自己的硬碟、RAM、控制計算單元，通過安裝full-fledged OS可以跑計算和存儲程式，乃至于具備近場的AI算力，具有完整的運算能力。這種裝置對于網絡的需求是擷取連接配接、資料和服務，按需請求即可。
瘦終端：而另一個極端的例子則是，一個終端隻具備最基礎的硬體設施和輕量級的light OS，其所有的功能都必須通過聯網/雲端實作，終端本身通常隻具備基礎的顯示或者初級的計算存儲功能。
簡單的比較如下：
02.
胖瘦終端和邊緣的融合場景
喬布斯最早提出過胖網絡（雲服務）+胖終端(Rich Client)的理念：通過引入雲服務将部分算力上移，将功能實體拆分為更小的服務，通過多伺服器強大的搜尋和分析能力，将最終需要的結果推送至終端，例如Siri服務。而另一層面，Apple也通過晶片的疊代、端側應用的強大不斷提升本機的計算和通信能力。
而随着雲端的強大，網絡速度的提升，瘦終端也有了越來越多的應用。在現實中，瘦終端、胖終端都有大量使用執行個體。
比如最近火熱的雲遊戲，将AR/VR的渲染放置雲端，大大降低了終端的複雜度。再例如家庭用某盒子，本地廉價終端隻保留必需硬體，所有計算和存儲服務全部上雲。這些典型的瘦終端通過将算力上移，降低了硬體購買門檻，釋放了強大的終端購買力。
而在某些To B場景中，如智能監控等，将攝像頭額外疊加AI算力形成“胖終端”，通過外設将圖像識别置于本地，一方面降低延遲時間，一方面減輕了對于網絡連接配接和容量的需求。另外一個有意思的例子是家用NAS(Network Attached Storage)伺服器，它可以提供檔案伺服器同步、資料備份、多媒體中心等功能，從家庭角度相當于一個家用私有邊緣雲。但是另一方面從對外的連接配接來講，家用NAS伺服器又相當于一個胖終端，完成和外界的網絡連接配接，但是存儲和計算都在本地完成。
實際上，胖瘦終端的應用場景十分泛化，可以根據需求部署介于兩種極端情況的中間态。随着邊緣計算在傳統CDN業務的基礎上的繼續泛化衍生，将會在傳統雲業務和終端之間架起了一條緩沖道，同時提供了連接配接的能力，成為了終端和網絡功能靈活彙集的重要一環。這就形成了胖/瘦終端、胖/瘦網絡以及邊緣層，其實質是算力、存儲、應用能力在整個通信鍊路的重新靈活配置設定。
越來越多的應用場景模糊了終端、邊緣和網絡的概念以及邊界。從實用價值角度出發，未來還将不斷出現适合每種場景的融合方案。
03.
邊緣AI現狀：落地因素複雜多元
胖瘦終端的應用很大程度上是跟随AI技術的應用逐漸普及開來的，而邊緣（網絡邊緣和裝置邊緣）AI在落地過程中也有諸多現實因素需要考慮：
雲端AI成本高企，前端裝置複雜多樣。AI運算要求的算子算力極高，往往雲端裝置成本本身就是問題。而在終端側，如果要對于存量裝置進行AI改造，也将面臨不同的裝置類型、已有的方案架構不同等多種問題，導緻難以有統一架構來解決。
雲端訓練和終端推理之間需要密切的互動。往往AI訓練的過程需要大量的資料計算，是以主要在雲端完成。随着終端能力的強大，部分算力的下沉使得終端推理可以将本地得到的結果快速回報，進而進一步調優模型。針對不同的既有網絡和雲端，不同的AI解決方案均需要具備一定的适配和遷移能力。
無論對于胖瘦終端還是邊緣網絡，連接配接的能力必不可少。這個“連接配接”的涵義廣泛，可以是無線連接配接，同樣也可以是有線接入。不同場景中，對于連接配接的需求大相徑庭，如工業場景要求高可靠低延遲時間，傳統的WiFi很難達到，5G就成為不二選擇。是以，如何融合連接配接和計算，在對客戶提供解決方案時，将終端、連接配接、邊緣網絡和AI本身的算力需求比對，也是關鍵點。
04.
産業趨勢：算力在網絡中的泛在和靈活部署
試想一個可能場景：身邊都是螢幕、攝像頭、傳感器的世界，資訊的流動滲透到生活的方方面面，算力的普及也随着泛在連接配接分布到了各個功能實體。
當你走到一個飯店中，桌面就是菜單螢幕，主動和網絡發生連接配接将你的需求告知後廚，背景根據旁置的攝像頭進行人臉識别追蹤調取出過往的喜好，主動推送當日折扣……
當你走進圖書館需要查閱資料時，數字化書籍以AR的方式打開，并根據你的過往學習工作經曆主動分類……
工廠中機械臂飛舞，流水線上實時将各個傳感器收集的資料分析整合，及時根據需求調優流程和産量，分層決策在各個環節都在實時産生……
上述高科技高智能的場景背後是無數分布在雲端、邊緣及終端的複雜運算及互動，涉及各類胖瘦終端、連接配接和雲方案。這些方案的設計本質上就是要解決一個問題——配置設定好終端和雲端分别需要完成的任務。這個配置設定工作不隻是會影響各個關聯方的利益（比如手機廠商肯定不想被雲化），而且應用程式、AI等本身的安全性、健壯性，以及後期更新、移植靈活度都要被考慮在内，方案的多樣性和複雜性是必然趨勢。
AI算力在全鍊路配置設定
AI無論應用于消費還是行業場景，其未來的算力是多點協同性質的。這就要求針對不同的問題場景提供不同的解決方案，這些方案需要能夠解決針對異構的适配能力和遷移能力，以便更好地利舊和未來的前向相容。
計算和存儲比連接配接更有價值
連接配接永遠是終端和網絡的橋梁，當連接配接越來越多、連接配接越來越長期線上，大量的連接配接提供數傳通路的同時，其附加價值的重點在計算。往往在邊緣側，重點是計算，是以如何做好便宜的連接配接和強大的計算融合，是解決方案的關鍵點。
無處不在的神經元
為網絡和終端提供連接配接另外一個必須的條件是，這個連接配接要“觸及機體全身”，在實際中就是對邊緣網絡的可達性提出了較高的要求。網絡和終端的胖瘦根據場景可伸縮，那麼中間邊緣層次也同樣應當具備各種等級的觸角，才可以完成整個全鍊路的資源合理配置設定。
新型的服務方式
新型的服務方式有兩個層面涵義，一種是多種功能的集合終端，另外一種是對于網絡新模式的探索。
如在終端側內建攝像頭和毫米波雷達，通過兩方面資料的整合對于成像、大範圍移動物體的監控取得更好地效果。
對于網絡設施，器件通用化浪潮的到來促使邊緣網絡也可以嘗試更為靈活的營運方式，如伸縮帶寬、租用服務等。
小 結
胖/瘦終端的變化其實和網絡能力密不可分，根據業務場景需要解決的關鍵環節也不盡相同。未來的終端、邊緣雲、雲端的網絡架構及算力資源的調配将會适應場景的需求展現複雜多變、彈性靈活的特性。
雖然目前來看各層次的區分還有一定的模糊，但未來這一龐大網絡的建設和營運肯定需要多方的參與，而我們也拭目以待在這過程中是否能出現具有上司能力的創新公司。