一 5G的核心能力成為移動邊緣計算的最大驅動力
5G所強調的三大特性也就是5G的核心能力，即低延遲時間，高帶寬和大連接配接。
低延遲時間
5G所承諾的低延遲時間是1毫秒，但需要強調的是這裡的1毫秒隻是空口的時延，對于最終使用者來說大家可能更關注的是端到端的時延，端到端時延最簡單的計算邏輯就是距離，距離産生的時延基本就是光纖傳輸時延，大概就是100公裡1毫秒。是以在5G時代，端到端時延的本質就是距離所産生的光傳輸時延。
我們用這個思路再對照看下之前的2/3/4G的情況。根據OpenSignal的一份測試報告顯示，在2G時代，光纖傳輸時延在整體端到端占比是微不足道的，也意味着空口時延占了大頭。
而在5G時代，這個比例高達60%，光纖傳輸也就是地理位置将會極大地影響端到端的時延，進而影響到使用者體驗。是以，5G低延遲時間的特性如果需要得到更好的發揮，就必須通過更近的業務部署來降低傳輸在整體時延中的占比，而在IT領域的邊緣計算技術就能很好的契合這樣的需求，成為促進移動邊緣計算發展的驅動力之一。
高帶寬
5G的另一個特性就是高帶寬。5G高達10G的峰值速率，一方面能讓使用者看到更清晰的視訊，享受沉浸式的業務體驗，但另一方面，也會給業務方傳統的集中雲部署方式帶來可能翻數倍的流量成本，當然也給營運商整體的網絡帶寬建設提出了挑戰。這就需要我們重新來審視一下網絡架構，考慮流量從集中雲到邊緣雲的解除安裝。在這裡，再一次找到了5G和邊緣計算的契合點，通過業務的邊緣部署，降低了回傳鍊路的帶寬消耗，降低成本的同時還降低了時延。
大連接配接
在一個标準的物聯網場景下，可能會生成海量的資料，如果這些資料都集中到雲上去做處理就可能造成資源的浪費。如果在中間位置進行資料預處理，一方面可以盡快的進行下行回報，形成物聯網的系統閉環，另一方面可以做上行的資料聚合，形成物聯網的群體智能。
這樣的中間位置就是邊緣計算的部署點，是以結合上面對5G特性，也就是5G核心能力的分析，我們就可以得出這樣的結論：5G的核心能力将成為移動邊緣計算發展的最大驅動力。
二 IT+CT融合的5G邊緣計算
如果僅僅從資源更近這個角度來思考5G下的邊緣計算，那就太簡單了。從本質上來說，邊緣計算是屬于網際網路IT域的概念，而5G是屬于通信網CT(CommunicationTechnology)域的概念，要想把5G下的邊緣計算用好就必須進行IT和CT的融合，而不是簡單的1+1。這裡的融合分為架構融合、部署融合和排程融合。
架構融合：獨立标準設計走向融合架構設計
從架構融合來講，5G包括UPF(User Plane Function，使用者面功能)核心網這些支撐邊緣計算功能網元和系統的架構規劃都放在了3GPP(3rd Generation Partnership Project，第三代合作夥伴計劃)這個國際化組織，而邊緣計算的整體架構則歸屬在ETSI(European Telecommunications Sdandards Institute，歐洲電信标準協會)，各組織都在自己的方向上獨立演進，是以首先要融合的就是架構，形成一體化，融合的架構設計。
部署融合：雙車道獨立部署走向一體化部署
部署融合裡的部署重點關注的就是UPF和MEC(Multi-access Edge Computing，多接入邊緣計算)節點的部署。UPF作為移動網的網元，營運商會根據自己的規劃進行部署，而MEC節點則歸屬于網際網路公司，結合自己的應用場景、閱聽人來部署，兩者歸屬不同車道，是以可能會存在部署不一緻的問題，進而讓邊緣計算的收益大打折扣。是以我們需要從雙車道的獨立部署走向一體化部署。這也就關聯到了第三個融合，就是排程融合。
排程融合：互不感覺的域内排程走向全域排程
由于UPF和MEC節點所服務的使用者不同，造成兩者的流量模型産生很大的差異，承載服務所需要的網絡名額也不盡相同。雙方為了兼顧性能、容量、成本和服務品質等因素，在各自系統中部署自己獨立的排程系統，如果這樣的系統做不到互相感覺，就會造成彼此流量走向的不一緻，其後果不僅會讓排程效果大打折扣，更可能出現事與願違的情況。是以，我們需要從互不感覺的域内排程走向全域排程。
綜上，5G時代的邊緣計算首先要考慮的就是融合。
三 一體化增強服務的5G邊緣計算
通常意義上的邊緣計算我們都會簡單地等同于IP流量排程。到了5G時代，大家也會簡單類比UPF到MEC節點就是牽引一條IP資料流，把感興趣的流量牽引過來即可。但實際上5G下的邊緣計算可以做更多。
從面向流量演化為面向服務
第一就是可以從面向流量的經營增強為面向服務的經營。我們牽引過來的不僅僅是流量，而是流量上面所承載的服務，服務将會賦予流量更多的意義，是以在進行排程的時候，更多需要考慮的是流量所承載服務的要求而不是單純的資料流。是以5G下的邊緣計算需要從面向流量演化為面向服務。
從面向服務的角度出發，5G邊緣計算如果僅僅是作為一種離使用者更近的服務部署來定位的話，那就降低了5G邊緣計算的價值。除了近所帶來的更低延遲時間這個顯而易見的優勢之外，我們需要進一步關注和實作服務增強。
從服務更近演化為服務更強
由于移動網絡本身的架構特性，相對于傳統的固網架構，移動網采用的是使用者面流量和控制面管控兩條腿走路的模式。邊緣計算牽引的是使用者面流量，但還可以通過與移動網互動進而獲得更多控制面的資訊，比如SINR，Cell Load等資料。這些控制面的資料可以給服務更多的能力組合，進一步增強邊緣計算的對外服務能力，甚至能開拓出新的業務場景。比如在牽引流量的同時，帶上控制面所看到的整體小區負荷、信号強度等資料，這些資料可以用于服務端進行更好地擁塞控制，進而讓上層業務适應到對應的無線環境，進一步提升了使用者體驗。
**從通用服務演化為5G邊緣服務
**
最後，由于有了邊緣計算的存在，原來網際網路普遍的“用戶端／伺服器”的架構也會變成“用戶端／邊緣端／服務端”的架構，是以必須考慮到邊緣在整體鍊路中的角色，考慮到5G帶來的增強服務。在5G時代，邊緣部署的服務不能隻是簡單的雲服務的就近部署，必須從通用服務演化為5G邊緣服務，隻有這樣才能真正用好5G邊緣計算。
四 從邊緣到中心的雲網一體
首先，我們強調一個前提，邊緣計算一定不是孤立的，我們将邊緣計算視為雲計算的延伸，拓展雲的邊界。邊緣作為終端與雲中心之間的資料紐帶，對形成“雲-邊-端”一體的計算形态至關重要。
雲計算最大的優勢就是規模化的計算集約，是以能夠獲得巨大的降本增效收益，但是把全部的計算都集中在一個點顯然不現實，除了計算成本之外，另外一個影響計算分布形态的至關重要的因素就是資料的傳輸成本。“雲-邊-端”一體的計算協同形态，其實就是資料在網絡中的傳輸成本和計算集約收益之間形成的動态平衡狀态。在這個形态下，我們通過不斷地網絡基礎設施和技術能力革新，去影響計算集約的分布狀态。
分布在全球的數十個中心雲Regions是雲計算的核心大腦，基于大規模集中的計算資源提供超強、高效的算力。資源集約化，也大幅降低了機關算力的成本，同時相對而言，到終端的平均資料傳輸成本也比較高。
從雲中心往外下沉延伸，是營運商網絡，連接配接着數以百計的營運商資料中心，這也是第一層邊緣計算分布節點，提供中小規模集中算力，用于覆寫省一級的就近計算和流量排程。同時，在這一層邊緣計算節點基于大量廣分布的資料中心建構一個SD-WAN（軟體定義廣域網）網絡，負責回雲加速、邊到邊加速，提供“雲-邊”和“邊-邊”協同能力，屏蔽中心雲與邊緣雲之間因網際網路傳輸的網絡波動對業務層資料傳輸造成的影響。相比中心雲，在這一層計算節點，計算集約帶來的收益相對變小，但與終端之間的資料傳輸成本也顯著降低。
5G，讓邊緣計算繼續下沉延伸到營運商地市城域網，将來會連接配接着數以萬計的MEC節點，這是第二層邊緣計算分布節點，提供小微規模集中算力，用于覆寫地市一級的就近計算和流量排程。因為MEC節點距離終端更近了一步，更低的時延和更低的成本，讓更多原本隻能在終端進行的計算能夠上移至邊緣，進而形成算力集約，最終帶來成本收益。而且，5G釋放出來更多的終端到邊緣之間的網絡傳輸品質管控能力，可以讓我們基于場景來優化“端-邊”的網絡服務品質，達到降低成本的同時并未降低使用者體驗。
綜上，通過一個整體的從雲到邊再到端的網絡體系，形成雲網一體化的能力，讓不同業務場景能夠在這樣一體化的形态中找到最适合自己的計算分布形态。
五 基于業務場景的全鍊路統一QoS管控
在雲網一體化的能力中，業務場景除了成本之外，最關注的就是網絡QoS（Quality of Service，服務品質）。“雲-邊-端”這樣一個長鍊路下，不同分段所采用的QoS政策也不盡相同。
這裡列舉了三種不同的資料傳輸場景：
- 本地MEC内終端之間
- 終端與雲中心之間
- 跨地域/營運商終端之間
分解一下全鍊路的QoS分段，可以分為以下三段：
- 5G核心網内
- MEC到資料中心以及不同地域/營運商的資料中心之間
- 資料中心到雲中心之間
在5G核心網/MEC這個範圍内，QoS政策的管控，需要基于營運商5G能力對接來實作，這一段QoS保障可以大幅度提升終端接入這一段的網絡品質。
在MEC到資料中心這一段，是營運商網際網路的範疇，我們在這一段網絡中基于廣分布的資料中心資源建構一張Overlay SD-WAN網絡，進而實作對網際網路波動的屏蔽和業務流量管控排程。
在資料中心到雲中心之間，在營運商網際網路的基礎上，輔以營運商專線來進一步改善回雲傳輸鍊路的網絡品質。
最終，将這三段網絡的QoS管控排程能力整合，為上層業務應用提供端到端全鍊路一體化的QoS保障能力，進而大幅降低業務應用層面運維複雜度。
六 總結
邊緣計算，促使計算形态發生變化，讓更多的業務場景落地成為可能，但同時計算形态和分布的多樣性也大幅度提升了技術複雜度。5G并不隻是讓邊緣計算更近，阿裡雲的邊緣計算，要為業務屏蔽複雜的計算分布和資料協同，進而幫助更多的業務場景落地到“雲-邊-端”一體的計算形态中，實作收益/成本最大化。