MEC-Access 边缘 AI 计算解决方案及应用案例
Multi-access边缘人工智慧计算，或称为 MEC，根据欧洲电信标准协会（ETSI）的定义，已经成为一个热门话题，这些边缘伺服器正受到一些未来技术建设者的关注。
MEC的目标是直接在或靠近行动网路无线电上提供边缘服务。这开启了一个全新的应用世界，以及相应的硬体需求。为了允许第三方应用在无线接取网路（RAN）上运行，行动运营商需要进行一些基础设施的改变。
首先是转型以允许 RAN 硬体上的多租户。引领变革的是利用 vRAN（虚拟 RAN），它建立在与 VNF 和其他虚拟化系统相同的硬体抽象技术之上，并运行在超级管理程式之上，以启用多个隔离的虚拟机。
另一个需要进步的领域是管理和编排 (MANO) 软体，以部署和管理 vRAN 以及授权的第三方虚拟机来承载额外的应用程式。硬体方面也有变化，因为行业正在朝着通用的 x86 平台发展，以避免供应商锁定。可能需要额外的处理能力和储存空间，以启用新的应用程式或内容快取。
综合来看，MEC旨在启用在虚拟化优化的RAN硬体附近运行的新应用，以提供最低延迟并减少核心网路的流量。AEWIN正在为该领域的部署做出贡献。我们正在与合作伙伴合作，在5G领域实施符合O-RAN标准的MEC伺服器，利用RU（无线单元）和结合CU（集中单元）/DU（分散单元）架构，适用于大型移动运营商到较小的5G私有网路。秘诀在于Xilinx FPGA，提供加速以确保对5G用户的最高带宽。
增强边缘伺服器计算能力的一个关键补充是使用FPGA和GPU。这些加速器在许多领域具有潜力，例如高性能游戏、数据/网络流量分析、压缩以节省网络带宽、物联网传感器数据分析、连接汽车，甚至实时AI推断工作负载。AEWIN一直在与合作伙伴努力实现后者。
使用 AI 和 GPU 加速器进行推断已经持续了几年，然而，边缘伺服器的出现使得这些实时 AI 平台的广泛部署成为可能。AEWIN 和合作伙伴一直在利用边缘伺服器实现实时道路交通分析。这项技术的现实应用是交通管理和规划。尽管交通模式数据已经被交通规划者收集，但使用 AI 可以提供更多数据和分析数据的方法。除了基本的速度和通量，AI 还可以追踪行驶距离，识别减速点、危险路况、高事故段等。最终这些的部署将帮助城市和交通规划者建立更高效和更安全的公共道路系统。
在边缘计算能力上有许多潜在的使用方式，然而，并没有一个具体的杀手级应用程式。有些人仍在努力弄清楚如何利用如此接近边缘的计算能力。首先，不要考虑它能为您的业务做什么，而是开始思考您能为客户带来什么样的好处。您提供的服务将通过降低延迟或启用能吸引新客户的新应用程式来改善客户体验。
这样思考可以开始建立可持续和盈利的边缘计算部署，我们不能陷入「如果你建造它，他们就会来」的心态。这些新服务必须为用户带来实质性的好处。一个相关的例子是视频串流和内容分发网络（CDN）。快速即时访问高画质4K视频对于我们这些因疫情持续而更喜欢在沙发上度过夜晚而不是外出的人来说是一大福音。
直接访问大量电影和电视节目的资料库，无需担心网络带宽或延迟问题，这是一个切实的好处。想想你能为客户带来什么价值，以及他们愿意为什么付费，然后围绕这些改进的服务建立一个货币化结构。找出合适的模型需要大量的思考和假设，并且对每个公司的产品组合都是独特的，我们期待与您讨论您的应用！
