MEC-Access 邊緣 AI 計算解決方案及應用案例
Multi-access邊緣人工智慧計算，或稱為 MEC，根據歐洲電信標準協會（ETSI）的定義，已經成為一個熱門話題，這些邊緣伺服器正受到一些未來技術建設者的關注。
MEC的目標是直接在或靠近行動網路無線電上提供邊緣服務。這開啟了一個全新的應用世界，以及相應的硬體需求。為了允許第三方應用在無線接取網路（RAN）上運行，行動運營商需要進行一些基礎設施的改變。
首先是轉型以允許 RAN 硬體上的多租戶。引領變革的是利用 vRAN（虛擬 RAN），它建立在與 VNF 和其他虛擬化系統相同的硬體抽象技術之上，並運行在超級管理程式之上，以啟用多個隔離的虛擬機。
另一個需要進步的領域是管理和編排 (MANO) 軟體，以部署和管理 vRAN 以及授權的第三方虛擬機來承載額外的應用程式。硬體方面也有變化，因為行業正在朝著通用的 x86 平台發展，以避免供應商鎖定。可能需要額外的處理能力和儲存空間，以啟用新的應用程式或內容快取。
綜合來看，MEC旨在啟用在虛擬化優化的RAN硬體附近運行的新應用，以提供最低延遲並減少核心網路的流量。AEWIN正在為該領域的部署做出貢獻。我們正在與合作夥伴合作，在5G領域實施符合O-RAN標準的MEC伺服器，利用RU（無線單元）和結合CU（集中單元）/DU（分散單元）架構，適用於大型移動運營商到較小的5G私有網路。秘訣在於Xilinx FPGA，提供加速以確保對5G用戶的最高帶寬。
增強邊緣伺服器計算能力的一個關鍵補充是使用FPGA和GPU。這些加速器在許多領域具有潛力，例如高性能遊戲、數據/網絡流量分析、壓縮以節省網絡帶寬、物聯網傳感器數據分析、連接汽車，甚至實時AI推斷工作負載。AEWIN一直在與合作夥伴努力實現後者。
使用 AI 和 GPU 加速器進行推斷已經持續了幾年，然而，邊緣伺服器的出現使得這些實時 AI 平台的廣泛部署成為可能。AEWIN 和合作夥伴一直在利用邊緣伺服器實現實時道路交通分析。這項技術的現實應用是交通管理和規劃。儘管交通模式數據已經被交通規劃者收集，但使用 AI 可以提供更多數據和分析數據的方法。除了基本的速度和通量，AI 還可以追蹤行駛距離，識別減速點、危險路況、高事故段等。最終這些的部署將幫助城市和交通規劃者建立更高效和更安全的公共道路系統。
在邊緣計算能力上有許多潛在的使用方式，然而，並沒有一個具體的殺手級應用程式。有些人仍在努力弄清楚如何利用如此接近邊緣的計算能力。首先，不要考慮它能為您的業務做什麼，而是開始思考您能為客戶帶來什麼樣的好處。您提供的服務將通過降低延遲或啟用能吸引新客戶的新應用程式來改善客戶體驗。
這樣思考可以開始建立可持續和盈利的邊緣計算部署，我們不能陷入「如果你建造它，他們就會來」的心態。這些新服務必須為用戶帶來實質性的好處。一個相關的例子是視頻串流和內容分發網絡（CDN）。快速即時訪問高畫質4K視頻對於我們這些因疫情持續而更喜歡在沙發上度過夜晚而不是外出的人來說是一大福音。
直接訪問大量電影和電視節目的資料庫，無需擔心網絡帶寬或延遲問題，這是一個切實的好處。想想你能為客戶帶來什麼價值，以及他們願意為什麼付費，然後圍繞這些改進的服務建立一個貨幣化結構。找出合適的模型需要大量的思考和假設，並且對每個公司的產品組合都是獨特的，我們期待與您討論您的應用！
