1946 年出现第一台计算机后，信息技术快速迭代升级，最近 10 年发展到了 4G 网络和云计算阶段。即将到来的 5G 将提供 eMBB 高带宽、URLLC 极低时延、mMTC 大连接等高品质业务，同时也面临新的挑战。

  x3 i/ u1 t  ]+ m

－eMBB 场景，4K/8K 大视频内容给传输 / 承载网络带来较大压力；

) p, J8 g/ n+ l& Z; K  S: ^+ I. X－mMTC 场景，海量连接产生的海量数据催生对分布式算力的需求；

3 d- K' v6 A* W# [/ O  k; i6 z

－URLLC 场景，云端的算力实时性不够，无法满足毫秒级超低时延业务需求；

－数字化和智能化（图像识别、机器决策、AR/VR 等）的算力需求推高终端成本；

－从数据安全和隐私考虑，有些行业应用希望在本地存储和处理数据。面对上述挑战，MEC（Multi-Access Edge Computing）成为业界焦点。MEC 把算力附着在网络边缘，实现业务的本地化，可以有效降低业务时延、带宽开销和终端成本，提升业务体验和数据安全，为以人为中心的新型业务和以物为中心的万物互联应用提供有效支撑。

1 [$ I  p' [: \2 M

前世：4G 时代孕育 MEC 的发展 MEC 并非 5G 的产物，4G 时代不少主流运营商都启动了 MEC 试点，对其技术和商业模式进行探索。MEC 试点项目通过在移动网络边缘增加计算、存储、数据处理等能力，来承载不同的行业应用，比如 CDN、视频监控、人脸识别等。这些尝试为 5G 时代 MEC 的蓬勃发展奠定了基础。然而 4G 时代 MEC 方案存在一些技术上的短板：

( u: i% T# d# S: Q

－MEC 业界标准不完善，4G 时代 ETSI 定义的 MEC 整体参考架构、应用生命周期管理和运维框架等，缺少多接入边缘计算系统、网络切片支撑、接口规范和编排管理等部分。

! Y* N6 p8 y. z3 o& \

－4G 核心网 CU 未分离，导致边缘侧分流和对接方案复杂，无线侧 TOF（Traffic Offload）分流方案中监管、安全与计费方面有缺失，导致商用困难。

! T% f3 O: R. ^

加上 MEC 应用生态不完善，企业用户的参与热情不高，使得 MEC 在 4G 时代未得到广泛应用。MEC 今生：5G 的最佳拍档 5G 网络的连接密度和流量密度较 4G 提升数十倍乃至百倍，时延降低到几毫秒，网络质量得到大幅提升，不仅使已有的 4G 业务得以升级，提升个人数字化体验，同时将催生新的业务。ETSI 定义 MEC 的七大应用场景，包括智能移动视频加速、监控视频流分析、AR（增强现实）、密集计算辅助、在企业专网之中的应用、车联网、IoT（物联网）网关服务，并详细定义了 MEC 参考架构（见图 1）、端到端边缘应用移动性、网络切片支撑、合法监听、基于容器的应用部署、V2X 支撑、Wi-Fi 与固网能力开放等，在规范层面更好地支撑 MEC 的落地。

8 D4 q$ u) y5 }4 j. j3 c

从 MEC 的主要应用场景来看，连接&分流、网络 QoS 保障、算力供应、能力开放&共享、应用的快速部署是 MEC 要解决的核心问题。所以 MEC 的关键是打造灵活的网、多态的云和丰富的能力，并在此基础上构建应用生态来为客户提供业务。

9 ^; F  @: x, g/ I" M0 Z3 [6 T6 E

－灵活的网：全连接，边缘分流，质量保障支持多种网络连接，包括 4G、5G、Wi-Fi、固网、NB-IoT，满足各种终端接入 MEC。允许边缘分流，实现流量本地化，降低承载 / 传输网的压力，解决企业的组网问题并消除其对数据安全的顾虑；5G 网络支持 UPF 在不同的位置按需进行灵活的部署，并可提供多种分流策略。按需提供网络质量保障，通过切片 /QoS 机制保障业务对带宽、时延等质量诉求。

－多态的云：支持多样化硬件，按需供应各种算力，快速部署应用支持各种形态的计算资源和加速硬件（智能网卡、GPU、FPGA 等）；按需供应算力：提供裸机、虚机、容器资源，以及各种加速资源对网络、图像 / 视频分析、加解密等进行加速；边缘轻量化、无人值守运维：结合边缘机房特点，采取轻量化部署方案，并支持一键开通和无人值守运维方式。

; N7 ~. r( s: S+ }6 Z

－丰富的能力：开放网络能力，简化应用开发通过开放网络信息和能力，比如 TCPO、无线网络信息能力、QoS 能力、带宽能力、位置能力等，实现业务对网的感知，增强业务体验。对通用的 IT 服务进行抽象，提供给应用开发者，简化和加快应用的开发，如视频识别、低时延视频、IOT 设备管理、视频优化、APP 注册管理等服务。

－构建应用生态，满足个人用户和行业用户的需求 5G 使能千行百业，不同的行业在信息化和智能化过程种面临不同的问题，运营商和设备商需要联合行业合作伙伴，结合行业的差异化需求共同提供解决方案，运营商和设备上聚焦网和云，行业伙伴则聚焦应用。

MEC 未来：泛在网络和泛在算力随着边缘网络生态范围的扩大，更多的技术创新和模式创新将围绕边缘网络发生，也更具广阔的想象空间。

* }' q) e+ c  k$ Q6 e

－云边协同：平衡性能和成本，满足经济性需要 MEC 提供的本地算力成本明显高于云计算，对于时延不敏感的业务，可以交由集中云处理，比如海量数据的大数据分析、AI 模式训练等；AI 推理和策略执行则交给 MEC。通过边缘和云端算力协同，使得业务取得性能和成本的平衡。

－边边协同：实现业务连续性，触发边缘网络的重构以 V2X 为例，车在移动时，在网络 /MEC 覆盖的边界会触发网络 /MEC 的切换，为保障服务的连续性，需要通过边边协同来解决。MEC 之间需要通过边缘网络进行连接，这将触发边缘网络的重构。边边协同包含 4 个层面：网 - 网协同、网 - 云协同、云 - 云协同和应用协同。

－算力网络：实现网络感知算力，按需路由转换成多边互联结构。

: o0 k" M5 h* I" I; r! l5 e

－区块链技术的去中心化、共识机制、对等互联等特点和边边互联模型完美匹配，通过区块链技术可对边缘节点进行可信认证和鉴权，提升业务和系统安全性。

( \( B3 w& X5 t( t- u  N

－网格计算：实现超大型计算任务的分布式计算

当分散的算力节点连成庞大的算力网络，便可演化为计算网格以承接大型 / 巨型运算任务，通过把应用切分成若干相互独立的运算单元，通过算力网络将其调度到不同的边缘节点同时发起分布式运算。

! r2 {9 W1 Y% J

－函数计算：实现通用算力需求抽象，算力与连接同在函数计算是事件驱动的全托管 Serverless 计算服务，通过对常用的算力需求进行抽象，封装成丰富的函数集，供业务调用，业务则仅专注于本身逻辑。函数计算为业务提供弹性、高可用、扩展性好、极速响应的计算能力，便于快速构建任应用和服务。纵观 IT 发展历史，从大型机到 PC 机，实现了算力从集中到分散的分配；从 PC 机到云计算，实现了从分散到集中的算力按需分配；从云计算到边缘计算，实现了算力从远到近提升服务质量。未来将进一步发展上述新技术，通过更加智能的网络连接，更加丰富的算力，最终实现泛在网络和泛在算力。

6 c/ `. u8 R: m7 y5 e4 k" \