云栖大会七牛云专场论坛于 9 月 20 日在杭州云栖小镇举行,以「当 Cloud 遇上 AI 为主题,围绕「云」和「人工智能」两个关键词,邀请了多名业内大咖,为大家带来了精彩演讲。七牛云技术副总裁戴文军,在会上作了题为《如何用边缘计算+边缘存储打造新一代智能视频云》的分享。

以下内容为根据现场演讲内容速记的实录整理。

戴文军:如何用边缘计算+边缘存储打造新一代智能视频云

大家下午好。在开始之前,要给大家澄清一下,虽然主持人和很多朋友都说边缘计算现在比较热,但其实今天来看,边缘计算真正意义上的落地不太多,边缘计算的产业化应用带来的应用场景还没有开始。边缘计算中最核心的,我认为是 AI 的发展、大数据的发展。    

    
那么有哪些领域,边缘存储和边缘计算可以一展身手呢?今天的主题是 Cloud 遇到 AI,我们服务于众多直播、短视频到现在在线教育的客户,最近一年多的时间,我们整个的客户体系多了一个新的大客户群体,比如说智慧医疗、智能家居。这就是一个巨大的变化。
             
戴文军:如何用边缘计算+边缘存储打造新一代智能视频云
    
在产业互联网领域,我们要更加「复杂」地处理视频。这一领域上的「Cloud 遇到 AI」,有四个方面的全新挑战。
             
戴文军:如何用边缘计算+边缘存储打造新一代智能视频云

首先是更稳定的通讯质量。举个例子,我们在看视频时网络不好,卡顿了一下,大不了暂时不看了。但是我们在做手术,在要取证的时候,这种问题就会有×××烦了。所以这是我认为对于之前视频云的第一大挑战,也最应该去解决的挑战。

第二是更低的延迟。过去电视或者直播的场景,直播我们可以秒开,有三秒以内的延迟。而在新的场景,比如说新零售或者智慧园区,有一个客户经过你的店铺看了一眼商品,你需要快速识别出他的相关信息,比如是不是我们的老客户,他是什么样的购买行为和购买习惯是什么样的,这个场景下延迟超过三秒或者四秒,也许这个客户就离开了,我们就不能建立起联系。在我们智慧的处理体系里,更低的延迟会取得新的突破。    
    
第三是更大的资源需求。我们现在的生活中,各处都有摄像头,学校、园区、商场等各个场景,可以说摄像头无处不在。但是这个数据的存储,会是一个巨大的体量。同时由于日志记录的关系,它的体量比我们想象中的视频、图片要大得多的多。因为是客户访问日志不断累积起来的,所以它需要更大的资源需求。

但我认为这上面部分不是最最重要的挑战,因为有技术上可以去克服它,用资源去解决它。在互联网的上个阶段,当大家要去做图片应用的时候,我们七牛云会做很多图片处理的相关工作,当大家去做视频的时候,我们会做短视频 SDK 以及美颜、鉴黄等各种功能。不管是通过 SDK 的方式、通过 APP 的方式,甚至通过 SAAS,来解决相关的智能需求。但是谁有能力、或者有机会去解决智慧医疗、智慧家居、智慧园区这些领域的问题呢?任何一个领域都不能去通过复制来解决行业上真正的问题。这个行业深层次的问题不解决,未来整个行业包括 AI 的发展,都会是一个延迟的状态。所以我认为,第四个挑战就是深度的行业融合。

刚刚说提到资源的问题、延迟和通讯的问题,但最终,我认为还是网络。

戴文军:如何用边缘计算+边缘存储打造新一代智能视频云
    
我相信所有人对于 CDN 都不陌生,我们把静态或者动态的文件、视频,放到离你的手机、电脑最近的节点上去。到你的终端是五毫秒或者十毫秒的延迟。那么数据上行是不是可以用同样的手段解决掉? 网络的问题也可以用 CDN 这样的逻辑去解决,但是并不只是说把存储资源、或者计算资源搬到那边去。对每一个APP 开发者或者行业开发者来说,会带来巨大的负担,如何使用边缘资源是个问题。
    
首先我们看边缘存储,边缘存储的产品,大家都很少听得到。整个业界大家会说边缘计算,而只要主机带了硬盘就算是存储了。但这种情况只满足了资源的需求,不是满足我们技术服务的需求,这是最大的一个问题。
    
那怎么来解决这样的一个问题呢?在我们今天云存储上,把节点遍布到 CDN 节点,我们的协议是否可以不发生任何变化呢?这是我们今天追求的。所以第一点是用边缘存储解决掉大数据存储,只有这样,不管我们进行大数据的分析或者视觉智能 AI 的分析,就有了一个基础。

存储的问题解决了,是不是要求每个人都要去做计算的基础能力呢? 我们认为,不仅要把我们客户的应用搬到边缘去,把还需要帮客户解决应用的更新以及这些应用的调配。也需要合理地进行伸缩。
    
所以就近计算和存储绑定在一起的时候,像是摄像头或者医疗、园区这样的问题,就会较好地解决掉。但我们认为不应该只是把存储力或者计算力放在边缘,而是要把整套体系都搬到边缘去。给我们的客户提供 API,他们只需要告诉我们应该在哪一个地方、需要有多大的调度力、需要多大的存储力就可以了。
    
从另一个方面来看,我觉得 P2P 依然是未来发展比较重要的方向。点与点之间如何更快速地去连接,如何更好地优化上行网络,都不是我们今天整个业界关注的热点。但是我认为,要进一步满足 AI 和大数据的发展,上行的优化应该是技术要着重解决的部分。当然大家会说 5G 已经来了,大数据传输已经不是问题了。但是什么时间落地?4G 运营商是不是有那么大的决心把基础设施全部推掉来进入 5G?我觉得有一个过程的。它的速度不会那么快,即使有了 5G,我觉得上传量更大,我们的技术要求会更强。

戴文军:如何用边缘计算+边缘存储打造新一代智能视频云
                  
我们整个的边缘存储和边缘计算叫做「星辰」。究其原因,是因为我们认为所有的计算力都会分布下去,又连接在一起。这种连接不是客户或者自己去做的,而是把它当成一个大的星系来看待,将所有的资源去调配、去分布。


刚刚所说的视频,是我们看到的一些行业变化,以及客户变化带来的一些挑战。智能云的核心点不在于分发,在于我们生产侧。有端、有边缘、有云计算资源的云平台,我们现在会用一些边缘存储,用三副本或者两副本把它存储下来,在计算能力把流的切片、视频的浓缩、视频的结构化,把这些应用能力全部放到边缘去,这样大家可以调我们的 API,可以有我们视频处理的能力。
             
戴文军:如何用边缘计算+边缘存储打造新一代智能视频云
    
大家现在使用的手机设备是智能的,但是我们的端呢?我们的摄像头里面真的是每一个都带有智能芯片吗?其实不是这样的,因为这块成本极高。除此之外,还有一个原因是有非常多已有的设备在线上,之前已经部署一期、二期、三期,这些怎么把智能分析的能力加上去?这是目前需要去解决的问题。
    
下面以两个案例的场景,来谈谈我们的边缘存储和边缘计算。

戴文军:如何用边缘计算+边缘存储打造新一代智能视频云

首先说一下,这是我们客户之前的架构,升级之后的业务架构变成边缘存储来承载。当我们把存储搬到边缘之后,我们可以满足客户巨大体量的要求。因为对于存储、摄像头来说,上行是不收费的,但是每家资源在这上面都非常有限,如果不是用另一块来均衡成本的话,这个代价远远高于存储成本。我们把存储放到边缘,可以满足未来十年、二十年都是没有问题的,现在不用担心云服务商的带宽能力了。
    
我们进一步看,对于 IP Camera 的设备,把我们边缘的存储能力、流媒体的能力使用起来,完全可以支撑 7×24 小时的上传。这样来看,整体的摄像头成本以及它运营的成本,会取得一个巨大的下降。到最后变成边缘存储来承接 SD 卡的内容和 NVR 存储的功能。我们边缘存储的上线,是让摄像头在未来走向云存储、可以变现的重要通道。
    
再来讲另外一个案例,这是我们现在已经接近于交付的一个客户,他是做智能影楼的。

戴文军:如何用边缘计算+边缘存储打造新一代智能视频云

基于 AI 的智能影楼是一套复杂的系统,他的基础的 IT 资源怎么管?基础的存储怎么管?基础计算怎么管?因为影楼是遍布全国的,一个城市有几十家店,全国有几百家、几千家。是否可以做到只关心他的应用升级,不关心机器系统是怎么维护的,后面是怎么调度的。我们用容器,同时把容器搬到了边缘,中心下发进行边缘容器更新它的业务结构。原来上线一个影楼项目需要五天的时间,现在一到两个小时,这是极大的性能的提升。 我们服务于影楼的产品也同样可以服务于其他行业,比如说地产公司、连锁店的分布式业务。

解决了存储的问题,解决了计算的问题,但是我们核心还没有完全解决的是什么呢?应用落地的问题。我们怎么可以支撑智慧医疗、智慧汽车场景呢?在大的生态里面,任何一家只可以做扇形的一面。

戴文军:如何用边缘计算+边缘存储打造新一代智能视频云
                  
大家能不能将某一个应用上面、某一个场景上面的能力服务化,提供通用的平台,让大家的应用在这个体系里面生根,不管你今天为自己做还是为其他客户做,都可以更多地服务于行业。
    
边缘存储和边缘计算,可以在我们的公有云、私有云上去落地。但是它的前提是什么呢?大家都遵循一定的标准。这个标准目前对于应用没有那么限制,就是容器。大家对调用还是有问题,因为应用侧的标准和使用方式不统一,我觉得这是未来需要解决的问题,这不妨碍我们今天走出去的第一步,我们走去大圈圈里面共享。我也希望未来有更多的人走在我们基础的视频架构上面,让整个 Cloud 遇到社会的 AI。
             
戴文军:如何用边缘计算+边缘存储打造新一代智能视频云

AI 应用体系可以在平台与平台无缝复制,未来的产业互联网可以被真正推动起来。因为产业和产业间的理解有隔阂,所以今天我们做互联网的同学要往产业互联网的方向发展,我觉得还是任重而道远的。但当整个基础平台构建完之后,我们的数据就会成为一个市场,会服务于更多人。谢谢大家!

转载于:https://blog.51cto.com/7741292/2285059