溫馨提示：如需原文檔，可在PC端登陸未來智庫官網（www.vzkoo.com）搜索下載本文檔。
報告概覽：
什麼是邊緣計算?邊緣計算被定義為“一種新的計算方式，這種模式將計算與存儲資源部署在更貼近移動設備或傳感器的網絡邊緣”，其核心在於“貼近”終端，因此在實時、快速響應是邊緣計算產生的核心痛點所在。帶寬、延遲與抖動等不穩定因素都更易於控制和改進。邊緣計算時代設備連接數有望達到千億量級。麥肯錫在去年11 月報告中指出，隨著連接設備的激增和功能的擴展，對不受延遲和網絡影響的實時決策的需求也在增加，算力從雲端到邊緣的移動會使得邊緣計算產業價值量持續快速提升，麥肯錫預計在2025年，邊緣計算的價值將會提升至1750–2150 億美元。
邊緣計算的本質:在物聯網、大數據時代提升數據處理的效率。邊緣計算的本質在於，讓物聯網時代大量傳感器捕捉的海量數據得以在最合適的位置進行處理分析。純粹的企業內部部署方案會催生數據孤島，而純粹的雲方案則面臨高延時、高傳輸成本以及海量數據的篩選難度。在這一情景下，邊緣側啟用處理分析+重要數據雲端運算分析/算法優化回傳的混合方案成為最優解，大量邊緣計算需求應運而生。邊緣計算的部署跟它的應用場景有著緊密的關係，總的來說，邊緣計算可以按需部署於無線接入雲、邊緣雲或者匯聚雲。對於低時延場景，邊緣計算需要部署於靠近基站側的無線接入雲甚至終端自身處(如安防攝像頭、智能汽車);對於高帶寬要求的大流量熱點地區，邊緣計算可以部署於邊緣雲;對於海量連接的場景，邊緣計算可部署於位置更高一些的匯聚雲，以便覆蓋更大區域的業務需求。
邊緣計算中的芯片機遇。鑑於目前可得資料，我們主要從智能駕駛這一邊緣計算的典型場景進行了拆解分析。我們繼續強調泛物聯網時代來臨，邊緣計算爆發在即，數據呈指數級別增長!智能駕駛、智能安防對數據樣本進行訓練推斷、物聯網對感應數據進行處理等大幅催生內存性能與存儲需求，數據為王!根據DRAMeXchange與集邦諮詢預計，5G、數據中心與邊緣計算將成為服務器DRAM 需求增加的主要驅動力，並預計將在2021 年後超越目前佔主流的移動DRAM 應用。同時我們也建議重點關注國內優質廠商/項目在NAND Flash、MCU、模擬芯片、CMOS 圖像傳感、邊緣側ASIC 等領域的機遇。
報告內容：
一、什麼是邊緣計算?
邊緣計算被定義為“一種新的計算方式，這種模式將計算與存儲資源部署在更貼近移動設備或傳感器的網絡邊緣”，其核心在於“貼近”終端，因此在實時、快速響應是邊緣計算產生的核心痛點所在。帶寬、延遲與抖動等不穩定因素都更易於控制和改進。
邊緣計算時代設備連接數有望達到千億量級。麥肯錫在去年11 月報告中指出，隨著連接設備的激增和功能的擴展，對不受延遲和網絡影響的實時決策的需求也在增加，算力從雲端到邊緣的移動會使得邊緣計算產業價值量持續快速提升，麥肯錫預計在2025 年，邊緣計算的價值將會提升至1750–2150 億美元。
借用一個形象比喻，邊緣計算類似於人類的神經末梢，對於簡單的信息可以直接處理; 對於複雜的信息則傳輸給雲端(即大腦)。邊緣計算可能的形式或者說載體:從當前來看，我們對邊緣計算的載體進行大膽預測——微基站、智能安防攝像頭、車載電腦、智能網關、路由器和微型數據中心/代理服務器最有可能成為邊緣計算可能的載體。
二、邊緣計算的本質:在物聯網、大數據時代提升數據處理的效率
我們認為邊緣計算的本質在於，讓物聯網時代大量傳感器捕捉的海量數據得以在最合適的位置進行處理分析。純粹的企業內部部署方案會催生數據孤島，而純粹的雲方案則面臨高延時、高傳輸成本以及海量數據的篩選難度。在這一情景下，邊緣側啟用處理分析+重要數據雲端運算分析/算法優化回傳的混合方案成為最優解，大量邊緣計算需求應運而生。
邊緣計算的核心是邊緣計算單元，但其位置到底在哪並沒有絕對答案。邊緣計算的部署跟它的應用場景有著緊密的關係，總的來說，邊緣計算可以按需部署於無線接入雲、邊緣雲或者匯聚雲。對於低時延場景，邊緣計算需要部署於靠近基站側的無線接入雲甚至終端自身處(如安防攝像頭、智能汽車);對於高帶寬要求的大流量熱點地區，邊緣計算可以部署於邊緣雲;對於海量連接的場景，邊緣計算可部署於位置更高一些的匯聚雲，以便覆蓋更大區域的業務需求。
三、邊緣計算中的芯片機遇
要尋找邊緣計算中的芯片機遇，首先必須瞭解邊緣計算的核心需求和特性: 1)多種連接和數據移動性。邊緣技術可以在受限或需要斷斷續續連接至雲端以完成計算，存儲，備份和分析等工作。
2)需要實時決策。邊緣使用案例通常需要立即處理數據，例如，用於自動駕駛汽車或自動揀選機器。這些設備和平臺需要能夠在本地進行分析，而無需先將數據發送到雲，因此可以快速做出決策。
3)本地化計算能力。邊緣計算機需要是輕量級設備，可以在不支持更大計算能力的情況下快速，安全地做出決策。
4)新的存儲和安全需求。隨著在遠程和移動設備上生成數據的傳感器數量的增長，對可以在各種環境中受到保護的高效存儲需求也在增長。
即分別對應處理、存儲、通信連接和傳感四個核心環節。
要具體理解邊緣計算對於芯片產業的機遇，我們選取目前最成熟的邊緣計算方案之一、也是未來有望看到的最大應用領域——智能駕駛為例，即通過特斯拉autopilot 輔助駕駛系統的拆解來分析。
智能駕駛時代，“車載電腦”、“車載服務器”大勢所趨。建立“感應-融合-決策-執行”大閉環。智能駕駛，在監測到障礙物時，如果無法及時進行智能化決策，控制方向避開障礙物，而是先傳入雲端再下發指令到車載終端的話，因信號傳輸等原因稍有延遲就會導致事故的發生。因此需要本地具備高性能運算能力的輔助駕駛/自動駕駛控制系統來對傳感器接收數據進行融合、處理，“車載電腦”、“車載服務器”將是大勢所趨，形成“感應-融合-決策-執行”大閉環。基於上述框架，我們進一步對車用傳感器、微控制器、存儲器進行分析:
拆解下來可以發現主要芯片包括主控芯片、內存、GPU 以及閃存，此外還有英飛凌的MCU、marvell的以太網收發器/交換芯片、德州儀器的攝像頭輸入接口與Codec 芯片。其中佔比量價值最大的毫無疑問是主控和GPU 兩大高性能運算芯片，而車載存儲的佔比——內存、閃存(包括NAND 和NOR)我們認為僅次於運算處理芯片。從目前車載存儲主流方案來看，整體呈現存儲使用顆數、單顆容量、單顆價值量三項齊升的趨勢。麥肯錫今年報告對車載存儲整體產值進行預測，預計到2020 年車載存儲整體產值將達到28.32 億美元，其中DRAM 和NAND佔比分別為51%、36%。
傳感器方面，以特斯拉model 3 為例，其使用了一顆雷達與8 顆攝像頭，僅能實現2級自動/輔助駕駛水平，保守估計單車至少需要安裝30 顆以上傳感器才有可能實現L5 自動駕駛。預計2021 年，車用傳感器出貨量將達18 億顆，以單顆1美元計算，對應市場空間保守估計將接近18 億美金。
鑑於目前可得資料，我們主要從智能駕駛這一邊緣計算的典型場景進行了拆解分析。我們繼續強調泛物聯網時代來臨，邊緣計算爆發在即，數據呈指數級別增長!智能駕駛、智能安防對數據樣本進行訓練推斷、物聯網對感應數據進行處理等大幅催生內存性能與存儲需求，數據為王!
根據DRAMeXchange與集邦諮詢預計，5G、數據中心與邊緣計算將成為服務器DRAM 需求增加的主要驅動力，並預計將在2021 年後超越目前佔主流的移動DRAM 應用。
同時我們也建議重點關注國內優質廠商/項目在NAND Flash、MCU、模擬芯片、CMOS 圖像傳感、邊緣側ASIC 等領域的機遇。
閱讀更多 未來智庫 的文章
