雲棲大會七牛雲專場論壇於 9 月 20 日在杭州雲棲小鎮舉行，以「當 Cloud 遇上 AI 爲主題，圍繞「雲」和「人工智能」兩個關鍵詞，邀請了多名業內大咖，爲大家帶來了精彩演講。七牛雲技術副總裁戴文軍，在會上作了題爲《如何用邊緣計算+邊緣存儲打造新一代智能視頻雲》的分享。
以下內容爲根據現場演講內容速記的實錄整理。

大家下午好。在開始之前，要給大家澄清一下，雖然主持人和很多朋友都說邊緣計算現在比較熱，但其實今天來看，邊緣計算真正意義上的落地不太多，邊緣計算的產業化應用帶來的應用場景還沒有開始。邊緣計算中最核心的，我認爲是 AI 的發展、大數據的發展。
那麼有哪些領域，邊緣存儲和邊緣計算可以一展身手呢？今天的主題是 Cloud 遇到 AI，我們服務於衆多直播、短視頻到現在在線教育的客戶，最近一年多的時間，我們整個的客戶體系多了一個新的大客戶羣體，比如說智慧醫療、智能家居。這就是一個巨大的變化。

在產業互聯網領域，我們要更加「複雜」地處理視頻。這一領域上的「Cloud 遇到 AI」，有四個方面的全新挑戰。

首先是更穩定的通訊質量。舉個例子，我們在看視頻時網絡不好，卡頓了一下，大不了暫時不看了。但是我們在做手術，在要取證的時候，這種問題就會有×××煩了。所以這是我認爲對於之前視頻雲的第一大挑戰，也最應該去解決的挑戰。
第二是更低的延遲。過去電視或者直播的場景，直播我們可以秒開，有三秒以內的延遲。而在新的場景，比如說新零售或者智慧園區，有一個客戶經過你的店鋪看了一眼商品，你需要快速識別出他的相關信息，比如是不是我們的老客戶，他是什麼樣的購買行爲和購買習慣是什麼樣的，這個場景下延遲超過三秒或者四秒，也許這個客戶就離開了，我們就不能建立起聯繫。在我們智慧的處理體系裏，更低的延遲會取得新的突破。
第三是更大的資源需求。我們現在的生活中，各處都有攝像頭，學校、園區、商場等各個場景，可以說攝像頭無處不在。但是這個數據的存儲，會是一個巨大的體量。同時由於日誌記錄的關係，它的體量比我們想象中的視頻、圖片要大得多的多。因爲是客戶訪問日誌不斷累積起來的，所以它需要更大的資源需求。
但我認爲這上面部分不是最最重要的挑戰，因爲有技術上可以去克服它，用資源去解決它。在互聯網的上個階段，當大家要去做圖片應用的時候，我們七牛雲會做很多圖片處理的相關工作，當大家去做視頻的時候，我們會做短視頻 SDK 以及美顏、鑑黃等各種功能。不管是通過 SDK 的方式、通過 APP 的方式，甚至通過 SAAS，來解決相關的智能需求。但是誰有能力、或者有機會去解決智慧醫療、智慧家居、智慧園區這些領域的問題呢？任何一個領域都不能去通過複製來解決行業上真正的問題。這個行業深層次的問題不解決，未來整個行業包括 AI 的發展，都會是一個延遲的狀態。所以我認爲，第四個挑戰就是深度的行業融合。
剛剛說提到資源的問題、延遲和通訊的問題，但最終，我認爲還是網絡。

我相信所有人對於 CDN 都不陌生，我們把靜態或者動態的文件、視頻，放到離你的手機、電腦最近的節點上去。到你的終端是五毫秒或者十毫秒的延遲。那麼數據上行是不是可以用同樣的手段解決掉？ 網絡的問題也可以用 CDN 這樣的邏輯去解決，但是並不只是說把存儲資源、或者計算資源搬到那邊去。對每一個APP 開發者或者行業開發者來說，會帶來巨大的負擔，如何使用邊緣資源是個問題。
首先我們看邊緣存儲，邊緣存儲的產品，大家都很少聽得到。整個業界大家會說邊緣計算，而只要主機帶了硬盤就算是存儲了。但這種情況只滿足了資源的需求，不是滿足我們技術服務的需求，這是最大的一個問題。
那怎麼來解決這樣的一個問題呢？在我們今天雲存儲上，把節點遍佈到 CDN 節點，我們的協議是否可以不發生任何變化呢？這是我們今天追求的。所以第一點是用邊緣存儲解決掉大數據存儲，只有這樣，不管我們進行大數據的分析或者視覺智能 AI 的分析，就有了一個基礎。
存儲的問題解決了，是不是要求每個人都要去做計算的基礎能力呢？ 我們認爲，不僅要把我們客戶的應用搬到邊緣去，把還需要幫客戶解決應用的更新以及這些應用的調配。也需要合理地進行伸縮。
所以就近計算和存儲綁定在一起的時候，像是攝像頭或者醫療、園區這樣的問題，就會較好地解決掉。但我們認爲不應該只是把存儲力或者計算力放在邊緣，而是要把整套體系都搬到邊緣去。給我們的客戶提供 API，他們只需要告訴我們應該在哪一個地方、需要有多大的調度力、需要多大的存儲力就可以了。
從另一個方面來看，我覺得 P2P 依然是未來發展比較重要的方向。點與點之間如何更快速地去連接，如何更好地優化上行網絡，都不是我們今天整個業界關注的熱點。但是我認爲，要進一步滿足 AI 和大數據的發展，上行的優化應該是技術要着重解決的部分。當然大家會說 5G 已經來了，大數據傳輸已經不是問題了。但是什麼時間落地？4G 運營商是不是有那麼大的決心把基礎設施全部推掉來進入 5G？我覺得有一個過程的。它的速度不會那麼快，即使有了 5G，我覺得上傳量更大，我們的技術要求會更強。

我們整個的邊緣存儲和邊緣計算叫做「星辰」。究其原因，是因爲我們認爲所有的計算力都會分佈下去，又連接在一起。這種連接不是客戶或者自己去做的，而是把它當成一個大的星系來看待，將所有的資源去調配、去分佈。
剛剛所說的視頻，是我們看到的一些行業變化，以及客戶變化帶來的一些挑戰。智能雲的核心點不在於分發，在於我們生產側。有端、有邊緣、有云計算資源的雲平臺，我們現在會用一些邊緣存儲，用三副本或者兩副本把它存儲下來，在計算能力把流的切片、視頻的濃縮、視頻的結構化，把這些應用能力全部放到邊緣去，這樣大家可以調我們的 API，可以有我們視頻處理的能力。

大家現在使用的手機設備是智能的，但是我們的端呢？我們的攝像頭裏面真的是每一個都帶有智能芯片嗎？其實不是這樣的，因爲這塊成本極高。除此之外，還有一個原因是有非常多已有的設備在線上，之前已經部署一期、二期、三期，這些怎麼把智能分析的能力加上去？這是目前需要去解決的問題。
下面以兩個案例的場景，來談談我們的邊緣存儲和邊緣計算。
首先說一下，這是我們客戶之前的架構，升級之後的業務架構變成邊緣存儲來承載。當我們把存儲搬到邊緣之後，我們可以滿足客戶巨大體量的要求。因爲對於存儲、攝像頭來說，上行是不收費的，但是每家資源在這上面都非常有限，如果不是用另一塊來均衡成本的話，這個代價遠遠高於存儲成本。我們把存儲放到邊緣，可以滿足未來十年、二十年都是沒有問題的，現在不用擔心雲服務商的帶寬能力了。
我們進一步看，對於 IP Camera 的設備，把我們邊緣的存儲能力、流媒體的能力使用起來，完全可以支撐 7×24 小時的上傳。這樣來看，整體的攝像頭成本以及它運營的成本，會取得一個巨大的下降。到最後變成邊緣存儲來承接 SD 卡的內容和 NVR 存儲的功能。我們邊緣存儲的上線，是讓攝像頭在未來走向雲存儲、可以變現的重要通道。
再來講另外一個案例，這是我們現在已經接近於交付的一個客戶，他是做智能影樓的。

基於 AI 的智能影樓是一套複雜的系統，他的基礎的 IT 資源怎麼管？基礎的存儲怎麼管？基礎計算怎麼管？因爲影樓是遍佈全國的，一個城市有幾十家店，全國有幾百家、幾千家。是否可以做到只關心他的應用升級，不關心機器系統是怎麼維護的，後面是怎麼調度的。我們用容器，同時把容器搬到了邊緣，中心下發進行邊緣容器更新它的業務結構。原來上線一個影樓項目需要五天的時間，現在一到兩個小時，這是極大的性能的提升。 我們服務於影樓的產品也同樣可以服務於其他行業，比如說地產公司、連鎖店的分佈式業務。
解決了存儲的問題，解決了計算的問題，但是我們核心還沒有完全解決的是什麼呢？應用落地的問題。我們怎麼可以支撐智慧醫療、智慧汽車場景呢？在大的生態裏面，任何一家只可以做扇形的一面。

大家能不能將某一個應用上面、某一個場景上面的能力服務化，提供通用的平臺，讓大家的應用在這個體系裏面生根，不管你今天爲自己做還是爲其他客戶做，都可以更多地服務於行業。
邊緣存儲和邊緣計算，可以在我們的公有云、私有云上去落地。但是它的前提是什麼呢？大家都遵循一定的標準。這個標準目前對於應用沒有那麼限制，就是容器。大家對調用還是有問題，因爲應用側的標準和使用方式不統一，我覺得這是未來需要解決的問題，這不妨礙我們今天走出去的第一步，我們走去大圈圈裏面共享。我也希望未來有更多的人走在我們基礎的視頻架構上面，讓整個 Cloud 遇到社會的 AI。

AI 應用體系可以在平臺與平臺無縫複製，未來的產業互聯網可以被真正推動起來。因爲產業和產業間的理解有隔閡，所以今天我們做互聯網的同學要往產業互聯網的方向發展，我覺得還是任重而道遠的。但當整個基礎平臺構建完之後，我們的數據就會成爲一個市場，會服務於更多人。謝謝大家！