浅析基于边缘计算的移动AR实现（下）

Posted 2023-04-02 HiveIOE

0 前言

        上一篇文章主要从终端的角度分析了AR终端功能模块、系统组成和通信方案。本文将AR边缘计算架构的视角往上移一层，来到边缘设备侧，分析一下在边缘侧，是如何支持和实现AR相关业务和数据的处理的。我们知道AR业务需要处理大量的实时数据，包括视频、图像、位置感知、生物特征信息等，这么大的数据量，在终端设备侧根本无法完成，因此需要将其卸载到边缘设备或者云端处理。在具体实现时哪些AR业务需要卸载，卸载到哪里，如何卸载，什么时候卸载，都是需要进行系统的分析的。本文从边缘计算卸载技术的视角，设计了设备管理、数据预处理、安全管理、服务管理和虚拟化5大功能模块。这些模块架构解决了AR终端的连接入网问题、数据预处理、显示、安全问题和业务连续性等问题。

1 支持AR的边缘设备架构

        边缘设备的设计是跟具体业务强相关的，因此在进行AR边缘架构设计时，笔者对之前的边缘框架【1】进行了改造，专门用来处理AR终端业务，如下图所示。图中边缘设备依然分为南北两个方向的hub，再加上中间的5个核心业务模块。

        其中边缘南向hub主要跟AR终端相连接，为AR终端提供接入的接口，将AR终端的接入协议转换成边缘设备可以识别的协议，将数据转成可以处理的格式，在此处的消息代理依然可以采用mqtt broker，支持同时有多路的AR终端连接到边缘设备上。边缘设备之间也可以通过这个hub层进行组网连接，因为移动AR终端会在不同接入节点接入，因此需要边缘设备之间能够进行快速的数据切换，详细将在移动性管理中讨论。北向的hub比较简单，就是将边缘设备连接入云，边缘设备的部分智能化的功能需要云端辅助模型训练，需要云端提供OTA升级、全局运维、安全管理等方面高级业务。这两个hub实现了AR终端的一跳入网、一跳入云，是边缘计算设备的关键模块，也是整个移动AR边缘卸载的基础功能。

2 设备管理与数据预处理执行

        接下来就是跟AR业务强相关的模块了，首先是设备管理模块，主要完成边云、边边和边端的互联互通，在边缘设备与云端断开连接后，依然可以对AR终端进行管理，执行AR终端卸载的数据，对于AR终端的故障可以进行告警和预测性维护，在边缘设备上生成AR终端的孪生，不过，当前我们研究的是移动AR终端，因此在边缘设备上没有必要保留该模块，后面根据实现进行裁剪。

        数据的预处理和执行，是整个AR边缘设备的最核心的模块。在本文笔者是基于一个基本假设，就是AR终端不具有密集计算能力，且考虑到功耗问题，所以将AR终端除传感器数据采集和显示以外，几乎所有的业务卸载到边缘计算设备。交互识别是指终端设备和人之间在视觉，听觉，触觉，语音等各类数据，这些数据具有时效性要求，因此在识别功能上适合放到边缘计算设备，云端的话可以做好模型训练。位姿预测指的是对用户的头部角度，眼睛焦点，面部表情，手势，体态等进行提前的预测，在用户做出下一步动作之前，可以根据先前的指示，预测出用户的意图，其实这个本质上也是降低处理时延。跟另外一个模块，移动预测类似，AR终端会不断在不同的接入节点上切换，这很容易导致业务的中断，业务断掉的根本原因是数据没有及时在不同接入节点间切换，或者切换过程中，因不可预知的因素延迟了，这会严重影响AR终端的体验。如果能提前预判出AR终端会在哪个边缘设备上接入，数据被提前移到了那个设备上，那就可以解决这种滞后性带来的业务连续性问题。

        对于采集的周围环境数据的识别，同样是卸载到边缘设备上。首先采集的图像数据会在边缘设备上做基础的识别，并对图像做压缩，然后将其传输到云端进行大规模的模型训练，训练的模型会被传到边缘设备上，需要注意的是我们的边缘设备上的图像识别模型是经过精简的云端模型，或者是重新设计的考虑能耗比的智能算法，因此此处是需要一套边缘智能的技术栈支撑的。在显示方面同样需要大量的计算，需要对三维场景重建，叠加数字世界的图像、文字等信息，为了让用户体验更佳，需要对其真实性进行渲染。

3 服务管理

3.1 卸载技术

        在AR业务的边缘化处理中最核心的技术是边缘卸载技术，与以前的云端架构不同，边缘计算的引入，使卸载的层次从原来的两层，变成了三层，每一层需要处理的任务也有所不同，三层之间相互配合才能完成整个AR业务处理。卸载时需要考虑到功耗，时延，资源和能效比等指标，保证整体的性能是最优的。如下图所示，是笔者针对AR业务的特点，划分的各层可以且需要处理的业务。

        图中以AR眼镜为例，在真实环境中有一棵松树，我们的AR眼镜中看到一只虚拟的松鼠在树上。这个过程是怎么实现的呢？首先是AR眼镜采集环境信息，其中包括深度信息、位置信息和图像信息，通过这些信息就可以获取真实环境中的松树的位置、深度和实体信息。当然这个检测和识别的过程是由边缘计算设备完成的，因为AR眼镜本身趋向轻薄，不适合处理密集计算。除了环境信息，还有一类信息是AR眼镜特别关注的，那就是用户的交互信息，这类信息中包含用户的头部定位、眼神的聚焦点、语音交互和手势交互。这类信息直接关系着用户的交互体现，在实时性上要求极高，同样的需要卸载到边缘设备上处理。上述两类信息除了在边缘设备上执行，还需要将其上传到云上进行训练，以便使模型更加贴近用户，更具有个性化，模型满足用户的行为习惯，为下一步预测用户意图打下基础。在上传云时，为了减少对带宽的冲击，需要将图像信息压缩传输，因此在边缘设备上还需要具备图像的压缩功能，传输时也能智能选路。图中是列举了蜂窝技术场景下边缘计算设备的部署位置，按照AR终端采集，边缘端执行，云端训练的思路，完成整个上行的过程。

        接下来就是下行数据的处理，云端负责将满足训练好的用户行为的模型和真实场景识别模型卸载到边缘设备上，这个卸载的方向是将云端的能力卸载到边缘设备上，跟终端卸载的思路不太一样。终端卸载主要是终端能耗和计算能力薄弱，所以需要卸载密集计算任务，而云端则主要考虑满足时延性要求和减少对带宽的冲击，因此两者在卸载性能评价上是不同的。在边缘设备上主要完成对三维场景的重建和高真实感渲染，首先是将要叠加松鼠图像传输到边缘设备上，然后依据前面识别的松树的深度信息和位置信息，将松鼠叠加到松树的位置，用户的视角在这个过程中可能会发生变化，此时就需要根据当前用户的关注点重建整个三维世界，让松鼠看起来更加真实，更加灵动。当边缘设备处理好了这些信息，AR终端眼镜就可以将这些信息显示到镜片上，让用户就像真实看到一只在树上活动的松鼠。

3.2 移动性管理

        除了移动卸载技术，如下图所示，AR终端眼镜在网络中还会发生位置的变化，为了让用户感知不到这种变化，需要对用户的移动位置进行提前的预测，这一点在上面的卸载技术中可以由用户的行为预测，在此处主要是将数据从一个基站迁移到另外一个基站，在发生迁移时往往会因为当时的网络负载等因素的影响，使数据无法及时更新到对应的站点。一种解决方案是基于预测提前迁移，另外一种方式是将其上送到更高的一层边缘设备，比如核心网上处理，这样就不会存在迁移的问题。从这个纬度上看边缘设备层之间还存在自组网和卸载层次的问题，这些需要根据真实的实验环境确定方案。

3.3 时延和功耗管理

        功耗和时延指标是衡量边缘计算处理AR业务优劣的关键指标，下图中是文献【2】分解的在不同边缘设备上处理AR业务所需要的耗时。AR业务如果要达到更好的用户体验，在时延方面需要在20ms以内，我们看到在蜂窝场景下，只有将其卸载到bbu往下的位置理论上才可以满足要求，放到核心网往上的位置，时延就无法再满足要求。这部分的耗时包括传输耗时和计算耗时，目前最大的挑战在传输时延这部分。

        除了时延还需要考虑功耗的问题AR终端属于轻量级设备，本身的处理能力有限，所采用的供电资源也是受限的，因此在卸载和移动性方面，需要考虑全量卸载的方式，在通信技术的选择上也要考虑低功耗等因素。特别是当接入的AR终端数量增加时，超过边缘设备的处理能力，如何实现负载均衡，也是在边缘设备设计时需要重点考虑的。

3.4 网络切片技术

        网络切片技术也是边缘设备在设计处理AR业务时需要考虑的一种技术，该技术可以保证AR终端业务得到类似专线的能力，可以针对低时延，大带宽的需求进行优化，保证不同的AR终端之间可以共享带宽，实现对带宽的优化，比如文献【3】就提出了，可以在上行时将不同用户相似的数据合并到一起处理，然后再通过组播的方式下发到设备上，这样不仅节省了带宽，还可以共享计算资源，进一步降低时延。通过网络切片，将AR业务与其他业务隔离，实现独有的需求，这对进一步增强用户体验创造了条件。如果是经常使用的数据，可以将其缓存到边缘计算设备上。

4 小结

        至此基于边缘计算的移动AR就解析完成，本主题并没有提出具体的某项技术的实现方法，只是对边缘计算针对某个业务领域的应用进行了一次探索。后续笔者将系统的梳理边缘计算技术和产品方面技术，敬请期待。

参考文献：

【1】边缘计算简述-多视角下的边缘计算实现_linus_ben的博客-CSDN博客_边缘计算如何实现

【2】面向通信于计算融合的5G移动增强/虚拟现实

【3】增强现实场景下移动边缘计算资源分配优化方法研究

转发深度报告：移动边缘计算，站在5G“中央”

1.移动边缘计算强调靠近用户提供计算能力，应用场景丰富。

     移动边缘计算（MEC）是一个“硬件+软件”的系统，通过在移动网络边缘提供IT服务环境和云计算能力，以减少网络操作和服务交付的时延。其技术特征主要包括“邻近性、低时延、高宽带和位置认知”，未来有广阔的应用前景，例如车联网（如无人驾驶）、AR、视频优化加速、监控视频分析等。IDC预测显示，2018年将有40%的数据要在网络边缘侧分析、计算与存储。

 

2.移动边缘计算与云计算并不对立，更多是协同互补的关系。

     移动边缘计算和云计算的关系可以比喻为集团公司的地方办事处与集团总公司的关系，可以彼此互补。云计算把握整体，聚焦于非实时、长周期数据的分析，能够在周期性维护等领域发挥特长；而移动边缘计算则专注于局部，聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行。

 

3.移动边缘计算与CDN有诸多不同，是CDN的发展方向之一。

      相较CDN，移动边缘计算更靠近无线网边缘，下沉位置更深，因此时延更小；CDN应用场景的关注点是“分发加速”，而移动边缘计算不仅要“加速”，还拥有开放API能力及本地化的计算存储能力，可以让网络智能化。因此，传统CDN是以缓存分发业务为中心的IO密集型系统，未来的演进方向之一是边缘计算。

 

4.多因素推动移动边缘计算加速发展，如5G、物联网、SDN。

     一是5G的三大应用场景和小于1ms的时延指标，决定了5G业务的终结点不可能都在核心网后端的云平台，因此移动边缘计算的发展具有必要性。二是物联网的核心是让万物互联，而随着连接数的快速增长，一方面意味着海量数据的产生，另一方面物联网设备往往还需要智能计算，而移动边缘计算可以通过更靠近边缘的数据处理能力，帮助物联网更好地实现物与物之间的传感、交互和控制。三是SDN将助力移动边缘计算的发展。例如，SDN的架构能够让网络可以灵活互换使用云计算和边缘计算的资源，满足敏捷和动态系统需求，为用户提供最佳的服务。

 

5.移动边缘计算虽处发展初期，但巨头纷纷布局，前景广阔。

     移动边缘计算诞生于2013年，目前仍处于技术研发和产业化过程中，虽仍处于发展初期，但作为5G的核心技术之一，发展前景广阔。数据显示：通过增加边缘云服务器的部署，运营商可以减少专有的网络部署，节省无线接入网络与现有应用服务器之间的回程线路使用达35%以上。因此，巨头纷纷布局，包括诺基亚、英特尔、华为、中兴等。从投资角度来看，我们建议重点关注布局领先、与运营商合作良好的供应商：中兴通讯、日海通讯。

 

风险提示

移动边缘计算的技术发展不及预期、商业模式不清晰等。

一

移动边缘计算为何物

1.1移动边缘计算的概念、特征与基本组件

     移动边缘计算（MEC）最初于2013年在IBM和Nokia Siemens共同推出的一款计算平台上出现。之后，各大电信标准组织开始推动移动边缘计算的规范化工作。根据欧洲电信标准协会（ETSI）的定义，移动边缘计算侧重在移动网边缘提供IT服务环境和云计算能力，强调靠近移动用户以减少网络操作和服务交付的时延。

     2016年，华为在国内倡议发起了“边缘计算产业联盟”。根据边缘计算产业联盟的定义，边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，以满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

     我们认为：移动边缘计算通过与内容提供商和应用开发商深度合作，在靠近移动用户侧就近提供内容存储计算及分发服务，使应用、服务和内容部署在高度分布的环境中，以更好地满足低时延和高带宽需求。

     根据Intel的架构，移动边缘计算位于无线接入点与有线网络之间，传统无线接入网具备了业务本地化和近距离部署的条件，从而提供了高带宽、低时延的传输能力，同时业务面下沉形成本地化部署，可有效降低对网络回传带宽的要求和网络负荷。移动边缘计算由于提供了应用程序编程接口（API），并对第三方开放基础网络能力，从而使得网络可以根据第三方的业务需求实现按需定制和交互，这将是5G迈向更扁平网络的第一步。

 

     移动边缘计算的技术特征主要体现为：邻近性、低时延、高宽带和位置认知。

（1）邻近性：由于移动边缘计算服务器的布置非常靠近信息源，因此边缘计算特别适用于捕获和分析大数据中的关键信息，此外边缘计算还可以直接访问设备，因此容易直接衍生特定的商业应用。

（2）低时延：由于移动边缘计算服务靠近终端设备或者直接在终端设备上运行，因此大大降低了延迟。这使得反馈更加迅速，同时也改善了用户体验，大大降低了网络在其他部分中可能发生的拥塞。

（3）高带宽：由于移动边缘计算服务器靠近信息源，可以在本地进行简单地数据处理，不必将所有数据或信息都上传至云端，这将使得核心网传输压力下降，减少网络堵塞，网络速率也会因此大大增加。

（4）位置认知：当网络边缘是无线网络的一部分时，无论是WiFi还是蜂窝，本地服务都可以利用相对较少的信息来确定每个连接设备的具体位置。

     移动边缘计算的基本组件包括：路由子系统、能力开放子系统、平台管理子系统及边缘云基础设施。前3个子系统部署于移动边缘计算服务器内，而边缘云基础设施则由部署在网络边缘的小型或微型数据中心构成。

     移动边缘计算系统的核心设备是基于IT通用硬件平台构建的MEC服务器。移动边缘计算系统通过部署于无线基站内部或无线接入网边缘的云计算设施（即边缘云），以提供本地化的公有云服务，并可连接其它网络（如企业网）内部的私有云实现混合云服务。移动边缘计算系统提供基于云平台的虚拟化环境，支持第三方应用在边缘云内的虚拟机(VM)上运行。相关的无线网络能力可通过MEC服务器上的平台中间件向第三方应用开放。

1.2移动边缘计算与云计算协同互补、相得益彰

     移动边缘计算和云计算的关系可以比喻为集团公司的地方办事处与集团总公司的关系。云计算把握整体，聚焦于非实时、长周期数据的大数据分析，能够在周期性维护、业务决策支撑等领域发挥特长；边缘计算则专注于局部，聚焦实时、短周期数据的分析，能够更好地支撑本地业务的实时智能化处理与执行。

     对于数据处理的时效性要求，如果完全依靠云计算，传输时间及反馈时间将会使得数据处理效率大打折扣。而如果先通过移动边缘计算进行简单初步的处理，对于复杂的数据再上传至云端，通过云计算解决，这样既可以解决数据处理的时效性问题，同时降低传输成本，又可以减轻云计算的压力。因此，云计算与移动边缘计算配合的运行模式是这样的：边缘端先对数据进行预处理，提取特征传输给云端再进行计算分析。

 

1.3移动边缘计算是CDN的未来发展方向之一

     CDN即内容分发网络，其目的是通过在现有的Internet中增加一层新的网络架构，将网站的内容发布到最接近用户的网络“边缘”，使用户可以就近取得所需的内容，以提高用户访问网站的响应速度。

     CDN与移动边缘计算之间存在千丝万缕的联系。

     CDN与移动边缘计算的产生背景有许多相同之处，实现目标也有相近之处。两者都是在用户体验要求不断提高，用户数量、数据流量激增的背景下产生。CDN中的网络“边缘”和移动边缘计算中的“边缘”含义接近，都意味着和以往的网络架构不同，服务器更接近于无线接入网（RAN）。但是相较于CDN，移动边缘计算更靠近无线接入网，下沉的位置更深。由于物理距离的减少，自然移动边缘计算相较于CDN时延进一步降低。

但在架构上，移动边缘计算与CDN差别较大。移动边缘计算的典型架构中包括能力开放系统及边缘云基础设施，这使得移动边缘计算拥有开放API能力以及本地化的计算能力，而这些恰恰是CDN所欠缺的。

     由于自身的技术特点，CDN应用场景的关注点是在“加速”，如网站加速，视频点播及视频直播等等场景，并未出现智能化场景。而移动边缘计算包括了计算能力，因此具备了低时延和智能化特点，移动边缘计算在包含CDN的应用场景外，在诸如车联网、智慧医疗等要求智能化的应用场景中将起到非常大的作用。

     随着技术的不断进步以及产业环境的日益变化，用户对高频、高交互的要求越来越极致 化，不仅对时延的要求更高，对智能调配能力和处理、计算海量数据的能力也要求更高了。因此，CDN的传统应用场景如视频加速将受到挑战。对此，CDN要根据市场需求做出进一步升级，比如智能化，最关键的是智能调配、智能计算。在应用场景方面，CDN也应不断升级，从最初的图片加速、网站加速、视频加速，到承载各类高清视频、VR/AR等重度应用，再到对大数据技术、物联网、人工智能的承载。而这些正是移动边缘计算要解决的问题。

     因此，传统CDN是以缓存业务为中心的IO密集型系统，未来CDN的演进方向之一是形成边缘计算系统。

二

多因素推动移动边缘计算加速发展

2.1物联网时代的大数据与大连接需要移动边缘计算

     物联网的核心是让万物互联，让每个物体都能够智能地连接与运行。边缘计算可以通过更靠近边缘的数据分析处理能力，帮助物联网更好地实现物与物之间的传感、交互和控制。“移动边缘计算”作为一种将计算、网络、存储能力从云延伸到物联网网络边缘的架构，遵循“业务应用在边缘，管理在云端”的模式。

     当前，各种附带传感器的智能设备正在快速联网。IDC的统计数据显示，到2020年全球将有超过500亿的终端和设备联网。我们预计，2016年我国物联网连接数约8.4亿个，预计2020年将增长317%，达到35亿。

     连接数的快速增长，一方面意味着海量数据的产生，另一方面，这类连接设备往往还需要进行智能计算。根据IDC的预计，在2018年将有40%的数据需要在网络边缘侧分析、处理与储存。

     海量数据带来的问题是存储不便、计算结果的迟滞性。云计算是解决该问题的方法之一。在面临如此庞大的数据量时，云计算可以为大数据提供存储和计算支持。但是物联网产生的大量数据如果完全由云计算进行处理，那么网络边缘侧产生的数据就需要全部通过网络上传到云端，不仅传输时间将非常长，传输代价也很大。更重要的是，由于数据是先上传至云端，再反馈于终端执行，数据处理效率将大打折扣。

     以智能驾驶为例，在监测到车子前方有障碍物时，如果无法及时智能化处理，控制方向躲避障碍物，而是先传入云端，再反馈回终端的的话，极小的延迟，都有可能导致车祸的发生。

     而如此大量的设备需要智能化计算，仅仅依靠云计算是难以完成的。因此，面对未来物联网时代产生的大量连接与大量数据，就需要重新考虑网络布局。举个例子，一段网红的短视频约为10MB，如果一个区域内有1000个人观看这段视频就会产生10GB的网络流量。在这过程中，实际上这段视频内容从互联网到移动网络内被重复发送了1000遍，99.9%的网络带宽被浪费了，如果将视频缓存在靠近边缘侧的节点，将大量节省带宽。

     物联网的数据特征是多样化、异构性、海量性和高增长。因此，数据的筛选与及时处理便对目前的网络架构构成了挑战。根据国际电信联盟（ITU）的调查结果，在物联网时代，数据处理效率与有效信息抓取是使用者面临的主要问题，分别有44%和36%的受访人群认为数据量太大以及有效信息难以抓取是主要问题。

     传统的观点认为解决数据多样化与异构性应当从基础软件入手，不同的微型设备可能需要不同的操作系统，不同的感知信息需要不同的数据结构和数据库，不同的系统需要采用不同的中间件。这三个系统的正确选择可以屏蔽数据的异构性。但采取这种方式，成本支出将是巨大的。而移动边缘计算可以首先对数据进行筛选，将筛选后的数据再上传至云端，从而实现数据的顺利传递、过滤、融合，对及时、正确感知数据具有重要意义。

     对于物联网数据的海量性与高增长性问题，如果直接去建设更多更大的数据中心会极大地增加管理成本并且使得系统可靠性下降。而移动边缘计算作一个十分靠近终端信息源的小型信息中心，将应用、处理和存储推向移动边界，使得海量数据可以正常处理，而不必完全去建设更多的数据中心。

2.2移动边缘计算是5G的核心技术之一

     5G技术以“大容量、大带宽、大连结、低延迟、低功耗”为诉求。根据联合国国际电信联盟(ITU)对5G的标准要求，5G标准包括增强型移动宽带（eMBB）、超高可靠低时延通信（URLLC）以及海量机器通信（mMTC）三大应用场景，并定义了以下关键指标：峰值吞吐率10Gbps、时延1ms、连接数100万、高速移动性500km/h。

     在目前的网络架构中，由于核心网的高位置部署，传输时延比较大，不能满足超低时延业务需求；此外，业务完全在云端终结并非完全有效，尤其一些区域性业务不在本地终结，既浪费带宽，也增加时延。因此，时延指标和连接数指标决定了5G业务的终结点不可能全部都在核心网后端的云平台。

     移动边缘计算正好契合该需求。一方面，移动边缘计算部署在边缘位置，边缘服务在终端设备上运行，反馈更迅速，解决了时延问题；另一方面，移动边缘计算将内容与计算能力下沉，提供智能化的流量调度，将业务本地化，内容本地缓存，让部分区域性业务不必大费周章在云端终结。

 

     此外，移动边缘计算与5G技术中的网络切片技术、C/U分离等具有密切联系。

2.2.1网络切片技术需要应用移动边缘计算

     网络切片被众多知名运营商与设备商认为是5G时代的理想网络架构。

由于移动网络需要服务各种类型和需求的设备，如果为每一种服务建设一个专有网络，成本将是难以估计的。而网络切片技术可以让运营商基于一个硬件基础设施切分出多个虚拟的端到端网络，每个网络切片从设备到接入网到传输网再到核心网在逻辑上隔离，适配各种类型服务的不同特征需求，保证从核心网到接入网，包括终端等环节，能动态、实时、有效地分配网络资源，从而保证质量、时延、速度、带宽等方面的质量。

 

     移动边缘计算的业务感知功能与网络切片技术在一定程度上是相似的。移动边缘计算的主要技术特征之一为低时延，这就使得移动边缘计算可以支持对时延要求最为苛刻的业务类型，这也意味着移动边缘计算是超低时延切片中的关键技术。随着移动边缘计算的应用，网络切片技术的内涵将由单纯地切分出多个虚拟的端到端网络扩充到不同高要求时延下的切分出虚拟的端到端网络，这有助于5G网络切片技术的发展。

2.2.2C/U分离技术将促进移动边缘计算实现

     在5G时代，移动网络面临着指数级增长的流量需求，因此利用拥有更广泛频谱的更高频带来拓展网络容量成为一种方法。但是，与较低的频带相比，高频带容易遭受严重的传播损耗，为解决这一问题，运营商普遍会将在较高频带工作的小区置于较低频带的小区覆盖范围内。但随着部署越来越密集，在超密集组网场景下单小区的覆盖范围较小，会导致较高移动速度的终端用户遭受频繁切换，从而导致用户体验显著下降。同时这样的频繁切换会引起巨大的冗余控制信令交互，降低异构网络的效率。为了解决这一问题，C/U分离技术提出。

     C/U分离（转控分离）技术是指从网络重构的角度，将控制功能集中化，从架构设计方面把控制面集中，把用户面或者转发面进一步简化，以降低成本，提高效率。

 

     在C/U分离技术中，控制面与用户面的分离，用户面网关可以独立下沉至移动边缘，而移动边缘计算由于将服务下移，按流量计费功能与安全性保障需求将一直存在。C/U分离技术则可以解决该问题，有助于移动边缘计算的发展。值得一提的是中国移动研究院与中兴通讯合作的以C/U分离技术为重要基础的vBRAS创新方案，一举斩获“2017年度GTB基础设施创新大奖”，这充分说明行业对于C/U分离技术这一理念的认可。

2.2.3移动边缘计算可以满足5G低时延要求

     5G三大应用场景之一中的“低功耗大连接”要求能够提供具备超千亿网络连接的支持能力，满足100万/km2连接数密度指标要求，在这样的海量数据以及高连接密度指标的要求下，如何保证低时延和低功耗是非常重要的。5G甚至提出1ms端到端时延的业务目标，以支持工业控制等业务的需求。要实现低时延以及低功耗，一方面需要大幅度降低空口传输时延，另一方面要尽可能减少转发节点，缩短源到目的节点之间的“距离”。

而目前的移动技术对时延优化并不充分，LTE技术可以将空口吞吐率提升10倍，但对端到端的时延只能优化3倍。其原因在于当空口效率大幅提升以后，网络构架并没有充分优化而成为了业务时延的瓶颈。LTE网络虽然实现了2跳的扁平构架，但基站到核心网往往会距离数百公里，途径多重会聚、转发设备，再加上不可预知的拥塞和抖动，根本无法实现低时延的保障。

     移动边缘计算部署在移动边缘，将把无线网络和互联网两者技术有效融合在一起，并在无线网络侧增加计算、存储、处理等功能，构建移动边缘云，提供信息技术服务环境和云计算能力。由于应用服务和内容部署在移动边缘，这样便可以减少数据传输中的转发和处理时间，降低端到端时延，满足低时延要求，并降低功耗。

 

2.3移动边缘计算可以避免运营商网络管道化

     目前传统的运营商网络是“哑管道”，是非智能的。在通信网络正在承载更多基于新型智能终端、基于IP的多媒体应用的背景下，运营商资费和商业模式都较为单一，对业务和用户的掌控力不足。例如目前包月套餐大量存在，很难满足用户的差异化需求。在资费一定的情况下，流量使用较少的用户事实上在补贴高流量使用的用户。此外，由于没有对业务进行优先级区分，很多占用大量带宽的业务无法产生足够的价值，如一些视频流媒体、P2P业务等，而一些对实时性要求高且高价值的业务，如移动办公业务，却无法获得优先保障。

     面对这一挑战，运营商纷纷提出“智能管道”战略。根据爱立信的定义，广义的智能管道的定义即是：根据客户价值、业务价值分配合理的网络资源并提供相应计费手段的数据管道。实现“智能管道”的关键在于精准区分用户类别，真实把握用户需求。为了实现这一目的，一些运营商已经开始利用深度包解析得到的URL信息进行关键字段匹配，从何感知用户需求，对客户进行画像。

     如上所分析的5G网络切片技术，智能化的5G网络重要特征之一便是内容感知，通过对网络流量的内容分析，可以增加网络的业务黏性、用户黏性和数据黏性。而移动边缘计算的关键技术之一也是业务和用户感知，通过在移动边缘对业务和用户进行识别，充分优化利用本地网络资源，提高网络服务质量，并且可以对用户提供差异化的服务，带 来更好的用户体验。

     国内运营商中，中国联通和中国移动便是移动边缘计算的积极推动者。中国移动和中国联通分别联合公司进行了相关测试，中国移动更是发布了相关规划。中国移动还在上海的F1赛事赛场使用了MEC设备来进行部署。根据实测数据，在现场实时直播的时间只有0.5秒，用户几乎感觉不到。如果用现在传统的直播方式，将服务器放在互联网上，然后再通过网络比较长度流的传输到现场，延时大概是将近50秒，所以给用户的体验是一种非常巨大的改善，这个应该可以看出来本地化的业务提供确实能够很好地改善用户的体验。

 

2.4软件定义网络（SDN）将助力移动边缘计算功能实现

     SDN是一种新型的网络创新架构，是网络虚拟化的一种实现方式，它将硬件密集型的传统网络转换成软件驱动型的新型网络，该网络可完全编程、且可以简化运营和快速实现新服务交付。而移动边缘计算平台可以提供应用程序编程接口（API），对第三方开放基础能力，这与SDN的理念是一致的。

     事实上，随着移动终端使用的增加，给云计算网络带来了巨大压力，而这种状况只会随着全球移动设备的使用增加而进一步恶化。超负荷资源和延迟将导致最终用户的体验下降，而创建云计算和边缘计算资源统一的系统是应对超负荷资源和延迟挑战的有效方式。然而，要实现云计算和边缘计算的资源系统的统一也面临着挑战，必须要有一个本地的协调器，以在动态和不可预测的环境中为任务实时配给资源，系统必须实现实时更新，以提供有关可用资源的最佳信息，并具有开放的可编程接口，以最有效的方式完成任务。

     研究发现，创建一个支持软件定义网络(SDN)的架构，可以有效应对这些挑战。SDN可以提供灵活和可靠的可用资源的实时信息，集中式控制器使得整体系统内的每个单元能够最佳决策；使用SDN架构将使得网络可以互换使用云计算和边缘计算的资源，满足敏捷和动态系统需求，为用户提供最佳的服务。

三

移动边缘计算具有丰富的应用场景

     由于移动边缘计算具有高带宽、低时延以及位置感知等技术特征，因此应用场景十分丰富。诸如视频优化加速、车联网、AR以及监控视频分析都是移动边缘计算的典型应用场景。

3.1视频优化加速：移动边缘计算降低移动视频延迟，实现跨层视频优化

     近年来，随着网络速度的提升，视频流量增长非常迅速。根据思科的统计，全球视频流量从2012年的每月13,483PB增长至2017年的46,237PB，增长接近2.5倍。随着5G商用的临近，网络速率的进一步将提升，将大大刺激视频流量。根据思科的预测，从 2016 年到 2021 年，移动视频将增长8.7倍，在移动应用类别中享有最高的增长率。到 2021 年，移动视频将占总移动流量的 78%。

     在移动视频流量呈爆发增长时，网络延迟却大大降低了移动视频受众的观感。移动视频停滞和缓冲对于运营商及其客户来说仍然是一个大问题。在美国，有69%的观众观看移动视频有过各种程度的网络延迟。

     在网络拥堵严重影响移动视频观感的情况下，移动边缘计算是一个好的解决方法。

（1）本地缓存。由于移动边缘计算服务器是一个靠近无线侧的存储器，可以事先将内容缓存至移动边缘计算服务器上。在有观看移动视频需求时，即用户发起内容请求，移动边缘计算服务器立刻检查本地缓存中是否有用户请求的内容，如果有就直接服务；如果没有，就去网络服务提供商处获取，并缓存至本地。在其他用户下次有该类需求时，可以直接提供服务。这样便降低了请求时间，也解决了网络堵塞问题。

（2）跨层视频优化。此处的跨层是指“上下层”信息的交互反馈。移动边缘计算服务器通过感知下层无线物理层吞吐率，服务器（上层）决定为用户发送不同质量、清晰度等的视频，在减少网络堵塞的同时提高线路利用率，从而提高用户体验。

（3）用户感知。由于移动边缘计算的业务和用户感知特征，可以区分不同需求的客户，确定不同服务等级，实现对用户差异化的无线资源分配和数据包时延保证，合理分配网络资源提升整体的用户体验。

3.2车联网：移动边缘计算确保低时延和高可靠性

     根据车联网产业技术创新战略联盟的定义，车联网是以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在车-X（X：车、路、行人及互联网等）之间，进行无线通讯和信息交换的大系统网络，是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络，是物联网技术在交通系统领域的典型应用。

     实现上述功能的前提是对车联网所汇集的海量数据的智能化处理。车联网对于数据处理的要求较为特殊：一是低时延，在车辆高速运动过程中，要实现碰撞预警功能，通信时延应当在几ms以内；二是高可靠性，出于安全驾驶要求，相较于普通通信，车联网需要更高的可靠性。同时由于车辆是高速运动的，信号需要在能够支持高速运动的基础上实现高可靠性。

     随着联网车数量的增多，车联网的数据量也将越来越大，对于时延和可靠性的要求也将越来越高。在车联网应用移动边缘计算后，由于移动边缘计算的位置特征，车联网数据可以就近存储于离车辆较近的位置，因此可以降低时延，非常适合车联网中防碰撞、事故警告等时延标准要求极高的业务类型。

     同时车联网最终归于驾驶，在高速运动过程中，车辆的位置信息变化十分迅速。而移动边缘计算服务器可以置于车身上，能够精确地实时感知车辆位置的变动，提高通信的可靠性。并且移动边缘计算服务器处理的是价值巨大的实时车联网数据，实时进行数据分析，并将分析所得结果以极低延迟（通常是毫秒类）传送给临近区域内的其他联网车辆，以便车辆（驾驶员）做出决策。这种方式比其他处理方式更敏捷、更自主、更可靠。

3.3增强现实（AR）：移动边缘计算可降低时延，提高数据处理精度，提升用户感受

     增强现实（AR）是指过电脑技术，将虚拟的信息应用到真实世界，真实的环境和虚拟的物体实时地叠加到了同一个画面或空间同时存在。AR可以极大程度地增强人们的体验，实现的技术关键之一在于超低时延。传输时延直接决定了用户观看感受，时延增大会使观看者产生眩晕感。根据Digi-Capital完成的首个VR头戴式显示器技术基准，延迟时间要求小于19.3ms，否则将产生眩晕感。

而移动边缘计算的典型技术特征就是低时延，因此在AR上，移动边缘计算有着广阔的应用场景。移动边缘计算通过对AR设备传递的信息进行实时处理，可以极大地降低时延，提高数据处理精度，提升用户感受。

3.4监控视频分析：移动边缘计算可降低核心网负担，提高处理效率

     目前监控视频的数据处理常用方式有两种：一是在摄像头处理，一是在服务器处理。在摄像头处理要求每一个摄像头都拥有数据分析能力，成本十分高昂。而在服务器处理需要将大量的数据上传至服务器，将增加核心网负担并且时延较大，效率过低。

而通过部署移动边缘计算服务器部，利用移动边缘计算服务器来对监控视频数据进行本地化处理，无须将大量视频数据上传至服务器，降低了核心网负担，提高了效率，也不要求摄像头拥有数据分析能力，成本下降。

四

移动边缘计算的技术解析

4.1移动边缘计算的类型

     根据边缘计算产业联盟发布的边缘计算参考架构，移动边缘计算应该是一个“硬件+软件”皆有的系统。而边缘计算类型可分为三种：本地设备、本地化数据中心（1—10个机架）和区域数据中心。

（1）本地设备：适用于家庭或小型办公应用，本地设备的大小取决于应用场景和指定目的，但调度均是“即时的”。运行于建筑物的安全系统（Intel SOC设备）、将本地视频内容存储在DVR上便是在这种边缘计算的典型例子。另一个例子是云存储网关，它是本地设备，通常是作为诸如SOAP或REST之类的云存储API的网络设备或服务器。云存储网关使用户能够将云存储集成到应用程序中，而无需将应用程序移动到云中。

（2）本地化数据中心（1—10个机架）：这些数据中心提供了重要的处理和存储功能，并且能够在现有环境中快速部署。这些数据中心通常可按订单系统进行预先设计，然后在现场进行组装。另外一种形式的本地化数据中心是预制的微型数据中心，它们在工厂中组装并在现场进行放置。这些单个外壳系统可以采用坚固的外壳类型（可以防雨，防腐，防火等）或者采用办公环境下的普通IT机箱。

单机架版本可以利用现有的建筑，制冷和电力，不用建立一个新的专用网站，从而节省资本支出。

（3）区域数据中心：具有十多个机架并且比集中式云数据中心更靠近用户和数据源的数据中心被称为区域数据中心。由于规模庞大，它们将具有比本地化的数据中心（1 - 10个机架）更多的处理和存储能力。即使它们是预制的，由于可能需要施工，这就会遇到许可和当地合规性问题，它们将比本地化数据中心所需的时间更长，并且需要专门的电源和冷却源。延迟将取决于用户和数据的物理接近度以及中间的跳数。

4.2移动边缘计算的部署方案

     中国联通网络技术研究院专家认为移动边缘计算服务器（MEC SERVER）部署位置较为多元：

4.2.1基于4G EPC架构部署在RAN侧的MEC方案

     MEC服务器部署在RAN侧基站汇聚点后是比较常见的部署方式。同时MEC服务器也可以部署在RAN侧单个基站之后，这主要是针对热点区域，例如校园、大型购物中心等。这种架构方案的优势在于更方便通过监听、解析S1接口的信令来获取基站侧无线相关信息，但计费和合法监听等安全问题需要进一步解决。

 

4.2.2基于4G EPC架构部署在CN侧的MEC方案

     该方案MEC服务器与CN侧的P-GW部署在一起。这种方式不改变现有EPC架构，MEC 服务器与P-GW部署在一起。UE发起的数据业务经过eNodeB、Hub Node、S-GW、P-GW+MEC 服务器，然后到公网Internet。该部署方式不存在计费、安全等问题。

     同时也有将MEC服务器与CN侧的D-GW部署在一起的方案。这种方式改变现有EPC架构，MEC 服务器与D-GW部署在一起，原P-GW拆分为P1-GW和P2-WG（即D-GW），其中P1-GW驻留在原位置，D-GW下移（可以到RAN侧，也可以到CN边缘）。D-GW具备计费、监听、鉴权等功能。MEC 服务器与D-GW可以集成在一起，也可以作为单独网元部署在D-GW之后。P1-GW与D-GW之间为私有接口，需同一厂家设备。 

 

4.2.3基于5G架构的MEC服务器部署方案

     基于5G架构的MEC服务器也有两种部署方案，一种是部署在GW-UP处，另一种是部署在NodeB之后。

     MEC 服务器部署在NodeB之后：如下图中MEC server 1位置所示，MEC 服务器部署在NodeB之后（一个或多个NodeB），使数据业务更靠近用户侧。UE发起的数据业务经过NodeB、MEC 服务器 1，然后到Internet（第三方内容提供商服务器），在这种方式下计费和合法监听等安全问题需要进一步解决。

     MEC 服务器部署在GW-UP处：如下图中MEC server 2位置所示，5G网络核心网C/U功能分离之后，U-Plane（对应GW-UP）功能下移（可以下移到RAN侧，也可以下移到CN的边缘），C-Plane（对应GW-CP）驻留在CN侧。MEC 服务器部署在GW-UP处，相对于传统公网方案，可为用户提供低时延、高带宽服务。

五

相关布局公司

5.1诺基亚（NOK.N）:最早关注移动边缘计算的公司之一

     诺基亚是最早关注移动边缘计算这一领域的公司之一，移动边缘计算的概念最早正是出现在诺基亚和IBM合作的一款计算平台上。同时，诺基亚还是ETSI会员，正在积极推动移动边缘计算的标准制定。

     早在2014年，诺基亚便支撑中国移动进行了移动边缘计算平台——诺基亚灵动应用解决方案(Liquid Applications)演示。同时诺基亚还提出了云平台MEC解决方案，该方案是基于云平台虚拟化架构，利用MEC虚拟网元，可以实现同时支持宏站和小基站接入，利用诺基亚通用AirFrame云平台，整合MEC及其他各类应用，使用开放API接口，具有兼容性高、高度可扩展性，灵活性的特点。AirFrame的关键推动力在于MEC可以满足5G和物联网所必需的极低延迟，大吞吐量和安全可编程操作，网络敏捷性。

     在2016年，诺基亚发布了三款为企业量身定制的移动边缘计算应用：目标跟踪、视频监控和视频分析。

     诺基亚MEC已经在全球拥有了广泛案例，比如韩国本地计算智慧港口、英国体育场足球赛现场视频导播、德国公路MEC结合车联网、上海国际赛车场多角度视频直播MEC组网方案，该MEC方案直播视频较现场实况延迟仅约0.5秒，为观众提供了极佳的观赛体验，而乐视直播视频相比MEC直播视频延迟约47.95秒。 

5.2英特尔（INTC.O）：发布了移动边缘计算端到端解决方案白皮书

     英特尔作为全球最大的个人计算机零件和CPU制造商，在物联网领域发展势头良好。根据公司2016年年报的披露，物联网业务已经占其营收的4.4%。英特尔认为移动边缘计算将会是这其中不可缺的一个重要环节，在5G时代，它的应用将延伸至交通运输系统，智能驾驶，实时触觉控制，增强现实等应用。

     英特尔也是移动边缘计算行业的重要参与者，在2014年英特尔和其他业界的一些厂家，包括华为、诺基亚、AT&T、DoCoMo等多家厂家，通过ETSI标准化协会成立了移动边缘计算。2016年，英特尔联合华为、ARM等公司在北京发起成立了边缘计算产业联盟，积极推动移动边缘计算行业发展。同年，英特尔发布了《无人机搭载LTE小基站360度视频实时直播解决方案》白皮书。该白皮书全面介绍了英特尔与佰才邦(Baicells)合作推出的、基于移动边缘计算的端到端解决方案。

     并且凭借自身的技术特点，英特尔推出了NEV SDK(网络边缘虚拟化套件)，可协助移动边缘计算领域的合作伙伴加速开发面向电信领域的相关应用。除基础设施平台能力以外，NEV SDK还可为移动边缘计算应用开发者提供基于IP业务的，具备丰富API接口及高性能转发能力的基础软件环境。按照英特尔的规划，英特尔将多方位、差异化促进移动边缘计算发展。

 

5.3凌华科技（6166.TW）：开放的电信级边缘计算架构推动者

     凌华科技——世界级嵌入式计算技术领导厂商，总部位于台湾，并在美国、新加坡、北京、日本、韩国和德国设有分支机构，公司在x86计算、加固设计、高可靠性以及工业I/O的整合领域具有世界领先的地位。

     凌华科技是国内边缘计算产业联盟成员，在积极推动行业标准确立的同时，也不断推出移动边缘计算产品。凌华科技在2015年便宣布推出全球第一款加固级、高性能的移动网络终端计算平台EXTREME OUTDOOR SERVER，专为严苛的户外电信与网络应用而设计，可布建于户外，满足移动边缘计算的需求。

     目前，公司已经推出了全球首款高性能服务器级的移动边缘计算平台SETO-1000。凌华科技SETO-1000是一款专门针对极端的、恶劣的户外环境而设计的服务器。SETO-1000支持两颗Intel? Xeon? E5处理器，高达96Gb的内存，以及丰富的I/O接口和两个可热插拔的SATA硬盘槽位。SETO-1000针对2G、3G和LTE的虚拟无线接入设备提供了功能强大的通用平台架构，同时还整合了安全，远程管理，开放的应用程序等功能。

     公司在2016年推出OCCERA（开放的电信级边缘计算架构），在此架构下推出三款移动边缘计算产品。

 

5.4华为：边缘计算产业联盟发起者、移动边缘计算方案提供商

     华为是移动边缘计算行业的积极推动者。2014年，由华为、沃达丰等6家运营商及供应商联合推动，在ETSI建立了移动边缘计算MEC工作组。2016年，华为联合英特尔、ARM等在中国发起了边缘计算产业联盟，合作发布《边缘计算产业白皮书》，在业界首次提出“OICT”理念，旨在搭建边缘计算产业合作平台，推动OT与ICT产业的开放协作。华为积极推动联盟与国内外标准及产业组织的广泛合作与对接，加速联盟发展与标准产出。

     同时，华为也是移动边缘计算解决方案提供商。华为在德国慕尼黑举行的MEC Congress大会上发布了业界首个面向未来网络架构的[email protected]解决方案。作为面向5G 的MEC 解决方案，华为的[email protected]解决方案将应用、内容以及MBB 核心网的部分业务处理和资源调度功能，一同部署到了靠近接入侧的网络边缘，通过将业务靠近用户进行处理，以及应用、内容与网络的协同，来提供可靠、极致的业务体验。

     在物联网与移动边缘计算的结合方面，华为在2017年世界移动大会（MWC 2017）上面向全球发布了基于边缘计算的物联网EC-IoT（Edge Computing IoT，边缘计算物联网）解决方案。创新性的将边缘计算和云管理引入物联网领域，基于SDN的敏捷控制器及具有边缘计算能力的物联网关（AR 500系列产品）就近提供智能服务，网络管理全面云化，实现全流程的产业服务及商业模式创新，使能行业数字化转型，释放产业创新巨大潜能。

5.5中兴通讯（000063）：推出基于室分与5G的移动边缘计算解决方案

     作为全球领先的无线通讯解决方案供应商和通信设备商，中兴通讯是国内较早关注移动边缘计算领域的行业巨头，近年来通过与运营商合作，在移动边缘计算领域取得了一定成绩。

     中兴通讯拥有完整的移动边缘计算MEC解决方案，包括虚拟化、容器、高精度定位、分流、CDN下沉等核心技术和专利，相关解决方案覆盖业务本地化、本地缓存、车联网、物联网等场景。MEC技术可以使无线网络和互联网有效融合在一起，并在无线网络侧增加计算、存储、处理等功能，通过业务本地化和API接口，开放无线网络与业务服务器之间的信息交互，有效降低传输网络的压力，让运营商可以位于基站侧更快处理信息、实现差异化服务，真正改变用户的业务体验。

     近期，在北京举行的“2017 MEC技术与产业发展峰会”上，中兴通讯宣布已开始和国内 三大运营商联手进行MEC试点和技术验证，并计划2018年进行商用部署。从2016年开始，中兴通讯陆续与国内三大运营商合作，积极开展MEC各项试点工作。其中，中兴通讯与宁波电信开展了园区网合作，进行了园区网本地流量卸载项目；在北京、珠海，中兴通讯分别与中国移动开展了精准室内定位项目；在宁波基于MEC结合NB-IoT，中兴通讯开发了智能停车、智慧园区项目。在2016年上海MWC上，中兴通讯携手中国联通演示了基于5G MEC的VR业务。

     2016年，中兴通讯携手中国联通展示了基于5G架构的移动边缘计算解决方案。2017年4月，公司与北京移动成功完成基于QCell室分方案的移动边缘计算室内高精度定位方案的试点验证。该移动边缘计算定位创新方案通过QCell实现快速灵活的室内4G信号深度覆盖后，基于中兴开放的移动边缘计算平台，在接近用户处提供本地化、低时延和高带宽的业务，同时提供开放的API接口，让丰富的第三方应用和内容进入管道，来满足室内用户的多元化业务需求，实现运营商网络管道增值。

     除移动边缘计算外，公司治理方面亮点不断，再叠加物联网、5G建设景气周期，今年公司实现了估值稳步修复。按照公司员工股权激励对赌业绩保守估计，公司2017~2019年净利润将分别不低于42.08亿、45.90、49.73 亿元。如果考虑上半年净利润近30%的增速，预计公司2017~2019年净利润为45亿、48亿、52亿，对应 PE分别为20X、19X、17X。维持“买入”评级，继续重点推荐！

5.6网宿科技（300017）：积极推动CDN升级具备移动边缘计算功能

     网宿科技主要提供互联网内容分发与加速（CDN）、云计算、云安全、全球分布式数据中心(IDC) 等服务，是国内CDN行业龙头。

     网宿科技准确地分析了MEC与CDN之间的关系，认为未来CDN的演进方向之一是形成边缘计算系统。因此，网宿科技对MEC有着清晰的规划。网宿科技将通过布局集中式数据中心+边缘计算节点，用中心云+边缘云的方式承载未来。此外，公司正在升级现有CDN节点为具备存储、计算、传输、安全功能的边缘计算节点，部署数量更多的边缘计算节点到距离用户更近的城域网。

     受国内CDN竞争加剧影响，我们预测公司2017-2018年净利润10亿、12亿元，PE为25X、21X。

5.7日海通讯（002313）：借力佰才邦发力小基站和移动边缘计算

     2017年6月13日，日海通讯发布公告称公司全资子公司海韵泰以自有资金3000 万元现金增资佰才邦，增资后，海韵泰将持有佰才邦2%股权。此外，海韵泰将向佰才邦委派一名董事，佰才邦涉及如下事项须通过董事会审议通过，其他董事需与海韵泰指派的董事对该事项保持一致意见：（1）佰才邦关于中国电信运营商集团及其各地市分公司以及研究院4G小基站市场销售相关决策；（2）增资协议签署后，佰才邦关于中国电信运营商集团及其各地市分公司4G小基站产品OEM或者代理商等合作伙伴引入。

     佰才邦是全球领先的小基站完整解决方案提供商，专注于小基站相关的无线宽带接入解决方案、业务运营平台研发和未来无线宽带技术创新，已为全球多个国家的移动运营商、宽带接入运营商、有线电视运营商、行业专网和企业网等类型的多个客户提供 4G 智能小基站等产品，同时致力于5G等下一代无线技术的研发。

     佰才邦是国内将VR与移动边缘计算、视频直播与移动边缘计算技术结合的典型。佰才邦与英特尔发布了《无人机搭载LTE小基站360度视频实时直播解决方案》白皮书，介绍了其推出的基于移动边缘计算的端到端解决方案。同时在2016年9月，佰才邦与中国联通展出面向5G的全新MEC 无人机VR解决方案。该解决方案是基于MEC的无人机VR视频直播解决方案。此次联通与佰才邦联合研发的解决方案融合多项当今最先进的技术，包含全景视频拼合算法、全景视频传输协议、MEC架构、LTE/5G数据通道QoS保障等多项关键技术。视频拼合算法、全景视频传输协议保证了全景VR视频无缝拼合；MEC架构使业务更加靠近用户，结合LTE/5G传输，保障VR全景视频画面流畅，传播高速且不受干扰，为数据传输建立高速路；无人机搭载360度全景高清摄像机，无任何视线盲点，用户可进入全景视频内部操纵它、观察它、实现前所未有的沉浸式VR直播体验。

 

     佰才邦主业是小基站，MEC服务器的部署离不开基站位置的影响。而佰才邦创造性的利用无人机使得小基站移动，更是切合了移动边缘计算移动的想法。作为持股公司，在MEC发展后，日海通讯将从中受益。

     我们认为，新股东进入日海通讯之后，引入了新的董事长和管理层，市场把握能力进一步提升。公司完成员工持股后毫不松懈，进行了公司股权优化，并参股佰才邦，预计公司治理将更加科学，未来战略将更加明晰。我们预计公司2017-2018年净利润分别为1.10亿、2.10 亿，对应PE为57X、30X，建议重点关注！

六

     由于移动边缘计算诞生于2013年，目前仍处于技术研发和产业化过程中，但作为5G的核心技术之一、CDN的发展方向之一，发展前景良好，因此巨头纷纷布局，包括诺基亚、英特尔、华为、中兴等。

     我们认为，移动边缘计算有望与5G共同发展，所以初期主要会部署在运营商的无线网络中。因此，从投资角度来看，我们建议重点关注具有先发优势、与运营商合作良好的中兴通讯、日海通讯。