

8月25日,“新征程 耀一起”2022亚太内容分发大会暨CDN峰会在北京成功举办,亚太CDN产业联盟联合来自阿里云、腾讯云、中兴通讯、天翼云、九州云等内容分发领域领军企业的技术专家、企业领袖等,携行业领先技术、优秀实践案例、未来趋势洞察等高质量内容齐聚一堂,共话CDN内容分发行业新征程。
九州云高级解决方案总监刘高艳受邀出席大会,在“边缘计算论坛”环节带来了题为《5G MEC边缘计算发展的现状、挑战和未来》的精彩分享,并与参会者就边缘计算圆桌对话展开思想碰撞。

边缘计算作为企业的关键增长要素,创新并拓展了核心数据中心的功能和范畴,已经成为驱动全球企业级基础架构市场增长的重要力量。
刘高艳从三大边缘交付模式分析出发,深入剖析了目前三种模式各自存在的挑战:CDN云边缘服务的大带宽总体成本相对较高,物理距离近无法转换为网络低时延,城市内无线模式下延时,SLA存在不确定性。而MEC边缘云服务,公网访问安全控制存在挑战,对访问终端存在一定要求。IoT边缘网关,由于品牌分散,所以难以统一管理,算力能力限制了安全能力部署,统一通过公网进行管理带来潜在安全风险,空间覆盖性弱,芯片模组5G化改造成本高,软硬一体解耦困难。
通过对比三种模式的能力和场景,提出了三种模式各自可能的突破方式。同时分析了5G MEC边缘云和CDN云边缘国内外发展趋势和两者之间相互渗透发展的博弈,指出CDN云边缘和5G MEC边缘云厂商之间的攻守格局,有相互延伸、交错竞争的趋势。发展的核心在于运营商” 5G带边(MEC)”抓手的拒守和自身拓展,和互联网厂商 “5G入边(CDN)”的渴求。
最后,刘高艳阐述了5G MEC边缘云产业链合围和行业融合,并以OpenV2X开源项目为例分享了在车路协同领域的探索和创新。

伴随5G、边缘计算等新技术与智能网联汽车融合应用越来越深入,加速驱动交通产业数字化转型升级。在上海开源信息技术协会组织下,九州云联合东南大学、南开大学以及企业代表共同发起5G MEC和V2X深度融合的OpenV2X开源项目,基于开放源码方式,解决当前车路协同系统(Coopertive Vehicle Infrastructure Systrem, CVIS)中路侧系统遇到的 “平台不开放”、“生态不多样”、“算法不解耦”、“5G 未联动”的问题,整合5G、C-V2X、AI、MEC等技术组合,支持海量路侧信息收集、融合、智能运算和云边协同能力,更好地服务智能的车和行动的人。
目前,OpenV2X开源项目主要致力于路侧开放基础设施的模块。OpenV2X车路协同开源架构设计范围包含路侧设备、中心云控以及5G边缘云控三部分。项目范围涵盖路侧数据的数据融合,路侧数据的识别和预警算法,RSU发送的结构化数据处理,路侧摄像头、雷达设备的原始信息处理,5G MEC模式下的云边协同等。
边缘计算圆桌对话

本次大会还带来了特别的讨论环节,在即刻雾联联合创始人段靖远的主持下,本次圆桌围绕边缘计算展开对话。九州云高级解决方案总监刘高艳与阿里云智能技术专家徐若晨、天翼云高级研发经理张其栋、英特尔(中国)资深软件架构师陈绍强多位技术大咖一起,从自身在边缘计算领域的实践和积累出发,以前瞻务实的姿态进行了讨论和交流。
作为中国最早一批从事“开放云边基础架构技术开发和服务”的专业公司,九州云自2012年成立至今,始终秉承“开源·赋能云边变革”的核心理念,建立了完整的“云+边”生态体系和解决方案。未来,九州云希望依托自身开放的技术体系、深厚的技术实力和成熟的解决方案,携手更多的产业合作伙伴和开源爱好者,从标准、技术、应用等多维度深度融合,共同搭建边缘计算应用生态,助推边缘计算产业蓬勃发展,持续创造更丰富的商业价值。
好文章,需要你的鼓励
前沿AI研究机构Decart发布最新世界模型Oasis 3,旨在弥合虚拟仿真与物理AI之间的鸿沟。该模型将超写实交互图形能力与强大物理引擎相结合,可生成动作驱动的视频流,支持多视角环境模拟,延迟低于200毫秒。开发者能够借助自然语言提示,快速构建多样化极端场景,有效解决机器人和自动驾驶领域长期存在的"仿真到现实"差距问题,大幅降低物理AI训练成本。
OpenSkill是一套让AI代理无需人工监督即可自主成长的框架,通过从互联网获取知识、自建虚拟考题反复练习,实现真正的开放世界自我演化。
Visual Components正式发布5.1版本工厂仿真软件,重点引入高精度物理仿真与可扩展机器人协同调度能力,支持在同一环境中同时模拟数百台自主移动机器人、自动导引车及人员的运行状态。新版本还将仿真性能提升至前代的10倍,新增Allen-Bradley PLC支持及Nachi、Epson机器人虚拟调试插件,并将脚本环境升级至Python 3。该软件旨在帮助制造商在实际部署前完成系统验证,降低调试风险,缩短投产周期。
论文研究了AI评委同时优化多个评判维度时的两大失败原因:梯度稀释与指令干扰,为多目标提示词优化提供了系统性诊断框架。