ucint核心边缘分析_物联网加速器：边缘计算，万亿芯片新空间

温馨提示：如需原文档，可在PC端登陆未来智库官网(www.vzkoo.com)搜索下载本文档。

报告概览：

什么是边缘计算?边缘计算被定义为“一种新的计算方式，这种模式将计算与存储资源部署在更贴近移动设备或传感器的网络边缘”，其核心在于“贴近”终端，因此在实时、快速响应是边缘计算产生的核心痛点所在。带宽、延迟与抖动等不稳定因素都更易于控制和改进。边缘计算时代设备连接数有望达到千亿量级。麦肯锡在去年11 月报告中指出，随着连接设备的激增和功能的扩展，对不受延迟和网络影响的实时决策的需求也在增加，算力从云端到边缘的移动会使得边缘计算产业价值量持续快速提升，麦肯锡预计在2025年，边缘计算的价值将会提升至1750–2150 亿美元。

边缘计算的本质:在物联网、大数据时代提升数据处理的效率。边缘计算的本质在于，让物联网时代大量传感器捕捉的海量数据得以在最合适的位置进行处理分析。纯粹的企业内部部署方案会催生数据孤岛，而纯粹的云方案则面临高延时、高传输成本以及海量数据的筛选难度。在这一情景下，边缘侧启用处理分析+重要数据云端运算分析/算法优化回传的混合方案成为最优解，大量边缘计算需求应运而生。边缘计算的部署跟它的应用场景有着紧密的关系，总的来说，边缘计算可以按需部署于无线接入云、边缘云或者汇聚云。对于低时延场景，边缘计算需要部署于靠近基站侧的无线接入云甚至终端自身处(如安防摄像头、智能汽车);对于高带宽要求的大流量热点地区，边缘计算可以部署于边缘云;对于海量连接的场景，边缘计算可部署于位置更高一些的汇聚云，以便覆盖更大区域的业务需求。

边缘计算中的芯片机遇。鉴于目前可得资料，我们主要从智能驾驶这一边缘计算的典型场景进行了拆解分析。我们继续强调泛物联网时代来临，边缘计算爆发在即，数据呈指数级别增长!智能驾驶、智能安防对数据样本进行训练推断、物联网对感应数据进行处理等大幅催生内存性能与存储需求，数据为王!根据DRAMeXchange与集邦咨询预计，5G、数据中心与边缘计算将成为服务器DRAM 需求增加的主要驱动力，并预计将在2021 年后超越目前占主流的移动DRAM 应用。同时我们也建议重点关注国内优质厂商/项目在NAND Flash、MCU、模拟芯片、CMOS 图像传感、边缘侧ASIC 等领域的机遇。

报告内容：

一、什么是边缘计算?

边缘计算被定义为“一种新的计算方式，这种模式将计算与存储资源部署在更贴近移动设备或传感器的网络边缘”，其核心在于“贴近”终端，因此在实时、快速响应是边缘计算产生的核心痛点所在。带宽、延迟与抖动等不稳定因素都更易于控制和改进。

边缘计算时代设备连接数有望达到千亿量级。麦肯锡在去年11 月报告中指出，随着连接设备的激增和功能的扩展，对不受延迟和网络影响的实时决策的需求也在增加，算力从云端到边缘的移动会使得边缘计算产业价值量持续快速提升，麦肯锡预计在2025 年，边缘计算的价值将会提升至1750–2150 亿美元。

借用一个形象比喻，边缘计算类似于人类的神经末梢，对于简单的信息可以直接处理; 对于复杂的信息则传输给云端(即大脑)。边缘计算可能的形式或者说载体:从当前来看，我们对边缘计算的载体进行大胆预测——微基站、智能安防摄像头、车载电脑、智能网关、路由器和微型数据中心/代理服务器最有可能成为边缘计算可能的载体。

二、边缘计算的本质:在物联网、大数据时代提升数据处理的效率

我们认为边缘计算的本质在于，让物联网时代大量传感器捕捉的海量数据得以在最合适的位置进行处理分析。纯粹的企业内部部署方案会催生数据孤岛，而纯粹的云方案则面临高延时、高传输成本以及海量数据的筛选难度。在这一情景下，边缘侧启用处理分析+重要数据云端运算分析/算法优化回传的混合方案成为最优解，大量边缘计算需求应运而生。

边缘计算的核心是边缘计算单元，但其位置到底在哪并没有绝对答案。边缘计算的部署跟它的应用场景有着紧密的关系，总的来说，边缘计算可以按需部署于无线接入云、边缘云或者汇聚云。对于低时延场景，边缘计算需要部署于靠近基站侧的无线接入云甚至终端自身处(如安防摄像头、智能汽车);对于高带宽要求的大流量热点地区，边缘计算可以部署于边缘云;对于海量连接的场景，边缘计算可部署于位置更高一些的汇聚云，以便覆盖更大区域的业务需求。

三、边缘计算中的芯片机遇

要寻找边缘计算中的芯片机遇，首先必须了解边缘计算的核心需求和特性: 1)多种连接和数据移动性。边缘技术可以在受限或需要断断续续连接至云端以完成计算，存储，备份和分析等工作。

2)需要实时决策。边缘使用案例通常需要立即处理数据，例如，用于自动驾驶汽车或自动拣选机器。这些设备和平台需要能够在本地进行分析，而无需先将数据发送到云，因此可以快速做出决策。

3)本地化计算能力。边缘计算机需要是轻量级设备，可以在不支持更大计算能力的情况下快速，安全地做出决策。

4)新的存储和安全需求。随着在远程和移动设备上生成数据的传感器数量的增长，对可以在各种环境中受到保护的高效存储需求也在增长。

即分别对应处理、存储、通信连接和传感四个核心环节。

要具体理解边缘计算对于芯片产业的机遇，我们选取目前最成熟的边缘计算方案之一、也是未来有望看到的最大应用领域——智能驾驶为例，即通过特斯拉autopilot 辅助驾驶系统的拆解来分析。

智能驾驶时代，“车载电脑”、“车载服务器”大势所趋。建立“感应-融合-决策-执行”大闭环。智能驾驶，在监测到障碍物时，如果无法及时进行智能化决策，控制方向避开障碍物，而是先传入云端再下发指令到车载终端的话，因信号传输等原因稍有延迟就会导致事故的发生。因此需要本地具备高性能运算能力的辅助驾驶/自动驾驶控制系统来对传感器接收数据进行融合、处理，“车载电脑”、“车载服务器”将是大势所趋，形成“感应-融合-决策-执行”大闭环。基于上述框架，我们进一步对车用传感器、微控制器、存储器进行分析:

拆解下来可以发现主要芯片包括主控芯片、内存、GPU 以及闪存，此外还有英飞凌的MCU、marvell的以太网收发器/交换芯片、德州仪器的摄像头输入接口与Codec 芯片。其中占比量价值最大的毫无疑问是主控和GPU 两大高性能运算芯片，而车载存储的占比——内存、闪存(包括NAND 和NOR)我们认为仅次于运算处理芯片。从目前车载存储主流方案来看，整体呈现存储使用颗数、单颗容量、单颗价值量三项齐升的趋势。麦肯锡今年报告对车载存储整体产值进行预测，预计到2020 年车载存储整体产值将达到28.32 亿美元，其中DRAM 和NAND占比分别为51%、36%。

传感器方面，以特斯拉model 3 为例，其使用了一颗雷达与8 颗摄像头，仅能实现2级自动/辅助驾驶水平，保守估计单车至少需要安装30 颗以上传感器才有可能实现L5 自动驾驶。预计2021 年，车用传感器出货量将达18 亿颗，以单颗1美元计算，对应市场空间保守估计将接近18 亿美金。

鉴于目前可得资料，我们主要从智能驾驶这一边缘计算的典型场景进行了拆解分析。我们继续强调泛物联网时代来临，边缘计算爆发在即，数据呈指数级别增长!智能驾驶、智能安防对数据样本进行训练推断、物联网对感应数据进行处理等大幅催生内存性能与存储需求，数据为王!

根据DRAMeXchange与集邦咨询预计，5G、数据中心与边缘计算将成为服务器DRAM 需求增加的主要驱动力，并预计将在2021 年后超越目前占主流的移动DRAM 应用。

同时我们也建议重点关注国内优质厂商/项目在NAND Flash、MCU、模拟芯片、CMOS 图像传感、边缘侧ASIC 等领域的机遇。