電子發(fā)燒友網(wǎng)報道（文/周凱揚）云端到邊緣端的基礎(chǔ)設(shè)施增速飛快，在云服務(wù)發(fā)展趨于成熟的情況下，數(shù)據(jù)開始朝邊緣端遷移。然而邊緣端并不是一個可以明確定義的玩意，物理意義上的邊緣端可能存在于工廠、醫(yī)院、汽車或者智能手機，而網(wǎng)絡(luò)意義上的邊緣端可能是交換機、企業(yè)服務(wù)器、5G基站或家用NAS等等。

在人們享受到云端存儲帶來的便利后，也開始逐漸感受到萬物上云的一些限制，比如延遲較大，帶寬成本過高等。如今數(shù)據(jù)中心和云服務(wù)器的計算壓力巨大，又時值部分互聯(lián)網(wǎng)企業(yè)受到一些沖擊，我們已經(jīng)看到廠商開始節(jié)省成本的操作，比如一些視頻網(wǎng)站降低碼率等等。

如此一來邊緣計算的需求越來越高，云計算需要低延遲、低帶寬和高隱私保護能力的邊緣計算相輔相成。然而，在具體實現(xiàn)過程中就會發(fā)現(xiàn)，邊緣計算的優(yōu)勢固然好，但并不能像云端一樣做到大規(guī)模統(tǒng)一部署，最大的缺陷之一就是缺乏資源，不僅缺乏算力，也缺乏可靠的存儲。

汽車日益增加的存儲壓力

與過去的汽車存儲不同，行車記錄儀或IVI中的媒體文件不再是汽車中僅有的數(shù)據(jù)形式，激光雷達、攝像頭和毫米波雷達等收集到的傳感器融合數(shù)據(jù)都對車內(nèi)存儲提出了更高的要求，尤其是進行ADAS和自動駕駛研究的路測車隊。

一輛自動駕駛汽車，每小時可以產(chǎn)生數(shù)十TB級的數(shù)據(jù)，每周的數(shù)據(jù)達到PB級，研究人員再通過這些大規(guī)模的數(shù)據(jù)來調(diào)整它們的自動駕駛算法。因此不少自動駕駛公司都計劃保存長達20年以上的數(shù)據(jù)，這些數(shù)據(jù)固然可以選擇云端冷存儲，但車內(nèi)依然需要一個小尺寸、大容量、高耐久性的存儲系統(tǒng)。

R系列SSD邊緣存儲設(shè)備 / 昆騰

由于龐大的數(shù)據(jù)量和車內(nèi)上傳條件不佳，這類自動駕駛數(shù)據(jù)還是優(yōu)先選擇本地邊緣存儲，所以常見的存儲形式就是可移動的SSD機匣，其容量可根據(jù)需求自行調(diào)整。當機匣存滿數(shù)據(jù)后，換成空置的機匣，而已滿機匣則被拿去進行數(shù)據(jù)分析。

除了自動駕駛的數(shù)據(jù)之外，在車聯(lián)網(wǎng)的研究中，也提出了一種將RSU路測單元用于數(shù)據(jù)交換和緩存的方案。車輛高速行駛中往往網(wǎng)絡(luò)狀態(tài)不穩(wěn)定，RSU提邊緣緩存加速，可以顯著提高汽車的聯(lián)網(wǎng)體驗，比如加快應(yīng)用下載和OTA更新的速度等。

功耗是個大問題

固態(tài)閃存硬盤其實已經(jīng)早在云端就成了高成本的“罪魁禍首”之一，如果邊緣端也要使用同樣的方案，無疑會拖慢邊緣存儲與計算的部署。因此，業(yè)界也一直在探索新的存儲介質(zhì)，比如相變存儲器（PCM）。當下最知名的相變存儲器莫過于英特爾與美光推的3DXPoint了，也就是英特爾的傲騰。

但傲騰的現(xiàn)狀大家也都知道，雖然速度和壽命都比傳統(tǒng)SSD優(yōu)秀，但容量不高成本高，以及大功耗成了相變存儲器這一存儲形式普及的阻礙。先進制程下的單個相變存儲單元擦寫功耗在數(shù)十pJ左右，要想進一步降低功耗，就得用到尚未做到大規(guī)模制造的納米線/納米管技術(shù)。更不用說連數(shù)據(jù)中心都沒有大規(guī)模用上傲騰，何談在邊緣存儲上普及呢？或許這也是美光先一步退出的原因之一。

傳統(tǒng)PCM與cbPCM的對比 / ISMD

然而PCM的研究并沒有止步于此，今年華中科技大學集成電路學院信息存儲材料及器件研究所（ISMD），就聯(lián)合西安交通大學材料創(chuàng)新設(shè)計中心（CAID）研發(fā)了一種網(wǎng)狀非晶結(jié)構(gòu)的相變存儲器，導(dǎo)電橋相變存儲器（cbPCM）。

與PCM常用的GST和3D Point宣稱用到的硫族化物不同，cbPCM選用了GSO合金，在內(nèi)部產(chǎn)生一個幾納米粗細的導(dǎo)電通道，將開關(guān)體積最小化并使得電流路徑的開關(guān)更加容易，將擦寫功耗降低至極低的0.05pJ。而這種GSO合金可以通過濺射沉積合成，無需復(fù)雜的制造工藝，顯著降低了成本。我們也都知道，PCM特別適合類腦計算這種存算一體的形式，相信低功耗的cbPCM也會給這一技術(shù)在邊緣端的應(yīng)用奠下基礎(chǔ)。

邊緣存儲剛剛起步

黑匣子數(shù)據(jù)的云端傳輸 / 霍尼韋爾

雖然邊緣計算和存算一體的研究也在同步進行，但可想而知的是，未來很長一段時間里，計算的大頭都會落在云端，邊緣端只不過分擔部分壓力而已。所以云邊協(xié)同還是需要在分布式存儲結(jié)構(gòu)上加以優(yōu)化，做到云邊之間的高效數(shù)據(jù)傳輸。就拿汽車等交通工具上的黑匣子為例，這類安全器件的存儲在可靠性上已經(jīng)足夠優(yōu)秀，但目前與云端同步的研究仍然進展緩慢。

此外，邊緣存儲和云端存儲還是在“統(tǒng)一性”上存在差異，云端存儲已經(jīng)有了成熟的定價和商業(yè)模式，而邊緣存儲由于設(shè)備不統(tǒng)一的問題，尚在探索合適的收費模式。總的來看，邊緣存儲目前仍在發(fā)展初期，云存儲也曾經(jīng)歷過這樣一個階段，如今也尋獲了成功，沒理由邊緣存儲不能效仿。