深入探析谷歌的5G移动边缘云战略 - 信息谷 - ICITU

上周，谷歌分享了让电信运营商能够通过5G网络提供商业服务的愿景，通过全球移动边缘云（GMEC，Global Mobile Edge Cloud）战略，Google将与电信公司共同合作致力于提供通过5G网络交付的、在边缘运行的独特应用和服务。

通过5G，电信公司将能够为企业提供无与伦比的速度和带宽体验。与面向移动消费者的4G / LTE不同，5G是为商业和企业打造的。可以用高速、安全的无线访问网络（RAN，Radio Access Network）代替光纤和有线网络。电信运营商的网络充当了通往云端的渠道，因此他们可以引入边缘计算层，为企业提供独特的服务优势。

谷歌的愿景是为电信公司提供现代的边缘计算平台，为企业提供一些最佳的谷歌云平台（Google Cloud Platform）功能。与Google的这种伙伴关系将有助于电信公司通过其5G网络服务获得更多的收益。

AT＆T（美国电话电报公司）和谷歌已经展开合作，为零售、制造和运输等行业打造了5G边缘计算解决方案。这些解决方案将充分利用Google在Kubernetes和AI上的投资以及AT＆T在全国范围广泛的网络覆盖优势。

Kubernetes是Google开源的一个容器编排引擎，它支持自动化部署、大规模可伸缩、应用容器化管理。在生产环境中部署一个应用程序时，通常要部署该应用的多个实例以便对应用请求进行负载均衡。

在Kubernetes中，可以创建多个容器，每个容器里面运行一个应用实例，然后通过内置的负载均衡策略，实现对这一组应用实例的管理、发现、访问，而这些细节都不需要运维人员去进行复杂的手工配置和处理。

当5G真正普及应用时，将从根本上改变消费者的网络访问体验。低延迟和高速率网络将能提供基于增强现实和虚拟现实的沉浸式体验；也可以执行对象检测，图像分类和图像分割的计算机视觉服务，将通过类似于Amazon Go（亚马逊推出的无人便利店）的购物体验改变零售行业格局。除此之外，更重要的是智慧城市、智慧建筑、智慧医疗都将逐步成为现实，由此将带来无限的想象空间。

不过，无论是智慧零售，还是智慧城市、智慧建筑、智慧医疗这些所有场景都必须依赖于数据和AI。支持这些智慧场景应用的边缘计算层应具有最佳的硬件和软件平台。Google在数据分析、机器学习和人工智能方面的领导地位将帮助电信运营商为开发者和企业开发下一代全新的消费者服务体验提供技术支持。

Google希望引入诸如Contact Center AI（AI智能客服中心）之类的解决方案，以帮助企业改善客户服务，同时减少人力资本。

在应对现有网络与引入新服务和技术方面5G也给电信运营商们带来了新挑战，与其他所有企业一样，电信公司也需要现代化的业务流程和平台以提高运营与服务效率。

谷歌希望在其云平台上运行现代化的OSS（运营支持系统）、BSS（业务支持系统）和网络功能。根据谷歌的说法，这将为电信运营商们带来更多好处，包括基于云的服务平台以降低成本和提高IT效率，以及使用Google Cloud为其核心通信网络实现虚拟化网络功能。

目前，Amdocs（朗新信息科技）和Netcracker等企业已经与谷歌合作，准备在Google Cloud上运行整个客户体验平台，数字BSS / OSS和业务流程管理堆栈等。

2019年4月9日，谷歌在旧金山召开的Google Cloud Next 19上，正式介绍了Anthos。Anthos允许客户在他们自己的数据中心部署Google Cloud以实现混合云设置，并允许他们在数据中心，Google云或其他云提供商之间管理工作负载。

简单讲，Anthos由原来的谷歌云服务平台升级而来，是以Kubernetes为核心的混合云/多云管理平台。下面包括多种产品和解决方案，如GKE （Google Kubernetes Engine）、GKE On-Prem、Istio on GKE等……尽管当前版本的Anthos设计主要用于企业数据中心，但可以很容易地重构以用于电信边缘。

开发人员可以将其应用打包为可以在边缘运行的容器和Kubernetes部署。Google可以轻松地将其区域和区域足迹扩展到电信边缘位置，从而使企业能够为客户提供身临其境的体验。

谷歌宣布推出Anthos for Telecom计划，将把Anthos带到网络边缘，使电信公司可以在最有意义的地方运行其应用程序。 Google还为电信将Anthos带到Android平台。

谷歌推出的TensorFlow（一个基于数据流编程的符号数学系统，被广泛应用于各类机器学习算法的编程实现，其前身是谷歌的神经网络算法库DistBelief）是研究人员、AI工程师和机器学习开发人员等最受欢迎的开源机器学习框架。Google在谷歌云平台上构建了托管服务，使企业可以轻松地训练、构建、部署和使用AI服务。

从TensorFlow Enterprise到AI平台再到Cloud AI服务，Google拥有一些最好的基于云的AI和ML（机器学习）工具。这些AI和ML工具与BigQuery（Google推出的一项Web服务，该服务让开发者可以使用Google的架构来运行SQL语句对超级大的数据库进行操作）结合使用，使企业能够构建数据驱动的智能应用。

Google的全球移动边缘计算平台利用谷歌云服务上的AI和ML服务为客户提供更快的推理和分析能力。在边缘可以运行优化的机器学习模型，这些模型有助于接近实时地进行预测和分类。

Tensor Processing Units或TPU是由Google设计的定制机器学习芯片，用于成功执行其常规机器学习工作负载。

Google建立了自定义硬件，以加速机器学习模型的训练和推理。云端TPU与云端GPU类似，可加快Google Cloud Platform上深度学习和机器学习模型的训练速度。边缘TPU是云TPU的对应产品，可加快推理在边缘运行的TensorFlow模型的速度。

如果Anthos是边缘的软件平台，边缘TPU则为硬件组件，使得Anthos更好在边缘运行AI。

因此，如果Google为电信运营商打造超融合的Anthos设备也就不足为奇了，这些设备可能会运行由边缘TPU支持精简版的Anthos / Google Kubernetes Engine。

Google在全球拥有21个云区域和134个以上的内容分发网络（CDN）位置。Google通过其入网点（PoP）和边缘位置，提供例如搜索、邮件（Gmail）、视频（YouTube）、照片等服务。而有趣的是，大多数这些PoP已在电信设施或数据中心内运行。

Google将通过其边缘计算平台扩展一些PoP，从而利用全球足迹。当CDN位置兼作全球移动边缘计算中心时，它们将通过Anthos计算和存储。

如果Google能够实现其边缘计算的愿景，那么谷歌将成为基于5G的移动边缘计算市场的强大参与者。