边缘云
搜索文档
边缘云越来越热,但企业真正需要的,是一套云—边一体的技术底座
金投网· 2025-12-09 12:32
行业背景与核心驱动力 - 数据和应用向用户、设备和现场靠近,传统中心云难以覆盖所有业务场景,推动边缘云兴起 [1] - 企业核心关切并非平台列表,而是如何在边缘计算时代稳定运行业务、管理海量节点、实现云边协同 [2] - 企业面临四大现实压力:实时性需求达毫秒级 [4];本地数据暴涨导致上传成本与延迟增加 [5];线上业务碎片化,节点数量可达几十至几千个 [6];新旧系统并存使云边协同复杂化 [8] 边缘云的核心能力分类 - 企业应基于能力类型而非节点数量理解边缘云,主要分为四类场景能力 [9] - 实时计算型:最靠近业务现场,需在边缘完成全部处理,如工业信号处理、实时视频分析 [9] - 数据预处理型:在边缘进行过滤、聚合、压缩,以减轻中心云带宽压力 [9] - 自治型:适用于门店、工厂等可能断网的场景,需能在边缘独立运行 [9][10] - 跨区域协同型:涉及多城市、多区域业务时,需要统一的调度与治理能力 [9] 企业选择边缘云架构的关键考量 - 企业选择技术底座(如AWS)的关键在于其能解决边缘云的核心难题,而非品牌本身 [10] - 中心云的成熟架构模式(如多节点、高可用、事件驱动)可自然延伸至边缘,防止边缘成为独立生态或孤岛 [10] - 技术栈统一(API、权限、监控、部署逻辑一致)能避免维护两套系统,显著降低长期人力成本与风险 [11] - 强大的治理能力是支撑边缘节点大规模扩张的关键,包括权限管理、审计日志、配置版本、成本可视化及异常诊断 [12] - 统一的架构底座支持未来跨区域(从全国到全球)的低成本复制与扩展,比节点数量更重要 [13][14] 企业建设边缘云体系的实践路径 - 建设路径已成为行业共识方法论,始于识别必须在边缘处理的任务,区分毫秒级响应、降低带宽、仅需缓存等需求 [15][16] - 需为边缘节点设定明确的“自治边界”,明确断网时的运行规则与恢复后的同步机制 [16] - 构建清晰的云边分层模型:边缘负责实时计算、缓存、预处理;云端负责训练、调度、分析、版本统一 [17] - 必须提前搭建治理底座,包括配置中心、日志中心、监控告警、安全策略、身份权限及版本发布管理,以防规模化后失控 [18][19] - 架构验证需着眼于未来10倍扩展潜力,重点考察治理、协同与复制能力,而非仅节点能否运行 [19] - 建议以具备一致性架构模型的平台为基础,以避免未来大规模返工 [20] 边缘云竞争的本质与价值 - 边缘云竞争的本质是“体系竞争”而非“节点竞赛” [20] - 企业真正需要判断的是:节点增多时系统是否可控、云边协同是否稳定、跨区域扩展时是否需要重构 [20] - 边缘云的终极价值在于提供一整套可控、可扩展、可演进的统一架构与技术底座 [20]
优刻得跌2.10%,成交额2.03亿元,主力资金净流出3061.91万元
新浪财经· 2025-08-28 10:37
股价表现与资金流向 - 8月28日盘中股价下跌2.10%至27.96元/股 成交额2.03亿元 换手率1.76% 总市值127.58亿元 [1] - 主力资金净流出3061.91万元 特大单买卖占比分别为4.23%和9.95% 大单买卖占比分别为23.98%和33.37% [1] - 今年以来股价累计上涨100.00% 近5日/20日/60日分别上涨3.71%/6.03%/26.17% [1] - 年内8次登上龙虎榜 最近一次2月14日净买入1791.86万元 买卖总额占比分别为6.49%和6.15% [1] 业务结构与行业属性 - 公司为中立第三方云计算服务商 主营业务收入构成:公有云50.63% 混合云35.41% 云通信8.26% 私有云2.75% 边缘云1.05% [2] - 所属申万行业为计算机-IT服务Ⅱ-IT服务Ⅲ 概念板块涵盖AI训练/信创/边缘计算/算力/智谱AI等 [2] 财务与股东数据 - 2025年上半年营业收入7.91亿元 同比增长8.37% 归母净利润-7964.84万元 亏损同比收窄26.56% [2] - 股东户数4.02万户 较上期减少2.53% 人均流通股10083股 较上期增加3.42% [2] - A股上市后累计派现2112.66万元 近三年未实施分红 [3] 机构持仓变动 - 博时上证科创板人工智能ETF持股366.05万股(较上期增持133.97万股)位列第六大流通股东 [3] - 国融融盛龙头严选混合A持股203.63万股(持股不变)位列第七大流通股东 [3] - 广发科技创新混合A退出十大流通股东行列 [3]
优刻得涨2.00%,成交额3.86亿元,主力资金净流出65.15万元
新浪财经· 2025-08-22 10:01
股价表现与资金流向 - 8月22日盘中股价上涨2%至27.50元/股,成交额3.86亿元,换手率3.51%,总市值125.48亿元 [1] - 主力资金净流出65.15万元,特大单买卖占比分别为5.05%和4.48%,大单买卖占比分别为19.87%和20.61% [1] - 年内股价累计上涨96.71%,近5日/20日/60日分别上涨4.44%、4.25%和35.53% [1] - 年内8次登上龙虎榜,最近2月14日净买入1791.86万元,买卖总额占比分别为6.49%和6.15% [1] 公司基本面 - 主营业务为第三方云计算服务,收入构成:公有云50.63%、混合云35.41%、云通信8.26%、私有云2.75%、边缘云1.05% [2] - 2025年上半年营业收入7.91亿元,同比增长8.37%,归母净利润亏损7964.84万元但同比收窄26.56% [2] - 股东户数4.02万户,较上期减少2.53%,人均流通股10083股,较上期增加3.42% [2] 股东结构与机构持仓 - A股上市后累计派现2112.66万元,近三年未进行分红 [3] - 博时上证科创板人工智能ETF持股366.05万股(较上期增持133.97万股),位列第六大流通股东 [3] - 国融融盛龙头严选混合A持股203.63万股(持股不变),广发科技创新混合A退出十大股东行列 [3] 行业属性 - 所属申万行业为计算机-IT服务Ⅱ-IT服务Ⅲ [2] - 概念板块涵盖增持回购、AI训练、融资融券、中盘及DeepSeek概念等 [2]
IDC:2024下半年中国边缘云市场规模总计73.9亿元 同比增速达18.6%
智通财经网· 2025-07-15 14:05
市场核心数据 - 2024下半年中国边缘云市场规模达73.9亿元人民币,同比增长18.6% [1] - 细分市场构成:边缘公有云服务37.9亿元、边缘专属云服务14.4亿元、边缘云解决方案21.6亿元 [1] - 核心增长动力来自互联网音视频分发、AI训练推理、云游戏及行业客户IT架构迁移 [1] - 预计2024-2029年市场年均复合增长率20.3% [7] 行业发展背景 - 云计算客户已具备协同使用超大规模数据中心与分布式边缘资源的能力 [2] - 生成式AI需求加速边缘服务采用,预计2027年80%的CIO将依赖云服务商提供的边缘服务 [2] - 边缘节点完成轻量级模型训练/推理成为客户新焦点,抵消互联网行业传统需求放缓影响 [3] 技术发展现状 - 边缘异构算力应用仍处早期阶段,多数形态无法直接支持大模型场景 [3] - 头部服务商正通过两种路径布局:建设大模型API聚合平台、强化边缘AI生态合作 [3][4] - 边缘节点优势包括低延迟、网络成本低、分布广泛,适合快速部署推理服务 [3] 主要服务商布局 - 边缘公有云服务商包括阿里云ENS、移动云EIC、百度BEC、天翼云ECX等16家 [6] - 边缘专属云服务商涵盖阿里云ACK@Edge、腾讯云TKE Edge、AWS ECS Anywhere等15家 [6] - 边缘云软件平台供应商包括移动云EISP、阿里云边缘计算、百度BIE等14家 [6] 未来趋势展望 - 边缘AI和出海场景将带来数十亿增量空间,可能重塑市场格局 [9] - 边缘云在海外IT架构建设、本地化AI服务方面展现独特优势 [9] - 多模态大模型服务若在C端普及,边缘云将有效缓解核心机房带宽压力 [9]
AI推理时代 边缘云不再“边缘”
中国经营报· 2025-05-09 23:09
边缘云技术革命 - 边缘云突破传统集中式计算模式 将数据处理能力下沉至网络边缘 实现数据快速响应和处理 [1] - 在AI大模型竞争中 行业焦点从训练阶段转向AI推理 边缘云成为新竞争焦点 [1] - 边缘云靠近节点 可提升数据交互和AI推理即时性与效率 同时保障信息安全 [1][5] AI推理需求爆发 - AI推理计算需求可能是训练需求的10倍甚至更多 企业更关注"后训练"阶段部署问题 [1] - 巴克莱报告指出 AI推理计算需求预计占通用人工智能总计算需求的70%以上 达训练需求的4.5倍 [3] - 英伟达创始人预测 推理算力需求规模增长将"轻松超过去年估计的100倍" [3] 行业技术动态 - OpenAI推出O1推理模型 Anthropic上线依赖推理的Agent功能 DeepSeek R1推理模型引发全球关注 [3] - DeepSeek采用跨节点专家并行模式 通过全面开源将AI推理资源池成本降至百卡/千卡范围 [4] - DeepSeek轻量灵活的部署方式已获科技、金融、政务等多行业接入 推动端侧AI爆发 [4] 边缘云核心优势 - 边缘云地理分布广泛 缩短交互链路 降低数据传输开销和成本 [5] - 边缘云节点容量大、健壮性强 结合边缘推理可支持企业数字化和智能化转型 [5] - 边缘侧提供额外能力如边缘缓存和安全防护 增强模型部署安全性 [5] 市场竞争要素 - 未来竞争核心在于成本/性能计算 包括推理成本、延迟和吞吐量 [6] - 边缘推理靠近终端用户和数据源 可提升用户体验和效率 同时满足"数据主权"需求 [6] - AI行业投资已开始转向推理 推理效率需综合评估吞吐量、时延和成本 [6]