边缘计算在传媒领域的应用

向安玲 杨钰雯

摘  要：5G技术的落地应用驱动网络边缘设备普及，边缘计算深度渗透传媒行业策、采、编、发、服务等生产运转环节。从选题的场景化、信源的无界化、内容的虚拟化、计算的动态化到服务的精准化，边缘计算为传媒行业内容生产和服务运作提供了算力支撑和数据资源支撑，驱动媒体智能化转型。在提升媒体视觉呈现能力、场景感知能力、智能计算能力的同时，边缘计算带来的虚假信息溯源、隐私空间压缩、资源配置失衡等问题也有待业界和学界进一步探讨。

关键词：边缘计算;5G;传媒行业;智能媒体                           中图分类号：TN92                   文献标识码：A

文章编号：1671-0134（2020）03-113-04                                    DOI：10.19483/j.cnki.11-4653/n.2020.03.032

本文著錄格式：向安玲，杨钰雯.边缘计算在传媒领域的应用[J].中国传媒科技，2020，03（03）：113-116.

边缘计算技术作为云计算技术的补充和优化，在5G时代焕显初新的应用活力，尤其是以云边协同发展的智能计算技术不断激活传媒行业想象空间。边缘计算技术在终端设备对原始数据进行处理，再将处理好的结果数据上传至云端，可更快速地对现实情况进行反馈和呈现，一方面减小了云端计算压力，另一方面也降低了设备与云端交互的时延问题，为媒体数据采集、内容呈现、信息传输和媒介服务的形态和效率提供了更多可能。本文从采、策、编、发、服务等环节探讨边缘计算技术将为新闻媒体带来的影响和可能的应用方向，并对潜在方向和技术应用趋势进行分析，以期促进传媒领域的技术融合和智能化发展。

1.文献综述

1.1 边缘计算研究

边缘计算自2014年来快速发展，目前，国内对于边缘计算的研究主要集中在人工智能、工业互联网和物联网应用等计算机科学和工程应用领域，研究者普遍看好该技术在未来对推动5G和智慧城市建设的应用。国外的研究集中在智能医疗应用、智能农业物联网平台以及基于边缘计算的AR应用优化和深度学习技术优化等领域，并尝试结合区块链技术对移动边缘计算的隐私保障问题进行探究。

传统的云计算在线实时处理大规模数据集容易遇到严重的“长尾”延迟问题，导致处理响应的平均时间延迟，无法反应网络延迟的极端边界情况，符永铨，李东升（2018）在研究边缘计算应用的系统架构特征的基础上，对长尾延迟的产生原因进行分析，归纳出了针对长尾延迟的优化技术及未来将面临的挑战。[1]Shi W，Fellow（2016）介绍了边缘计算的定义，并从云卸载、智能家居、智能城市等领域探讨了边缘技术的应用。[2]施巍松，张星洲，王一帆（2019）围绕边缘计算“从哪里来、现状如何、到哪里去”三个问题，梳理了其发展历程，并总结出“技术储备期、快速增长期、稳健发展期”三个阶段及未来发展中急需解决的六类问题。[3]朱晓云（2019）认为，在未来几年边缘数据中心发展的关键时期，产业界需要进行深入研究与合作。[4]周益秋，陈艳敏（2018）聚焦钢铁制造产业，将云计算、大数据与边缘计算技术融合，并应用于钢铁制造大数据中心的系统架构研究中。[5]

研究者普遍认为，边缘计算技术将有效弥补云计算应用中存在的安全隐患问题，但同时需要安全技术的更新来保障边缘设备的安全。凌捷，陈家辉，罗玉（2019）总结归纳了边缘设备容易遭受攻击的情况，提出一种更加适用于边缘设备到边缘设备的通信安全保障的技术——基于身份标识的密码技术。[6]Qian Y，Hu L，Chen J等（2019）提出了一种隐私感知服务放置（PSP）方案，以解决边缘云系统中具有隐私感知的服务放置问题。PSP机制的目的是保护用户的隐私，并在从移动边缘云获取服务时为用户提供更好的QoS（服务质量）。[7]

近年来，在移动设备或传感器附近的计算和存储节点位于互联网边缘的边缘计算的行业投资和研究兴趣急剧增长。除了工业互联产业外，边缘计算在智能医疗产业的应用也受到了研究者的关注。Alaa Awad Abdellatif，Amr Mohamed等（2019）认为，实现智能医疗（s-health）的最有前景的方法包括边缘计算功能和下一代无线网络技术，可以提供实时且经济高效的患者远程监控。并设想了一个基于MEC的架构，用于事件检测的多模态数据压缩和基于边缘的特征提取。[8]

1.2传媒行业应用

目前，边缘计算在传媒领域的研究相对较少，国内的研究普遍集中在广播电视产业，并结合5G技术和国家政策支持对边缘计算的模型和应用展开研究。国外的研究涉及VR/AR、本地流媒体服务等领域。

Zhu W，Luo C，Wang J等（2011）在针对多媒体云计算的研究中，从多媒体感知云（媒体云）和云感知多媒体（云媒体）的角度来处理多媒体云计算。为了实现多媒体服务的高QoS，提出了一种媒体边缘云（MEC）架构，其中，存储、中央处理单元（CPU）和图形处理单元（GPU）集群在边缘呈现，以提供分布式并行处理和各种类型设备的QoS适配。[9]Xavier Corbillon， Gwendal Simon等（2017）利用边缘计算设计了一种有效的表示方法来构建360°视频，使得它们仅提供VR/AR用户真正需要的远程场景视点内容，从而克服目前发送笨重的360°视频的高效率方法，其主要部分包括用户从未访问的场景信息。此外，还设计了一个优化框架，允许基站选择协作缓存/呈现/流媒体策略，以便在为每个基站提供给定的缓存/计算资源时，最大化他们在为用户服务时所获得的总收益。[10]随着移动网络运营量激增，节约带宽对移动网络运营商变得越来越重要。M?kinen O（2015）利用相关的理论框架，通过探索性研究提出了基于移动边缘计算的新型本地流媒体服务概念及其商业模型。[11]关勇， 张佳军（2019）在研究电信5G网络架构中的关键技术——MEC（移动边缘计算）对新一代广电城域网建设中的作用，提出了应用模型架构和实践应用场景案例，并分析了未来将面临的技术与挑战。[12]基于当前国家对超高清视频产业发展的政策支持，韦顺（2019）从市场反馈的角度对边缘计算在其中的应用进行了研究，并认为该技术是整个4K超高清的核心，并且是一种能与云计算并驾齐驱的新兴产业。[13]

2.全链条渗透传媒生产运转

2.1数据采集：安全保障&来源拓展

一方面，由于在网络边缘收集的物理数据通常是私有的，所以，数据在边缘设备中能够获得比云端更为安全的保护;另一方面，在终端完成数据的基本分析并进行脱敏处理，再上传至云端，边缘计算技术能够在保证用户个人隐私安全的情况下为媒体报道提供更为广泛和多层次的数据来源。

2.2选题策划：场景驱动&动态预测

边缘计算技术具备建立更高水平的地理数据分布的能力，能够在地理位置偏远地区、突发情况导致的网络信号不稳定等地区实现数据实时处理，待网络信号良好时再上传云端，这为媒体人提供了更为丰富的选题素材。此外，鉴于当前互联网内容趋向同质化，数据新闻的制作过于重视可视化形式，在数据本身的逻辑和内涵意义层面的挖掘中有所欠缺，基于现实场景的边缘数据或许能为数据新闻选题方向提供新的思路，或在预测性新闻报道和智能化新闻产出上有所突破。

2.3内容编辑：强计算力&低边际成本

在传媒影视行业，制作高级影片所面临的挑战剧增。计算机技术的广泛应用使得传媒行业不得不增强自身的计算能力以支持数字化需求。以全球领先的独立创意数字工作室Animal Logic为例，其制作人员为2013年发行的电影《了不起的盖茨比》制作了600多个视觉特效，这些视觉特效背后需要精密的技术予以支持。承载计算能力的物理基础设施（服务器、存储，以及支持这些IT系统的电源及冷却设备）的可扩展性，对这些日益壮大的工作室而言是一项重大挑战。在这种情况下，选择部署边缘计算服务器来降低成本，同时不影响系统的正常运行时间，是未来行业优化发展的选择之一。

2.4内容发布：下沉部署&高速传输

近年来，高清视频产业飞速发展，“5G+边缘计算”为视频直播的实时同步性和稳定性提供了更大的保障，4K/8K的内容制作方、硬件生产方及网络服务传送方竞相入市。边缘计算技术高可靠、低延时的计算能力使得媒体发布在VR/AR等设备上的内容比以往更具可看性，或许能在“VR+新闻”的领域有所突破。目前，已有公司与网络运营商展开合作，加快边缘计算节点的下沉部署，以承载未来内容数据流量的暴增。此外，对于个人而言，如今频繁使用的图片和视频拍摄功能，需要通过云服务将内容上传至网络平台分享，而图像或视频剪辑的计算可能相当大，并且会占用大量的上传带宽。边缘计算技术支持视频剪辑被降级并在上传到云之前调整到边缘处，选择合适的分辨率。

2.5应用服务：精准推送&精细服务

凭借实时或更快速的数据处理和分析技术，边缘计算支持应用程序基于用户所在地点精确推送周边热门信息，使得新闻媒体的内容服务进一步适应受众的多样化和市场的细分化。基于不同的业务需求，具备边缘计算能力的终端平台能够提供差异化的计算能力，例如图片渲染、视频转码和人工智能等，以优化用户在移动端观看媒体内容的感官体验。

3.潜在风险

3.1元数据在本地端完成处理，虚假数据来源或更难追溯

在边缘计算过程中，设备端的元数据先在本地进行处理，进一步将产生的结果数据上传至云端存储，这使得云端溯源较为困难。尤其是在虚假信息频现的社交媒体环境下，边缘计算技术不仅支持本地的图片渲染、内容编辑，更能够应用人工智能技术对元数据进行更为高级的处理，使得大量内容在联网传输至云端前就已“改头换面”。用户面对此类云端数据便更加难以辨其真假，这对网络内容生态治理带来了更大挑战。

3.2用户现实行为曝光率大增，隐私空间被压缩

边缘计算的应用使得现实生活中的传感器设备将无处不在，每时每刻都在收集着用户在现实生活中产生的“数据”。边缘计算技术支持终端设备，实时对用户数据进行处理和分析，而设备的边缘化造成了用户数据的“边缘化”，使得运营商、广告商等数据拥有者更为及时和频繁地将各种信息推送给用户，更为强势和精准地入侵用户在现实生活中的隐私空间。

3.3资源配置不平衡导致媒体视角偏差

边缘计算技术对终端设备的配置要求颇高，经济、技术发展水平不同的地区所分布的终端设施数量和密度差异化趋势很可能会增大。媒体服务提供方和内容生产方在不同终端数据密度的地区所放置的注意力资源不同，会导致用户的参与活跃度和“数据贡献度”差异分化，用户资源的分化反过来又进一步影响了不同地区边缘计算应用发展，由此带来的循环效应使得区域数字差距趋大，一方面，技术资源差异化分布助长了数字鸿沟现象;另一方面，数据资源的不平衡也增加了媒体选择性偏误的可能性。

4.未来趋势

4.1视觉呈现能力多维升级

5G和云边协同技术一方面使得高清视频直播更为快速和稳定，用户感官体验得到多维升级，同时，用户视觉感官要求的升级也将倒逼媒体内容生产和制作的创新，为全息视觉呈现方式和内容创作灵感提供了更大的空间。另一方面，边缘计算在一定程度上弥补了虚拟增强现实（VR/AR）等设备延时、稳定性不足、眩晕感等技术障碍，激活了虚拟内容创作生产。此外，基于现实空间的传感器数据采集也为新闻内容的制作提供了更为多元化的视角选择。

4.2数字化场景立体拓展

随着物联网加快布局，边缘计算技术支持传感器收集并处理来自现实生活中各个角落的数据，再上传至云端供所有者使用，一定程度上将用户的行为互动从网络社交平台拉回社会现实生活。无论是广告商还是媒體人，都会更多地考虑基于用户实时所处场景的服务和内容供给，使得用户的社会临场感更加贴近现实。基于边缘计算针对网络公开数据和GIS地理信息系统数据进行实时挖掘分析，可建构多维虚拟活动场景，算力的增强让场景信息的动态实时演化成为可能，进一步可为用户提供更具亲近感和卷入感的媒介产品体验，而从虚拟场景切换回现实场景所引发的焦虑感和疏远感也值得关注。