5G时代，视图数据成为信息数字化最重要载体

在云觉看来，信息大规模数字化大致分成三个阶段:第一个阶段是文本的数字化，第二个阶段是语音的数字化，第三个阶段是视频和图片数据的大规模数字化。

1994年有一张非常有意思的图，比尔盖茨拿着一张光盘坐在33万张纸上，骄傲的宣布一张光盘可以承载这整个纸张所记录的内容。这张光盘它的容量单位是MB级别。2010年，乔布斯手握一台iPhone，号称可以装下几万张光盘所容纳的内容，这个容量的单位大概是GB。

（图片来源于网络）

当5G时代到来，我们看到整个视图数据的特点是什么呢？总结下来，第一个是视频和图片的数据，广泛在手机、车载终端、无人机、游戏机等各种终端设备上产生；第二个特点是数据量级将达到ZB级/天；第三个特点是分散，终端设备在任何一个位置都有可能产生视频和图片数据；第四个特点是对于整个数据来说，视频和图片的数据它的价值密度相对较低。以上所有这些特点将给整个数据数字化带来非常大的挑战。我们如何去应对这样的挑战？如何通过云计算来更从容地迎接上述场景的到来？视图计算产品就是为了承接这样的业务场景而设计的产品方案。

视图计算——服务（视图）终端计算的云PaaS服务

阿里云视图计算产品定位是面向视图终端提供就近的连接、存储以及计算的PaaS服务，该产品结合了阿里云边缘计算节点以及公共云的特点，面向海量视图终端设备进行了一个云化的设计。其中，边缘计算节点提供城市级覆盖的云计算节点，可以更靠近设备终端。同时视图计算也结合了公共云的特点，让大数据分析、数据持久化存储以及应用部署变得更简单。

为了达到产品的设计效果，阿里云对视图计算产品架构做了三层设计：

第一层是面向视图数据处理，构建边缘计算节点架构。

整个节点包括基础层的物理资源、硬件选型、基础网络架构都做了针对性的设计，比如为了面向大规模的视图数据分析，提供数据就近缓存的能力，架构对数据缓存（周期存储）能力做了专门的设计优化，提供更高性价比的数据就近存的能力。通过周期性存储，先把视图数据在边缘计算节点进行1天、10天或者一个月的存储，当这些数据要去做进一步的数据化应用时，也可以将数据同步到公共云region，做进一步的数据持久化。中间过程中在边缘计算节做AI推理计算产生的高密度价值数据，也可以通过边缘网络回到中心region做进一步的大数据处理。

同时，节点架构内也自带了一些基础的计算能力，包括转码截图等。

第二层端边云协同的分层计算的架构设计

所谓端边云协同分层计算，是通过视图计算PaaS平台有效地连接设备、边缘计算节点、公共云，让数据在合适的位置进行计算。

为了达到这个效果，视图计算具备了设备终端的连接能力，以便去控制终端。当某些数据需要在终端处理，即可让数据在终端进行初步的处理。同时，就近的计算节点可以将设备终端产生数据就近的连接上来计算，计算产生的数据，也可以通过公共云做进一步的大规模的应用和分析。

如此，就形成了整个端边云协同的分层计算，能够保证整个计算的效率。

第三层是多节点的协同就近计算。

因为视图数据的产生是在终端，客户更加希望云节点就靠近终端对数据进行处理，所以视图计算需要有协同多节点计算的能力，来保障所有的终端设备是就近连接到一个边缘计算节点，并在边缘计算节点进行处理和分析。

视图计算构建了位置感知和平台调度的能力，平台透出的能力可以做到位置无感知，让开发者不需要去关注具体的物理节点的位置，只需要去专注在整个业务流程。

基于以上三层产品架构设计，视图计算具备三大产品能力：

第一，具备对设备终端进行连接的能力。
可以通过视图计算自带的一键上云开放协议平台，来进行终端连接和数据上行的管理；同时，也可以通过标准的方式，比如说国标、RTMP或Onvif，把设备终端的数据就近的连接上云。为了更好的适配开发者的灵活性，视图计算在连接部分也做了一些自定义的设计能力，这意味着开发者可以让数据计算按照自定义的协议，将设备终端的数据连接上云。

第二，就近数据存储能力。
视图计算提供了就近视图缓存的能力，可以让周期性的数据就近存储；同时也提供了数据回中心的能力，便于数据做持久化以及大规模数据分析。

第三， AI计算能力
视图计算集成达摩院的AI计算能力，也自带了一些基础计算能力，如截图、转码等。为了让整个视频数据的处理做到更灵活、更便捷，视图计算也提供自定义的接口，开发者可以将自己开发的或者是第三方的一些算法集成到视图计算平台上来，实现更灵活的业务开发。同时，视图计算也提供了开放、统一的接口以及开放协议来帮助开发者实现更灵活的集成。

为了达到以上产品能力，底层支撑包含了调度、管理、应用托管、监控与运维等技术模块，以实现更高效的协同管理、更高的稳定性和可靠性。

最终，视图计算能够承载亿级终端视图数据上云，让客户即开即用、基于开放的接口做简单高效的开发。

视图计算的典型应用场景

面向各种设备终端，基于视图计算产品客户只需要做业务流程、数据应用开发以及最终的应用部署。其他的视图数据的连接、存储和计算能力，都可以通过视图计算这个平台来进行承接。

谈到具体的场景案例，阿里云已经在以下五个场景，与合作伙伴一起具备了落地实践：

第一个是道路计算场景，基于高速公路视图数据上云的落地实践，最终实现的效果是整个车辆通行变得更安全、变得更可监测。利用视图计算搭建智慧高速系统，可以让交通视频就近上云处理，视频延时降低到10毫秒级，交通事件视频AI计算响应时间提升70%，让公路安全事件处理效率提升80%，真正做到了交通全域态势感知，服务水平得到了极大提升；

第二个是教育场景，其中典型的云课堂，将线下的教室变成数字化教室，通过视图计算产品，可以实现远程的在线听课、在线学习；同时视图计算也可以对于视图数据做了进一步AI分析和应用，帮助数字教室、数字课堂的视图数据，实现AI计算能力，提升学生上课效率，帮助老师更好的监测教育效果，并且通过反馈逐步的提升自己的教学效果；

第三个是新零售场景，通过视图数据将零售场景的购买链路、供应链环节做了整个连接，帮助零售场景提升售卖效率以及供应链的效率。当然供应链里面有一个典型场景就是物流，视图计算可以帮助物流场景，从设备、从货物的收发快递整个过程做了一个全链路的监测，提升管理效率，同时让消费者享受更便捷的购物环境，助力新零售行业数字化升级；

第四个是公共安全，包括公共安全、食品安全、明厨亮灶等视频场景；基于视频的本地化上云和AI能力叠加，提升管理效率，同时降低存储成本；

第五个是家庭娱乐场景，可以通过视图数据的赋能来进一步的提升娱乐的效果，比如云游戏、AR/VR。

视图计算的产品价值

第一，视图计算基于边缘计算节点，具备就近覆盖和处理的能力，整个网络成本更低、接入灵活度更高，同时可以达到低延时的效果。

第二，视图计算的数据处理是分层的。首先，数据可以在终端上进行粗算；其次，数据可以在边缘计算节点上进行精算，进一步的结构化提取出更高密度的价值数据；再次，这些数据也可以回传到公共云做大规模的数据应用和分析。

同时，视图计算的数据存储也支持分层。在设备终端上，数据可以临时存储下来；当业务需要做周期性的存储，即可选择边缘计算节点对于数据做进一步的周期存储；而当部分数据重要性更高，需要持久化的数据存储，即可通过数据计算平台调度的能力，将数据存储在公共云做进一步的持久化存储。

它带来的好处是更低的成本，以及扩容的灵活性和便捷性的一个提升。

第三，视图计算另一个特点是位置无感知的PaaS层云服务。所有的开发接口都是通过视图计算这个产品统一透出给到客户和开发者的，而产品背后连接了视图终端的海量的设备，连接了边缘计算的节点，连接了公共云。所以可以做到数据的处理位置无感，让合适的节点来做最合适的最有效率的计算服务。

这样的产品设计带来的好处是更低的网络成本、更高的开发效率。

第四，视图计算既提供了一键上云的开放协议，来帮助到整个设备终端做便捷的连接和接入，同时也开放了可编程的接口，来帮助到开发者对于接入协议做自己的定义。对于整个AI计算的能力，既可以集成阿里云达摩院的AI能力，也可以通过自定义的方式来实现更细分的场景的AI计算。达到的效果是业务开展更灵活，开发效率更高，成本更低。