近日云計算情報局第10期，阿里云產品專家云覺對新產品——視圖計算的產品設計背景、產品功能以及應用場景和價值進行了全面的在線揭秘，帶領網友探索全新“視”界，

5G時代，視圖資料成為資訊數字化最重要載體

在云覺看來，資訊大規模數字化大致分成三個階段:第一個階段是文本的數字化，第二個階段是語音的數字化，第三個階段是視頻和圖片資料的大規模數字化，

1994年有一張非常有意思的圖，比爾蓋茨拿著一張光碟坐在33萬張紙上，驕傲的宣布一張光碟可以承載這整個紙張所記錄的內容，這張光碟它的容量單位是MB級別，2010年，喬布斯手握一臺iPhone，號稱可以裝下幾萬張光碟所容納的內容，這個容量的單位大概是GB，

（圖片來源于網路）

當5G時代到來，我們看到整個視圖資料的特點是什么呢？總結下來，第一個是視頻和圖片的資料，廣泛在手機、車載終端、無人機、游戲機等各種終端設備上產生；第二個特點是資料量級將達到ZB級/天；第三個特點是分散，終端設備在任何一個位置都有可能產生視頻和圖片資料；第四個特點是對于整個資料來說，視頻和圖片的資料它的價值密度相對較低，以上所有這些特點將給整個資料數字化帶來非常大的挑戰，我們如何去應對這樣的挑戰？如何通過云計算來更從容地迎接上述場景的到來？視圖計算產品就是為了承接這樣的業務場景而設計的產品方案，

視圖計算——服務（視圖）終端計算的云PaaS服務

阿里云視圖計算產品定位是面向視圖終端提供就近的連接、存盤以及計算的PaaS服務，該產品結合了阿里云邊緣計算節點以及公共云的特點，面向海量視圖終端設備進行了一個云化的設計，其中，邊緣計算節點提供城市級覆寫的云計算節點，可以更靠近設備終端，同時視圖計算也結合了公共云的特點，讓大資料分析、資料持久化存盤以及應用部署變得更簡單，

為了達到產品的設計效果，阿里云對視圖計算產品架構做了三層設計：

第一層是面向視圖資料處理，構建邊緣計算節點架構，

整個節點包括基礎層的物理資源、硬體選型、基礎網路架構都做了針對性的設計，比如為了面向大規模的視圖資料分析，提供資料就近快取的能力，架構對資料快取（周期存盤）能力做了專門的設計優化，提供更高性價比的資料就近存的能力，通過周期性存盤，先把視圖資料在邊緣計算節點進行1天、10天或者一個月的存盤，當這些資料要去做進一步的資料化應用時，也可以將資料同步到公共云region，做進一步的資料持久化，中間程序中在邊緣計算節做AI推理計算產生的高密度價值資料，也可以通過邊緣網路回到中心region做進一步的大資料處理，

同時，節點架構內也自帶了一些基礎的計算能力，包括轉碼截圖等，

第二層端邊云協同的分層計算的架構設計

所謂端邊云協同分層計算，是通過視圖計算PaaS平臺有效地連接設備、邊緣計算節點、公共云，讓資料在合適的位置進行計算，

為了達到這個效果，視圖計算具備了設備終端的連接能力，以便去控制終端，當某些資料需要在終端處理，即可讓資料在終端進行初步的處理，同時，就近的計算節點可以將設備終端產生資料就近的連接上來計算，計算產生的資料，也可以通過公共云做進一步的大規模的應用和分析，

如此，就形成了整個端邊云協同的分層計算，能夠保證整個計算的效率，

第三層是多節點的協同就近計算，

因為視圖資料的產生是在終端，客戶更加希望云節點就靠近終端對資料進行處理，所以視圖計算需要有協同多節點計算的能力，來保障所有的終端設備是就近連接到一個邊緣計算節點，并在邊緣計算節點進行處理和分析，

視圖計算構建了位置感知和平臺調度的能力，平臺透出的能力可以做到位置無感知，讓開發者不需要去關注具體的物理節點的位置，只需要去專注在整個業務流程，

基于以上三層產品架構設計，視圖計算具備三大產品能力：

第一， 具備對設備終端進行連接的能力，
可以通過視圖計算自帶的一鍵上云開放協議平臺，來進行終端連接和資料上行的管理；同時，也可以通過標準的方式，比如說國標、RTMP或Onvif，把設備終端的資料就近的連接上云，為了更好的適配開發者的靈活性，視圖計算在連接部分也做了一些自定義的設計能力，這意味著開發者可以讓資料計算按照自定義的協議，將設備終端的資料連接上云，

第二， 就近資料存盤能力，
視圖計算提供了就近視圖快取的能力，可以讓周期性的資料就近存盤；同時也提供了資料回中心的能力，便于資料做持久化以及大規模資料分析，

第三， AI計算能力
視圖計算集成達摩院的AI計算能力，也自帶了一些基礎計算能力，如截圖、轉碼等，為了讓整個視頻資料的處理做到更靈活、更便捷，視圖計算也提供自定義的介面，開發者可以將自己開發的或者是第三方的一些演算法集成到視圖計算平臺上來，實作更靈活的業務開發，同時，視圖計算也提供了開放、統一的介面以及開放協議來幫助開發者實作更靈活的集成，

為了達到以上產品能力，底層支撐包含了調度、管理、應用托管、監控與運維等技術模塊，以實作更高效的協同管理、更高的穩定性和可靠性，

最終，視圖計算能夠承載億級終端視圖資料上云，讓客戶即開即用、基于開放的介面做簡單高效的開發，

視圖計算的典型應用場景

面向各種設備終端，基于視圖計算產品客戶只需要做業務流程、資料應用開發以及最終的應用部署，其他的視圖資料的連接、存盤和計算能力，都可以通過視圖計算這個平臺來進行承接，

談到具體的場景案例，阿里云已經在以下五個場景，與合作伙伴一起具備了落地實踐：

**第一個是道路計算場景，**基于高速公路視圖資料上云的落地實踐，最終實作的效果是整個車輛通行變得更安全、變得更可監測，利用視圖計算搭建智慧高速系統，可以讓交通視頻就近上云處理，視頻延時降低到10毫秒級，交通事件視頻AI計算回應時間提升70%，讓公路安全事件處理效率提升80%，真正做到了交通全域態勢感知，服務水平得到了極大提升；

**第二個是教育場景，**其中典型的云課堂，將線下的教室變成數字化教室，通過視圖計算產品，可以實作遠程的在線聽課、在線學習；同時視圖計算也可以對于視圖資料做了進一步AI分析和應用，幫助數字教室、數字課堂的視圖資料，實作AI計算能力，提升學生上課效率，幫助老師更好的監測教育效果，并且通過反饋逐步的提升自己的教學效果；

**第三個是新零售場景，**通過視圖資料將零售場景的購買鏈路、供應鏈環節做了整個連接，幫助零售場景提升售賣效率以及供應鏈的效率，當然供應鏈里面有一個典型場景就是物流，視圖計算可以幫助物流場景，從設備、從貨物的收發快遞整個程序做了一個全鏈路的監測，提升管理效率，同時讓消費者享受更便捷的購物環境，助力新零售行業數字化升級；

**第四個是公共安全，**包括公共安全、食品安全、明廚亮灶等視頻場景；基于視頻的本地化上云和AI能力疊加，提升管理效率，同時降低存盤成本；

**第五個是家庭娛樂場景，**可以通過視圖資料的賦能來進一步的提升娛樂的效果，比如云游戲、AR/VR，

視圖計算的產品價值

**第一，視圖計算基于邊緣計算節點，具備就近覆寫和處理的能力，**整個網路成本更低、接入靈活度更高，同時可以達到低延時的效果，

**第二，視圖計算的資料處理是分層的，**首先，資料可以在終端上進行粗算；其次，資料可以在邊緣計算節點上進行精算，進一步的結構化提取出更高密度的價值資料；再次，這些資料也可以回傳到公共云做大規模的資料應用和分析，

**同時，視圖計算的資料存盤也支持分層，**在設備終端上，資料可以臨時存盤下來；當業務需要做周期性的存盤，即可選擇邊緣計算節點對于資料做進一步的周期存盤；而當部分資料重要性更高，需要持久化的資料存盤，即可通過資料計算平臺調度的能力，將資料存盤在公共云做進一步的持久化存盤，

它帶來的好處是更低的成本，以及擴容的靈活性和便捷性的一個提升，

**第三，視圖計算另一個特點是位置無感知的PaaS層云服務，**所有的開發介面都是通過視圖計算這個產品統一透出給到客戶和開發者的，而產品背后連接了視圖終端的海量的設備，連接了邊緣計算的節點，連接了公共云，所以可以做到資料的處理位置無感，讓合適的節點來做最合適的最有效率的計算服務，

這樣的產品設計帶來的好處是更低的網路成本、更高的開發效率，

第四，視圖計算既提供了一鍵上云的開放協議，來幫助到整個設備終端做便捷的連接和接入，同時也開放了可編程的介面，來幫助到開發者對于接入協議做自己的定義，對于整個AI計算的能力，既可以集成阿里云達摩院的AI能力，也可以通過自定義的方式來實作更細分的場景的AI計算，達到的效果是業務開展更靈活，開發效率更高，成本更低，

未來展望

在線上分享的最后，云覺表示：希望有更多的生態合作伙伴（節點層、演算法層）來與阿里云一起去開發和落地，讓更多的業務場景能夠使用視圖計算帶來的種種便利，同時，也期待視圖計算具備更智能的調度和更智慧的管理能力，幫助海量設備終端實作非常便捷的就近接入、存盤和計算，來挖掘更廣闊的視圖資料價值，