边缘数据中心应用与发展

周灵　　黄亦明

边缘数据中心（Edge Data Center）是指为适应多接入边缘计算（Multi-Access Edge Computing，MEC）的需要而提供的计算环境。业界将这种部署在网络边缘侧的新型基础设施称为边缘数据中心，与EDC（企业级数据中心）和IDC（互联网数据中心）相比，边缘数据中心具有小型化、分布式、靠近用户等特点。Gartner预测，到2025年，发生在边缘而不是中央数据中心的数据生成和处理将增长75%。同时，IDC中国（International Data Corporation，IDC，国际数据公司在中国的全资子公司）报告指出，一半以上的数据将由多达800亿个物联网设备在网络边缘生成。中国作为数据量最大、数据类型最丰富的国家之一，数据量年均增速超过50%，数据总量全球占比将达到20%。有关研究报告预计，到2025年需要在网络边缘进行分析、处理与存储的数据将超过50%。可以预见，由边缘计算发展引发的边缘数据中心建设应用发展势头必将十分强劲。

一、边缘数据中心的特点

边缘数据中心作为数据中心的一种，必然带有数据中心的共性，具备电源系统、IT设备运行环境保障系统等，其特征也很明显。

（一）边缘数据中心基础设施架构

5G时代的到来对于边缘数据中心基础设施架构而言是较大的影响因素。5G移动通信技术的飞速发展开启了万物互联时代，其具备的超高带宽、超低时延及全连接覆盖的网络能力，促使新商业应用场景得到不断丰富。

国际电信联盟（International Telecommunication Union，ITU）定义的5G未来移动应用包括以下三大场景。

（1）增强型移动宽带（eMBB）：通过更高的带宽和更短的时延提升商业应用带来的极致体验。主要应用有：超高清视频、大型在线游戏、增强现实（AR）等。关键性能指标为：用户体验速率、峰值速率、流量密度等。

（2）大规模机器类通信（mMTC）：海量的移动通信传感器网络，结合大数据、AI（人工智能）、云计算等技术，实现物与物之间、人与物之间全面的信息交互。主要应用有：智慧城市、智能家居等。关键性能指标为：接入数量、能效、个体及系统智能化与自动化水平。

（3）高可靠低时延通信（uRLLC）：通过5G无线技术实现高可靠、低时延、极高的可用性，提升商业应用带来的极致体验。主要应用有：工业自动化、远程医疗、智能电网、自动驾驶等。关键性能指标为：空口时延、可靠性、可用性、丢包率。

在5G时代，数据中心基础设施架构在原来集中式架构基础上，逐步分离产生分布式架构边缘数据中心，以适应海量用户集聚于数千米范围甚至1千米内的需要，出于对5G低时延、超带宽及成本等因素的考虑，同时出于对隐私安全的考虑，数据中心将从原来的“云+端”架构向“云+边+端”的架构演变，如图1、图2所示。

（二）边缘计算架构带来建设需求变化

按照部署设备的不同，电信运营商目前的通信网络机房可以分为部署IT（信息技术）设备和承载内容的云数据中心、部署CT（通信技术）设备的核心网机房，以及部署传输和交换设备的承载网机房三种类型。

进入5G时代，数据种类、数据形式和数据规模的爆发式增长，进一步加速了运营商ICT（信息、通信和技术）网络架构转型。云数据中心的架构从原来的集中式逐步转变为“云+边+端”的分布式数据中心架构，边缘计算与中心云长短互补，实现数据、应用、AI（人工智能）算法、管理的协同，同时边缘计算能敏捷快速接入中心云。中心云、IDC、边缘数据中心、物联网之间的协同拓扑示意如图3所示。

超低时延的大量5G应用需要具备近端构建算力能力、本地化业务处理能力，以及可定制化能力等，使得海量、轻量化边缘数据中心的需求涌现。在面对不同场景的应用时，要求能够构建轻量、灵活的边缘云节点。针对不同的业务，端到端的时延要求不同，对边缘数据中心下沉程度的要求也不同，对于端到端时延要求小于20ms的业务而言，多数规划部署在接入机房和企业自有机房内；对于端到端时延要求在20～50ms的业务，多数规划部署在汇聚机房和企业自有机房内；对于端到端时延要求大于50ms的业务，对机房位置的敏感度大幅降低，其选址的规划可以在较大范围内、根据成本等因素综合考虑。当高功率密度的设备机柜（功率密度大于5kW）成为常态时，部分设备机柜的功率密度达15kW，给供电带来巨大挑战。传统的传输设备风道设计非“前进后出”，给制冷带来巨大挑战。

（三）边缘数据中心分类探讨

目前，对于边缘数据中心的分类方法尚未形成定论。对其的分类既可以借鉴传统数据中心按照机架规模分类的思路，也可以通过IT容量规模、场景及下沉位置等维度来进行分类。例如，场景多样是边缘数据中心的一个显著特点，因此从应用场景入手对边缘数据中心进行分类也是一个比较科学的思路。此外，边缘数据中心下沉的位置不尽相同，也可以作为边缘数据中心分类的一种思路。虽然这些分类方法的角度不同，但是都可以在各自的维度上为边缘数据中心分类提供参考。

可以考虑按其机架规模对边缘数据中心进行分类，这样既相对简单，又能以此为根据设计、安排其他相关设备的能力。规模划分参考如下。

边缘计算节点：1个机柜或1台计算机或若干工控模块。

微型边缘数据中心：1个以上，10个以下机柜。

小型边缘数据中心：10～50个机柜。

中型边缘数据中心：50～100个机柜。

大型边缘数据中心：100个以上机柜。

边缘数据中心需要重点考虑电力的规划和接入，因此通过IT设备容量规模来确定边缘数据中心的规模是一个较为合理的思路。从国内外的部署经验来看，边缘数据中心IT设备容量一般不超过2 MW。若空间因素受限，边缘数据中心可采用高密度机架，单机架负载容量推荐的使用范围为6～20kW。

从当前的实践来看，边缘数据中心的存在有其合理性。它在地理上靠近最终用户，降低了时延，减少了网络拥塞，某些简单应用程序、简单数据处理在局部范围内部运行，可以更快速地向用户反馈处理结果，把复杂的运算交给中央数据中心处理，可以获得较大的收益。基于此应用，目前边缘数据中心规模体量较小，1个机柜的较为多见，10个以上机柜的较为少见。随着5G和云计算的普及，以及边缘计算技术、边缘数据中心等概念的普及，企业级数据中心有可能下沉，边缘计算成为其承担的主要任务，届时小型边缘数据中心将会增多，中型、大型边缘数据中心也将陆续出现。

二、边缘数据中心的典型应用场景

（一）5G基站

边缘数据中心的建设为更低时延的5G新业务的开展提供重要支撑。通过把中心局的IT资源迁移到基站侧，更靠近用户，有效地降低了时延。目前，在5G NFV核心网络虚拟化及无线接入网基带数据处理集中化的大背景下，国内有厂商推出5G边缘计算一体化机柜，成为基于移动网络虚拟化的一个典型的承载技术解决方案。产品采用一体化集成设计，将机柜、电源、电池、空调等系统巧妙地结合在一起，保障5G设备在适宜的环境中运行。通过模块化设计及通用接口定义，通信设备可即插即用，加速了5G网络建设。同时，5G基站边缘数据中心采用的可视化、精细化热管理、近端精准制冷、气流组织优化等技术，较好地解决了5G设备局部热点问题，能够降低PUE，节省运维费用。

（二）物联网应用

物联网（Internet of Things，IoT）是指基于互联网、传统电信网等信息承载体，让所有能够被独立寻址的普通物理对象之间实现互联互通的网络，真实的物体都可以通过应用电子标签实现联结。有咨询机构通过NB-IoT（窄带物联网）模块出货量增长趋势估算，我国物联网连接设备规模将从2018年的23亿个，增长到2022年的70亿个。物联网将成为边缘数据中心的另一个典型应用场景。边缘计算节点在能源物联网整体架构中的位置和作用如图4所示。

（三）人工智能计算

人工智能对图像和视频进行计算和分析的一个重要前提是：采集到的数据必须具备足够的清晰度，视频监控日益高清化，产生了非常庞大的视频数据量，但由于网络传输技术和网络环境的制约，传输大量的数据必然产生一定的时延。在当前大多数的人工智能计算都是借助云数据中心来做支撑的情况下，容易造成网络拥塞。将数据留在本地进行计算，在不联网的情况下就可以做实时的环境感知、人机交互和决策控制，可以更经济有效地解决问题。某互联网云应用厂商为内蒙古乌兰布统和荒漠化地区农作物种植试验安装了一套边缘数据中心设备，有20台标准服务器，相当于具备1 000台笔记本计算机的运算能力。重庆交通大学的科研人员使用环境采集系统、田间植物表型征采集系统、高光谱采集系统、全时视频监控系统，每天就地采集约1TB数据，经这套边缘数据中心设备清洗和初筛，再把有效数据上传到云端的智能运维平台，进行分类、鉴别、深度挖掘、机器学习。云端训练出来的AI模型也能下沉至边缘数据中心，进一步推动数据的就近处理，加快了试验的速度，收到了良好的效果。

此外，人工智能技术的发展对芯片也提出了更高的要求，因而在边缘侧进行负载整合就成为必然趋势。在不同设备上分离的负载将越来越多地通过虚拟化等技术，整合到一个单一、高性能的计算平台上，以实现一个综合的复杂功能。所以，通过部署边缘数据中心构建高性能的计算平台成为最佳的解决方案。

（四）工业互联网应用

工业互联网（Industrial Internet）以机器、原材料、控制系统、信息系统、产品及人之间的网络互联为基础，通过对工业数据的系统化管理和运算处理、实时交换数据、快速建模，满足工业场景特定自动化需求。工业互联网平台与其他云应用平台一样，包括边缘层、基础设施层（IaaS）、平台层（PaaS）、应用层（SaaS）。其中，在边缘层依托传感器、工业控制、物联网技术，支持各类工业设备和信息系统的接入，有大量的数据需要采集和传输。边缘数据中心方案以接近用户、安全性高、处理速度快的特点，支撑数据在边缘进行处理，更好地实现机器间的传感、交互和控制。对于工业互联网中数据体量较大、传输距离较长的边缘节点来说，建立专有的边缘数据中心，是一个既安全又经济的选择。近几年，边缘计算成为工业互联网的“热词”，2019年10月，中国信息通信研究院和中国通信标准化协会共同主办“5G应用征集大赛”，所征集的101个智慧工业案例中有34个案例使用了边缘计算技术，排在“5G+AI”、大数据、云计算之前，并且总结了边缘计算节点（数据中心）的部署形式。

（五）车联网应用

车联网（Internet of Vehicles）是指由车辆位置、速度和路线等信息构成的巨大交互网络。严格来讲，车联网是移动的工业互联网。业界将车联网的网络架构概括为感知层、接入层、网络层和应用层。正因其移动的特征，对感知层、接入层的高敏感性，决定了车联网对边缘计算的要求更高、更迫切。

车联网中的车辆通过GPS、RFID、传感器、摄像头图像处理等装置，完成自身环境和状态信息的采集，可以看作一个边缘计算的节点。通过互联网技术，所有的车辆边缘计算的结果也需要和汇集到云端的超级计算机里，用于机器学习，总结“好的经验”，再返回到每辆车中。如此往复循环，最终实现更为安全的自动驾驶。

所有车辆边缘计算结果汇集的数据经过超级计算机的处理，可以实现及时汇报路况、发现车辆运行状态、计算不同车辆最佳路线、安排信号灯周期等车联网的宏观功能。显而易见，所有车辆数据的传输和汇集必然带来网络拥塞，而运用边缘计算技术可以有效缓解网络拥塞。在一定的距离内，建立边缘数据中心，处理能在本区域进行的运算，则可以减轻网络压力，降低数据传输时延，改善用户体验。

（六）水资源自动监测

水利部门根据“河长制”的制度安排，在全国主要的跨省、市、县境河流的界面、断面安装了8万余套水资源自动监测装置。自动监测装置安放在一处空地的水泥线杆上，避雷、防攀爬、防盗窃措施一应俱全；装置采用太阳能供电，内部存储的蓄电池可以保证在连续15天无阳光照射的情况下不断电；一个悬挂于线杆中部的机箱，安装了除传感器外的所有设备，无须空调系统。通过多普勒超声波流量计、雷达流量计等传感设备，对断面流速、水温、流向、水位等进行24小时不间断在线监测，实时采集流速、水位数据，结合地形，计算断面流量。环境保护部门利用水资源自动监测装置，接入水质检测传感器，即可实现对水质污染程度、主要污染物成分等的监测。数据汇聚、收集、处理、存储设备是一台安装了水资源自动监测系统的高性能计算机或设备厂商专门定制的遥测终端机，它可以将采集或经过计算的数据通过网络传送到水利部门的接收中心。

（七）自动气象站

由于自然环境和工作条件的原因，气象是较早引入无人值守理念的领域。例如，湖北神农架大九湖国家湿地公园在2008年就建立了多要素自动监测气象站，除常规数值外，还结合景区的特点，监测负氧离子、大气电场等。这样的自动气象站在神农架林区有38个。

目前，中国气象机构建设的自动气象站可以在恶劣环境、无人值守的情况下全天候、全自动运行，按照国际气象组织WMO的气象观测标准，采集观测气压、气温、相对湿度、风向、风速、降水量、地温、能见度、雪深、蒸发、日照、辐射及其他气象要素数据。将各传感器采集的数据汇集处理后，上传到云端平台。例如，青海省格尔木市五道梁气象站地处青藏高原腹地、可可西里核心区，海拔高、气候恶劣，是一类艰苦气象站。该站是国道109线必经之地，所获取的气象资料对我国天气预报事业，生态环境保护工作，以及青藏铁路、青藏公路交通运输等具有重要价值。五道梁气象站的观测资料，经过本站处理生成的上报数据，可以通过移动、电信的双路有线传输和北斗卫星及时上传。

自动气象站由软件自动气象站系统和高精度数据采集器、多种传感器、支架及防护箱、太阳能供电四部分硬件组成。国家气象局为自动气象站的建设制定了标准规范，对其全自动性能、安装环境、太阳能电池板、设备功耗、后备电池续航时间、数据存储容量、设备高可行性、防盗、防雷、防牲畜及对动物活动的影响提出了要求。其中，与边缘数据中心相关的要求还有：每年定期对防雷设施进行全面检查，对接地电阻进行检测；支持有线或无线数据传输等。

（八）无人值守变电站

无人值守变电站主要应用在条件环境合适的35kV以上电压线路。站内不设置固定运行维护值班岗位，运行监视、主要控制操作由远端主站完成，通过变电站监控系统采集、存储、处理并向主站上传电网和设备运行信息、状态监测信息、辅助设备监测信息、计量信息。无人值守变电站监控系统的部署环境应当具备防火、防盗等措施；配置相应的视频安防、消防、门禁、环境监测等系统，支持远程监控；其场所环境温度分为三级，C0级为-5℃～+45℃，C1级为-25℃～+5℃，C2级为-40℃～+70℃；相对湿度为5%～95%；防雷和接地均应符合电力行业标准的要求。

当前，超高压远距离输电和大电网的出现，以及大容量发电机组的不断投入运行，使得电力系统的安全控制变得更为复杂，如果只依靠原来的人工抄表和记录，以人工操作为主，依靠原来变电站的旧设备，不进行技术改造，必然无法满足安全、稳定运行的需要，更不可能适应现代电力系统管理模式的需求。采用边缘计算技术，建设具有边缘数据中心属性的无人值守变电站，是提高输电管理水平的重要途径。无人值守变电站作为边缘数据中心，与其他数据中心相比，更需要充分考虑的问题是如何符合电磁防护的规定。

与无人值守变电站相类似的技术、系统和设施在高速铁路上也有应用。高速铁路沿线每隔25km要设置一座牵引变电站，多处于交通不便的地方，在管理控制方面有与输电变电站相似的需求，可用相同的方案加以解决。

（九）AR/VR应用场景

AR/VR应用场景包括教学培训、军事训练、远程医疗、设计、维护、修理等。与大众接触密切的应用场景有博物馆参观、景点游览、沉浸式动感影院、全息剧场、游戏等。

AR/VR应用场景中的对象多为虚拟对象，其本质是计算机技术将人的意识代入一个虚拟的世界中。AR（Augmented Reality，增强现实）是有虚有实、虚实结合的场面，依靠摄像头拍摄实际的画面，在显示设备上展示出叠加的虚实结合的情景，对人眼看到的现实世界进行补充；VR（Virtual Reality，虚拟现实）是纯虚拟的场面，依靠位置跟踪器、数据手套、动作捕捉系统、数据头盔等，实现操作者在虚拟场景中的互动。

无论是哪种应用场景，在个人装备和主机之间都有大量的数据交互，规模大的应用场景还需要与中心平台进行交互。从当前AR/VR的应用实践看，要实现相对良好的用户体验，其系统不是一台PC机可以支持的，也不是通过任意网络连接即可获得远程支持的，需要引入边缘计算技术，在应用场景周边构建边缘数据中心，以支持AR/VR应用，必要时还要同时调用支平台资源，共同支撑、支持应用。

三、边缘数据中心建设挑战

从数据中心的全生命周期维度来看，边缘数据中心的基础设施建设面临以下挑战。

（一）规划设计

（1）边缘数据中心选址难。为满足业务的时延要求，边缘数据中心的选址需要下沉到离最终用户数千米范围甚至1千米范围内。类似省级运营商这样的用户，边缘数据中心站址规划通常在数百个以上。除利旧改造机房外，还有大量新建需求，不少地方出台了限制数据中心建设地域规划的政策，增加数据中心用地或在非规划区建设数据中心存在很大的困难。

（2）机房工勘工作量大。边缘数据中心多深入业务中心，现场条件较为复杂，需要平衡电力、制冷、承重、安全、环保等多重因素，并且多重因素交叉影响，使得选址的难度加大。同时，边缘数据中心站址分散，需要专业人员多次上站，导致机房工勘工作量大。

（3）需求难以准确预测。边缘计算的需求难以准确预测，也无法做到精准规划。若按传统的一次性面向终期需求进行规划，则业务全部上线前的较长时间面临高空置率的问题；若按业务新增需求时再规划并建设，则原有的初期架构无法满足新业务上线需求，改造困难，重置成本高。

（4）标准化设计难。边缘数据中心的站址、站型差异较大，每个机房设计都需要根据可用空间进行定制，尤其是利旧改造机房和大量的租用机房，无法做到标准化设计。实际的配电电缆布线、空调管路布线、通信线路等为匹配现场空间常常出现绕行、改道等情况，导致建设成本估算不精准，无法进行标准化设计。

（二）工程建设

（1）供配电架构适配融合业务难。边缘数据中心供配电架构无法与现有国家标准《数据中心设计规范》（GB 50174—2017）的评级标准匹配。海量机房站址供电资源差异大，大多数站址只有一路市电，少量站址有两路市电，大多数站址无法放置柴油发电机（原因有空间受限、承重受或噪音扰民等），当部分站址出现异常断电时，备电时长小于移动柴油发电机到达机房时长；接入、传输、交换、核心网和算力等多种设备需要一体化供配电架构。

（2）机房在线改造困难。边缘数据中心如果为利旧改造机房，原有设备柜多为600mm和800mm的深柜型，设备之间的通道宽度较窄，为800～1 000mm。当存储、服务器机柜与通信设备融合部署时，会出现布局不齐整、冷热气流进气和排气方向不一致、1 100mm深IT机柜堵塞原有消防通道等问题。同时，机房需要进行在线改造以保障原有业务不中断，这让改造难度进一步加大。

（3）制冷架构适配融合业务难。利旧改造机房制冷形式无法满足高功率密度机柜的部署需求，传统房间级空调的送风距离远，沿气流路径冷风温度上升超过10℃，导致高功率密度机柜进风温度高、出现热点、设备性能下降、寿命缩短甚至发生宕机。同时，空调制冷量无法实现精准供给，也无法支撑不同功率密度机柜分区部署。同时，设备气流有前进后出、左进右出、右进左出、中部进风上下方向同时出风多种形式，在混合部署时，气流组织复杂。

（4）后期扩容难。每次扩容，基础设施各子系统必须齐备，工程量等同于完全重新改造一个小规模的机房。各类子系统供应商超过数十个，进场次数达数十次。

（三）运行维护

（1）能耗高。ICT（信息、通信和技术）设备进出风方式多样化，气流组织复杂，制冷效率低下。机柜数量和功率密度的双增长带来用电量的增大，PUE居高不下。

（2）建筑资源投资成本高。不同设备不方便融合部署或高密度部署，导致机柜多，占用更多机房面积，空间使用率低。

（3）运维成本高。大量边缘数据中心节点需要运维人员值守巡检，人工成本高，缺乏适用的多机房统一管理平台。

（4）智能化程度不足。电源、电池、空调等基础设施自身不易实现智能化及自适应组网，通信机房原有动环监控系统与新智能管理系统难以融合，风险不可控。

四、边缘数据中心技术发展趋势

（一）通信技术与信息技术融合

原通信机房中CT（通信技术）和IT（信息技术）设备尺寸差异大，如核心网EPC、UPF网元和承载网传输设备只能适配600mm深机柜。服务器、存储等设备以1 100mm/1 200mm深机柜为主。以VR为例，要满足HD MTP小于50ms的时延要求，则需采用高速存储介质，设备深度为800～900mm，需部署在1 100mm/1 200mm深机柜内。还要解决IT设备、BBU（基带单元）、接入设备、传输设备等各自分散部署在多个机柜内或多个模块内占用机房面积大的问题。

未来边缘数据中心的部署向一柜或一模块融合部署CT和IT设备的方向发展，1 100mm/1 200mm深机柜可能成为标准模块。一个微模块不仅可以融合ICT设备，而且可以融合空调、电池、集中监控、交直流集成配电等机电设备。

（二）模块化一体化

5G边缘计算一体化机柜是一个典型边缘计算一体化解决方案（见图5）。采用一体化集成设计，将机柜、电源、电池、空调等系统巧妙地结合在一起，保障边缘计算设备在适宜的环境中运行；通过模块化设计及通用接口定义，通信设备可即插即用，适用于5G网络；采用可视化、精细化热管理技术，实现气流组织优化、近端精准制冷，解决边缘计算设备局部热点问题，降低PUE指标，节省运维费用。该方案荣获2020年数据中心科技成果奖二等奖。

（三）铁锂电池

边缘数据中心中采用铁锂电池入柜替代铅酸电池，是改变传统铅酸电池占地面积大、对机房承重要求高，以适配老旧机房的有效解决方案。铁锂电池方案降低了机房的改造难度。此外，可通过配合移动油机方式保证关键业务的连续性。铅酸电池与铁锂电池性能对比如表1所示。

（四）智能制造

（1）智能查勘设计。针对边缘数据中心标准化设计、多专业协同难的问题，未来将通过3D建模技术扫描现场，迅速建立基础设施的数字孪生模型，通过可视化设计规划、配置预算分析与建造模拟，减少海量站址的现场工勘作业量，降低工勘难度，提升效率。使用数字化设计工具，预置大量典型方案，自动结合工勘数据，修改少量参数后即可快速完成项目设计，输出所需的设计文档。设计平台能不断沉淀专家经验，并固化成自动算法，从而自动配置最佳设备，自动计算管道线缆等的数量，减少漏配、错配，缩短设计周期。

（2）智能实施交付。针对边缘数据中心工程建设难的问题，未来，BIM技术结合云技术和人工智能技术会大量应用在工程实施和交付中，为现场实施管理提供信息化展示和作业指导。现场施工人员能结合3D化的施工指导App，更方便地使用安装手册，也能够快速获取专家在线指导与协助。在施工过程中，可对项目的进度进行可视化实时监控，通过专业的甘特图进行计划进度分析，并能自动生成项目交付周报，从而优化项目管理流程、提升管理效率、缩短交付周期。

（五）智能运维

针对边缘数据中心运维程度不足的问题，未来运营维护阶段要达成以下目标：① 海量站址无人值守，管理系统要实现机房7×24小时无人巡检、智能管理、节省运维人力投入；② 从各高效部件到部件之间的协同优化系统能效运行曲线，制订设备及电源启闭策略，节省全网电费支出；③ 通过设备的运行曲线进行故障预测和预警，及时指导维护保养，满足设备及部件的全生命周期管理，减少突发事件对业务连续性的影响，确保基础设施的可靠性和可用性。

智能运维将依托物联网、人工智能、大数据等技术，实现：① 部件数字化，包括资产管理、租户管理、电子巡检、告警管理、容量管理等；② 部件智能化，通过负载率自动决策电源的启闭策略，通过各区域微环境的温度差异自动决策风阀、导流硬件的开启度等；③ 系统AI化，包括AI能效优化、AI智能故障预测、AI无人巡检和机房态势分析。

5G时代给边缘数据中心的发展提供了良机，“十四五”时期是边缘数据中心发展的极为有利的时期。为应对边缘数据中心在规划、设计、建设及运维阶段存在的诸多挑战，应在政府的支持和引导下，尽快开展边缘数据中心标准化研究工作，深化产业界的研究与合作，共同推进边缘数据中心产业的快速、健康、有序发展。

（作者单位：南京邮电大学北京国信天元质量测评认证有限公司）