青云QingCloud推出边缘计算新品与IoT解决方案，实现云平台解耦

青云QingCloud CEO黄允松在CIC 2019

在我国云计算市场，成立于2012年的青云QingCloud算得上是中国第一批云计算创业企业，相比其他厂商来说，入局早是它的优势之一。

虽然市场份额无法与阿里云、腾讯云比拟，但在Forrester的报告里，青云已经连续三次被评为Strong Performer。据青云官方数据，它正在为超90000家企业提供云服务，它的客户包括中国银行、招商银行等大型企事业客户，也有掌众金融、好未来等互联网企业。

在云计算市场，巨头的打法其实非常简单，他们吸引客户的磁芯就是生态的力量。现在，大部分企业在选择云服务商的时候，着重考虑的一个问题可能就是：我是选A生态，还是选T生态?

诚然，巨头这种生态的力量是份额靠后的云计算公司无法抗拒且必须接受的，但这并不代表这些企业无路可走。但巨头有巨头的打法，小公司有小公司的生存方式。

青云QingCloud就选择了一条将云平台各个功能进行解耦的产品化之路。

另辟新路，用解耦的方式潜入客户云架构

在去年的Cloud Insight Conference（CIC）云计算峰会上，青云QingCloud推出了九大品牌，对外宣传的主题是“构建全栈云ICT的产品矩阵”。

所谓的全栈，是从IT的层次上来看，青云QingCloud的功能组件覆盖从基础设施到IaaS，到PaaS，再到上面的应用管理平台，支持公有云、私有云、托管云和混合云等所有部署方式。

但实际上，对“全栈云”的打造，青云是把云平台上的核心组件，如存储、分布式数据库、SD-WAN等解耦出来交付给客户，即无论是在A云还是T云，或者其他云，青云任何产品拿出来都可以在上面使用。

目前，青云这种“解耦”化的产品已经包含：青立方Qing³ 超融合系统，QingStor™ 软件定义存储，KubeSphere 容器平台，iFCloud 统一多云管理平台，光格网络EverVite 智能广域网服务，Anybox 企业云盘，OpenPitrix 多云应用管理平台，RadonDB 分布式数据库等等。

所以你会发现一个有趣的现象，当一个企业说它在使用A云服务的时候，它很可能还使用了青云的某一项服务。这就像你在使用H牌的手机，但其实你家里很可能有款小米牙刷或者小米音箱。

这样的实际案例也确实存在。例如，华泰软件正在基于青云的KubeSphere平台去给西飞集团开发项目；贵州智慧水利也在在借助KubeSphere为水利水务领域的大型企业，交付集物联网、人工智能、大数据为一体的数字化解决方案，但这些企业的底层架构可能是ABCD云。

青云QingCloud市场副总裁刘靓对钛媒体解释道，不仅是KubeSphere这款产品，如果传统大型企业在自己的数据中心里部署了私有云，那么私有云、托管云以及公有云之间的互联互通，都可以通过光格网络的SD-WAN来实现，这比传统的企业专线要简单得多，性价比也更高。

市场上很多云计算创业公司为了拿下大体量的客户经常会提出“定制化”的服务，并且“定制化”也逐渐成为一些“高质量服务”的代名词。但刘靓却把这种“定制化”看做是云服务一条“不归路”，他认为“定制化”必然需要团队足够多的精力来支撑，但做为小体量的企业这种耗费功力的事情势必会拖慢企业发展速度。

“我们在产品方面是非常有节制的，因为我们的体量和未来战略是不能够支撑定制化开发道路的，我们解耦出来的这些产品，一定是以高度的标准化和产品化的形式交付出来。”刘靓表示，青云依然坚信未来各个云平台会“合”起来，他们认为这是混合云的大趋势。

保持市场嗅觉，发布边缘计算产品与IoT解决方案

云计算的发展，也刺激了市场对边缘计算的需求。维基百科对边缘计算的定义是“通过数据源附近的网络边缘侧，执行数据处理，来优化云计算系统的方法”。实际上，后半部分的“优化云计算系统”是后来才加上的，那么，为什么“优化云计算系统”可以成为亮点呢？

实际上这就是设备的网络出了问题，导致开锁的指令没有到达云端或者没有下达到“物（车子）”，这就是传统物联网架构让设备直接上云出现的典型问题。

Gartner预测数据显示，到2025年，75％的企业生成数据将在数据中心或云之外创建和处理，今天这一比例不到20％。另外，40%的大型企业将在2021年纳入边缘计算原则，而2017年这一比例是1％。同时，物联网和更具沉浸感的交互式用户界面将推动30%的大型企业在2021年之前创建或使用边缘位置。这不仅说明了物联网与边缘计算的关系，也透露出边缘计算在未来的巨大需求。

凭借对边缘计算这一市场趋势的把握，在青云7月25日举办的Cloud Insight Conference 2019 上，青云发布了EdgeWize边缘计算产品，是可以进行简单计算的边缘计算节点。正如上文所说的，青云正在采用解耦的市场战略，所以EdgeWize边缘计算产品是一个完全独立的品牌，可以与任何品牌的云计算平台做连接。

与EdgeWize边缘计算产品相配套，青云也同时推出了QingCloud IoT解决方案，即用户在采购EdgeWize边缘计算产品的同时，可以考虑使用其他云平台，也可以考虑使用QingCloud IoT解决方案。据了解QingCloud IoT解决方案配套使用青云的云计算资源。EdgeWize收集到的数据可以上传至IoT平台，这就形成了云网边端一体化的布局。

据青云QingCloud高级产品经理王小虎表示，青云IoT云网边端一体化的布局由端-边-雾-云四个环节组成，在这些环节每个端的业务和应用的更新和管理则在OpenPitrix上统一进行：

• 端，连接网络的物联网设备，可以是一台汽车、一栋楼，一个摄像头等等；
• 边，EdgeWize对边缘数据进行简单的计算和筛选，SD-WAN光盒则进行智能选网，让EdgeWize的数据能够快速上传至云平台；
• 雾，是比边缘计算节点计算能力稍大的边缘节点，可以是用户自己的设备，也可以是青云易捷版轻量化的云计算平台；
• 云，IoT云平台以及PaaS服务等等

王小虎举例称，青云正在跟多个客户开展IoT云网端一体化的落地工作。如有的客户想要提高高速收费站人工收费的效率问题，一个比较好的方案是，摄像头拍下车，识别车辆后把杆抬起，车辆不做停留就可以走，相当于用AI识别的算法让车无障碍的通过。

但这个场景在落地的时候，面临几个问题：

1. 带宽问题，摄像头拍出来的图片上传到云端会耗费大量资源，因为高速公路每一个卡口至少会有10个摄像头，大的收费站每天通过160-180万辆车，在国庆高峰期间每天的通过量是400万辆车，以500K计算一张图片的大小，每天整体带宽需求起码得达到40G左右，如果每张照片都上传，带宽的成本非常高。

2. 延时问题，云端AI识别模型整个流程走下来链路非常长，需要先从高速路口摄像机拍相片，再到路口的识别服务器，然后通过对象存储直接传输到云端，再走异步处理框架，再调用AI模型，最后把识别结果发回来。这其中的每一步，一旦网络挂掉或抖动，高速路口的挡杆就抬不起来，这辆车就走不了。

3. 里程结算问题，全国的高速公路整体有一张高速公路里程结算表，在每一个人工结算的地方都有一个台式机，可以很快返回结果，虽然不需要考虑网络问题，但如果高速口一旦把某个收费站拆掉或者新增一个收费口时，全国高速公路的里程表都要手动更新，工作量非常大。

在青云IoT方案的帮助下，在每个高速路口的视频服务器后面部署了一个视频节点服务器即EdgeWize，然后将把AI模型放进这个边缘节点。整个的路径就变为了：摄像头→原有视频管理服务器→新增视频节点服务器。AI识别在边缘做计算，当下就能识别出车牌、车型等信息。这不仅节省了图片上传到云端的成本，而且缩短了链路延时。青云OpenPitrix还可以对各个环节进行统一管理，里程结算的更新也就便捷了许多。数据显示，这个方案的单车通过时长已经从从原来的30秒-1分钟缩短为了0.3秒，目前，这一试点还在不断优化。

钛媒体了解到，青云IoT云网端一体化的进程其实是经过了多年的谋划。例如SD-WAN解决方案、OpenPitrix多云管理平台是2018年公开发布的，而易捷版轻量化的云计算平台及则是发布于2017年，到2019年EdgeWize产品发布，青云的青云IoT云网端一体化才算整体亮相。

如此看来，云计算市场的激烈竞争也不是坏事，各路玩家都在使出浑身解数优化产品，云计算创业者真正的拦路虎也不是那些巨头，而是他们是否有勇气对未来趋势做个特立独行的判断。（本文首发钛媒体，作者/秦聪慧）

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App