引言
虽然存在一些共同因素，但瞄准专网和边缘计算市场没有既定方法。力争成为领导者的公司正在建立自己的优势。由于作为专网组成部分的边缘没有被定义，因此不同类别的公司有机会从不同的角度进入市场。举例来说，诺基亚借助Nokia Digital Automation Cloud (NDAC)，NTT从管理服务的角度出发，微软则从自己的边缘和云平台资产出发。
有关专网与边缘的对话必须以应用为中心。要进行这种对话，需要清楚地了解不同垂直市场的应用情况。市场上浮现出一些共同的主题。机器视觉，或者更广泛地说，任何基于摄像头的应用，都会产生大量数据。大多数这类数据不需要传送到云端，这便提供了一个明显的用例: 摄像头应用很适合专网与边缘计算。
不同的专网与边缘计算策略将塑造未来的市场以及竞争者的雄心。超大规模科技公司和IT服务提供商可能会尝试创造一个市场，在这个市场上， 5G专网是基于边缘计算的众多应用中的一个。网络厂商可能会尝试利用专网推动新的边缘计算收入，并将其与新兴的专网生态挂钩。
在专网机会中，设备可以被视为边缘计算的延伸。企业需要在购买与专网集成并通过认证的设备方面得到帮助。设备也是一个额外的收入来源，非常适合以“即服务”模式进行销售。NTT就是一个例子，该公司将设备视为额外的收入来源并借此增强客户粘性。
Omdia观点
专网与边缘之间的关系很复杂。目前，没有一家公司同时兼具两者，大家对于专网加边缘的真正含义也没有明确的共识。根据我们与通信服务提供商(CSP)的交流，CSP认为专网中的边缘计算指的是是专用多接入边缘计算(MEC)，通常需要与超大规模科技公司合作。网络厂商与工业参与者等可能持有不同的看法。
大家提出了一个合理的问题: 专网是边缘计算战略的一部分吗? 答案可能会改变各家公司在市场上的力量平衡和相对实力。这个问题质疑专网是否能够独立存在，还是只是公司边缘战略的衍生资产。
CSP应该考虑不同行业对于边缘的定义。一些CSP认为，与超大规模科技公司合作提供专用MEC是他们加强自身主张、创造边缘计算与应用收入的最佳选择。到目前为止，他们似乎并不接受其它方案，比如诺基亚的关键任务工业边缘。
诺基亚是在专网和边缘领域表现最积极的厂商之一，以至于该公司专网业务的最终成功将取决于边缘战略的成功。诺基亚采取将专网与边缘相结合的战略让该公司离CSP与超大规模科技公司的边缘业务又近了一步。
建议
- CSP需要考虑自己在五年后会扮演什么角色。有些公司，比如AT&T，现在很乐意专注于网络连接(及相关服务)。与此同时，其它公司有更大的抱负。如果愿意放弃应用与生态收入，他们与超大规模科技公司的合作可以带来双赢。生态、开发者和应用将以超大规模科技公司为中心。这并不意味着CSP不能拥有生态并提供应用。但从战略上讲，他们将为其它公司的生态提供补充，而不是生态的主要协调者。对CSP而言，并没有最佳的行动方案。举个例子，NTT的战略表明，可以利用管理服务和集成专长来锁定这个市场。CSP应评估一下自己是否也会采取类似的举措。
- 网络厂商必须抓住时机。专网处于早期发展阶段并将扩展到多个垂直市场，有可能会带来新的收入，包括边缘计算。尽管CSP和超大规模科技公司将继续扩大合作、努力取得成功，但边缘计算领域的硬件和软件机会仍然存在。诺基亚、华为以及中兴正在探索这个市场的潜力，而爱立信迄今为止在这方面表现得比较低调。为了取得成功，网络厂商必须通过推动标准化平台与规模（而不是以专有、碎片化为目标）与工业参与者展开合作。与工业硬件公司相比，工业软件公司可能是更好的合作伙伴。
- 系统集成商(SI)必须在这个市场上采取更积极、更高调的行动。这些竞争者拥有技术专长(包括网络专长)，并且可以利用企业对他们的信任。不过，他们必须赢得网络厂商和其他合作伙伴的青睐，同时展示现有部署带来的明确成果。SI还需要量化市场机会，对网络以外的收入潜力持务实态度，这样才能引导适宜的资源与投资。
- 超大规模科技公司应更好地探索运营技术(OT)市场。这些竞争者处于强势地位，因为他们在专用和公共MEC方面都很活跃。CSP也在与他们建立合作伙伴关系，旨在提供边缘计算。相关示例包括微软携手德国电信和AT&T，以及AWS与T-Mobile for Business和Verizon展开合作。为了与厂商区别开来，超大规模科技公司应利用自身在专网/公网计算方面的能力。他们的目标是让专网成为自己生态中的一个应用/解决方案。为了实现这一目标，超大规模科技公司需要确保边缘计算成为企业决策过程的主要动因。如果能够证明自己的专网策略有效，他们将对企业产生更大的影响(这可能被视为一种软锁定)。
- 企业必须明白，在许多情况下，专网将需要某种形式的边缘计算来发挥全部潜力。在选择专网提供商时，企业必须选择一个能够满足其边缘计算需求并清楚了解企业需要在边缘处理哪些应用与工作负载的提供商。企业应该问的问题包括: 我的应用是边缘原生，还是可以适应专用MEC架构？相关挑战与成本如何?
边缘计算为何没有一个全面的定义？
边缘计算是指将计算能力与性能从一个集中的地点(服务器或云端)转移到离用户更近的边缘地点。对于传统的计算服务，来自应用或设备的所有交互信息都必须传输到中央服务器，然后再返回。到达服务器的距离、路由器跳数、其它网络流量以及其它因素都会对往返时延造成影响，并可能导致丢包。这将影响到应用的性能。企业向更远的距离传送更多数据也会产生更高的成本。
边缘计算支持在信息产生地附近对信息进行处理。我们通常通过设备及其计算服务之间的容许时延来描述各类边缘之间的差异。谈到边缘计算，市场上有各种各样的位置选择，包括“近边缘”(往返时延小于20ms)和“远边缘”(往返时延小于5ms)。除此之外还有现场边缘，它将处理能力放在现场，时延小于1ms。
存在各类边缘的原因很简单: 不同的应用有不同的需求，因此会呈现出更好或更差的性能。例如，生产控制(例如控制压床)可能需要小于1ms的往返时延，而AR/VR需要小于40ms或50ms的时延。对边缘的选择取决于应用性能、所需计算能力、多样性要求以及成本等因素。
促成采用边缘计算的因素包括对时延、数据安全与保密、可靠性的需求、日益分散的企业结构和架构(例如多地点、复杂供应链)，以及在数字化转型的同时继续优化成本的需求。
在云和边之间分配计算和工作负载的方法越来越多。这一演变为5G专网和边缘计算提供了一个切入点。
此外，不同的参与者追求不同的边缘策略。他们对边缘的定义将根据自身实力和潜在边缘位置而有所不同。
1. Figure 1: Selected applications and possible latency needs
来源：Omdia
更多阅读：
