1、TCP/IP通讯协议：
提供点对点的链接机制，将数据应该如何封装、定址、传输、路由以及在目的地如何接收，都加以标准化。
它将软件通信过程抽象化为四个抽象层，采取协议堆栈的方式，分别实现出不同通信协议。
协议族下的各种协议，依其功能不同，被分别归属到这四个层次结构之中，常被视为是简化的七层OSI模型。
2、TCP/IP的四层模型：
应用层：应用程序间沟通的层，如简单电子邮件传输（SMTP）、文件传输协议（FTP）、网络远程访问协议（Telnet）等。
传输层：提供了节点间的数据传送服务，如传输控制协议、用户数据报协议等，TCP和UDP给数据包加入传输数据并把它传输到下一层中，负责传送数据，并且确定数据已被送达并接收。
互连网络层：负责提供基本的数据封包传送功能，让每一块数据包都能够到达目的主机（但不检查是否被正确接收），如网际协议（IP）。
网络接口层：对实际的网络媒体的管理，定义如何使用实际网络（如Ethernet、Serial Line等）来传送数据。
3、OSI模型：
国际标准化组织(ISO)和国际电报电话咨询委员会(CCITT)联合制定的开放系统互连参考模型，为开放式互连信息系统提供了一种功能结构的框架。
4、OSL七层模型的功能：
物理层：物理层规定了激活、维持、关闭通信端点之间的机械特性、电气特性、功能特性以及过程特性。。在这一层，数据的单位称为比特（bit）。
数据链路层：数据链路层在不可靠的物理介质上提供可靠的传输。该层的作用包括：物理地址寻址、数据的成帧、流量控制、数据的检错、重发等。在这一层，数据的单位称为帧（frame）。
网络层：网络层负责对子网间的数据包进行路由选择。网络层还可以实现拥塞控制、网际互连等功能。在这一层，数据的单位称为数据包（packet）。
传输层：传输层是第一个端到端，即主机到主机的层次。传输层负责将上层数据分段并提供端到端的、可靠的或不可靠的传输。此外，传输层还要处理端到端的差错控制和流量控制问题。
会话层：会话层管理主机之间的会话进程，即负责建立、管理、终止进程之间的会话。会话层还利用在数据中插入校验点来实现数据的同步。
表示层：表示层对上层数据或信息进行变换以保证一个主机应用层信息可以被另一个主机的应用程序理解。表示层的数据转换包括数据的加密、压缩、格式转换等。
应用层：应用层为 *** 作系统或网络应用程序提供访问网络服务的接口。
5、两个模型的区别：
功能分层不同：
TCP/IP协议中的应用层处理开放式系统互联模型中的第五层、第六层和第七层的功能。
传输限制不同：
TCP/IP协议中的传输层并不能总是保证在传输层可靠地传输数据包，而开放式系统互联模型可以做到。
提供选择不同：
TCP/IP协议还提供一项名为UDP（用户数据报协议）的选择。UDP不能保证可靠的数据包传输。
扩展资料TCP/IP协议并不完全符合OSI的七层参考模型，OSI（Open System Interconnect）是传统的开放式系统互连参考模型，是一种通信协议的7层抽象的参考模型。
该模型的目的是使各种硬件在相同的层次上相互通信。
而TCP/IP通讯协议采用了4层的层级结构，每一层都呼叫它的下一层所提供的网络来完成自己的需求。
由于ARPANET的设计者注重的是网络互联，允许通信子网（网络接口层）采用已有的或是将来有的各种协议，所以这个层次中没有提供专门的协议。
参考资料TCP/IP协议-百度百科
OSI-百度百科
MEMS传感器市场前景广阔 MEMS(Micro-Electro-Mechanical Systems)是微机电系统的缩写，MEMS技术建立在微米/纳米基础上，是对微米/纳米材料进行设计、加工、制造、测量和控制的技术，完整的MEMS是由微传感器、微执行器、信号处理和控制电路、通讯接口和电源等部件组成的一体化的微型器件系统。MEMS传感器目前主要应用在汽车和消费电子两大领域。任天堂公司的Wii无线游戏机允许使用者通过运动和点击互相沟通和在屏幕上处理一些需求，其原理是将运动（例如挥舞胳膊模仿网球球拍的运动）转化为屏幕上的游戏行为。在苹果公司的iPhone中，通过对旋转时运动的感知，iPhone可以自动地改变其显示格式，以便消费者能够以合适的水平和垂直视角看到完整的页面或者数字。根据ICInsight最新报告，预计在2007年至2012年间，全球基于MEMS的半导体传感器和制动器的销售额将达到19%的年均复合增长率(CAGR)，与2007年的41亿美元相比，五年后将实现97亿美元的年销售额。目前上市公司中歌尔声学已经掌握MEMS芯片设计、MEMS半导体封装等多项核心技术，2008年申请相关专利高达44项，主要应用在MEMS麦克风的生产制造。我们认为公司将在物联网时代MEMS传感器领域占据竞争优势。 智能终端备受期待 法国Violet公司推出了Nabaztag小兔子，通过wi-fi路由连接网络，可为主人提供所需的各类新闻等，能够讲5国语言，在主人接收到邮件或信息时，会发出语音提醒。此外它还能识读Ztamps标签上的信息，并实时连网，随时呈现动态信息。我们认为随着物联网推进，家用电器的智能化将是未来发展趋势。上市公司中的拓邦电子是家电智能控制应用领域的行业先行者，未来发展值得关注。 集成电路产业有望迎来发展新机遇 2005年我国集成电路市场规模达到3800亿元，占全球比重达25%，成为全球仅次于美国的第二大集成电路市场。32位CPU芯片、网络路由交换芯片、GSM/GPRS手机基带芯片、TD-SCDMA基带芯片、数字音视频和多媒体处理芯片、第二代居民身份z芯片等一批中高端产品相继研发成功并投入市场，产品设计能力达到018微米，集成度超过千万门；集成电路芯片生产线工艺水平达到12英寸013微米，90纳米工艺技术研发取得进展，与国外先进水平之间的差距明显缩小。 电信设备商最受益于物联网 当下最大的投资机会在于电信设备商，物联网的商业建设尚处于萌芽阶段。电信运营商是物联网的积极推动者，物联网丰富电信网络的应用。就三家电信运营商而言，包含强势固网的全业务运营商中国电信和中国联通在行业用户的ICT（信息通信技术，Information and Communications Technology）建设中一直处于领导地位，其全业务模式十分便于将通信网络与物联网相关信息管理的企业内网实现对接，完成对物联网的全程管控。由于资源所限以及历史原因，单纯的移动运营商中国移动目前能够实现的物联网应用还处于初级阶段。具体而言，网络的升级换代对光纤产业将产生实质性利好，受益的公司包括烽火通信、中天科技、亨通光电、中兴通讯、光讯科技、三维通信等国内领先的光纤制造商、通信设备提供商。在物联网建设进程中，这些公司最先受益，确定性最高总体来说，AI类产品可大体分为两类：
对于推荐算法产品经理而言，算法本身即是产品。产品经理的职责主要在于，通过挑选合适的数据、算法帮助用户更好地解决 个性化需求与海量信息之间的匹配问题 ，通过恰当的测评方法，帮助技术人员寻找优化特定场景下算法效能的方法。考虑到用户的需求相对单一，且参考指标明晰（如点击率、浏览率等），因此算法产品相对于其他产品而言，要对技术实现和底层算法逻辑拥有更清晰的认识，从而可以方便的配合技术人员完成转化率的提升。
对于终端类产品经理而言，如果产品形态仅仅是算法，那么需要考虑的内容应与推荐算法产品大同小异。随着家居物联网产品的兴起，越多越多的企业开始提供硬件类产品，常见的包括：AI智能音箱、安防摄像头以及疫情期间的测温仪等等。由于硬件产品对物流供应链的要求高、产品集成度也更高， 产品经理除却需要考虑算法是否能够适配当前的场景之外，更应当专注于产品的集成测试和竞品分析（尤其需要掌握潜在进入者的动向），来确保产品的整体可用性和市场竞争力。
非个性化推荐算法关注的是一群人的共性 。
典型应用场景包括，“音乐热曲排行榜”、初期谷歌的“搜索引擎”等等。
由于非个性化推荐的结果依赖于大众的点击，因此易呈现强者越强、弱者越弱的马太效应。对于内容生产者而言，推荐引擎如果始终维持这样的策略，将对新产生的内容不公平。为了兼顾冷启动的问题，可以考虑采用“最近时间窗口”策略，维护内容的新鲜度的同时兼顾大众偏好。
个性化推荐算法关注的是少数人的个性 。
适用于非个性化推荐算法的场景主要具有以下两个特征：
1海量数据；
2拥有收集用户信息的渠道。
其中用户信息的收集方法又可分为以下两种：
1来源于网页Cookie信息、访问地址信息;
2来源于用户登录账户期间的 *** 作日志记录。
个性化推荐中有两类重要的算法设计思路，分别是（1）基于向量相似度的推荐算法，以及（2）基于用户的协同过滤推荐算法。前者偏重于推荐标的物与用户兴趣之间的相似度评估，通过在预先设定的维度上获取用户的兴趣向量作为基向量，而后用同一坐标系对标的物进行标注，获取到用户兴趣与潜在标的物之间的相似度（具体示意如图1所示）。后者则偏重于用户间相似度的衡量，假设认为，拥有较高兴趣相似度的用户，针对某个具体标的物将具有相似的偏好（具体示意如图2所示）。
产品发展到一定的DAU数量之后，为了进一步提高这部分DAU人群的使用效率，需要通过精细化的推荐来辅助运营实现更高层次的目标。
尽管同为推荐产品大类，但由于推荐场景略有不同，因此电商推荐类产品与内容推荐类产品在业务指标的关注点上也略有不同。 电商推荐类产品更关注用户的营收， 因此通常将 转化率 设定为推荐指标； 内容推荐类产品则更关注用户的留存和使用粘性， 因此通常将 推荐准确度、用户体验 设定为推荐评估指标 。 以京东和头条为例，由于前者是面向”大明型“用户群体的产品，更关注推荐系统产生的效果为及时转化贡献了怎样的力量；而后者则是面向”小闲型“的用户群体，因此更关注推荐系统在用户体验与产品依赖层面贡献了怎样的力量。
关于广告推荐的几个共识：
1、产品的价值交换：为用户创造使用价值、并获取交换价值的过程。
2、几乎所有的广告需求都是对体验有负向影响的反向需求。
广告形态主要分为（1）横幅；（2）插屏；（3）原生。其中横幅广告效果较差，且对体验有一定影响；插屏广告由于以整屏形式出现，会吸引用户的全部注意力，尽管降低了产品的体验，但一定程度上提高了广告的展示效率；原生广告以一种仿似真实展示结果的形式嵌入到用户产品使用过程中，用户体验最好，但转化率相对插屏而言较低。一般情况下， 更推荐使用插屏和原生广告，尽量避免使用横幅广告 。
由于广告具有一定的商业性质，只有尽可能保障广告推荐的高效性，才有机会获取到足够的广告营收费用。通常而言，广告是否有效需要从以下两个角度进行衡量：
1曝光频次高；
2展示效率高，其中展示效率可从以下三个方面去衡量：（1）展示时机；（2）用户状态及（3）可见区域。
通常情况下，在产品刚进入市场的阶段，应当重点考虑DAU，只有把用户基数做大，后续的流量变现规模才足够可观。当产品DAU开始逐渐稳定时，则可以开始考虑MTR，产品也随之进入商业化变现的成熟阶段。Avglmps指数一方面展示出广告曝光率与广告收入之间的正线性关系，一方面也暗示着广告的曝光率与用户体验之间的反比关系，需要产品在不同场景下进行适当的权衡与取舍。广告点击率的大小，更多情况下取决于交互数据的应用和推荐算法的构建。当广告推荐的准确度日趋成熟，产品的广告位也将逐步获得更好的议价能力，有望获得更多的营收收入。
除了产品开发者本身可以招揽广告位外，广告生态系统中还存在这样一类第三方，被称之为ad network。作为连通广告位和广告主之间的中间方，通过统筹并协调广告资源，制定相对普适化的广告算法，能够最大限度的保障广告主对于广告展示次数的要求，同时能够帮助产品提供方充分利用剩余的广告位资源。对于大厂而言，流量变现已成为最重要的营收手段，除非广告资源稀缺，通常不会交予第三方管理。但对于尚处于发展期的公司而言，将广告位外包给中间商，一方面获取源源不断的收入，一方面将更多的精力集中在产品的研发投入上，是一件一举两得的事情。
在进行广告分析时，通常会采用如上的5个指标对广告展示效率进行逐层次的分析，在自上而下的过程中每一层次都存在着流量的流失。下面将以两个场景为例，逐一分析场景二的潜在提升空间。
1 通常而言，广告请求率应尽量保证在100%，可以考虑优化用户访问时的请求率；
2 当用户端发出广告请求时，缺少与用户当前情境相匹配的广告时，易出现填充率的情形。可考虑适当增加广告源，进一步提高填充率；
3 广告展示率低，意味着广告匹配成功后，却由于网络带宽、用户停留时长、广告资源大小等原因没有得到合适的展示机会。需要具体分析，可采用prefetch等方法、挑选合适的展示时机等方法，提高展示成功率；
4 点击率与广告内容、展示时机和广告大小等等因素密切相关。通过选取与上下文情境相匹配的广告源、增加广告位的大小、筛选出高质量广告，可以进一步提升广告的点击期望。
5、然而，为了选取高质量的广告而为广告位设置了广告底价后，也意味着广告资源数目的降低（即填充率的降低）。需要产品制定出适用于当前产品的整体策略。
除了上述AI产品之外，还有一类特殊的AI产品，通常由AI头部公司创建。通过集成相关算法和数据，为开发者提供相对自由的基础训练模型，提供自然语言处理、图像识别、VR等相关领域的SDK开发包，为各行业定制专用解决方案。可参考的AI平台类产品主要包括：
1 百度大脑 —— AI开放平台（ >物联网网关组网方式和功能配置有以下：
1、丰富接口，满足组网、数据采集与传输需求，支持2个光纤口、7×LAN、1×WLAN、2×RS485、1×AC220V输入、3×AC220V输出、1×DC24V输出、1×DC12V输出。
2、支持WIFI(可选)，5G/4G(可选)，网口，光口等方式接入互联网，可多网同时在线，可实现4/5G转WiFi、网口转WiFi。
3、支持多种无线扩展方式，LoRa、ZigBee、蓝牙等；支持ZigBee（支持频段，24GHz全球免费频段）。
4、支持5G/4G/PPPoE/DHCP/静态地址等连接方式，有线无线互为备份，多网智能切换备份，多种工作模式选择。
5、超强的边缘计算计算能力，整合数据采集、处理、执行，实时分析，安全高效，实现灯管边缘策略，断网情况可继续执行灯控等命令；标准Linux系统支持用户二次开发。
6、可外接PLC载波ZigBee/LoRa等单灯集中器，实现非智慧杆路灯的单灯集中管理。
7、支持APN/VPDN数据安全传输；支持IPSec、L2TP、PPTP、OPEN等类型。
8、支持AP，STA，Repeater多种模式与系统云平台数据交互。
9、支持DHCP server，DHCP客户端，IP与MAC地址绑定，DDNS，NAT，DMZ主机，QoS，流量统计。
10、支持TCP/IP、UDP、MQTT、MODBUS、TFTP、>
随着虚拟人等应用不断发展成熟，对于计算的容量和实时性的要求不断提高。在这种趋势下，我们认为，边缘云计算有望成为元宇宙的重要支撑。作为云计算的延伸，边缘云计算被视为新一轮 科技 革命中必不可少的驱动因素。我们认为，元宇宙对网络传输提出了更大带宽、更低时延、更广覆盖的要求，需要借助边缘计算技术，以保障所有用户获得同样流畅的体验。
1全球数据增长迅速，集中式云计算已无法全面应对，边缘刚需场景涌现，目前中国物联网连接量将从2019年的55亿个增长至2023年的148亿个，年复合增长率达到281%。物联网感知数据量激增，数据类型愈发复杂多样，IDC预测到2025年中国每年产生的数据量将增长486ZB。
2芯片：FPGA同时满足边缘侧对性能、能耗及延迟的要求与集中式云计算不同，边缘云计算所处的物理环境复杂多样，很多时候空间、温度、电源系统都不是最佳的状态。但同时，边缘侧又要求极高的实时性和计算性能，传统CPU架构难以胜任边缘云的需求。英特尔、赛灵思等国际芯片巨头持续加码FPGA芯片，并推出支持CPU+FPGA异构计算的硬件平台，底层芯片产业的繁荣将支撑边缘云计算在各领域的应用，并不断迸发出新的活力。
35G技术的升级加码，Wi-Fi在室内场景形成互补，工信部数据显示，截至2020年中国已开通5G基站超718万个，实现地级以上城市及重点县市的覆盖。预计边缘云计算也会随着5G行业应用的普及分阶段落地。此外，Wi-Fi技术也在向着更高的吞吐量、更大的覆盖面积和更低的时延发展，Wi-Fi在室内场景中的优势使其成为5G的重要补充，两者将共同助力边缘云应用。
4云计算：企业上云常态化，云原生下沉实现云边端一体化，近年来云原生的热度持续高涨，包括容器、微服务、DevOps等在内的云原生技术和理念强调松耦合的架构和简单便捷的扩展能力，旨在通过统一标准实现不同基础设施上一致的云计算体验。相比于虚拟主机，云原生更适合边缘云计算的场景，可以为云边端提供一体化的应用分发与协同管理，解决边缘侧大规模应用交付、运维、管控的问题。
5“新基建”加码，工业互联网等标杆应用引领产业融合，“新基建”是十四五规划的重点方向，通过优化算力资源结构，将高频调用、低时延业务需求分配至边缘数据中心，推动5G承载网络的边缘组网建设，为将算力和网络下沉到边缘创造条件。同时，工业互联网、车联网、远程医疗等产业政策明确提及边缘计算，推动关键技术研究、标准体系建设及软硬件产品研发，促进边缘云在典型产业的融合应用。
应用场景
1视频加速及 AR/VR 渲染
基于移动边缘计算的智能视频加速可以改善移动内容分发效率低下的情况：于无线接入网移动边缘计算服务器部署无线分析应用（Radio Analyticsapplication），为视频服务器提供无线下行接口的实时吞吐量指标，以助力视频服务器做出更为科学的 TCP（传输控制协议）拥塞控制决策，并确保应用层编码能与无线下行链路的预估容量相匹配。另外，由于 AR/VR 信息（用户位置及摄像头视角）是高度本地化的，对这些信息的实时处理最好是在本地（移动边缘计算服务器）进行而不是在云端集中进行，以最大程度地减小 AR 延迟/时延、提高数据处理的精度。
2车联网（智能交通）
将移动边缘计算技术应用于车联网之后，可以把车联网云下沉至高度分布式部署的移动通信基站。移动边缘计算应用直接从车载应用（APP）及道路传感器实时接收本地化的数据，然后进行分析，并将结论（危害报警信息）以极低延迟传送给临近区域内的其他联网车辆，整个过程可在毫秒级别时间内完成，使驾驶员可以及时做出决策。
3工业互联网
边缘计算一直与工业控制系统有密切的关系，具备工业互联网接口的工业控制系统本质上就是一种边缘计算设备，解决工业控制高实时性要求与互联网服务质量的不确定性的矛盾。在基础设施层，通过工业无线和有线网络将现场设备以扁平互联的方式联接到工业数据平台中；在数据平台中，根据产线的工艺和工序模型，通过服务组合对现场设备进行动态管理和组合，并与 MES等系统对接。工业 CPS系统能够支撑生产计划灵活适应产线资源的变化，旧的制造设备快速替换与新设备上线。
4IoT（物联网）网关服务
采取边缘计算技术，边缘计算汇聚节点将被部署于接近物联网终端设备的位置，提供传感数据分析及低延迟响应。其中边缘计算服务器的计算能力和存储能力可为以下5个方面提供服务：业务的汇聚及分发；设备消息的分析；基于上述分析结果的决策逻辑；数据库登录；对于终端设备的远程控制和接入控制。
市场规模
预计2025年规模将超500亿元，年复合增长率达433%，信通院2020年5月调研数据显示，中国企业中仅有不足5%使用了边缘计算，但计划使用的比例高达442%。可以见得，虽然边缘云计算尚处在发展的萌芽期，但未来成长空间非常广阔。根据艾瑞咨询测算，2020年中国边缘云计算市场规模为91亿元，其中区域、现场、IoT三类边缘云市场规模分别达到37亿元、38亿元及16亿元。预计到2025年整体边缘云规模将以440%的年复合增长率增长至550亿元，其中区域边缘云将凭借互动直播、vCDN、车联网等率先成熟的场景实现增速领跑。2030年，中国边缘云计算市场规模预计达到接近2500亿元，2025年至2030年的年复合增长率相比前五年有所下降，现场边缘云中工业互联网、智慧园区、智慧物流等场景将在这一期间快速走向成熟。
相关上市公司
中兴通讯
中兴通讯面向运营商提供全场景MEC解决方案，打破传统封闭的电信网络架构，将移动接入网与互联网深度融合，在网络边缘满足客户的个性化需求。中兴通讯Common Edge边缘计算解决方案包括MEP能力开放平台、轻量化边缘云及面向边缘的全系列服务器和边缘加速硬件，提供通用硬件、专用集成硬件等多种硬件选择，深度融合OpenStack与Kubernetes，为上层MEC应用提供统一的边缘云管理系统，方便运营商因地制宜部署MEC。
网宿 科技
公司的边缘计算平台以云主机、容器、函数计算和网络四大平台作为技术底座，在边缘计算节点上部署边缘云主机、边缘云容器、边缘云函数、SD-WAN、边缘云安全等基础服务，以及内外部的各类应用模块，结合客户的业务场景及需求，尝试进行解决方案的整合和输出。
初灵信息
公司在 5G、AI 技术高速发展的背景下，持续构建以固移智能连接（5G+Fixed）+数据处理（DPI）+AI 为代表的三大边缘计算核心能力。公司多年深耕企业（行业）智能连接网络、垂直行业边缘应用型 DPI（安全、物联网类）、视频及其他行业（企业）的智能应用等技术，初步构成“云边端”协同的边缘计算生态。在市场端，公司除聚焦传统运营商市场外，积极拓展政企行业和大中企业市场，中标多个项目。公司三季度显示，公司与中国联通就边缘计算展开合作，开展了CUNOS在5G环境下的承载能力测试。
引用内容
1 研报《中国边缘云计算行业展望报告》
2 研报《边缘计算：算力网络重要环节，产业方兴未艾》
风险提示
1底层相关技术发展缓慢，边缘计算需求不及预期。
25G 进度不达预期。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）