1. 引言与动机
从5G向6G的演进要求对边缘计算进行根本性的重新思考。虽然其核心理念——在更靠近数据源的位置进行处理以降低时延和带宽消耗——仍然极具吸引力，但当前物理边缘服务器有限且静态的部署方式阻碍了其实现。本文引入了虚拟边缘计算（V-Edge）作为一种范式转变。V-Edge提出将所有可用的计算、存储和网络资源，从云数据中心到用户设备（UE）的连续体上进行虚拟化，从而创建一个无缝、可扩展且动态的资源池。这种抽象弥合了云、边缘和雾计算之间的传统鸿沟，成为对未来垂直应用和触觉互联网至关重要的高级微服务与协同计算模型的关键使能者。
2. V-Edge架构
V-Edge架构建立在一个统一的抽象层之上，该层隐藏了底层物理资源的异构性。
架构支柱
抽象：无论资源类型（服务器、UE、gNB）如何，都提供统一的接口。
虚拟化：分布式资源的逻辑池化。
编排：用于全局优化和本地实时控制的分层管理。
2.1 核心原则与抽象层
核心原则是将服务逻辑与物理基础设施解耦。抽象层定义了用于资源供给、监控和生命周期管理的标准API，类似于IaaS云如何抽象物理服务器。这使得服务开发者可以请求“边缘资源”，而无需指定确切的物理位置。
2.2 资源虚拟化与池化
V-Edge将来自云后端、5G核心网与无线接入网（RAN）基础设施以及终端用户设备（智能手机、物联网传感器、车辆）的资源进行虚拟化。这些虚拟化资源被聚合成逻辑池，可以根据需求和约束（例如时延、数据本地性）弹性地分配给服务。
2.3 分层编排
编排在两个时间尺度上运行：（1）云中的全局编排器执行长期优化、服务接纳和高级策略执行。（2）边缘的本地编排器处理实时、对时延敏感的关键决策，例如即时服务迁移或附近设备间的协同任务卸载，如PDF中的图1所示。
3. 关键研究挑战
实现V-Edge需要克服重大的技术障碍。
3.1 资源发现与管理
动态发现、表征（CPU、内存、能耗、连接性）和注册高度波动的资源，尤其是来自移动用户设备的资源，并非易事。需要高效的分布式算法来进行实时资源编目。
3.2 服务放置与迁移
决定在何处放置或迁移服务组件（微服务）是一个复杂的优化问题。它必须综合考虑时延 $L$、资源成本 $C$、能耗 $E$ 和网络条件 $B$。一个简化的目标可以建模为最小化加权和：$\min(\alpha L + \beta C + \gamma E)$，并受限于 $L \leq L_{max}$ 和 $B \geq B_{min}$ 等约束条件。
3.3 安全与信任
将不受信任的第三方设备纳入资源池会引发重大的安全问题。安全隔离机制（例如轻量级容器/可信执行环境TEE）、设备完整性证明以及针对资源贡献者的信任管理至关重要。
3.4 标准化与接口
V-Edge的成功取决于用于抽象和编排的开放、标准化接口。这需要来自ETSI MEC、3GPP和云原生社区（Kubernetes）的标准进行融合与扩展。
4. 赋能新型微服务
V-Edge的细粒度资源控制与微服务架构完美契合。它能够实现：
- 超低时延微服务：将对时延敏感的微服务（例如，用于AR的对象检测）放置在最近的虚拟化资源上，可能是一台附近的智能手机。
- 上下文感知服务：可以根据边缘可用的实时上下文（用户位置、设备传感器）来实例化和配置微服务。
- 动态组合：服务可以即时从分布在V-Edge连续体上的微服务组合而成。
5. 协同计算范式
V-Edge是协同计算的基础使能者，其中多个终端用户设备协作执行任务。例如，一组车辆可以形成一个临时的“边缘集群”，来处理用于自动驾驶的集体感知数据，仅将聚合结果卸载到中央云。V-Edge提供了管理框架，以安全高效地发现附近设备、划分任务并编排这种协作。
6. 技术框架与数学建模
服务放置问题可以被形式化。令 $S$ 为服务集合，每个服务由微服务 $M_s$ 组成。令 $R$ 为虚拟化资源（节点）集合。每个资源 $r \in R$ 具有容量 $C_r^{cpu}, C_r^{mem}$。每个微服务 $m$ 具有需求 $d_m^{cpu}, d_m^{mem}$ 并生成到其他微服务的数据流。放置是一个二元决策变量 $x_{m,r} \in \{0,1\}$。一个经典目标是在满足容量约束的同时最小化总网络时延： $$\min \sum_{m, n \in M} \sum_{r, q \in R} x_{m,r} \cdot x_{n,q} \cdot lat(r,q)$$ 约束条件为： $$\sum_{m \in M} x_{m,r} \cdot d_m^{cpu} \leq C_r^{cpu}, \quad \forall r \in R$$ 这是一个NP难问题，需要启发式或基于机器学习的求解器进行实时操作。
图1解读（概念性）
PDF中的核心图描绘了跨越云、5G核心网/RAN和终端用户设备的V-Edge抽象层。箭头表示双向的资源供给和使用。该图突出显示了双层编排：用于协同计算的边缘本地快速控制环，以及云中用于全局、较慢优化循环的控制环。这可视化了统一但分层管理的虚拟资源连续体的核心论点。
7. 分析与批判性视角
核心见解
V-Edge不仅仅是MEC的增量升级；它是对计算连续体的彻底重新架构。本文正确地指出，物理边缘服务器的稀缺性是实现6G雄心（如触觉互联网）的根本瓶颈。他们的解决方案——将每个设备都视为潜在资源——是大胆且必要的，呼应了从集中式数据中心到混合云的转变。然而，目前该愿景在架构上强于实现细节。
逻辑脉络
论证逻辑严密：1）识别当前边缘模型的局限性。2）提出虚拟化作为统一抽象。3）详述架构组件（抽象、池化、编排）。4）列举必须解决的难题（安全、放置等）。5）强调变革性用例（微服务、协同）。它遵循了经典研究论文“问题-解决方案-挑战-影响”的结构。
优势与不足
优势：本文的主要优势在于其整体的、系统级的视角。它不仅关注算法或协议，还提出了一个连贯的架构蓝图。将V-Edge与微服务和协同计算联系起来是明智的，因为这是软件和网络研究的主导趋势（例如，在Kubernetes的演进和边缘联邦学习研究中可见）。将安全视为主要挑战的承认是令人耳目一新的坦诚。
不足与空白：一个显而易见但被忽视的问题是商业和激励机制。用户为何要贡献自己设备的电池和计算能力？本文仅一笔带过。如果没有可行的激励机制（例如，代币化奖励、服务积分），V-Edge将面临风险，其资源池可能仅由网络运营商的基础设施填充，从而退化为一个稍微灵活一点的MEC。此外，虽然本文提到了机器学习（ML），但低估了其作用。ML不仅用于用例；它对于管理V-Edge至关重要——预测资源可用性、优化放置和检测异常。LF Edge基金会等组织的工作表明，业界正在努力应对这些编排复杂性。
可操作的见解
对于研究人员：关注激励相容的资源共享问题。探索基于区块链的智能合约或博弈论模型以确保参与。服务放置的技术挑战是众所周知的；而参与的社会技术挑战则不然。
对于行业（电信运营商、云提供商）：现在就开始构建编排软件。抽象层API是护城河。投资将Kubernetes与5G/6G网络开放功能（NEF）集成，以管理跨云和RAN的工作负载——这是迈向V-Edge的务实第一步。
对于标准组织（ETSI、3GPP）：优先定义从用户设备和轻量级边缘节点开放资源的标准接口。没有标准化，V-Edge将变成一堆专有孤岛。
总之，V-Edge论文提供了一个极佳的“北极星”。但到达那里的旅程需要解决经济学和分布式系统中比纯网络领域更困难的问题。
8. 未来应用与研究方向
- 元宇宙与扩展现实（XR）： V-Edge可以跨附近设备和边缘服务器集群动态渲染复杂的XR场景，实现具有最小运动到光子时延的持久、高保真虚拟世界。
- 集群机器人与自主系统： 无人机或机器人机群可以利用V-Edge框架进行实时、分布式共识和协作建图，而无需依赖中央控制器。
- 个性化AI助手： AI模型可以被分割，私有数据在用户设备（一个V-Edge资源）上处理，而较大的模型推理则在相邻资源上运行，从而平衡隐私、时延和准确性。
- 研究方向：
- AI原生编排： 开发能够预测流量、移动性和资源模式的ML模型，以主动编排V-Edge。
- 面向边缘的量子安全： 将后量子密码学集成到V-Edge的轻量级信任框架中。
- 能耗感知编排： 不仅优化性能，还优化包括终端用户设备电池寿命在内的系统总能耗的算法。
9. 参考文献
- ETSI, "Multi-access Edge Computing (MEC); Framework and Reference Architecture," ETSI GS MEC 003, 2019.
- M. Satyanarayanan, "The Emergence of Edge Computing," Computer, vol. 50, no. 1, pp. 30-39, Jan. 2017.
- W. Shi et al., "Edge Computing: Vision and Challenges," IEEE Internet of Things Journal, vol. 3, no. 5, pp. 637-646, Oct. 2016.
- P. Mach and Z. Becvar, "Mobile Edge Computing: A Survey on Architecture and Computation Offloading," IEEE Communications Surveys & Tutorials, vol. 19, no. 3, pp. 1628-1656, 2017.
- LF Edge Foundation, "State of the Edge Report," 2023. [Online]. Available: https://www.lfedge.org/
- I. F. Akyildiz, A. Kak, and S. Nie, "6G and Beyond: The Future of Wireless Communications Systems," IEEE Access, vol. 8, pp. 133995-134030, 2020.
- G. H. Sim et al., "Toward Low-Latency and Ultra-Reliable Virtual Reality," IEEE Network, vol. 32, no. 2, pp. 78-84, Mar./Apr. 2018.
- M. Chen et al., "Cooperative Task Offloading in 5G and Beyond Networks: A Survey," IEEE Internet of Things Journal, 2023.