10.1.1 “云-边-端协同”架构
天地一体化信息网络（Satellite-Terrestrial Networks，STNs）通过“天基组网、地网跨代、天地互连”的思路，以地面网络作为基础、空间网络作为延伸，实现太空、空中、陆地和海洋等自然空间的覆盖，可为天基、陆基、海基等终端设备提供信息保障，拓宽互联网的跨度和范围。天地一体化信息网络具有传统地面网络无法比拟的优势，如全球覆盖、抗自然灾害、低时延和高带宽等，在通信、导航和物联网等领域发挥着重要作用。
天地一体化“云-边-端协同”架构的核心思想是将天地一体化云计算平台扩展到网络边缘甚至用户终端本身，为用户提供多层次、异构的计算资源，使用户能够在全球任何位置就近获得在轨计算服务，快速响应用户的计算处理请求，提升用户的服务体验，减少网络冗余流量。天地一体化“云-边-端协同”架构如图10-1所示。
这种新模式有许多优点，在轨计算将传统云计算“随时计算”的承诺扩展为“随地随时计算”。具体来说，一方面，利用卫星的广播/组播特性，在卫星上预先缓存数据可以减少内容获取时延，避免相同内容的重传，大大减少了天地一体化信息网络的卫星下行流量。另一方面，将计算转移到更近的卫星计算平台特别是在没有边缘站点的偏远地区，可以为延迟敏感和计算密集型应用提供更高效的服务保障。将部分天基数据（如地球图像和天气观测）的处理转移到卫星上，可以减少因天基数据回传而带来的星地链路的带宽浪费。
图10-1 天地一体化“云-边-端协同”架构
随着卫星万物互连时代的到来，计算需求将出现爆发式增长。即使采用云计算架构也无法满足这种爆发式的海量数据计算需求，采用天地一体化“云-边-端协同”架构将云计算能力下沉到边缘侧、设备侧，并通过中心进行统一交付、运维、管控，将是重要发展趋势。
1）云计算
云计算平台也称为云平台，是指基于硬件资源和软件资源的服务，提供计算、网络和存储能力。云计算平台可以划分为三类：以数据存储为主的存储型云平台，以数据处理为主的计算型云平台，计算和数据存储处理兼顾的综合云平台。
未来天地一体化信息网络中，承载着大量需求高度差异化的业务与应用。随着星载计算、网络、存储能力的增强及地面网络的部署，可以预见，地面云服务平台会向太空延伸，扩展成为“星云”服务平台，支撑未来陆基、天基、海基、空基中多样化应用与需求的泛在接入、按需服务，将成为未来卫星互联网应用与服务支撑技术的重要发展方向。围绕星云服务平台，其系统架构和资源调度机制将成为未来的重要研究方向。
2）边缘计算
边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力于一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或者处于物理实体的顶端。而云端计算仍然可以访问边缘计算的历史数据。
随着应用数据（尤其是多媒体数据）的爆炸性增长，未来天地一体化信息网络将面临严峻的挑战，而边缘计算技术支撑下的天地一体化“云-边-端协同”架构可以为天地一体化信息网络提供更多的功能支持和能力扩展。在未来天地一体化信息网络中，边缘计算平台可视为在网络边缘运行的一种云服务平台，能够支持业务处理与资源调度功能的部署，实现服务性能和用户体验的改善，并在一定程度上减小回传链路数据传输和核心网络的带宽压力。边缘计算技术的运用可以将云平台扩展到网络边缘甚至用户终端本身，为用户提供多层次、异构的计算资源，使用户能够在全球任何位置就近获得计算服务，快速响应用户的计算处理请求，提升用户的服务体验，减少网络冗余流量。
当前，各国均已开始探索星上边缘计算技术，服务器领域的业界巨头HPE公司已经与NASA、SpaceX等机构合作，向太空发射星载高性能计算机Spaceborne，使得在星上执行复杂计算任务成为可能。HPE公司新推出的Spaceborne Computer-2国际空间站边缘运算系统，可以大幅提高空间站的运算能力，而这也是第一次在太空中引入商业边缘运算系统即时处理资料。国际空间站中的宇航员，将使用Spaceborne Computer-2处理医学成像和DNA定序等运算，也会分析来自太空传感器和卫星的资料，大幅缩短各种太空实验的时间。Spaceborne Computer-2还会搭载GPU，以更快的速度处理如地球极地冰冠的图片或者医疗X射线图片等高分辨率图像，而且GPU也能用于人工智能和机器学习的项目。HPE公司表示，Spaceborne Computer-2可以大幅减少资料从太空到地球的收送延迟，并且立刻取得分析结果，还可以处理X射线图片、超音波检查和其他医学资料，即时监控宇航员的生理状况，加速在太空的诊断时间。
“云-边-端协同”技术未来发展有两个趋势：第一个趋势是能力的下沉。边缘云架构会持续把能力往边缘、终端下沉，终端将有更多能力部署任务。对于一些计算量、数据传输量特别大并且数据传输时延非常高的业务，处理要尽可能去接近数据，才能满足业务需求、实现数据KPI。如果全部传输到云端，像自动驾驶这样的领域就无法满足需求。第二个趋势是生态融合，现在大数据基于f1ink生态，但是生态正在持续不断地演进、融合，人们的技术需要满足以下几个特征：①技术要去适应极大的或极小的弹性工作环境。②容器裸金属一体化管理协同。③异构跨集群数据协同，也就是说数据、计算可能是异构的，计算资源、基础设施也可能是异构的。要实现这些具有异构特征资源的协同工作。④存储和计算分离，目前的数据库在存储和计算上基本都采用一种绑定策略。未来计算资源跟存储并不会协同增长，而是各自与业务增长曲线相连。