Edge Computing Video

Netgear XS716E 16埠 10Gb 簡單網管交換器 SWITCH

來源：EET电子工程专辑作者：邵乐峰

人工智慧在邊緣側的不斷擴充套件，是駕馭資料洪流的關鍵環節之一，也是物聯網未來發展的重要趨勢。隨著人工智慧如火如荼的發展，海量資料需要快速有效地分析和提取洞察，這也大大加強了對於邊緣計算的需求。

人工智慧的發展離不開資料，因為它需要大量的資料進行訓練。在當前這樣一個萬物智慧互聯的時代，資料量的產生速度超出了一般人的想像。

以智慧攝影機為例，隨著攝影機的解析度從1080P轉向4K，其一天所採集到的資料量將達到200GB。

面臨同樣問題的還包括智慧醫院、自動駕駛和智慧工廠，它們一天所產生的資料將分別超過3TB、4TB和1PB。有人做過這樣的預測，到2020年，一個網際網路使用者，平均每天將產生的資料量大概是1.5GB。

　　英特爾中國區物聯網事業部技術長張宇博士

英特爾中國區物聯網事業部技術長張宇博士，日前在邊緣計算產業聯盟峰會主題演講中，分享瞭如何在網路邊緣，實現智慧化的觀點。

他認為，人工智慧在邊緣側的不斷擴充套件，是駕馭資料洪流的關鍵環節之一，也是物聯網未來發展的重要趨勢。隨著人工智慧如火如荼的發展，海量資料需要快速有效地分析和提取洞察，這也大大加強了對於邊緣計算的需求。

邊緣側趨向負載整合

「以前的資料很多都是結構化資料，可以透過Excel表格或者簡單的關係型資料庫，對其進行維護和管理。但今後會有越來越多的非結構化資料，需要進行處理並藉此發現內在關聯，這時就需要邊緣計算和人工智慧技術。」

但張宇並不認為對邊緣計算的強調，就意味著邊緣計算將代替雲端計算，「在物聯網從互聯走向智慧，再走向自治的過程中，兩者是協同互補的關係，並非彼此取代。」

在他看來，邊緣計算所處理的資料屬於區域性資料，並不能形成對於全域性的認知，只有雲端計算平台，才能在後端對從各種不同邊緣採集到的資料，進行融會貫通。

例如在智慧交通領域，儘管智慧攝影機能夠透過各種方法，能夠辨識出行人、車型、顏色和車牌，但卻不瞭解車的軌跡；在今年的雙11活動中，天貓商城的銷售峰值超過25億/秒，如果沒有雲計算平台的支援，這是很難想像的。

不過在2012年以前，人工智慧在做影像辨識時的準確度是低於人類的。下圖中，虛線代表人類辨識水準，實線代表機器辨識錯誤率。可以看到，2012年以前機器辨識的錯誤率，還是高於人類的，但呈逐漸下降趨勢，2012年之後，隨著AlexNet等神經網路的出現，人工智慧水平出現了質的飛躍。

　　機器辨識錯誤率正在逐年下降

但人工智慧同樣面臨很多挑戰，對計算和儲存資源的巨大消耗就是其中之一。以百度搜尋為例，它每完成一次搜尋，就需要完成千億億次的計算；如果再進行推理，即使去處理一張224 X 224解析度的圖片，像AlexNet、GoogleNet這樣的人工智慧網路，計算量也要超過10億次。

因此，張宇強調了在邊緣側趨向負載整合，是物聯網演進的一個必然趨勢。原來在不同裝置上分立的負載，會越來越多地透過虛擬化等技術，整合到一個單一的高效能的計算平台上，來實現一個綜合的複雜的功能，各個功能子系統，既能分享裝置提供的計算、儲存、網路等資源，同時還能具有一定的獨立性，避免彼此的相互影響，從而可以簡化系統架構，降低系統總體。

同時，負載整合實際上也為邊緣計算的實現，以及為實施人工智慧的應用提供了條件。整合後的裝置既是邊緣資料的匯聚節點，同時也是邊緣控制的中心，這為邊緣智慧提供了處理所需的資料，同時也提供了控制的入口。

因此英特爾認為人工智慧和負載整合的結合，會在今後的邊緣計算的系統裡發生。

　　在邊緣側趨向負載整合是物聯網演進的必然趨勢

建構邊緣協同的端到端系統

在一個邊緣協同的端到端系統中，由於不同網源的功耗、計算效能和所能承擔的成本各不相同，因此在選取硬體架構時往往會有特定要求。

英特爾的做法是根據使用者需求，提供不同架構的解決方案，涵蓋至強處理器、至強融核處理器、Movidius/Nervana神經網路處理器和FPGA、網路，以及儲存技術等硬體平台，以及多種軟體工具及函式庫，優化開源框架，來讓他們進行自主選擇。

張宇認為，如果想將人工智慧用到邊緣側，網路優化將是一個關鍵的技術。因為目前人工智慧的理論基礎並不完備，導致很多人工智慧的方法是冗餘的，急需優化。

低位元、剪枝和引數量化，是英特爾做網路優化的三大思路。所謂低位元，是指在傳統的深度學習領域，往往採用32位元單精度浮點來進行參數列述，但在安控、機器學習和機器視覺實際應用中，卻並不需要如此高的精度，在不影響最終辨識率的情況下，英特爾傾向將32位元的單精度浮點，轉變成16位元的半精度，甚至是8位元、2位元的整數精度，從而降低儲存與計算負荷。

剪枝也是類似。如果把人工智慧網路，比喻成一個樹枝，這棵樹的每個不同分權，實際上對應的是不同的檢測特徵。對於沒有效果的分支，使用者完全可以在優化過程中把它剪掉，降低計算複雜度。

而引數的量化，是指可以根據引數的特徵做聚類，用相對比較簡單的符號或數字來表述，從而降低人工智慧對於儲存的要求。

如何界定行業的邊緣?

計算任務應該放在邊緣，還是放在雲端去做?如何界定行業的邊緣?英特爾方面認為邊緣計算的核心問題，是如何根據不同行業的不同應用需求，選擇不同的工作負載、成本和功耗方案去實施，並沒有一致性的答案。

以安全監控為例，如果不考慮邊緣計算，最簡單的方式是前端攝影機捕捉到視訊資訊，傳到作為中間節點的NVR做儲存、解碼和播放，然後把資料以流媒體方式，壓縮後傳輸到後端。但這種海量資訊的傳輸，對網路頻寬和後端儲存形成了壓力，勢必導致一部分業務的執行和計算前移。

在這個需求下，使用者具體是做車輛、行人或路標的檢測、跟蹤、分類、辨識，這對於前端攝影機裡佈署的智慧分析演算法，是有不同要求的。

康橋科技 —— 白光攝影機專業廠商！

但有一個共性的技術是需要理解和掌握的：即怎樣使計算架構變得更容易被軟體定義?

也就是說，不管何種業務型別，都可以更靈活的在雲端，在邊緣側，甚至在終端節點上執行。如果沒有軟體定義的靈活性，要把工作負載從雲端遷移到前端，是非常困難的事情，晶片廠商必須要做這樣的考量。

「邊緣計算聯盟(ECC)並不是要實現完全統一的架構，更多的是提供參考架構。」張宇解釋說，參考架構旨在定義一個邏輯框架，儘管不會細分到每種硬體需要怎樣的配置、執行何種協議、實現何種功能等，但裡面也有能夠適應不同複雜度的系統。

比如邊緣計算節點(ECN)概念，就可能是一個單一裝置、一個邊緣叢集或者是一個邊緣雲，可以根據不同使用者的使用場景，實現不同的適配。

但他同時也承認，不同垂直行業的要求是不一樣的，如何把邊緣計算的理念和框架對映到垂直行業裡，產生真正可落地的具體方案，這是挑戰，也是聯盟正在努力推進的方向。此外，今後如何在架構的升級中，體現不同行業的特點與個性，也是今後工作的重心。

而作為聯盟驅動創新的重要成果，《邊緣計算參考架構2.0》在本屆峰會上正式釋出，重點闡釋了邊緣計算的概念、特點、價值，分別從概念檢視、功能檢視、佈署，檢視三個維度全方位展現ECC邊緣計算參考架構2.0，提出構建模型驅動的智慧分散式開放架構，實現架構極簡，OICT設施自動化和視覺化，以及資源服務與行業業務需求的智慧協同，透過全層次開放架構推動跨產業的生態協作，產品的快速孵化，為邊緣計算技術研發、應用創新和產業發展提供方向指引。

【Home8互動視訊保全幫你保護最珍愛的店】

把自己人搞得多多的，把敵人搞得少少的

邊緣計算同樣是一個巨大的生態系統，不可能有任何一家公司能夠完全覆蓋產業鏈裡，所有的上下游環節。

本屆峰會上，ECC與工業網際網路產業聯盟(AII)正式簽署戰略合作協議，宣佈雙方未來將在研究報告/白皮書、試驗平台/測試床、技術標準、市場推廣等方面開展合作；與國際半導體照明聯盟(ISA)、車載資訊服務產業應用聯盟(TIAA)簽訂戰略合作協議，共同致力於推動邊緣計算在智慧照明、智慧車載領域的應用創新、標準制定和商業落地。

同時還宣佈將與西安電子科技大學、中國自動化學會邊緣計算專業委員會聯合舉辦「2018年邊緣計算技術研討會(SEC-China 2018)」，為相關領域學術界、產業界提供交流合作，成為釋出領域相關前沿科研成果的平台，大力推動中國邊緣計算技術與產業的發展。

AKD 零售櫃檯專用監視攝影機

作為聯盟的重要一員，英特爾物聯網事業部首席戰略技術官兼首席高階工程師Brain McCarson，對公司的定位是提供計算、通訊、儲存所需要的晶片解決方案，以及圍繞晶片相關的底層軟體和中介軟體元素。

他特別提到了兩家合作伙伴：華為和瀋陽自動化研究所。其中，華為釋出了基於英特爾處理器的邊緣閘道器產品AR550i，利用這個產品，華為在整個產業鏈就起到了ODM/OEM的角色，並將其帶給相應的系統整合商和終端使用者；

英特爾聯合瀋陽自動化研究所展示的邊緣計算測試床，則是智慧機器人，目的是驗證基於深度學習的機器視覺方案，在實際系統中的工作效果。

該系統由英特爾實感技術實現3D視訊採集，基於英特爾邊緣計算參考平台完成物體的檢測與辨識，結果將控制機器人的手臂完成物體抓取的操作。

張宇認為，無論是雲端計算還是邊緣計算，都無法獨立存在，兩者之間是相輔相成的。英特爾的優勢，在於能夠完全覆蓋從雲端計算到網路通訊基礎設施，再到終端的端到端系統。

而從軟體生態上來說，目前而言，X86架構處理器晶片的軟體相容性優勢依然非常明顯，絕大部分企業級應用，仍然執行在X86架構上。未來，隨著計算能力的進一步釋放，英特爾將會在資料鏈路中，扮演更重要的角色。