□文/賈縉、陳笑冰

機器人、沉浸式現(xiàn)實、人工智能，以及互聯(lián)設備，這些黑科技在現(xiàn)實世界中已逐步走向成熟。但現(xiàn)有的技術基礎設施無力支撐這些應用真正進入爆發(fā)期，不能依靠昨日的舊有架構來孵化明日的創(chuàng)新。要想真正發(fā)揮新一代的智能技術威力，企業(yè)需要對基礎設施進行徹底改造。要想使企業(yè)能夠感知周邊世界，就必須實現(xiàn)架構轉型。企業(yè)需要用邊緣計算補充云計算的能力，進行均衡配置，并且重新聚焦硬件。這些新的部署都將使企業(yè)更為智能地“聽到”或“看到”更多訊息。

機器人、沉浸式現(xiàn)實、人工智能，以及互聯(lián)設備，正將現(xiàn)實世界的技術水平推至新高度。許多企業(yè)仍認為，其現(xiàn)有的技術基礎設施已足夠支持所需的計算能力——這種想法有著潛在的巨大風險。要想真正發(fā)揮新一代智能技術的作用，企業(yè)需對基礎設施進行徹底改造，均衡部署云計算和邊緣計算，并重新聚焦硬件改造，從而實現(xiàn)即時的智能交付。

試想一下，若將具備實時分析腦電波功能的可植入式設備運用于癲癇患者的神經(jīng)活動監(jiān)測，那么，僅毫秒之間，該設備便能發(fā)現(xiàn)癲癇發(fā)作的征兆，無需接入外部系統(tǒng)或等待患者主訴，便能及時釋放脈沖將其阻斷。事實上，在患者毫無意識的情況下，該設備就已自主完成上述操作。

這并非是假想情形，而是目前真實的治療方案。NeuroPace公司的神經(jīng)刺激裝置植入患者顱骨后，能夠在不知不覺間自動監(jiān)測并預防癲癇發(fā)作——僅一年的時間，患者發(fā)病頻率就降低了44%。 這種對緊急醫(yī)療狀況的實時管理充分展示了智能環(huán)境的可能性：通過整合實時感應和計算技術，實現(xiàn)即時有效的響應。

這樣的智能交付形式意味著，我們已具備對現(xiàn)實世界中那些復雜、不可預知的交互加以管理的能力。誠然，并非每個案例都會涉及如人體這般難以預測的環(huán)境，抑或關乎生死。但當今企業(yè)的基礎架構確實普遍無法支持創(chuàng)建規(guī)?；悄芙鉀Q方案所需的即時洞見與行動?，F(xiàn)有的基礎設施大多圍繞基本假設所設計：用以支持遠程應用程序的足夠帶寬，具備強大計算能力的遠程云以及近乎無限的存儲空間。然而在現(xiàn)實環(huán)境中，應用軟件對即時響應的需求卻與這些假設形成了鮮明對比。

從能夠自動管理患者輸液的ICU病房到具備自我維護功能的工業(yè)設備，越來越多的企業(yè)致力于智能環(huán)境的開發(fā)——從而將業(yè)務觸角進一步延伸至日常管控的環(huán)境之外。在這一過程中，對實時系統(tǒng)的需求令硬件再次成為關注焦點：具有特定用途和可定制的硬件令網(wǎng)絡周邊的設備比以往更強大、更節(jié)能。而重塑企業(yè)的基礎設施，無疑釋放了大量新機遇，將業(yè)務邊緣視為交付智能環(huán)境的戰(zhàn)略資產(chǎn)。

一些睿智的企業(yè)早已朝著這一方向邁出了步伐。以Land O'Lakes為例，該公司所部署的半自動拖拉機在穿越農場時能夠根據(jù)具體情況調整種植決策，此舉令作物產(chǎn)量提高了三至五倍。同樣，越來越多“有意識的”的監(jiān)控攝像機被運用于執(zhí)行識別包裹交付時間及跟蹤嬰兒睡眠情況，這些實體設備植入了集成分析的處理能力，無需發(fā)送海量數(shù)據(jù)進行離線處理。當攝像機能夠區(qū)別接近大門的人和跑過鏡頭的松鼠時，也就意味著誤報情況的降低、真正智能化的開啟，和即時安保的響應。

交付實體智能環(huán)境需要對當前的業(yè)務基礎設施進行認真反思，充分利用更廣泛的設備網(wǎng)絡和更先進的方法體系。否則，企業(yè)或將無法依托機器人、沉浸式現(xiàn)實、人工智能和物聯(lián)網(wǎng)交付高端、智能的體驗，而這些技術正是企業(yè)新一代戰(zhàn)略的基礎。與智能世界接軌，企業(yè)首先要進行架構轉型——打造即時采取智能行動的能力。歡迎來到智聯(lián)網(wǎng)的時代！

目標：智能，無處不在

新一代智能解決方案正被植入各行各業(yè)的實體環(huán)境，企業(yè)紛紛將戰(zhàn)略重點落實在推動現(xiàn)實世界的智能化引入上——改善智能城市的交通流量；通過遠程醫(yī)療追蹤分析患者狀況；油田災難預警預防分析。當下，企業(yè)亟須將基礎設施加以擴展，從而實現(xiàn)符合其預期的動態(tài)化實體環(huán)境。

當前預測表明，到2020年，智能傳感器和其他物聯(lián)網(wǎng)設備將至少產(chǎn)生507.5澤字節(jié)（Zb）的數(shù)據(jù)量。試圖在異地完成如此繁重的計算勢必難以實現(xiàn)。為充分釋放實時智能的無限潛能，企業(yè)必須令事件驅動型分析及決策流程更貼近交互和數(shù)據(jù)生成——換言之，向網(wǎng)絡邊緣不斷推進。

云將繼續(xù)在企業(yè)基礎架構中發(fā)揮關鍵作用。雖然中間設備和邊緣設備可以通過處理數(shù)據(jù)來實現(xiàn)即時操作，但云所能提供的是更為強大的“元數(shù)據(jù)洞見”，它可隨時間的推移不斷改進系統(tǒng)，并充分利用兩方面的優(yōu)勢重塑新業(yè)務。DS 維珍車隊將這一技術帶入了電動方程式賽車界。比賽過程中，通過對控制系統(tǒng)生成數(shù)據(jù)的實時處理，不斷對車輛進行調整；賽后，車隊充分利用云資源，從更龐大的數(shù)據(jù)集中汲取深入洞見。

在設計系統(tǒng)時，若想充分利用設備驅動型即時洞見和云端元數(shù)據(jù)洞見這兩大力量，就需要圍繞內存展開全新考量。企業(yè)應將數(shù)據(jù)資產(chǎn)明確區(qū)分為，必須加以保存的重要部分，及可因決策變動而隨時刪除的部分。經(jīng)過標記、回傳到云端的數(shù)據(jù)資產(chǎn)應具備明確的保留必要性，例如收集大量歷史數(shù)據(jù)以完善決策；同時，僅用于在邊緣進行短暫決策的數(shù)據(jù)則可拋棄。

歐洲一家國家鐵路公司采用這種方法，為乘客提供了更為智能的體驗，同時兼顧了車站間的數(shù)據(jù)傳輸量。位于車廂中的攝像頭利用車載處理功能來確認座位是否被占用，然后將空座號碼發(fā)送至即將到達的車站。候車乘客可以在火車抵達前使用車站的自助服務終端來預定座位；一旦座位被預定，先前“有座”的信息就不再具有任何價值，因而會被即時消除。同時，整體的上座情況和銷售數(shù)據(jù)將被保留，用于日后列車時間表和路線的優(yōu)化。

企業(yè)應當找尋適用自身的獨特方法，在云端和邊緣兩處以及之間的任何地方平衡處理任務——邊緣處理能力和能源效率的提高使這種模式成為了可能；而現(xiàn)在，隨著企業(yè)迫切建立即時行動能力，其重要性更是與日俱增。

在各行各業(yè)中，新一代智能解決方案正被紛紛植入實體環(huán)境。

充分利用定制化的加速計算

經(jīng)過擴展的基礎設施將成為智聯(lián)網(wǎng)的支柱。為了使其完全成熟，企業(yè)必須具備卓越的計算能力以滿足智能環(huán)境之所需。這就意味著將目光重新聚焦于硬件——一時之間，企業(yè)紛紛將軟件驅動型解決方案作為其首選策略。這一問題正在引起廣泛關注：埃森哲《技術展望2018》調查顯示，有63%的高管認為，未來兩年內，利用定制硬件和硬件加速器來滿足智能環(huán)境的計算需求將非常關鍵。企業(yè)必須立即采取行動，將此類硬件集成技能融入到員工團隊中——那些秉承云優(yōu)先心態(tài)的管理者可能會忽視這一需求，因而不得不面對更多的挑戰(zhàn)。

圖形處理器等硬件加速裝置可以幫助企業(yè)在交互點上建立“思考”能力。

對于幾乎所有的企業(yè)來說，為實現(xiàn)智能響應而升級基礎設施，也就意味著充分利用起硬件加速器：專用硬件在完成非常特定任務時速度是極快的（請參閱“硬件加速器”）。為了滿足邊緣決策的計算和能耗需求，這一模式是企業(yè)的必然之選。

硬件加速器

企業(yè)若要改進處理能力并節(jié)約能耗，則必須放棄使用傳統(tǒng)的中央處理器（CPU），轉而考慮硬件加速器——如圖形處理器（GPU）、現(xiàn)場可編程門陣列（FPGA）和專用集成電路（ASIC）。廣義而言，上述加速器在計算能效方面均比CPU高出一籌（見表1）——但也需要更高成本。

盡管開發(fā)和制造成本高昂，但專用集成電路在今天仍被廣泛應用。例如，微軟混合現(xiàn)實眼鏡HoloLens的全息處理單元就是一種專用集成電路的應用，這使得微軟能夠打造一款無需連接到計算機的頭戴設備。谷歌的張量處理單元也采用了專用集成電路技術，開發(fā)人員可以訪問其強大的人工智能功能，這種技術可以通過谷歌云平臺、運行谷歌街景和語音搜索應用背后的機器學習技術。

其他云提供商正在設法利用先進的現(xiàn)場可編程門陣列，與谷歌的張量處理單元產(chǎn)品展開競爭。微軟Project Brainwave深度學習云平臺使用了英特爾的Stratix 10 現(xiàn)場可編程門陣列。百度也采用了類似方法，運用賽靈思（Xilinx）的現(xiàn)場可編程門陣列實現(xiàn)其基于云的人工智能產(chǎn)品，這正是亞馬遜AWS彈性計算云F1實例所應用的技術。微軟則將現(xiàn)場可編程門陣列作為專用的加密處理器，確保與Office 365云服務的每項連接。

當然，專用集成電路和現(xiàn)場可編程門陣列并非僅有的硬件加速器。長期以來，企業(yè)一直在針對特定任務重新設計圖形處理單元，最終促成了通用計算圖形處理單元（GPGPU）的問世。這些處理器的普遍應用（包括安裝在如今銷售的大多數(shù)計算機中），以及易于編程的框架——統(tǒng)一計算設備架構（CUDA）、開放計算語言（OpenCL）和直接計算功能（DirectCompute），使通用圖形處理器（GPGPU）成為了現(xiàn)代硬件加速技術的主力。

表1：常見的硬件加速器

一直以來，圖形處理器（GPU）都被廣泛運用于企業(yè)的方方面面。這種硬件加速器被大量應用于不太注重能耗的早期智能產(chǎn)品。發(fā)那科（Fanuc）是工廠自動化和工業(yè)機器人領域的全球領先機構，該公司將英偉達（NVIDIA）圖形處理器運用于智能邊緣鏈接與驅動系統(tǒng)當中。該系統(tǒng)可幫助制造機器人持續(xù)學習復雜的活動，例如從箱子中挑選特定部件、檢測異常情況以及預測故障。中國初創(chuàng)企業(yè)圖森未來（TuSimple）也將英偉達（NVIDIA）圖形處理器運用于其自動化導航系統(tǒng)的開發(fā)。圖形處理器等硬件加速裝置可以幫助企業(yè)在交互點上建立“思考”能力，從而在目標環(huán)境中進行實時決策。

當硬件加速程度不足，特別是運行于苛刻環(huán)境中時，企業(yè)或許會需要定制硬件。擴展現(xiàn)實（虛擬和增強現(xiàn)實體驗）雖然需要龐大的計算能力才能實時運行，但這也是智聯(lián)網(wǎng)早期成功的一則典型實例，全球增強現(xiàn)實和虛擬現(xiàn)實市場規(guī)模有望在2021年達到2150億美元。毫無疑問，在構建或利用定制硬件解決方案方面，該行業(yè)的領軍機構已領先一步。

微軟全息眼鏡HoloLens的最初版本“visor”需要將目鏡與一臺單獨的計算機連接。隨后，該設備進行了一些改進，將電腦置于背包中，不過仍然無法成為一款消費電子產(chǎn)品。通過開發(fā)定制化硬件——全息處理單元，微軟最終將HoloLens簡化為獨立設備?，F(xiàn)在，實時處理功能內置于可充電的便攜式鏡架內，運行時僅會耗用不到50%的總計算能力。

建立或利用定制硬件和專用硬件的方式，與過去十年間企業(yè)普遍采用的“統(tǒng)一解決方案”大相徑庭。這種轉變對于提高處理速度至關重要，它推動了網(wǎng)絡邊緣集成、綜合的體驗。與其擴大數(shù)據(jù)中心規(guī)模，谷歌專門打造了一款運行深度神經(jīng)網(wǎng)絡的計算機芯片：張量處理單元的效率比標準處理器高出30至80倍。而臉譜網(wǎng)、微軟、亞馬遜、百度等公司均在使用一系列全新的專業(yè)處理單元來訓練和運行人工智能模型。

對于希望在智能環(huán)境中占領先機的企業(yè)而言，定制硬件和加速硬件是他們開展實時洞察與行動的關鍵要素。

63%的高管認為，未來兩年內，利用定制硬件和硬件加速器來滿足智能環(huán)境的計算需求將非常關鍵。

遍布基礎設施的智能化

83%的高管認為，邊緣基礎設施將加快許多技術的成熟速度。

隨著主要智能產(chǎn)品與服務從早期的逐步發(fā)展過渡至爆發(fā)性增長，企業(yè)有必要重新設計基礎架構，用以支持動態(tài)環(huán)境中的實時行動。這意味著，需要提升關鍵的技術水平和人員能力，并重新審視現(xiàn)有的基礎設施和硬件解決方案。

創(chuàng)建智聯(lián)網(wǎng)意味著，企業(yè)必須將計算從云端擴展到網(wǎng)絡邊緣。與此同時，積極探索定制硬件解決方案和硬件加速器，從而避免系統(tǒng)延遲或計算限制。在時間要求不緊迫的情況下，云處理對于高價值的學習、預測、人工智能模型生成以及存儲仍具有重大意義。但若想支持實時的智能行動，在事件發(fā)生的網(wǎng)絡邊緣開展處理工作才是不二之選。

為了充分釋放人工智能、機器人技術及其他革命性技術的潛能，企業(yè)務必聚焦于業(yè)務流程和戰(zhàn)略的關鍵領域——從服務設計、基礎設施轉型，直至硬件考量。由此終將營造出真正的智能環(huán)境，為人所用。