文/ 齊 健

觀察 Observed

浪潮：加速云邊端融合，驅(qū)動(dòng)行業(yè)智能化轉(zhuǎn)型

文/ 齊 健

行業(yè)分析機(jī)構(gòu)IDC在最近發(fā)布的一項(xiàng)研究報(bào)告中預(yù)測，到2025年，全球智能終端接入數(shù)量將是今天的3倍，達(dá)到1 500億臺(tái)?？焖僭鲩L的智能終端必然會(huì)帶來大量的數(shù)據(jù)，大量的AI決策需求，從而帶動(dòng)企業(yè)基礎(chǔ)設(shè)施投資的增長和邊緣側(cè)應(yīng)用的需求。IDC預(yù)測在2023年企業(yè)的基礎(chǔ)設(shè)施預(yù)算投資額將有50%左右投入到邊緣技術(shù)和設(shè)備中，未來5年邊緣計(jì)算會(huì)保持超過30%的復(fù)合增長率高速增長。同時(shí)，因?yàn)樵?、邊、端協(xié)同，端的爆發(fā)增長拉動(dòng)邊，邊會(huì)帶動(dòng)數(shù)據(jù)中心側(cè)的設(shè)備同步增長。

在此背景下，浪潮作為百度戰(zhàn)略合作伙伴，在剛剛結(jié)束的“ABC SUMMIT 2020百度云智峰會(huì)”上與百度聯(lián)合發(fā)布邊緣計(jì)算解決方案——百度邊緣計(jì)算盒子，旨在加速邊緣計(jì)算平臺(tái)賦能工業(yè)互聯(lián)網(wǎng)、智慧交通和智慧城市等領(lǐng)域場景化落地實(shí)踐。

5G+AI，賦能更多計(jì)算場景

2016年是AI爆發(fā)元年，在算力、數(shù)據(jù)和算法驅(qū)動(dòng)下，圖像識別、語音識別等人工智能模型準(zhǔn)確度不斷提升，AI推理開始從云向邊緣延伸，算力也需要從數(shù)據(jù)中心向邊緣下沉。從疫情期間的體溫檢測、道路的無人駕駛，到油田的智慧運(yùn)維等，AI正在向邊緣場景快速滲透。在端、邊和云構(gòu)成的整個(gè)AI決策鏈中，計(jì)算力從數(shù)據(jù)中心向邊緣和終端設(shè)備逐級延展，不同的決策階段產(chǎn)生的結(jié)果對算力的需求也各有差異。

首先，終端設(shè)備配備的通常是一些計(jì)算能力較差的小盒子、小傳感器以及攝像頭等，在設(shè)備端完成單一應(yīng)用場景的AI推理以及簡單的初級決策，大概有20%的AI決策工作是要在端上完成的。

當(dāng)一個(gè)場景需要部署十幾個(gè)甚至幾十個(gè)終端設(shè)備時(shí)，例如部署于工業(yè)園區(qū)的視頻攝像頭，用于檢查園區(qū)機(jī)器、人員操作情況，防止安全隱患，這就需要把多個(gè)攝像頭采集的數(shù)據(jù)整合起來，進(jìn)行整體決策和分析。終端設(shè)備顯然不具備這樣的能力，此時(shí)就需要在邊緣側(cè)部署計(jì)算盒子，做整合的決策判斷，這樣的中級決策判斷在決策鏈中占比約為60%。

而對于更大規(guī)模的數(shù)據(jù)整合，例如停車場、高速路口車輛和車牌的圖像識別，基于海量數(shù)據(jù)進(jìn)行全域數(shù)據(jù)比對與分析，則需要數(shù)據(jù)中心側(cè)（即云端）的強(qiáng)算力進(jìn)行大數(shù)據(jù)整合分析和高級決策，這部分的算力需求在AI決策鏈中的占比約為20%。

此外，隨著5G的發(fā)展，核心網(wǎng)應(yīng)用將逐步下沉，計(jì)算力會(huì)更貼近于邊和端的應(yīng)用。5G技術(shù)的優(yōu)勢在于低延時(shí)、大帶寬以及高并發(fā)的接入，在這些大帶寬高密度接入以及低延時(shí)應(yīng)用的拉動(dòng)下，5G時(shí)代不會(huì)出現(xiàn)4G網(wǎng)絡(luò)中把所有數(shù)據(jù)匯總到核心網(wǎng)最后端的情況。很多流量的轉(zhuǎn)發(fā)、對接、網(wǎng)關(guān)接入以及路由的功能需要下沉到邊緣側(cè)，只有這樣才能解決整個(gè)網(wǎng)絡(luò)里核心的帶寬負(fù)載、壓力無法降低的性能問題。

目前，我國開通的5G基站數(shù)量已超71.8萬個(gè)，終端連接數(shù)超1.6億個(gè)，預(yù)計(jì)到2024年，全球終端連接數(shù)將超1 500億，僅靠云端的算力無法滿足如此龐大的市場規(guī)模，需要按照云-邊-端的架構(gòu)，將強(qiáng)大的算力延伸到數(shù)據(jù)邊緣側(cè)，孕育邊緣計(jì)算場景的落地，并反哺云數(shù)據(jù)中心與終端，實(shí)現(xiàn)云、邊和端的協(xié)同發(fā)展。

“5G與AI技術(shù)的發(fā)展，正在推動(dòng)邊緣計(jì)算演化出多樣化的計(jì)算場景?！崩顺边吘売?jì)算事業(yè)部總經(jīng)理孫波表示，浪潮正在圍繞ICT融合場景，泛CDN，智能網(wǎng)聯(lián)汽車，工業(yè)互聯(lián)網(wǎng)，能源、交通、金融等產(chǎn)業(yè)+AI，城市治理以及智能物聯(lián)網(wǎng)七大場景進(jìn)行布局，開發(fā)出適應(yīng)不同場景的差異化解決方案。

浪潮+百度，共推邊緣計(jì)算解決方案

5G+AI推動(dòng)的新應(yīng)用場景不斷涌現(xiàn)，針對不同場景的多樣化需求，浪潮與百度聯(lián)合，基于邊緣計(jì)算，匯聚雙方在算力基礎(chǔ)設(shè)施、系統(tǒng)、算法和應(yīng)用等方面優(yōu)勢，開展了全面的硬件合作。在本次百度云智峰會(huì)中，浪潮與百度推出了雙方聯(lián)合構(gòu)建的一體化邊緣計(jì)算解決方案，發(fā)布百度邊緣計(jì)算盒子，該產(chǎn)品基于低能耗架構(gòu)，采用更加穩(wěn)定的軟硬件一體化設(shè)計(jì)，具備數(shù)據(jù)中心級高可靠性設(shè)計(jì)，能夠適應(yīng)-40～70°C 的寬溫，可以滿足要求嚴(yán)苛的工業(yè)級邊緣計(jì)算環(huán)境的要求。

孫波認(rèn)為，工業(yè)互聯(lián)網(wǎng)、智能網(wǎng)聯(lián)汽車等場景下用戶對于邊緣計(jì)算的應(yīng)用需求不單單在于算力，也需要AI算法。例如在工業(yè)互聯(lián)網(wǎng)的應(yīng)用場景中，做工控的流水線實(shí)施，需要企業(yè)對工業(yè)控制、機(jī)械自動(dòng)化、電氣信號模擬和[RG(1] 等領(lǐng)域有較深的理解，而在AI應(yīng)用過程中，還需要企業(yè)儲(chǔ)備在IT領(lǐng)域懂AI、Python和TensorFlow的人才。這就造成邊緣場景下AI快速落地有很高的門檻。所以浪潮與百度合作，以百度的AI算法賦能邊緣設(shè)備，直接幫助企業(yè)完成業(yè)務(wù)的AI建設(shè)，快速整合解決方案，實(shí)現(xiàn)邊緣計(jì)算在工業(yè)互聯(lián)網(wǎng)中的落地。

靈活小巧的百度邊緣計(jì)算盒子提供16TOPS+算力模塊化擴(kuò)展，支撐復(fù)雜的 AI 負(fù)載要求?？梢酝ㄟ^模塊化的方式智能調(diào)節(jié)AI的算力，針對不同的場景分配AI算力，為零售、旅游和交通等用戶提供高性能、高可用和高擴(kuò)展性的基礎(chǔ)設(shè)施解決方案。

目前浪潮與百度正在基于該產(chǎn)品進(jìn)行車路協(xié)同下智慧交通基礎(chǔ)設(shè)施建設(shè)，通過在路邊部署邊緣盒子，能夠?qū)崟r(shí)采集車流量、車速和周邊環(huán)境等信息，實(shí)現(xiàn)車與車（V2V）、車與路（V2I）、車與人（V2P）及車與云(V2N)等信息交互和共享，使車和周圍環(huán)境協(xié)同與配合，降低擁堵率，提升道路通行速度，保證道路行車 安全。

在浪潮與百度聯(lián)合推動(dòng)AI、邊緣計(jì)算和云等新興技術(shù)不斷發(fā)展，并賦能各個(gè)行業(yè)數(shù)字化升級與重塑的背后，有浪潮和百度通過多年業(yè)務(wù)創(chuàng)新形成的JDM合作模式作為支撐?；贘DM模式，浪潮和百度可以從用戶具體業(yè)務(wù)需求出發(fā)，打通需求、研發(fā)、生產(chǎn)和交付全價(jià)值鏈條，在最短的時(shí)間內(nèi)、可控的成本約束下，把用戶需要的整合方案快速研發(fā)出來，并迅速部署交付到用戶數(shù)據(jù)中心，讓AI解決方案能夠更加快速的落地。

專注場景化落地，加速構(gòu)建邊緣全棧生態(tài)

在浪潮邊緣計(jì)算的七大應(yīng)用場景中，根據(jù)不同的技術(shù)成熟度和應(yīng)用熱度，又細(xì)分了多個(gè)重點(diǎn)領(lǐng)域。ICT融合場景主要圍繞5G基站、5G小站的建設(shè)；新一代的CDN，將不同于原來的單一內(nèi)容分發(fā)，未來計(jì)算力部署到邊緣側(cè)之后，將形成泛CDN模式，不僅包括內(nèi)容分發(fā)，還包括視頻渲染、網(wǎng)絡(luò)加速以及邊緣端物聯(lián)網(wǎng)設(shè)備的轉(zhuǎn)接、轉(zhuǎn)發(fā)等更多新的應(yīng)用形式；智能網(wǎng)聯(lián)車主要的應(yīng)用場景是無人駕駛汽車和工業(yè)園區(qū)的低速載貨無人車輛；工業(yè)互聯(lián)網(wǎng)場景主要聚焦在質(zhì)檢，浪潮與百度團(tuán)隊(duì)合作開發(fā)的工業(yè)互聯(lián)網(wǎng)質(zhì)檢解決方案已經(jīng)在一些廠區(qū)實(shí)現(xiàn)了落地；產(chǎn)業(yè)+AI場景主要應(yīng)用在能源、交通、健康和金融等大的產(chǎn)業(yè)方向，幫助用戶基于邊緣計(jì)算實(shí)現(xiàn)業(yè)務(wù)優(yōu)化；城市治理包括很多場景，例如交通擁堵、電網(wǎng)、供熱、給排水以及垃圾處理等問題；智能物聯(lián)網(wǎng)的范圍更廣，在這方面浪潮主要關(guān)注物聯(lián)網(wǎng)上層需要計(jì)算力的匯總節(jié)點(diǎn)，為整個(gè)生態(tài)提供計(jì)算力的輸出。

邊緣側(cè)的客戶實(shí)際上需要的不是一個(gè)單純的盒子，而是一整套軟硬件整體解決方案。浪潮與百度的合作打通了百度智能云和邊緣計(jì)算平臺(tái)，在硬件中部署百度邊緣計(jì)算平臺(tái)和百度邊緣AI平臺(tái)，把百度的AI能力快速遠(yuǎn)程部署到邊緣盒子，并實(shí)現(xiàn)邊緣設(shè)備的動(dòng)態(tài)監(jiān)控，統(tǒng)一調(diào)度、管理分布各地的邊緣算力。

以智能油井的建設(shè)為例，油井的運(yùn)行過程中很重要的成本支出來自于電力和人力?；诶顺钡牡讓佑布桶俣鹊纳蠈舆吘売?jì)算平臺(tái)，客戶可以優(yōu)化整個(gè)油井的采油頻率和啟停的節(jié)奏，有效控制電費(fèi)開支。一般的大型油井一年的電費(fèi)開支在10億元左右，基于浪潮和百度的智能調(diào)控技術(shù)，可以節(jié)省80%的電費(fèi)支出。而基于現(xiàn)場的攝像頭加AI分析，用戶可以直接判斷油井的運(yùn)行狀態(tài)是否有漏油事故以及其他安全隱患，大幅減少了人員現(xiàn)場巡查的頻次，降低70%左右的人力成本投入。

在工業(yè)互聯(lián)網(wǎng)的質(zhì)檢應(yīng)用上，以往在生產(chǎn)3C元器件的工廠中產(chǎn)品質(zhì)檢大多需要依靠人工目檢。目檢誤差大，效率低，缺少數(shù)據(jù)記錄，無法溯源，且開銷巨大，一個(gè)每天生產(chǎn)100萬顆3C元器件的工廠需要2 000名目檢工人。浪潮與百度合作開發(fā)的邊緣質(zhì)檢解決方案，結(jié)合了AI算法和機(jī)器視覺技術(shù)，在已經(jīng)落地的客戶工程中，可以實(shí)現(xiàn)一臺(tái)機(jī)器替代6個(gè)工人的成本優(yōu)化，同時(shí)建立了質(zhì)檢數(shù)據(jù)庫，降低了檢查誤差率，并創(chuàng)造了AI深度學(xué)習(xí)應(yīng)用體系，保證了質(zhì)檢效率的持續(xù)提升。