物聯(lián)網(wǎng)的爆發(fā)已成為行業(yè)共識，預(yù)計(jì)到2020年，物聯(lián)網(wǎng)將提供百億計(jì)的連接和萬億級的商業(yè)價值，這是遠(yuǎn)超我們現(xiàn)有的智能設(shè)備連接量，計(jì)算力和數(shù)據(jù)為根本的推動力。

在近年來關(guān)于物聯(lián)網(wǎng)的會議和演講中，邊緣計(jì)算的概念經(jīng)常被提起，最主要的原因就是物聯(lián)網(wǎng)通常被認(rèn)為是邊緣計(jì)算架構(gòu)得以普及的關(guān)鍵，用來實(shí)現(xiàn)更快的實(shí)時分析，降低管理，分析和存儲物聯(lián)網(wǎng)數(shù)據(jù)的成本。

產(chǎn)業(yè)鏈上游的公司對這種大環(huán)境帶來的變化最為敏感，去年11月，以華為、英特爾、中國科學(xué)院沈陽自動化研究所為代表的公司和機(jī)構(gòu)還專門成立邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟，來搭建邊緣計(jì)算產(chǎn)業(yè)合作平臺。

作為一直以來都將物聯(lián)網(wǎng)視為公司重大戰(zhàn)略方向的英特爾，也在聯(lián)盟之中廣結(jié)伙伴，嘗試著不同垂直領(lǐng)域的產(chǎn)業(yè)應(yīng)用，企圖在物聯(lián)網(wǎng)時代扮演更重要的角色。

英特爾中國區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術(shù)官張宇博士認(rèn)為，物聯(lián)網(wǎng)發(fā)展可以分成三個階段，即從「互聯(lián)」走向「智能」，從「智能」再走向「自治」，并將這個過程形象地比喻成“物聯(lián)網(wǎng)領(lǐng)域的摩爾定律”。

數(shù)據(jù)驅(qū)動未來，數(shù)據(jù)又來自邊緣

物聯(lián)網(wǎng)發(fā)展進(jìn)程中，邊緣智能正在越來越起到關(guān)鍵的作用。

去年，AlphaGo利用增強(qiáng)學(xué)習(xí)的技術(shù)打敗了人類的棋手，類似的很多人工智能應(yīng)用在一些邊緣智能的場景里已經(jīng)逐漸找到落地的方式，世界上大多數(shù)革命性創(chuàng)新都始于邊緣。

邊緣計(jì)算指在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，就近提供邊緣側(cè)的計(jì)算，滿足實(shí)時、安全、隱私等方面的需求，讓物聯(lián)網(wǎng)的每個邊緣設(shè)備都具備數(shù)據(jù)采集、分析計(jì)算，通信，以及最重要的智能。

如同人工智能一樣，邊緣計(jì)算的發(fā)展同樣離不開數(shù)據(jù)，在未來任何我們所面臨的問題都可以轉(zhuǎn)化為某種程度上的數(shù)據(jù)問題，這個過程中需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，而當(dāng)下的萬物智能互聯(lián)時代，數(shù)據(jù)量的產(chǎn)生速度超出了一般人的想象。

以智能攝像頭為例，一個智能攝像頭的分辨率正在從1080P向4K方向轉(zhuǎn)化，每個攝像頭一天所采集到的數(shù)據(jù)的數(shù)量可以從100GB向200GB發(fā)展。談到未來的自動駕駛，今后的每一輛車都將內(nèi)置各種各樣的數(shù)據(jù)傳感器，這些傳感器同時工作一天所產(chǎn)生的數(shù)據(jù)量將超過4TB。

一方面，數(shù)據(jù)的數(shù)量在以遠(yuǎn)超過我們預(yù)期的指數(shù)級速度增長，另一方面數(shù)據(jù)的類型也變得越來越多樣化。以前我們拿到的數(shù)據(jù)很多都是結(jié)構(gòu)化的數(shù)據(jù)，可以通過簡單的關(guān)系型的數(shù)據(jù)庫對這些數(shù)據(jù)進(jìn)行維護(hù)和管理，但今后會面臨越來越多的非結(jié)構(gòu)化數(shù)據(jù)，它對計(jì)算模式提出了新的要求。

物聯(lián)網(wǎng)時代面臨的海量數(shù)據(jù)需要更敏捷地連接、更有效地數(shù)據(jù)處理，同時要有更好地數(shù)據(jù)保護(hù)。這是正是邊緣計(jì)算所具備的優(yōu)勢，邊緣計(jì)算能夠有效的降低對帶寬的要求，提供及時的響應(yīng)，并且對數(shù)據(jù)的隱私提供保護(hù)。

邊緣計(jì)算與云計(jì)算的關(guān)系

我們現(xiàn)在所處的互聯(lián)網(wǎng)時代中，很少聽到邊緣計(jì)算的概念，更多被提到的則是我們耳熟能詳?shù)脑朴?jì)算。因?yàn)榛ヂ?lián)網(wǎng)的技術(shù)本質(zhì)就是通過云計(jì)算平臺來實(shí)現(xiàn)用戶在隨時隨地按需訪問自己所需要的資源的過程，云計(jì)算能夠幫助實(shí)現(xiàn)資源的共享。

云計(jì)算適合非實(shí)時、長周期數(shù)據(jù)的大數(shù)據(jù)分析，而邊緣計(jì)算則主要完成實(shí)時、短周期數(shù)據(jù)的分析，更適合本地業(yè)務(wù)的實(shí)時處理與執(zhí)行，二者在計(jì)算架構(gòu)上看似矛盾，但他們之間會是互相替代的關(guān)系嗎?

在英特爾中國區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術(shù)官張宇博士看來，“我們在強(qiáng)調(diào)邊緣計(jì)算，并不是說邊緣計(jì)算將代替云計(jì)算。我們認(rèn)為邊緣計(jì)算和云計(jì)算二者之間是很好的互補(bǔ)。原因非常簡單，我們知道邊緣計(jì)算所處理的數(shù)據(jù)是個局部的數(shù)據(jù)，并不能形成對于全局的認(rèn)知。這些認(rèn)知的形成還是需要一個云計(jì)算的平臺，在后端對各種不同的邊緣采集到的數(shù)據(jù)進(jìn)行融會貫通。”

張宇博士舉了一個智能交通方面的例子，智能攝像頭通過智能方法能夠識別出各種車輛的車型、顏色、車牌，但是只能得到當(dāng)前的信息，并不能知道這輛車在此刻的前后時間內(nèi)的信息，也就是說不能完整了解行車軌跡，如果要形成車輛的完整軌跡，還是需要有云計(jì)算平臺的支持。

雖然人工智能到現(xiàn)在已經(jīng)取得了非常大的突破，但是人工智能同樣還面臨著很多的挑戰(zhàn)。最大的一個挑戰(zhàn)就是，現(xiàn)在人工智能在進(jìn)行處理的時候，還需要消耗非常大量的資源，包括計(jì)算資源，也包括存儲資源。

英特爾的所宣稱的物聯(lián)網(wǎng)概念，其實(shí)是一個“端到端”的系統(tǒng)，將其分成邊緣和后端平臺兩部分，中間通過網(wǎng)絡(luò)進(jìn)行連接。邊緣部分包含數(shù)據(jù)采集、網(wǎng)關(guān)及數(shù)據(jù)處理等等模塊。而在后端完成的是數(shù)據(jù)的處理機(jī)設(shè)備的遠(yuǎn)程管理。

由此來看，邊緣計(jì)算其實(shí)是云計(jì)算架構(gòu)的一個延伸，它是去承載一部分云計(jì)算因?yàn)榫W(wǎng)絡(luò)帶寬或者后端存儲有相當(dāng)?shù)募夹g(shù)或者成本壓力的情況下提出的一個新的計(jì)算架構(gòu)。我們應(yīng)避免用割裂的眼光去看待二者的關(guān)系，因?yàn)樗鼈儶?dú)立存在是沒有意義的。

邊緣計(jì)算強(qiáng)調(diào)垂直行業(yè)應(yīng)用

眾所周知，英特爾做物聯(lián)網(wǎng)解決方案目前還是以X86架構(gòu)通用處理器為核心的技術(shù)平臺，但隨著邊緣計(jì)算所承載的業(yè)務(wù)、范圍變得更豐富、多元化，英特爾已經(jīng)發(fā)現(xiàn)了單一處理器很難承載不同類型的計(jì)算工作負(fù)載或者業(yè)務(wù)類型。

張宇博士認(rèn)為，“邊緣計(jì)算不僅僅承載了在邊緣節(jié)點(diǎn)將傳感器數(shù)據(jù)作采集、匯總或傳輸。邊緣節(jié)點(diǎn)的計(jì)算可以變得更有效率，并不是單一設(shè)備有能力承載的，需要一個工作負(fù)載整合的概念，把不同的數(shù)據(jù)類型整合在一個計(jì)算平臺上，然后由這個計(jì)算平臺預(yù)處理很多數(shù)據(jù)，使這些數(shù)據(jù)變得更有價值。”

也就是說，邊緣的節(jié)點(diǎn)可能只是一個中間環(huán)節(jié)數(shù)據(jù)，然后使這個數(shù)據(jù)進(jìn)一步傳送到云端，和云端協(xié)同形成整體的端到端的解決方案。而要想證明這個過程，只有通過具體的垂直行業(yè)應(yīng)用來驗(yàn)證它。

具體而言，英特爾目前分別在安防監(jiān)控、車載交通、零售和工業(yè)這四個大的行業(yè)進(jìn)行了一系列落地的探索。

在安防領(lǐng)域。英特爾結(jié)合了Altera在FPGA的產(chǎn)品線和Movidius的產(chǎn)品線，與國內(nèi)?？?、大華這樣的廠商合作，在前端攝像機(jī)這端比以往更容易承載更復(fù)雜的數(shù)據(jù)分析，比如說人、車、物的檢測和分類，通過對于深度學(xué)習(xí)在這些芯片上的應(yīng)用可以使這些檢測的算法更精確，使這些算法的落地變得更有效率。

在車載這領(lǐng)域。英特爾正在把原先在車內(nèi)的一些分立式的功能模塊，組合在通用計(jì)算平臺上。這個計(jì)算平臺現(xiàn)在使用的是Apollo Lake SoC，它是凌動產(chǎn)品中最新的處理器，在認(rèn)證上面除了提供底層的部件和操作系統(tǒng)包括Linux和安卓的支持，也提供一些虛擬化技術(shù)。

在零售領(lǐng)域。除了傳統(tǒng)在POS或者數(shù)字標(biāo)牌、智能零售終端之外，最先落地的場景則是無人店帶來的商業(yè)模式、商業(yè)機(jī)會的思考。據(jù)悉目前已經(jīng)開發(fā)出了早期原型的一套軟件平臺，用于無人店管理的環(huán)境中。

在工業(yè)領(lǐng)域。英特爾目前已經(jīng)預(yù)先做了一個更有計(jì)算能力的網(wǎng)關(guān)平臺，使這個網(wǎng)關(guān)平臺將來可以適用于更復(fù)雜的工業(yè)自動化的場景。

邊緣計(jì)算是一個很大的產(chǎn)業(yè)和生態(tài)，沒有任何一家公司能夠把這個產(chǎn)業(yè)鏈里所涉及的上下游所有環(huán)節(jié)都能夠提供，而目前整個物聯(lián)網(wǎng)系統(tǒng)中人工智能應(yīng)用也只處于起步階段，里面還有很多技術(shù)方面以及商業(yè)問題沒有完全解決。

伴隨著人工智能時代我們處理的問題種類越來越多，數(shù)據(jù)量越來越大，未來的系統(tǒng)架構(gòu)組成也將不再單一，每種問題有特定的適宜架構(gòu)，組成一個系統(tǒng)的時候可能是不同架構(gòu)的綜合，異構(gòu)架構(gòu)將成為未來的主流計(jì)算方式。

從英特爾現(xiàn)在在做產(chǎn)品設(shè)計(jì)來看，給自己的定位還是非常明確的，即首先做一家芯片公司，提供計(jì)算、通信、存儲所需要的芯片解決方案，之后逐漸將邊緣計(jì)算的理念和框架在垂直行業(yè)里得到真正的影射。