在物聯網、5G、AI、大數據等技術融合發展的背景下，智能邊緣計算迅速從概念走向落地。特別是新冠肺炎疫情發生以來，越來越多的網絡應用，如視頻監控、智能零售、智能制造、智慧城市等場景迅速發展起來，越來越多的數據開始在邊緣側進行存儲和處理。根據Gartner預測，到2025年，75%的數據將產生於數據中心之外的邊緣，數字化轉型正在從雲端走向網絡與終端。不過，智能邊緣也對行業企業提出了更多新的挑戰，技術趨勢如何發展？端到端數字基礎架構如何搭建？相關應用如何落地，並賦能醫療、農牧業、智慧交通、零售等行業？

智數融合邊緣計算走向“舞台中心”

物聯網並非一個新的概念，如果從2009年“感知中國”概念被提出時算起，這是中國物聯網概念被提出的標志性時間，至今已有13年。邊緣計算概念從2013年正式被提出，至今已有近10年時間。然而，隨著數字經濟的進一步深化發展，人們對網絡和算力都提出了更高的要求，物聯網與邊緣計算相互融合發展的趨勢越來越明顯，智能邊緣概念成為新的行業熱點。

在英特爾視頻事業部全球首席技術官張宇看來，人們之所以對智能邊緣計算給予越來越高的重視，其中一個大背景是整個社會正在經歷一場深刻的數字化轉型。在此過程中，各行各業的運轉都必須依賴一整套端到端的數字基礎架構作為支撐才能正常展開。而邊緣側正是整個系統的有機組成，且作用越來越凸顯。

“之所以要強調‘端到端’，是因為這個系統所需提供的服務都是端到端的服務，從前端的數據採集，到數據傳輸，再到一些關鍵節點的數據處理、存儲與反饋，整個服務都是一個端到端的完整過程，也隻有這樣的完整流程才能有效完成。”張宇指出。而在這樣一個數據傳輸處理過程中，有些數據可以在中心節點完成，有些則必須在邊緣節點進行，這是由數據應用的需求不同而決定的。那些對實時性要求不高的應用，可以把數據從應用前端傳輸到遠程雲端，在那裡有更大存儲空間和相對富余的算力，能夠以更低的成本進行運算和存儲。但是對於自動駕駛、工業互聯網等對實時性要求很高的應用來說，也將數據傳輸到遠程進行處理就不合適了。這種情況的運算往往需要通過算力網絡這樣的邊緣計算架構來承載。這正是智能邊緣計算越來越受重視的主要原因。

“沒有物聯網的智能化、算力網絡的泛在化，是無法支撐應用前端實時、高效的運算需求的。”張宇強調。

對於智能邊緣計算，未來則呈現出三個發展趨勢。首先，數字基礎架構的構建將是一個“端邊雲”協同一體化的系統。“端邊雲”三者缺一不可，同時根據應用場景的不同，扮演的角色各不相同、各有側重，有些數據處理邊緣側發揮更加重要的作用，有時雲端扮演的角色更重要。

其次，在數字化轉型中軟件的作用不可忽視，也就是人們常說的“軟件定義”。隨著遠程辦公的發展，人們對網絡靈活度的要求不斷提高。這就要求擁有一個可以進行靈活配署的網絡，不僅是核心網，數據中心的配置也要越來越靈活。數據中心要以一種可編程的方式進行網絡基礎架構的搭建，可編程的以太網芯片和編程語言成為數據中心建設的重要支撐。

最后，人工智能在邊緣計算中的滲透越來越廣泛。本輪人工智能的應用熱潮雖然起始於數據中心，而初始階段大量數據的處理在雲端完成，但隨著技術的發展，越來越多的數據處理向邊緣側轉移。邊緣計算與人工智能相互滲透融合，人工智能的泛在化趨勢已不可避免。

總之，在物聯網、5G、AI、大數據等技術融合發展的背景下，智能邊緣計算正迅速從概念走向落地。根據IDC的數據，到2025年大約75%的數據將在邊緣產生、在邊緣處理。大量數據的產生對於邊緣算力的要求也在不斷提升。智能邊緣將成為數字時代端到端數字基礎架構的重要計算領域。

軟硬結合支撐算力網絡泛在化發展

在智能邊緣計算快速發展的過程中，芯片發揮著關鍵作用。“實際上，智能物聯網的創新應用都要通過底層芯片和配套軟件才能實現。隨著算力需求的增長，對芯片的要求也會越來越高。”張宇指出。

英特爾長期深耕物聯網行業，提供了多樣化產品線以滿足用戶需求。在今年國際消費類電子產品展覽會（CES2022）上，英特爾就發布了第12代酷睿處理器（代號Alder Lake S系列和H系列）。這是英特爾首個針對邊緣領域進行優化的處理器系列，採用的高性能混合架構將性能核與能效核以及硬件線程調度器（Thread Director）有機整合在一起，對加速物聯網應用創新進行優化，適用於零售、制造、醫療和視頻等領域用戶進行圖形、多媒體、顯示和人工智能等運算。

張宇同時強調，英特爾在致力於提高芯片產品性能的同時，對實現可持續發展的綠色計算理念也非常重視。“我們不能一味強調算力提升，還要認識到提升功效比的重要性。英特爾始終關注以一種可持續的方式，促進社會的有序發展。”

據介紹，從2010年至2020年，英特爾酷睿產品線的能效比提升了14倍。2020年到2030年，英特爾的目標是在原有基礎上將旗下產品線的平均能效比再提升10倍。為此，英特爾在第12代酷睿處理器中引入了“大小核”概念，包括性能核和功效核，利用不同的內核匹配運算需求，實現最佳負載，以降低整體功耗。

異構計算也是應對差異化需求、提升處理器能耗比的重要技術方向。很多負載是有典型性的，不管是視頻會議場景、智能零售場景，還是雲游戲場景，其背后的技術都涉及視頻的編碼、解碼和轉碼。對於這些相對固定的負載，如果採用專有硬件進行處理，效率更高、功耗更低。因此，在酷睿產品線中，英特爾很早就整合了集成顯卡，形成硬件單元，專門進行視頻的編解碼和轉碼工作。當然，對於性能要求更高的用戶，英特爾也可以提供獨立顯卡的解決方案。整體思路就是通過異構架構的方式提高能效比。

如何調用這些硬件產品則離不開軟件的支撐。張宇強調，一款好的軟件工具能使開發者更加充分地發揮硬件性能。英特爾一直在與合作伙伴做著這方面的工作，包括推出oneAPI通過底層DPC++開放接口，實現對異構硬件資源的訪問。對開發者而言，利用oneAPI就可以對不同硬件實現統一編程。

英特爾還推出了OpenVINO工具套件，加速邊緣側的AI推理。OpenVINO能夠使開發者在不同人工智能框裡做訓練。在一些AI模型場景中，OpenVINO能夠提供高達7倍的推理加速，有效提升工作效能，增加平台競爭力。

工業+零售邊緣智能加速落地

隨著智能邊緣計算的發展，它在一些領域的應用成功落地。

工業制造是智能邊緣計算滲透發展的重點領域之一。MarketsandMarkets發布的最新研究報告顯示，2021年全球智能制造市場規模為887億美元，預計到2027年將達到2282億美元，年復合增長率達18.5%。對此，張宇表示：“機器視覺作為制造業智能轉型的重要技術，正隨著人工智能的高速發展而演進，其市場規模迅速增長。事實上，本輪人工智能的爆發正是基於以圖片圖像識別為基礎的深度學習。目前在物聯網領域採集到的數據，80%左右都與圖形圖像相關。”

基於此，英特爾日前攜手信步科技，推出一系列機器視覺開發套件。開發套件以工業邊緣洞見平台（EII）和視覺軟件優化包為框架，集成了OpenVINO、DPC++/C++編譯器、oneAPI數學核心函數庫（oneMKL）、Vtune Profiler、IPP、OpenMP和TBB等軟件工具和程序庫，預置典型工業應用場景的參考案例和算法優化參考方法，為用戶開發機器視覺應用提供端到端的一站式軟件框架。目前，開發套件已在汽車制造、3C/半導體、食品包裝、物流倉儲等行業實現落地應用，有效助力制造業朝著智能化和信息化的方向演進。

零售市場的競爭日趨激烈，人工智能展現出來的重要價值正在得到全球零售商的普遍關注。通過人工智能技術的應用，零售商能夠更加有效地了解消費者的偏好，為消費者提供個性化、獨特的服務，增強零售服務吸引力。同時，人工智能也幫助零售商將更多流程轉為自動化流程，實現更多收益。數據顯示，到2035年，人工智能將使零售和批發業務的利潤率提高近60%。

面對這一新興應用市場，英特爾攜同漢朔科技及微軟，共同推出針對零售行業的智能邊緣解決方案，主要應用在智慧貨架管理和自助收銀防損兩個方面。“人、貨、場”是傳統零售的主要環節，該方案融合了英特爾從軟件到硬件的全棧技術，能夠幫助零售客戶構建高性能且易於實施管理的智慧零售管理系統。

除此之外，邊緣智能在智慧醫療、智慧交通，以及加速企業數字化轉型等方面都有著廣泛的應用潛力。“人工智能在邊緣網絡的發展空間巨大，市場需求也很明確。以前人們總認為人工智能是一種很高大上的東西，門檻很高，部署起來也十分困難。然而，現實的情況是有越來越多公司已經開始部署和使用人工智能技術，並且取得成功。這種情況恰恰說明人工智能的使用門檻正在降低，同時也是人工智能無處不在的一個典型例証。”張宇指出。在此過程中，英特爾的技術，包括OpenVINO工具套件以及一系列硬件產品也發揮了關鍵作用。

做好本地化適配突破“最后一公裡”

在智能邊緣計算加速落地的過程中，如何使其與本地需求更好地進行適配，突破“最后一公裡”瓶頸，也是非常關鍵的一個環節。張宇指出：“技術在數據中心落地和在邊緣側落地，其落地的方式是不一樣的。”畢竟平台不一樣、算力不一樣、條件不一樣，落地方式也不會一樣。也就是說，人工智能在邊緣側進行落地的時候，就必須解決好一些在邊緣側才會出現的特定問題。

舉例而言，人工智能一般分為兩大階段——訓練階段和推理階段。訓練階段需要利用大量數據進行訓練，同時在訓練之前要對數據做標注，把數據當中需要關注的物體標注出來，再把標注之后的圖片傳輸到訓練平台之上做訓練，最后才能生成一個可以進行推理的人工智能網絡模型。

但是在邊緣側，這種模式卻有可能遇到挑戰。因為在現實當中，邊緣側往往沒有那麼多數據可以用作訓練。比如瑕疵檢測是人工智能在智能工廠中最常見的應用之一。但是在工廠中，正常的生產線上出現瑕疵的概率並沒有那麼大。這也就意味著可以用來做訓練的樣本數據比較有限。如何在小樣本的情況下訓練出一個可用模型，就是智能邊緣計算需要解決的問題。

再比如訓練的時候需要做標注，可在邊緣應用的時候，真正操作人工智能的人員往往就是產線上的生產人員。這些人很難再有額外的精力去做這個標注工作。因此，如何開發一些自動化的標注工具，減少操作人員的負擔，使從訓練、標注到推理的這個閉環可以真正運轉起來，也是英特爾在邊緣做人工智能時需要解決的問題。

“實際上，在邊緣有很多問題都要以某種特定化的方式進行解決。”張宇強調。

打造產業生態解決碎片化挑戰

當然，在智能邊緣領域，英特爾所有這些工作的完成都離不開合作伙伴們的支持。“英特爾長期深耕物聯網行業，提供豐富的產品類型，我們希望通過這些不同組合的產品，能讓合作伙伴在物聯網領域有更大的發揮空間。”張宇指出。

在談到英特爾在智能邊緣領域競爭優勢的時候，張宇就將其歸功於擁有廣泛的合作伙伴基礎。“這使我們能夠更加深刻地理解用戶的訴求，再根據這樣的訴求，制定軟硬件解決方案。無論這些用戶位於網絡前端、邊緣側，還是數據中心，英特爾都能提供端到端的、符合數字基礎設施發展趨勢的解決方案。”

物聯網盡管有著無限的可能，但是碎片化問題始終是橫亙在供應商面前的一大挑戰。對此，張宇表示，一方面我們要做好自己的產品，讓產品盡可能具有普適性﹔但在項目落地方面，卻始終離不開整個產業鏈的密切配合。

不同的市場有不同的需求，中國物聯網市場的特點是發展速度快，創新的客戶很多，這些客戶的規模也許不是很大，但是創新能力很強。近年來，英特爾與系統集成商在內的中國合作伙伴一起進行了大量工作，把產業鏈不同環節的產品技術加以整合，解決碎片化的問題。

2016年，英特爾與合作伙伴一起，共同建立邊緣計算產業聯盟。這是中國目前最大的專注於邊緣計算的聯盟組織，擁有300多個成員單位，涵蓋芯片廠商、系統集成商、軟件開發商、原始設計制造商（ODM）、原始設備制造商（OEM）等廠商。借助這樣的聯盟平台，共同探討針對物聯網和邊緣計算的解決方案以及行業解決方案，群策群力解決碎片化問題。

“水利萬物而不爭”或許是英特爾在整個生態中定位的最好形容。多年以來，正是通過潤物細無聲的默默工作，英特爾打通了邊緣智能產業鏈的各個環節，包括ODM、OEM、系統集成商（SI）、獨立軟件開發商（ISV）等，為產業提供了一個端到端的，面向數字基礎架構的整體解決方案。

英特爾CEO帕特·基辛格（Pat Gelsinger）曾在今年舉辦的“2022英特爾On產業創新峰會”上提出四大超級技術力量的概念，包括無所不在的計算、無處不在的連接、人工智能和從雲到邊緣的基礎設施。張宇強調，實際上這四大超級技術力量就是在未來構建一個綠色、智能、端到端數字基礎設施所需的四大支柱。如果把這四大超級技術力量綜合使用，構建起來的就是一個端到端的數字基礎設施。未來，在這個數字基礎設施之上會承載更多新的創造、新的應用。這些基礎設施擁有兩個特點：一個是智能，另一個是綠色。（陳炳欣）

分享讓更多人看到