英特爾如何發力邊緣計算？看這一篇就夠了

互聯網之後是什麼？想必很多人認為是物聯網。從人與人的連接到物與物連接，我們終將迎來一個萬物互聯時代。

在英特爾中國物聯網事業部CTO張宇看來，互聯網實現了人與人的連接，那麼物聯網將實現物與物連接，最終走向萬物互聯時代。物聯網一定會從互聯走向智能，再從智能走向自主。

從萬物互聯走向萬物智能互聯，物聯網逐漸滲入交通、金融、醫療、能源等眾多行業，而越來越多的數據開始在邊緣進行存儲和處理。這就是邊緣計算的時代。

11月29日，由邊緣計算產業聯盟(ECC)主辦的2018邊緣計算產業峰會在北京拉開帷幕。據悉，峰會以「邊緣智能、邊雲協同」為主題，是業界規模最大且最具影響力的邊緣計算產業峰會。

本次峰會不僅深入探討邊緣計算的發展趨勢和前沿技術，而且展示最新的邊緣計算產業示範應用。作為邊緣計算產業聯盟的重要一員，英特爾中國物聯網事業部首席技術官張宇分享了英特爾對物聯網發展趨勢的判斷，並在會後接受了天極網等多家媒體的採訪。

2016年11月30日，華為、中科院瀋陽自動化研究所、中國信通院、英特爾、ARM和軟通動力聯合倡議發起邊緣計算產業聯盟，英文為Edge Computing Consortium，簡稱ECC。成立兩年來，ECC成員數量已經突破200家，涵蓋研究機構、運營商、生產製造、智慧城市、能源電力和ICT等多個領域。

作為ECC的發起者和重要成員，英特爾是一個技術提供者。「通過ECC這樣的平台，跟產業鏈各個環節的合作夥伴一起，包括最終用戶，共同發掘需求，共同做解決方案，促使好的使用模式更快落地。」 英特爾中國物聯網事業部CTO張宇對天極網表示。

從互聯網到物聯網——邊緣計算

互聯網階段，最典型的應用案例是「雙十一」。2018年雙十一，天貓24小時的銷售額高達2135億元，單數超過10億筆，與去年相比增長率超過20%。雙十一成功的背後離不開強大的雲計算平台的支撐。

張宇說，「物聯網的發展催生出大量數據，數據的增加也推動計算模式的創新。在互聯網階段，人們可以隨時隨地利用雲端提供的計算資源、存儲資源及應用資源，來實現資源利用最大化。」

但是，隨著行業數字化在敏捷連接、實時業務以及智能應用和數據安全保護等方面的需求，催生了邊緣計算，即越來越多數據需要在邊緣進行處理。

根據IDC估計，到2020年全球有超過50%的數據需要在邊緣處理。「我們認為，邊緣計算是今後物聯網發展的一個規律和趨勢。」張宇表示。

為推動邊緣計算髮展 英特爾做的三件事

1. 提供多樣化的硬體產品 滿足不同的計算需求

對英特爾來說，它們提供的是一個全棧式物聯網解決方案，裡面涵蓋了計算、存儲和通訊所需的物聯網晶元。

據張宇介紹，在計算領域，英特爾能提供從低壓、低功耗的凌動處理器到靈活的酷睿處理器再到高性能的至強處理器，可以滿足物聯網不同行業對計算的需求。除了通用類型處理器，英特爾還提供FPGA和一些專門用於視頻加速的專用晶元。通信領域，英特爾一直參與通訊標準的制定，包括3G、4G和5G等。在明年，搭載英特爾基帶5G的產品就會正式出貨。

在存儲方面，基於英特爾最新的3D Xpoint技術，快閃記憶體的存儲密度可以提升10倍，存儲速度比前一代提高100倍。

更重要的是，英特爾正把人工智慧技術應用於邊緣計算。張宇表示，「英特爾提供相應的人工智慧加速解決方案，利用英特爾人工智慧晶元，可以構建從智能攝像機到智能網路視頻存儲器以及智能視頻伺服器，來滿足不同產品形態對計算的要求。」

比如，英特爾發布最新的Movidius Myriad X視覺加速晶元，其封裝功耗只有2瓦，但能提供1T的計算能力。智能攝像頭的整機功耗是10-15瓦，分配給智能晶元的功耗只有2瓦，因此，Movidius Myriad X既可以滿足功耗的要求，又能提供更強大的計算能力。

2. 提供各種軟體工具包，進一步助力用戶

在晶元之上，英特爾還有相應的軟體工具。今年，英特爾發布OpenVINO工具包。它專為在邊緣部署深度神經網路而設計，可以快速優化和壓縮經過訓練的視覺模型，並將其部署在英特爾硬體和加速器上。應用深度學習框架時，關鍵性能會獲得重大提升，且無需大幅調整當前的部署方式。

無論是深度學習，還是傳統的計算機視覺，OpenVINO對這兩類方法都有很好的支撐。在深度學習方面，這個套件可以幫助開發者把自己的模型快速部署到目標平台，執行推理操作。並且，OpenVINO支持主流的深度學習和計算機視覺框架，包括Caffe、TensorFlow、mxnet ONNX、Open CV、Open CL和OpenVX等。

3. 與合作夥伴一起 解決邊緣計算落地問題

英特爾積極跟合作夥伴一起構建邊緣計算的解決方案。比如，英特爾和阿里雲與重慶一家金屬加工廠合作，利用OpenVINO和英特爾的人工智慧加速器，做了一個對金屬件缺陷的檢測方案。利用機械臂，抓取被檢測的金屬件，把它移動到檢測攝像頭前，在不同的角度拍攝不同的照片，該照片即可在邊緣網關設備進行基於人工智慧的處理。

結果是，這樣的檢測方案可以把漏檢率和誤檢率降低80%，並大大提高檢測效率。

總而言之，英特爾在邊緣計算上主要做了兩方面的事情：一是技術上不斷創新，提供更高、更好和更快地產品，並不斷優化已有的產品組合;二是生態的合作創新，跟相應的合作夥伴一起，共同來做邊緣計算的落地解決方案。

實際上，當前的邊緣計算還處在早期。英特爾副總裁兼物聯網事業部中國區總經理陳偉向天極網表示，「邊緣計算概念在兩三年前被提出來，現在爆發，但大家的共識是邊緣計算還處在早期。」

一方面，用戶對現在怎麼使用邊緣計算，在哪些場景使用，邊緣計算能帶來什麼樣的價值，還沒有想得那麼清楚。另一方面，邊緣計算還處於初級階段的原因是，邊緣計算的理論、演算法還屬於不斷探索的階段。有些東西，是需要供需雙方共同努力挖掘出來的：張宇解釋道。

如果未來要普遍落地，邊緣計算還需要兩件事情。陳偉說，「一個是行業的標準，因為邊緣計算的應用場景非常的碎片化;二是任何一個生態的搭建都需要時間，邊緣計算涉及的應用場景是完全不一樣的。」

具體到行業的話，陳偉稱「要看數據本身的負載。」他認為，在一些視頻技術應用比較多的行業，像視頻監控、零售、智能製造和智慧城市等應用場景。當有大量數據需要存儲和分析時，這些行業往往會先落地。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！