當前，工業(yè)互聯(lián)網(wǎng)發(fā)展浪潮正在全球范圍內(nèi)掀起，成為取得第四次工業(yè)革命勝利的關鍵所在。

隨著技術架構(gòu)和產(chǎn)業(yè)鏈需求的不斷迭代，工業(yè)技術和生產(chǎn)方式對工業(yè)互聯(lián)網(wǎng)也提出新的要求。

在近日舉行的2020WAIC“2020智能趨勢峰會”行業(yè)論壇上，英特爾中國區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術官兼首席工程師張宇博士表示，第四次工業(yè)革命的特點是互聯(lián)網(wǎng)產(chǎn)業(yè)化及工業(yè)智能化。當前，我們正處于新一輪的人工智能發(fā)展高潮。人工智能與工業(yè)互聯(lián)網(wǎng)的結(jié)合將推動智能制造的發(fā)展。

張宇認為，工業(yè)互聯(lián)網(wǎng)從本質(zhì)上來說，是一個“邊云協(xié)同”的端到端的系統(tǒng)。在這個端到端的系統(tǒng)里，大概有50%的數(shù)據(jù)處理發(fā)生在邊緣側(cè)，另外50%的處理發(fā)生在云端。而這些數(shù)據(jù)很大一部分是需要利用人工智能的技術來進行處理的。

據(jù)了解，在智能制造領域，很多工業(yè)場景對于網(wǎng)絡響應延時及響應時間抖動都有很嚴格的要求，一旦有絲毫的網(wǎng)絡延遲，對于工廠來說將會造成不可逆的損失，所以很多工業(yè)場景對與網(wǎng)絡時延要求已經(jīng)達到了毫秒級，甚至于亞毫秒級，這就要求需要有大量的數(shù)據(jù)在邊緣來進行處理，但傳統(tǒng)的通信技術很難達到這一要求，近年來邊緣計算與人工智能的創(chuàng)新發(fā)展融合逐漸滿足這一要求。

但這邊緣技術與AI的融合不是簡單耦合，張宇則表示，兩者融合還面臨著很多技術方面的挑戰(zhàn)。

一是工業(yè)環(huán)境中數(shù)據(jù)量龐大，既包含機器視覺的大數(shù)據(jù)，也包含很多機器狀態(tài)的時序的小數(shù)據(jù)。他舉了智能工廠的例子，智能工廠一天所產(chǎn)生的數(shù)據(jù)量可能達到PB的量級，也就是萬億字節(jié)的量級，要處理如此巨大的數(shù)據(jù)量，就需要有大量的算力來進行支撐。同時對于網(wǎng)絡時延也提出很高的要求。

二是設備的高性能功耗比，邊緣設備很多都是嵌入式設備，如何在這些設備上實現(xiàn)人工智能，其實對芯片提出了更高的性能功耗比要求。如，智能工業(yè)攝像機整機功耗大概只有10-15瓦，其中能夠分給人工智能加速芯片的功耗只有兩瓦。如何在兩瓦的功耗下，實現(xiàn)人工智能所需的推理的算力，這也是業(yè)內(nèi)需要面對的挑戰(zhàn)。

三是應用碎片化，開發(fā)成本高。工業(yè)互聯(lián)網(wǎng)是一個碎片化的市場，不同的行業(yè)、工廠，對應用有不同的要求。算法和應用開發(fā)往往需要定制化，這就造成了軟件開發(fā)的成本在總體成本中所占的比重越來越高，如何降低軟件開發(fā)的成本，也是目前面臨的一個挑戰(zhàn)。

面向這些挑戰(zhàn)，人工智能技術還需不斷的發(fā)展，張宇也表示，人工智能技術的落地與普及離不開科技的不斷創(chuàng)新。它發(fā)展背后依靠的是計算技術、存儲技術、以及通訊技術的提升。

但張宇也表示，目前智能邊緣技術已經(jīng)開始運用于工業(yè)互聯(lián)網(wǎng)，但整個過程才剛剛起步，遠沒有達到成熟。在目前階段，人工智能技術在工業(yè)互聯(lián)網(wǎng)的應用更多的停留在邊緣推理階段，我們還需要利用在數(shù)據(jù)中心的訓練服務器來實現(xiàn)模型的訓練。但在某些工業(yè)互聯(lián)網(wǎng)的應用場景里，是有對模型進行動態(tài)更新，動態(tài)學習的需求。如在廢品回收行業(yè)，已經(jīng)開始利用機械臂去實現(xiàn)物品的分揀。但由于廢品的形態(tài)種類非常多，很難用單一模型去涵蓋所有形態(tài)，這就需要一種邊緣訓練的方法對模型進行動態(tài)更新。

工業(yè)互聯(lián)網(wǎng)的發(fā)展需將經(jīng)歷互聯(lián)階段、智能系統(tǒng)階段及自主系統(tǒng)階段三個階段，張宇表示，實現(xiàn)最高階段自主階段的重要標志，就是實現(xiàn)人工智能的自主化學習。我們認為，將人工智能運用于邊緣，會經(jīng)歷從邊緣推理，到邊緣學習，到自主學習的演進過程。

而英特爾作為一家數(shù)據(jù)公司，其產(chǎn)品涵蓋了計算、通訊、存儲各個方面，可以利用產(chǎn)品組合構(gòu)建端到端的具有人工智能的系統(tǒng)，并通過AI，5G和智能邊緣的融合，把智能推向新的發(fā)展拐點。

其中，英特爾在構(gòu)建智能邊緣技術能力方面，具有一系列軟件和硬件產(chǎn)品提供給用戶。其提供的是可擴展的解決方案，用戶可以利用它去構(gòu)建從智能攝像機到智能網(wǎng)絡視頻存儲器、智能視頻服務器不同的產(chǎn)品。

除此之外，英特爾在大連和成都的半導體工廠，已經(jīng)開始利用智能邊緣技術幫助提升工廠的生產(chǎn)效率。

據(jù)張宇介紹，英特爾在大連的工廠是生產(chǎn)“非易失存儲器”，是英特爾在亞洲的第一個晶圓制造工廠。晶圓的生產(chǎn)是整個半導體生產(chǎn)的基礎，整個生產(chǎn)流程包含幾千步工序，非常復雜，每經(jīng)過10-20步，就對晶圓進行檢測。英特爾通過安裝在機臺上的掃描電子顯微鏡，或者光刻相機去掃描晶圓，采集到晶圓的圖片。把這些圖片上傳到相應的服務器，由專門的工程技術人員進行定期的或?qū)崟r檢測。根據(jù)這些檢測和分類的結(jié)果微調(diào)工藝的參數(shù)，來保證產(chǎn)品的良率。

但由于在整個生產(chǎn)過程中所出現(xiàn)的缺陷種類很多，包括機械的刮傷、擦傷、或者化學藥劑沖洗的印漬，使得某些缺陷不可能用傳統(tǒng)的計算機視覺來進行處理，如果用人工的方法來處理，也無法保證100%的準確。

針對這一問題，英特爾開始利用智能邊緣技術，通過英特爾的處理器，利用OpenVINO?等工具及專門的人工智能算法，實時準確地處理每一幅晶圓的圖片，可以將檢測的效率提升100倍。

除此之外，英特爾還設計了一個基于半監(jiān)督的自動標準的方法，可以大大提升模型訓練的精度和效率，正是由于有這些智能邊緣的輔助，英特爾才能不斷地提升生產(chǎn)效率。
責任編輯：tzh