2018年，邊緣計算依然火熱，并被普遍認為是5G的先行使能技術，受到了全行業的重視。為了解英特爾擔任行業最大邊緣計算聯盟(ECC)發起方的原因和未來目標，近日在2018邊緣計算產業峰會上，英特爾副總裁兼物聯網事業部中國區總經理陳偉和英特爾中國物聯網事業部首席技術官張宇接受了通信世界全媒體的采訪。
邊緣計算這個概念近兩年才誕生，但是現在看來，已經爆發。陳偉表示，在一些視頻技術應用比較多的行業，如視頻監控、零售業人臉識別、智能制造、智慧城市等場景，當有大量的數據需要存儲和分析的時候，邊緣計算已先落地。人工智能作為一個解決數據爆發的工具，在邊緣側越靠近數據越便于建模訓練，人工智能結合邊緣計算將加速整個邊緣行業的落地。
邊緣計算是物聯網的支柱
在物聯網行業，邊緣計算發展很快，已成為支撐物聯網發展的支柱，張宇形象的把物聯網發展比喻為有兩只手，一個是邊緣計算，另外一個是云計算，兩者之間邊云協同。英特爾認為物聯網發展分三個階段，即從互聯到智能，從智能到自主。有一些行業已經開始從智能到自主階段的轉換，如智慧城市有很多安防的應用，在海康、大華等合作伙伴的產品里，已經能夠實現智能攝像頭分析人、車、物，或者在智能視頻的存儲器、智能視頻的服務器做視頻方面的分析。
不過目前邊緣計算還處于發展的初期，有幾方面的原因，張宇講道，一方面用戶對于現在怎么使用邊緣計算，在哪些場景使用邊緣計算，邊緣計算能夠帶來什么樣的價值，還有待探討，一些新的選擇需要供需雙方共同努力挖掘。英特爾是一個技術的提供者，通過ECC這樣的平臺，跟產業鏈各個環節的合作伙伴一起，包括最終的使用者來發掘需求，共同做解決方案，促進好的使用模式更快的落地。
另一方面，邊緣計算的理論、算法還屬于不斷探索的階段。ECC聯盟一直在做這樣的探索，頒布了《邊緣計算參考架構3.0》，還聯合工業互聯網產業聯盟(AII)一起發布了《邊緣計算與云計算協同白皮書》，這是目前探索的一些初步成果。
另外在某些行業里，邊緣計算還有一些技術瓶頸沒有做到，比如在工業里面會涉及到IT、OT兩方面的內容，尤其是在OT，對于實時性的要求更強一些，這些行業的發展還需要一定技術的積累才能實現突破。
關于物聯網市場普遍關注的行業碎片化問題，英特爾表示，由于行業和企業眾多，英特爾難以為每一個行業都做一款定制化的芯片，要看不同行業之間有那些共性的需求，這些共性的需求會引入芯片設計和軟硬工具的開發上。如視頻化的處理是一個共性需求，負載整合是共性需求，由這些需求催生的技術，除了通用處理器以外還有專用針對視頻加速的專用芯片，在負載整合方面，用到很多虛擬化的技術，英特爾從芯片、硬件和軟件方面推動一系列技術的實現。可以預見，在今后的產品里會看到英特爾對這些領域更好的支持。
云邊協同勢在必行
英特爾對邊緣計算十分看好，做出了很大的投入。陳偉表示過去的計算是跟隨數據的，數據如果在云端的話，計算也會發生在云端，今天數據因為網絡的限制或者實時性的需求，必須要在終端處理，因此邊云協同就非常重要。因為如果每次在云端的計算切到邊緣的時候要改變架構，計算就會非常緩慢。作為英特爾而言，芯片既能夠支撐邊緣計算，又能夠輔助云端的計算，邊云協同一定是公司能夠提供的優勢。邊云協同是能夠促使邊緣計算行業快速發展的主要因素之一。
另外，5G在通信領域能夠給用戶提供更大的帶寬，能夠更快的把一些數據進行雙向的傳輸。英特爾預計隨著物聯網的發展，數據增長速度還是要大于帶寬的增長速度。IDC預計到2020年大概有50%的數據在邊緣進行處理，其中已經考慮了5G的因素，從整個的發展來看，5G帶來更好的用戶體驗，這種邊云協同的趨勢是不會發生改變的。
全面開放的全棧式解決方案
為推動邊緣計算更快更好的發展，英特爾提供全棧式的解決方案，包括硬件和軟件，部分硬件產品針對前端設備，部分針對云數據中心，會按照客戶的需求提供全棧式的服務。英特爾提供的很多方案是開放性的，不完全是封閉性的。用戶在搭建完整方案的時候，可以一部分選擇英特爾的產品，一部分選擇其他的第三方產品。
張宇表示，舉個例子，英特爾今年發布了用于視頻處理的軟件工具OpenVINO，Open是開放，用戶用OpenVINO的時候，可以基于一些開放的深度學習的框架做深度學習方案的開發。目前能夠支持的框架包括像TensorFlow、Caffe、MX-net，用戶可以在多選擇的平臺上去選擇所訓練的平臺，或者想做的網絡模型，把這些網絡模型訓練好以后，英特爾都能夠做相應的支撐。把這個網絡模型經過模型優化器優化完以后，用英特爾的推理引擎把它下載到英特爾的硬件產品之上做邊緣計算的處理，提供更高的性能，但是并不限制在哪兒做訓練，網絡邏輯怎么設計的。通過這樣開放的方式給用戶更多靈活的選擇，從兩個維度來看這個事情。
同時，在OpenVINO里，除了英特爾提供的模型優化器和推理引擎等套件和組件以外，還包含20個大家比較常用的網絡模型，這些網絡模型已經在OpenVINO的軟件工具套框架里做了優化。對于初學者而言，不需要對網絡模型進行重新設計，直接調用已經包含的網絡模型就能夠滿足很多的應用需求。但是對于某些能力相對比較強，而且有一些個性化要求的開發者，英特爾可以提供技術的支持，更多的技術方面的培訓，能夠更快的上手使用這些工具。
人工智能來快刀斬亂麻
邊緣計算要處理海量的數據，如何快刀斬亂麻?陳偉表示，可以用AI。如做人臉識別類的視頻處理，用得最多的是基于深度學習和人工智能的技術，這些技術大的來說分為兩階段，第一是訓練的階段，第二是推理的階段。
張宇說，“訓練和推理有很大的區別，訓練是一個反饋的過程，有一個反向的處理優化的過程，而推理往往是前向的，就一條路，處理復雜度是不一樣的。目前的技術水平在云端做更多的訓練，在邊緣這一側可以做很多的推理工作，利用訓練的結果，把訓練以后的模型下載到邊緣這一側進行推理。”
但是能夠預見，在今后隨著計算能力的不斷增強，一部分的訓練工作有可能會被從云端推送到前端，也就是對于某些已經第一步訓練完以后的網絡，可能還需要重新優化的過程，這個優化很可能在邊緣側發生。舉個例子，語音識別第一步先做經過普通話訓練的語音識別，形成一個模型，當把這個模型用在山西或者是在云南，由于口音和方言，需要對原有的模型做一定的優化，這個優化的工作很可能在邊緣實現，只要算力足夠強，根據新的動態的樣本，對第一階段所生成的模型做動態的優化，把這個結果用在本地特定的地域進行使用，可以想到它會得到更好的結果。
生態構建尚需時日
完整的技術藍圖離不開生態的構建，成立邊緣計算聯盟的初衷也是要發揮全產業鏈的合力，推動邊緣計算早日落地。這是一個循序漸進的過程，陳偉說：“為什么三年以后大家還是說邊緣計算是一個初期，這不僅是技術問題也是商業模式落地的問題。”陳偉表示，要重視生態的搭建，邊緣計算的生態鏈會變長，過去芯片加上OEM、ODM就直接可以交付終端用戶，但是邊緣計算還不行，要有硬件的合作伙伴，要有軟件的合作伙伴，才能提供一定的算力，還要算法的合作伙伴，還要有系統集成商和終端用戶。英特爾的戰略是選擇了要落地的邊緣計算垂直行業，在整個產業鏈上面做全方位的合作。
