AI、5G和智能边缘的融合，将智能推向新的发展拐点

当前，工业互联网发展浪潮正在全球范围内掀起，成为取得第四次工业革命胜利的关键所在。

随着技术架构和产业链需求的不断迭代，工业技术和生产方式对工业互联网也提出新的要求。

在近日举行的2020WAIC“2020智能趋势峰会”行业论坛上，英特尔中国区物联网事业部首席技术官兼首席工程师张宇博士表示，第四次工业革命的特点是互联网产业化及工业智能化。当前，我们正处于新一轮的人工智能发展高潮。人工智能与工业互联网的结合将推动智能制造的发展。

张宇认为，工业互联网从本质上来说，是一个“边云协同”的端到端的系统。在这个端到端的系统里，大概有50%的数据处理发生在边缘侧，另外50%的处理发生在云端。而这些数据很大一部分是需要利用人工智能的技术来进行处理的。

据了解，在智能制造领域，很多工业场景对于网络响应延时及响应时间抖动都有很严格的要求，一旦有丝毫的网络延迟，对于工厂来说将会造成不可逆的损失，所以很多工业场景对与网络时延要求已经达到了毫秒级，甚至于亚毫秒级，这就要求需要有大量的数据在边缘来进行处理，但传统的通信技术很难达到这一要求，近年来边缘计算与人工智能的创新发展融合逐渐满足这一要求。

但这边缘技术与AI的融合不是简单耦合，张宇则表示，两者融合还面临着很多技术方面的挑战。

一是工业环境中数据量庞大，既包含机器视觉的大数据，也包含很多机器状态的时序的小数据。他举了智能工厂的例子，智能工厂一天所产生的数据量可能达到PB的量级，也就是万亿字节的量级，要处理如此巨大的数据量，就需要有大量的算力来进行支撑。同时对于网络时延也提出很高的要求。

二是设备的高性能功耗比，边缘设备很多都是嵌入式设备，如何在这些设备上实现人工智能，其实对芯片提出了更高的性能功耗比要求。如，智能工业摄像机整机功耗大概只有10-15瓦，其中能够分给人工智能加速芯片的功耗只有两瓦。如何在两瓦的功耗下，实现人工智能所需的推理的算力，这也是业内需要面对的挑战。

三是应用碎片化，开发成本高。工业互联网是一个碎片化的市场，不同的行业、工厂，对应用有不同的要求。算法和应用开发往往需要定制化，这就造成了软件开发的成本在总体成本中所占的比重越来越高，如何降低软件开发的成本，也是目前面临的一个挑战。

面向这些挑战，人工智能技术还需不断的发展，张宇也表示，人工智能技术的落地与普及离不开科技的不断创新。它发展背后依靠的是计算技术、存储技术、以及通讯技术的提升。

但张宇也表示，目前智能边缘技术已经开始运用于工业互联网，但整个过程才刚刚起步，远没有达到成熟。在目前阶段，人工智能技术在工业互联网的应用更多的停留在边缘推理阶段，我们还需要利用在数据中心的训练服务器来实现模型的训练。但在某些工业互联网的应用场景里，是有对模型进行动态更新，动态学习的需求。如在废品回收行业，已经开始利用机械臂去实现物品的分拣。但由于废品的形态种类非常多，很难用单一模型去涵盖所有形态，这就需要一种边缘训练的方法对模型进行动态更新。

工业互联网的发展需将经历互联阶段、智能系统阶段及自主系统阶段三个阶段，张宇表示，实现最高阶段自主阶段的重要标志，就是实现人工智能的自主化学习。我们认为，将人工智能运用于边缘，会经历从边缘推理，到边缘学习，到自主学习的演进过程。

而英特尔作为一家数据公司，其产品涵盖了计算、通讯、存储各个方面，可以利用产品组合构建端到端的具有人工智能的系统，并通过AI，5G和智能边缘的融合，把智能推向新的发展拐点。

其中，英特尔在构建智能边缘技术能力方面，具有一系列软件和硬件产品提供给用户。其提供的是可扩展的解决方案，用户可以利用它去构建从智能摄像机到智能网络视频存储器、智能视频服务器不同的产品。

除此之外，英特尔在大连和成都的半导体工厂，已经开始利用智能边缘技术帮助提升工厂的生产效率。

据张宇介绍，英特尔在大连的工厂是生产“非易失存储器”，是英特尔在亚洲的第一个晶圆制造工厂。晶圆的生产是整个半导体生产的基础，整个生产流程包含几千步工序，非常复杂，每经过10-20步，就对晶圆进行检测。英特尔通过安装在机台上的扫描电子显微镜，或者光刻相机去扫描晶圆，采集到晶圆的图片。把这些图片上传到相应的服务器，由专门的工程技术人员进行定期的或实时检测。根据这些检测和分类的结果微调工艺的参数，来保证产品的良率。

但由于在整个生产过程中所出现的缺陷种类很多，包括机械的刮伤、擦伤、或者化学药剂冲洗的印渍，使得某些缺陷不可能用传统的计算机视觉来进行处理，如果用人工的方法来处理，也无法保证100%的准确。

针对这一问题，英特尔开始利用ADG508AKN智能边缘技术，通过英特尔的处理器，利用OpenVINO™等工具及专门的人工智能算法，实时准确地处理每一幅晶圆的图片，可以将检测的效率提升100倍。

除此之外，英特尔还设计了一个基于半监督的自动标准的方法，可以大大提升模型训练的精度和效率，正是由于有这些智能边缘的辅助，英特尔才能不断地提升生产效率。