Intel推动边缘智能技术发展 助力制造业与互联网融合

至顶网软件频道消息： 以“边缘智能、边云协同”为主题的2018边缘计算产业峰会在北京召开，大会全方位探讨了边缘计算的前沿技术，展现创新应用，聚合产业生态，推动产业发展，具有非常重要的现实意义。会后英特尔副总裁兼物联网事业部中国区总经理陈伟和英特尔中国物联网事业部首席技术官张宇接受了记者的采访。

英特尔副总裁兼物联网事业部中国区总经理 陈伟

英特尔中国物联网事业部首席技术官 张宇

物联网的和边缘计算会先在哪些行业落地

消费、金融、交通、能源和工业等行业中，未来哪个行业和应用场景会率先得到物联网的和边缘计算大规模落地和应用？

陈伟：今天早上大家听到很多关于边缘计算的趋势、技术和发展方向。首先回顾一下，边缘计算这个概念应该在两三年前大家提出来的，我们成立ECC联盟的时候是在边缘计算爆发之前，现在确实爆发了，但是大家的共识是边缘计算还是在早期。大家认为边缘计算是一个数据爆发，数据爆发以后，从存储、计算、传输本身是有成本的。

在哪个行业落地？我个人认为是要看数据本身的负载。有一些视频技术应用比较多的行业，像视频监控、零售业人脸识别、智能制造、智慧城市等等这些应用场景，当有大量的数据需要存储和分析的时候，这些行业往往会先落地，尽管是一个垂直行业的表象，但是真正是看这个数据的负载形态。视觉上的运用是跨行业的，尽管它表象是不同的行业，但真正从技术来讲是一个视觉的技术，首先落地的。人工智能作为一个解决数据爆发的工具，在数据里面挖掘价值的工具来讲，它首先越靠近数据越能够建模，做到训练，才能够使得人工智能这个推理作为一个手段能够得到尽早的完善，同时加速整个行业的落地。这是我个人的看法。

边缘计算落地和应用还面临哪些困难和挑战？

张宇：边缘计算在一些重点的热门行业是有广泛应用前景的，目前边缘计算还处于发展的初期。就像今天上午中国信息通信研究院总工程师余晓晖谈到他的观点，目前边缘计算的的确还是在发展的初期。我觉得这里有几方面的原因，一方面用户对于现在怎么使用边缘计算，在哪些场景使用边缘计算，边缘计算能够带来什么样的价值，还没有想得那么清楚。因为有一些新的选择是需要供需双方共同努力把它挖掘出来的。对英特尔来说，我们是一个技术方面的提供者，我们通过ECC这样的平台，跟我们产业链的各个环节的合作伙伴一起，包括最终的使用者一起来发掘这样的需求，来共同做解决方案，促进好的使用模式更快的落地。

另外一个原因，今天上午边缘计算产业联盟理事长、中国科学院沈阳自动化研究所于海斌所长提到，边缘计算还处于初级阶段的原因是在边缘计算的理论方面、算法方面还属于不断地探索的阶段，当时于所长提到在大数据里开始也谈了很多边缘计算。大家知道Movidius这样的技术成熟以后，整个大数据才能真正被用起来。在边缘计算也是类似的。我们在在这方面，ECC联盟一直在做这样的探索，包括我们今天颁布的《边缘计算参考架构3.0》，包括跟工业互联网产业联盟（AII）一起发布的《边缘计算与云计算协同白皮书》，这是我们目前探索的一些初步结果的总结。但是我们想工作会一直做下去，包括今天上午边缘计算产业联盟理事长、华为网络研发总裁刘少伟在讲2019年ECC今后的工作里也提到开源等等这样的事情，我们会通过这方面的探索来推动边缘计算在理论和实践方面的落地，通过理论和实践这两方面的抓手推动边缘计算在行业落地。谢谢。

陈伟：刚才张博士提到的，虽然这个发展很快，但是需要普遍落地的话，从边缘计算的角度来讲需要两件事情，一个是行业的标准，因为边缘计算的应用场景非常的碎片化；第二个是任何一个生态的搭建都需要时间，边缘计算它所涉及的应用场景是完全不一样的。刚才我讲到虽然垂直行业有五个垂直行业，但是它里面用的一个负载可能是同一个负载人脸识别，应用到不同场景，但是要使得人脸识别在五个不同垂直行业进行优化，这个生态是相当庞大的生态。所以生态的搭建成熟是需要时间的。

英特尔的端和云一体解决方案

英特尔是端和云的一整套解决方案，如果客户选择的方案比较多，在端上选择了其他芯片厂商的方案，英特尔怎么在云上支持客户，怎么在这上面进行串联？

张宇：从两个角度来看，第一个维度，英特尔本身提供的是全栈式的解决方案，包括硬件和软件，英特尔有些硬件产品是专门针对前端设备，有一些针对云数据中心，我们本身会按照客户的需求提供全栈式的服务。英特尔提供的很多方案是开放性的，不完全是封闭性的。开放性的意思是，用户在搭建完整方案的时候，可以一部分选择英特尔的产品，一部分选择其他的第三方产品，这是允许的。举个例子，我们今天上午在介绍的时候，提到我们今年发布的软件用于视频处理的软件工具OpenVINO，如果大家听我们介绍的时候可能注意到，OpenVINO首先Open就是开放，这个开放体现在哪里，用户用OpenVINO的时候，他可以基于一些开放的深度学习的框架做他深度学习方案的开发。目前能够支持的框架包括像TensorFlow、Caffe、MX-net，用户可以在多选择的平台上去选择他所训练的平台，或者想做的网络模型，你把这些网络模型训练好以后，我们都能够做相应的支撑，把这个网络模型经过模型优化器优化完以后，用我们推理引擎把它下载到我们英特尔的硬件产品之上去做边缘计算的处理，我们能够提供更高的性能，但是并不限制在哪儿做训练，你的网络逻辑怎么设计的，我们不限制。通过这样开放的方式给用户更多灵活的选择，从两个维度来看这个事情。

陈伟：英特尔今天的芯片技术可以用在终端，可以用在边缘，也可以用在云，并不等于说整个一个端到端所有的芯片技术由英特尔一家提供。比如我们在做的VPU在摄像机上能够加上视频分析加速器，这是英特尔的产品，一个摄像机用了很多别的芯片。其实边缘计算的爆发，边缘计算只是计算发生在边缘，过去计算发生在云端，大家更能理解一些，因为数据在哪儿，计算就在哪。因为这个爆发其实简化了英特尔物联网产品事业部的战略，过去我们曾经走过一段时间在探索，要做什么样的芯片，是传感的还是低端的芯片等等。今天我们的战略特别简化，做芯片，专注于两方面，计算视觉，因为它对计算要求特别高，以及不断整合。所以从这个定义来看，一定会吸取不同芯片架构所产生的数据，但是把一件事情做优，就是把人工智能在边缘的运算做优。

边缘计算的实例展示

在采访结束后，在会场展台上，组织方向大家展示了众多边缘计算方面的应用实例：

具备边缘计算处理能力实时在本地对图像数据进行处理的摄像头，可极大减少数据采集后分析处理时间。

新零售小卖柜可以实现智能无人售卖

华为为边缘计算应用所提供的轻量级边缘计算操作系统LerOS