英特尔云边协同进化论
共 3199字，需浏览 7分钟
·
2021-09-24 23:03
“车间里的新工友”
在现代工厂车间里，传感器、机械臂、摄像头等，这些常见的生产部件被AI赋予智能化，变成了车间里的新AI员工。它们有些自带“像素眼”、“x 光眼”，对零部件瑕疵缺陷明察秋毫，最大程度降低人工漏检、误检率，避免缺陷零件流入下一个生产与使用环节。除了这样的智能质检机器人，现代工厂生产线上还有精准完成生产任务的机械臂机器人、在厂区有“兢兢业业”执勤的无人巡检机器人等等。这些早已不是科幻片的酷炫场景，而是智能化实实在在提升生产制造效率，降低人工成本的新场景。
有多个权威第三方报告显示，企业正在加大投入智能制造，其市场规模将快速增长。行业快速变化的趋势背后，是边缘计算、5G、AI 等新技术在工业领域的深入应用，也必将激发工业边缘场景下智能制造的无限潜力。不过，对于企业 IT 管理者来说，这些新的工业边缘场景，也带来了比云化更大的技术挑战。
工业边缘的负载挑战
生产制造中的各类工具部件，可以通过数字化改造，成为工业智能的边缘端设备。这些负责生产与管理的边缘设备，时刻产生着海量数据。现在，5G技术提升了数据低延时和高可靠的传输，丰富的、当然也是最核心的AI深度学习与算法，对海量数据分析处理，并通过云端与边端交互协同，完成决策和操作以及不断优化。
稳定高效的工业云边协同，由众多的因素决定，也对IT底层资源提出了更多负载的挑战。
首先，云端与边端海量数据的频繁交互、访问大量内存和存储的数据库，对 IO 时延提出了挑战，需要处理器极致的性能以及针对云边场景调优。性能的提升是处理器厂商的看家本领，例如第三代英特尔® 至强® 比上一代处理器性能提升了 1.46 倍。不过对云边协同场景的负载调优，也被英特尔所重视。比如英特尔内核互连架构Mesh 所提供一致、可预测的高性能，针对云边协同、多云等场景下负载 IO 性能的调优，助力诸如数据库、电子商务和Web服务器应用等时延敏感型云工作负载实现50%以上的性能提升。英特尔傲腾™ 技术为边缘计算平台和云平台数据管理和有效调配提供高效、低时延和大规模并行数据存储服务。
除了本文开头提到的基于 AI 机器视觉的工业辅助检测，另一个 AI 应用重点是基于时序数据的智能预测。智能预测调度，可以让制造、能源领域企业提升产能预测、维护性预测以及智能运维等能力，增加收益。这同样也是 IT 施展实力的新机会，例如英特尔在至强® 处理器之外，也在推出工具套件 OpenVINO、大数据分析+AI 平台 Analytics Zoo 等一系列产品与技术，为智能化转型的关键应用提供算力与框架双重支撑。
Intel 边缘架构模型
另外，IoT趋势下边缘计算节点庞杂，电力供应、环境多样，传统数据中心的管理显然不足以应对工业边缘趋势下的硬件管理挑战。除了边缘计算平台负责监控边缘设备的损坏和故障，在IT系统的底层处理器中，用模型特定寄存器和传感器来监控缓存、CPU频率、内存带宽和IO输入/输出，实现硬件遥测数据收集，也是当前最新的技术手段。
再例如，工业边缘在兴起的同时，也是目前被安全界公认潜在漏洞和风险最大的领域。边缘端设备数据传输安全隐患，远程调用也会被攻击与利用。云边协同下的数据中心，除了第三方安全方案，最新的策略还有采用云服务提供商 (CSP) 的集成安全控制，让数据中心实现原生安全防护的“深度防御”，以应对新威胁。
巨头联手，推出智能边缘方案
近日，英特尔联合智能边缘领域的全球集成商 Insight 共同推出制造业智能边缘方案，其中英特尔工业边缘洞见平台成为Insight解决方案的一部分。更详细的来说，Insight 的设计服务和互联平台采用英特尔工业物联网技术，例如面向人工智能的英特尔 OpenVINO 工具包、计算机视觉以及英特尔工业边缘洞见平台 (EII) 推理软件。EII由经过实践检验的软件堆栈组成，能帮助系统集成商 (SI)、独立软件供应商 (ISV) 和设备制造商（如工业PC制造商、机器制造商等）更安全地获取、分析和存储视频及时序数据。EII基于一个灵活的开源微服务架构，并针对基于英特尔硬件和芯片的解决方案进行了优化。
Insight 解决方案与英特尔工业边缘洞见平台的集成架构图
在方案中，英特尔和Insight针对制造商生产运营提供了多个新用例。例如将AI质检用于制造现场最重要环节之一的装配线上监测产品质量。Insight创建基于计算机视觉的系统，利用AI快速确定所生产产品是否符合规范。系统可识别产品的尺寸数据（长、宽、高）、颜色、温度和包装中所含产品数量（例如药丸、食品等）。从检测盒子中的饼干数量，到确定芯片中是否包含正确的引脚组，基于智能边缘的检测系统可胜任各类工作。如果发现某个单元有缺陷，系统可以自动拒绝该项目，并立即将问题告知操作员。这些系统将减少浪费、自动提高产品质量，无需人为干预。当然，除了全自动的无人检测，智能边缘系统还可以作为人工检测的补充方案。可靠地发现人工检测经常遗漏的缺陷，提高产品质量。
除了AI质检，另一个新用例是，通过智能边缘解决方案，监测生产与员工的安全，预警故障隐患。借助 Insight 的智能边缘解决方案，制造商还能从传统的被动式维护方法转变为预测性维护。由于单点故障可能导致整个工厂停止生产，给企业造成高昂损失。Insight 和英特尔打造的智能边缘可监测正常运行期间的设备性能，并将任何风险告知操作员，来降低故障可能性。如振动分析、温度监测，还是其他指标，人工智能和边缘计算可为企业节省大量停机时间。同时，智能边缘也能更好地保障员工安全。支持人工智能的计算机视觉系统可以自动关闭系统，通过通知功能降低故障严重程度，主动预防事故。
英特尔：成为工业边缘智能的基础和底座
所有的智能边缘方案背后，都需要高性能硬件基础设施和软件框架来支撑，这些软硬件将是工业边缘智能的基础和底座。其实从第二代至强®处理器开始，英特尔就在处理器中集成了深度学习加速技术（矢量神经网络指令VNNI），扩展了指令集AVX-512，提供更多、更强的AI能力，用以加速人工智能和深度学习推理，并针对工作负载进行优化。
除了具备集成AI能力的CPU架构，以及傲腾™持久内存等技术扎实、已经为业界熟知的硬件产品，英特尔接连在软件平台放出了关键大招。例如统一的大数据分析与 AI 开源平台 Analytics Zoo，用于开发大数据、端到端的深度学习；英特尔数据分析加速库 DAAL，帮助数据科学家和分析师快速建立从数据预处理，到数据特征工程、数据建模和端到端部署；面向深度学习应用的开源性能增强库-英特尔深度神经网络库 oneDNN（前身是面向深度神经网络的数学核心函数库Intel MKL-DNN）；加快高性能计算机视觉处理和应用、深度学习推理及部署的软件工具套件OpenVINO等，以及面向英特尔架构对TensorFlow、Python、PyTorch进行优化。
除了工业制造之外，英特尔也在根据产业领域的不同需求，以软硬件产品为基础，集合生态的群力，共同激发出更多创新AI算法蕴含的潜力，为企业带去更具实时性、可用性和准确性的智能预测方案。所有这些，可能是智能时代下，处理器厂商制胜的关键，也是英特尔的一局好棋。（文章来源：CSDN 宋慧）
