边缘计算和云计算相结合，能否引领企业颠覆式数智化变革？ 第1页

总的来说，与纯粹的云端解决方案相比，包含边缘侧的混合方案可以减少延迟、提高可扩展性、增强对信息的访问量，并使业务开发变得更加敏捷。因此，下沉不可避免，云边协同自然成为企业最优的解决方案。^[2]

为了褒扬边缘计算，曾经有些声音刻意地把云计算放到了边缘计算的对立面，但从技术或商业演进的实际情况来看，边缘计算本身就是云计算概念的延伸。引入边缘计算并不是为了取代云计算，而是为了解决云计算无法解决的问题，是对云计算的补充和延伸，将云中心的计算任务向靠近数据产生的方向下移，避免海量数据传输的资源消耗，就近提供服务，打通万物互联的“最后一公里”。

“云”“边”协同联动，共同释放数据价值，已然成为产业界达成的共识。IDC预计，2020年全球将有超过500亿的终端与设备联网，超过40%的数据要在网络边缘侧进行分析、处理与存储。

三、云边协同能为云上的企业们带来什么？

以京东方为例，京东方工业互联网首先应用于智能工厂场景，目前已经实现了生产经营中围绕人、机、物等关键环节的互联互通——当其智能工厂接到客户订单，就会自动进入排产计划进行生产，通过生产设备和各类传感器件，收集生产数据并上传至云端，经过大数据平台的分析处理，最终将信息通过图表等形式在可视化智能看板中展示，供管理者快速做出经营决策。

在这一过程中，京东方工业互联网架构 + 边缘计算平台所实现的应用优势就包括了：

• AI 缺陷检测系统克服了人工检测方法的多种弊端。一线反馈表明，该系统不仅达到了96%的检测准确率，还使人工替代率达到 了70%；

• 大数据不良根因分析系统能帮助京东方大幅提升产线效率并降低损耗。来自实践的数据表明，该系统可以带来56%的效率提升；

• 基于工业互联网的供应链协同系统，有效帮助京东方提升供应链上下游各环节的运作效率，使产线的准备和协调时间从24小时缩短到1小时。

云边协同的方案也助推AI在医疗领域的落地。就比如我在上文中讲到的疫苗生产过程中自动灯检机如何才能变得“更快”“更准”？

为了向用户提供一流的智能化灯检机解决方案，汇川公司以基于英特尔处理器和英特尔工业边缘控制平台的 AC801智能机械控制器来提供“更快”、“更准”的运动控制能力，配合使用 OpenVINO™ 工具套件的 KINOVISION (麒麟)视觉处理平台，解决方案的最高运行速度可达每分钟 600 瓶，且可做到零差错分类。

这样的例子还有很多，通过引入英特尔® Analytics Zoo 大数据分析和 AI 平台，为美的工业视觉检测云平台提供了端到端的算法训练和云计算部署能力，大大提高了检测率，显著提升了产品品质。信捷电气和英特尔一起，在机器视觉、边缘计算和云服务等方面开展合作，通过对焊接件的 3D 识别与定位，实现了工业级焊接视觉识别与引导自动化，不仅减少对人工操作的依赖，也提高了焊接的精度、质量和效率。一直致力于户内外通用小型移动机器人研究的真机智能构建全新“云+边+端”机器人解决方案，推动机器人的创新。在很多行业成功落地。例如，位于南京经济技术开发区的未来科技智慧中心采用真机智能机器人，助力构建智慧园区，解决安全巡控、物流配送、卫生清洁等难题，从而大大降低运营成本，助力产业升级。

以 5G 为代表的新一代网络技术的迅猛发展推动业务下沉，使得基于边缘、端、云协同的方式，在网络边缘构建强劲的计算处理能力及有效的 AI 处理机制得以实现。

与传统基于数据中心或云端部署的 AI 解决方案相比，云边协同的方案对数据的采集和智能化分析更为直接。具体来看，可为行业用户带来多方面收益：

• 增强设备响应能力：近距离服务模式能减少因网络连接和路由不稳等因素带来的长时延。部署在边缘侧和端侧的轻量级模型，可实时反馈推理结果；

• 增加系统连接数量：通过提供超大网络连接，边缘AI 能为物联网系统的构建提供强劲的基础能力；

• 提升数据安全性：在企业内部部署的边缘节点，为关键性隐私数据的存储和使用提供保障；通过关键数据可在边缘侧完成推理，可大幅提升数据安全性；

• 缓解数据压力：在边缘侧对训练和推理所用的数据实施分拣和预处理，能有效减轻网络带宽与数据中心/云计算中心的压力。

四、实现云边协同最重要的是什么？

在云边协同的赛道上，目前主要有两条不同的路径。

云边缘，顾名思义，是中心云服务在边缘侧的延伸，各大云服务商已经在云边缘领域进行投入，比如华为云的IEF解决方法等。

边缘云则是设备厂商更愿意选择的一种更新兴的一种方式，指的是在边缘侧构建中心规模云服务或类云服务能力，即构建自己的分布式云。^[3]在满足复杂多元的场景需求上，坐拥大量边缘设备、离用户更近的设备厂商们显然独具优势，边缘云的发展势头迅猛。

当然，在建设整个5G时代的IT基础设施，为产业提供“离用户更近的计算”这条前行之路上，也会遇到很多挑战：

一方面，在硬件设计上，边缘环境的特殊性，需要边缘AI 实现算法与硬件的一体化，并通过高集成度的设计，满足企业在功耗和空间等方面的需求。

另一方面，但对于 IT 积累较为薄弱的用户而言，复杂的部署过程、较高的成本压力是其部署边缘 AI 的巨大阻碍。要突破这一瓶颈，既需要方案能够借助专门设计调优的软件平台，来帮助用户降低部署与调优方面的门槛，也需通过架构的优化，来完成传统负载与 AI 负载的整合。

得益于在软硬件研发、AI 算法优化、行业积累以及生态系统构建等方面的优势，英特尔通过产品与技术组合而成的综合实力，帮助各行业加速边缘AI 应用的快速落地。

例如，在上述京东方的例子中，英特尔按需为京东方核心的边缘服务器及其他相关模块提供了包括英特尔® 至强® 可扩展处理器、OpenVINO™ 工具套件在内的一系列具备出色计算和AI加速能力的软硬件产品和技术，可在更快响应产线需求、确保生产连续性的同时，使产品品质更趋稳定。边缘计算平台的构建，及其对应用负载的整合，也为基于云边协同的一系列创新应用场景奠定了基础。

这其中，OpenVINO™工具套件依托由 CPU、GPU、FPGA、VPU等芯片提供的算力，能对从边缘到云端的深度学习推理负载实施有效加速，从而提高性能、降低功耗，并最大化硬件资源利用率。

值得一提的是， OpenVINO™ 工具套件还有丰富的通用API 接口，能方便地部署在各类基于英特尔® 架构的硬件设备中，部署灵活性和扩展性都很棒。

当然，云边协作，不仅关注边缘云，还得关注中心云。云计算能够把握全局，处理大量数据并进行深入分析，在商业决策等非实时数据处理场景发挥着重要作用；边缘计算侧重于局部，能够更好地在小规模、实时的智能分析中发挥作用，如满足局部企业的实时需求。因此，在智能应用中，云计算更适合大规模数据的集中处理，而边缘计算可以用于小规模的智能分析和本地服务。边缘计算与云计算相辅相成、协调发展，这将在更大程度上助力行业的数字化转型。

英特尔公司CEO帕特·基辛格将推动数字化转型的四个“超级力量：归纳为：云、5G驱动的连接、人工智能和智能边缘。^[4]如今，英特尔已经在Cloud、AI、Network、Edge四方面进行全面部署，从多样化产品领导力、创新方案推动力以及行业生态构建力三个维度为边缘AI 赋能，不仅为其提供关键算力需求不同的芯片与硬件产品，也为降低 AI 能力部署门槛、提升 AI 推理能力提供各类软件平台方案。

回到开头的问题，云边协同是否能够引领颠覆性变革不敢说，但至少是解决目前企业升级转型痛点的最佳方案。也许经过未来几年的深入研究，云边协同中的标准规范、体系结构、算法协议、开发平台等诸多挑战将会得到进一步的解决。

想象一下：未来，智能城市中产生的巨大物联网数据流量可以在网络边缘进行理想的处理，从而提供低延迟和位置感知服务，城市中的各个摄像机可以将视频流传送到边缘服务器以进行实时处理和异常检测。多个边缘服务器之间的协作则可以用来处理需要按地理分布的数据的应用程序，例如医疗保健的应用程序需要与来自医院、药房、保险、物流和政府等多个领域的实体协作。