來自Gartner的分析報告認(rèn)為，未來將有75%的數(shù)據(jù)會在傳統(tǒng)的集中式數(shù)據(jù)中心或云端之外的位置創(chuàng)建并得到處理。這些地方可能是工廠、醫(yī)院、銀行，抑或商嘗公路、城市……

這也意味著邊緣計算將從被人忽視的“邊緣”逐漸走到舞臺的中心。

隨著5G網(wǎng)絡(luò)的滲透，如何更好地?fù)肀н吘売嬎?，成為這場時代變革中每一個參與者都著重思考的問題。

剛剛結(jié)束的2020邊緣計算產(chǎn)業(yè)峰會上，鯤鵬和騰通過自身的落地實踐，向行業(yè)重新梳理了其對邊緣智能的理解和主張，描繪了一幅邊緣智能的悠悠長卷。

數(shù)字化轉(zhuǎn)型大潮下，邊緣計算進入2.0

在進入正題之前，我們需要重新審視一下當(dāng)前的時代背景，在數(shù)字化轉(zhuǎn)型浪潮之下，計算這件事正在經(jīng)歷些什么，而我們又該需要怎樣的計算。

華為騰計算業(yè)務(wù)總裁許映童在2020邊緣計算產(chǎn)業(yè)峰會上演講時認(rèn)為，當(dāng)前邊緣計算所面臨的數(shù)據(jù)主要存在兩方面的變化。

一是從互聯(lián)網(wǎng)時代，到移動互聯(lián)網(wǎng)時代，到產(chǎn)業(yè)互聯(lián)網(wǎng)時代，再到萬物互聯(lián)時代，數(shù)據(jù)量呈現(xiàn)指數(shù)級增長，同時通過5G網(wǎng)絡(luò)的放大效應(yīng)之后，有實時性要求處理的數(shù)據(jù)需求也大大增加。

根據(jù)IDC的數(shù)據(jù)預(yù)測，2025年全球物聯(lián)網(wǎng)連接數(shù)將增長至270億個，物聯(lián)網(wǎng)設(shè)備數(shù)量將達(dá)到1000億臺，全球數(shù)據(jù)總量預(yù)計2025年將達(dá)到163個ZB。

二是數(shù)據(jù)形態(tài)上，數(shù)據(jù)類型也從結(jié)構(gòu)化數(shù)據(jù)、圖形數(shù)據(jù)發(fā)展到多媒體數(shù)據(jù)，再到描述AI的元數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)處理需求呈指數(shù)級增長。

在這樣的背景之下，邊緣計算也由1.0階段升躍至2.0階段，邊緣智能和邊云協(xié)同成為主旋律。

比如，過去需要通過專業(yè)的計算設(shè)備進行計算，而現(xiàn)在智能設(shè)備無處不在，異構(gòu)計算開始興起，我們需要在可穿戴設(shè)備、手機、智慧屏，甚至工控機、智能攝像機、智能汽車上隨時隨地進行計算；

再比如，過去的邊緣計算，主要以連接與傳輸為核心，數(shù)據(jù)依然是在中心側(cè)處理，但現(xiàn)在的智能邊緣強調(diào)以AI能力和應(yīng)用為核心，要求數(shù)據(jù)在邊緣側(cè)直接處理。

新的局面和形勢，也出現(xiàn)了新的問題。許映童在演講中總結(jié)了當(dāng)前邊緣智能化所面臨的4個挑戰(zhàn)：

1、中心側(cè)重訓(xùn)練、邊緣側(cè)重推理，導(dǎo)致中心側(cè)與邊緣側(cè)架構(gòu)不統(tǒng)一，云邊難以協(xié)同；

2、由于設(shè)備的不同，邊緣計算需要面對五花八門的操作系統(tǒng)，其中包括CentOS、Debian、BC_Linux、ubuntu、openEuler、Suse、Windows等等；

3、邊緣計算所要面臨的設(shè)備種類多樣，從我們熟悉的PC、手機、攝像機，到專業(yè)程度更高的板卡、小站、服務(wù)器等；

4、邊緣計算將在工廠、道路、園區(qū)、港口、電力線等各個場景隨時發(fā)生，所處的環(huán)境也變得多樣。

數(shù)字化轉(zhuǎn)型離不開邊緣計算，邊緣計算同時又助推著數(shù)字經(jīng)濟的發(fā)展，在這樣一個時代的轉(zhuǎn)折點，邊緣計算需要更多的探索與實踐，總結(jié)出成熟的經(jīng)驗與方案來應(yīng)對上述挑戰(zhàn)。

無處不在的AI，鯤鵬與騰為何能如影隨形？

邊緣計算，特別是邊緣智能計算對于行業(yè)到底具有多大的價值和意義，我們先來看看許映童在2020邊緣計算峰會上例舉的三個案例。

在工業(yè)質(zhì)檢領(lǐng)域，華為通過將基于騰計算的工控機部署到工業(yè)相機上，用AI對服務(wù)器、無線、終端等產(chǎn)品的散熱器、異物等進行檢測，直接將質(zhì)檢效率提升3倍，質(zhì)檢準(zhǔn)確率提高到大于99.9%。

在高速收費稽核領(lǐng)域，鯤鵬和騰共同構(gòu)建的ETC門架系統(tǒng)一體化智慧站點，兼具實時稽核與精準(zhǔn)計費兩項能力，其中智能視頻網(wǎng)關(guān)和ETC收費識別應(yīng)用均基于騰計算打造，這套系統(tǒng)實現(xiàn)了AI云邊協(xié)同，為湖南高速每年挽回?fù)p失超過2億元。

在智慧金融領(lǐng)域，為解決客戶銀行排隊時間長，效率低；銀行客戶經(jīng)理尋找潛在VIP客戶難的痛點，華為以AI推進招商銀行深圳分行各銀行網(wǎng)點進行智能化升級，通過部署基于騰計算的智能小站，在云邊協(xié)同下實現(xiàn)智能鑒權(quán)，使得客戶的業(yè)務(wù)等待時間下降70%，客戶經(jīng)理對VIP客戶的識別率提升了60%，客戶滿意度提升50%，銀行的服務(wù)也因此變得更有溫度。

從上述案例我們可以發(fā)現(xiàn)，AI正在我們看得見和看不見的地方發(fā)揮著作用，改變著我們的工作、生產(chǎn)與生活，邊緣計算則伴隨在AI左右如影隨形。

會不會感到好奇，案例中提到的鯤鵬和騰是如何做到的？

我們先來看看通用場景下的鯤鵬計算。

由鯤鵬920處理和TaiShan邊緣型服務(wù)器構(gòu)成了鯤鵬在邊緣計算場景下的硬件平臺。多核架構(gòu)的鯤鵬920是高算力的來源，TaiShan邊緣型服務(wù)器以其短機箱的設(shè)計，超寬環(huán)溫適應(yīng)性以及易維護的特點，專為邊緣場景打造。在軟件方面，由openEuler構(gòu)成了鯤鵬基礎(chǔ)軟件生態(tài)底座。

相比鯤鵬計算，騰計算的顆粒度更小，在專門的AI場景下，騰具有更強的適應(yīng)性。

在這里就不得不提以達(dá)芬奇架構(gòu)和CANN異構(gòu)計算架構(gòu)為底座所構(gòu)建的全棧全場景AI體系，為滿足AI場景下的邊緣計算需求，騰還以智能化的數(shù)據(jù)和存儲技術(shù)與產(chǎn)品作為支撐，形成結(jié)構(gòu)完整的產(chǎn)業(yè)體系。

其中CANN異構(gòu)計算架構(gòu)則統(tǒng)一了編程架構(gòu)，使其在全場景下都具有非常強的伸縮性和可適應(yīng)性，對于開發(fā)者而言，不用再糾結(jié)終端是手機還是機器人，也不用關(guān)心硬件使用了哪種操作系統(tǒng)，Linux、Android、鴻蒙OS都沒有問題。一次編寫代碼，就能實現(xiàn)端邊云全場景復(fù)用，以及邊云協(xié)同。

目前CANN已經(jīng)進化到3.0，覆蓋10+操作系統(tǒng)和14+智能終端設(shè)備。

當(dāng)然，光有計算架構(gòu)和硬件產(chǎn)品也是無法完成AI計算全場景覆蓋的，為此，有專門應(yīng)用于計算機視覺、自然語言處理等AI領(lǐng)域，支持端邊云全場景的開源AI框架MindSpore作為支撐。

在MindSpore之上，騰又發(fā)布了騰應(yīng)用使能MindX，它包括了深度學(xué)習(xí)平臺MindX DL、智能邊緣平臺MindX Edge、優(yōu)選模型庫ModelZoo和各種行業(yè)SDK。

在這樣一個龐大的生態(tài)體系之下，鯤鵬和騰實現(xiàn)了在千行百業(yè)的快速落地，與此同時，華為也通過鯤鵬和騰構(gòu)建了一條環(huán)環(huán)相扣，緊密相連的智能脈絡(luò)，這也成為華為在邊緣計算2.0時代有別于其他計算企業(yè)的獨特價值。

邊緣計算的時代趨勢之下，解鎖AI的無限可能

根據(jù)Grand View Research的最新報告，到2027年，全球邊緣計算市場規(guī)模預(yù)計將達(dá)到154億美元，預(yù)測期內(nèi)復(fù)合年增長率為38.6% 。

中國《新一代人工智能發(fā)展規(guī)劃》也預(yù)測，到2030年，人工智能相關(guān)產(chǎn)業(yè)規(guī)模超過10萬億元。如此大的產(chǎn)業(yè)規(guī)模，所需的算力會遠(yuǎn)遠(yuǎn)超過1750億參數(shù)的GPT-3。

巨大的“算力真空”需要被填補，在這樣的市場背景之下，跟隨著AI進入千行百業(yè)的鯤鵬與騰迎來了屬于自己的時代機遇。

在華為“硬件開放、軟件開源、使能合作伙伴”的策略之下，鯤鵬和騰解鎖的不光是邊緣智能的算力需求，更是一套全新的計算產(chǎn)業(yè)生態(tài)。

在這套生態(tài)體系內(nèi)，千行百業(yè)各取所需，鯤鵬和騰實現(xiàn)了AI普惠，開發(fā)者們也隨之共同成長，邊緣計算價值充分釋放的同時，AI的價值也被賦予了更多可能。
責(zé)任編輯：YYX