英特尔云边协同进化论

文章图片
文：CSDN宋慧
01“车间里的新工友”
【英特尔云边协同进化论】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。
02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AnalyticsZoo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。

文章图片
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。