一個随風飄搖的塑膠膜，就可以讓多趟列車晚點，數千名乘客滞留在火車站。這是每年多風的季節都可能發生的事故，「北京鐵路」更是在今年的 4、5 月份連續通報了數次。
要想把這類事故的損失降到最低，我們就要在塑膠膜挂上接觸網的第一時間将其識别出來并發出警告。這也是很多智能巡檢系統正在努力做的事情。
但其實，這件事做起來沒那麼容易。一方面，鐵道動辄數百、上千公裡，産生的資料會給資料中心造成巨大壓力，回報的實時性很難得到保障；另一方面，戶外環境複雜多變，事故類型層出不窮，需要系統不斷疊代更新。
這兩個問題分别指向了兩種解決方案——邊緣計算和雲計算。前者負責在邊緣側小範圍地進行資料及時處理和傳回，以及 AI 負載中的推理過程，保證問題能夠被及時發現并作出響應；後者負責彙聚各個邊緣節點的資料并對其進行分析，完成算法訓練和更新，然後将更新後的算法推送到邊緣，不斷提高和優化邊緣裝置識别問題的能力。二者之間互相配合的過程，就是雲邊協同。
在 5G、AI、IOT 技術不斷發展的今天，雲邊協同正變得越來越重要。
中國資訊通信研究院 2021 年 7 月釋出的《雲計算白皮書》顯示，随着物聯網、工業網際網路等行業應用的核心子產品都已完成雲計算平台的部署，5G 網絡促使無線接入側能力大幅提升，邊緣側業務場景逐漸豐富，各類型應用也将根據流量大小、位置遠近、時延高低等需求對整體部署架構提出更高的要求，是以傳統上相對獨立的雲計算資源、網絡資源與邊緣計算資源不斷趨向融合，即需要在雲計算、邊緣計算以及網絡之間實作雲網融合、雲邊協同，才能實作算力服務的最優化 [1]。
白皮書還顯示，2020 年應用和計劃應用邊緣計算的中國企業占比分别為 4.9% 和 53.8%。
- 資料量大、傳輸成本高。工廠流水線裝置每隔幾秒就會産生一批圖像資料，每張圖像可能有幾十 MB，每分鐘産生的資料高達數 GB。這些資料如果都上傳到雲端進行處理，會對雲端造成巨大的壓力，還要占用大量帶寬。
- 對時延非常敏感。工業自動化的核心是閉環控制系統，而環控制系統的關鍵點就是将傳感器采集的資料在一個控制周期内及時地傳給控制和執行器。閉環控制系統對于這種通訊時延的要求通常是毫秒級。而資訊傳輸的時延一旦超過某一門檻值，或者發生傳輸錯誤，就會帶來極大的經濟損失，甚至人員傷亡[2]。
- 對持久連接配接要求高。在工業制造等領域，不少企業都遭受過斷網帶來的巨大損失。Opengear 釋出的一份報告 [3] 顯示，超過一半的 IT 決策者和網絡管理人員表示，他們曾經曆過 4 次或 4 次以上持續時間超過 30 分鐘的網絡中斷，停機造成的損失在 25 萬英鎊至 500 萬英鎊之間。
- 對資料安全要求高。出于隐私等方面的擔憂，很多行業的資料是沒有辦法傳到資料中心進行統一處理的，這就形成了一個一個的資料孤島，阻礙了企業的數字化轉型和進一步發展。
- ……
要解決這些問題，企業就要想辦法把原來的雲基礎設施向終端和使用者側延伸，在接近資料生成點的地方對資料進行詳細分析，即引入邊緣計算。但隻有邊緣計算也是不夠的，因為邊緣裝置隻能處理局部資料，無法形成全局認知，是以實際應用中仍然需要借助雲計算平台來實作資訊的融合。正如信通院釋出的另一份報告 [4] 所言，「邊緣計算本身就是雲計算概念的延伸，即便是賦予其獨立的概念，也無法做到與雲計算切割開，二者本就是相依而生、協同運作的，雲邊協同将成為主流模式。」
由此看來，在已經到來的雲邊協同時代，如何建構一個高效的雲邊一體化架構将成為不少企業不得不思考的問題。
其實，在這個問題上，我們已經能夠看到一些比較成功的案例，比如國内知名制造類企業甯德時代、京東方、美的，以及美國 IT 服務內建商 Insight 等。他們對雲邊協同的利用涉及産品缺陷檢測、不良根因分析、裝置性能監測等諸多場景。其中，甯德時代的電池缺陷檢測平台已經達到了 99.12% 的準确率和 99.16% 的檢出率；京東方的大資料不良根因分析系統帶來了 56% 的效率提升。
京東方的雲邊協同品質控制解決方案。
值得注意的是，這些企業在雲邊協同架構的搭建上有一個共同點：都使用了來自英特爾的軟硬體和服務。
為什麼是英特爾？
首先，從硬體來看，英特爾在雲邊協同方面的産品組合是非常全的，不僅囊括通用處理器（CPU）、圖形處理器（GPU）、視覺處理單元（VPU）、現場可編輯邏輯門陣列（FPGA）等針對各種負載的産品，而且覆寫計算、存儲和網絡整個鍊路。
在這些硬體産品中，最核心的當然是英特爾上半年釋出的基于 Ice Lake 的第三代至強® 可擴充處理器。這款處理器采用了 10nm 制程，可以提供最多 40 個核心，在資料中心負載時性能平均提高了 46%，可在資料中心、雲端或邊緣靈活部署。
重要的是，第三代至強® 還是業界唯一具有內建深度學習加速功能的主流資料中心 CPU，在前兩代已有的進階矢量擴充 512 技術（AVX-512）、深度學習加速技術 Intel Deep Learning Boost（顯著提高基于 INT8 推理的性能）的基礎上，又加入了對常用的 bfloat 16 浮點格式的支援。與 32 位浮點數（FP32）相比，bfloat16 隻通過一半的比特數且僅需對軟體做出很小程度的修改，就可達到與 FP32 同等水準的模型精度。有了這一技術的支援，第三代至強® 可擴充處理器的訓練性能可以提升 1.93 倍，推理性能可提升 1.9 倍。
同時，英特爾® 至強® 可擴充處理器對英特爾® 傲騰™ 持久記憶體有着良好的支援。工業生産線每秒處理的資料記錄可能高達千萬級，對大容量的記憶體要求非常迫切。英特爾® 傲騰™ 持久記憶體有遠超固态盤，更接近 DRAM 的性能和延時，然而價格低于 DRAM。是以，甯德時代将其納入了自己的雲邊協同解決方案。「實測顯示，它能把資料落盤的性能提升 6.2 倍，并把系統切換的效率提升兩倍，有效支援了大規模生産環境下的實時管控。」甯德時代流程 IT 架構與解決方案部經理賴騰飛表示。
擁有同樣優異性能且得到第三代至強® 良好支援的硬體産品還包括英特爾® 傲騰™ 固态盤 P5800X、英特爾® D5-P5316 NAND 固态盤、英特爾® 以太網 800 系列擴充卡以及英特爾® Agilex FPGA 等。這些産品構成了目前各種雲邊協同解決方案的基石。
當然，要建立一個雲邊一體化的架構，隻有硬體是不夠的，還需要一套完整的軟體産品組合。
在軟體方面，選對生态非常關鍵。在雲服務領域，絕大多數企業應用（如 SAP、VMware、Microsoft SQL、Oracle、Salesforce、IBM Db2 等） 都不具備對非 x86 架構的商業支援，許多主流的開源軟體元件、工具、編排和容器鏡像也是如此。相比之下，這些應用都是先以英特爾架構為基礎開發的。英特爾在過去的十多年裡一直是 Linux 核心的重要貢獻者，并活躍于 KVM、Kubernetes、TensorFlow 等 650 多個開源項目。目前，大多數熱門的人工智能架構（如 TensorFlow、PyTorch、MXNet 等）都已經過英特爾優化，以利用英特爾 AVX-512 和 DL Boost。這些優化可以将人工智能推理速度提高多達 30 倍。
也就是說，通過選擇基于英特爾技術的雲基礎設施，無論是在本地、在某個雲服務提供商内部，還是跨多個雲服務提供商，都能實作無縫的企業工作負載遷移，無論何時何地都能找到企業需要的軟體。在目前的多雲、混合雲發展趨勢下，這一做法将極大地降低遷移難度和成本。
此外，英特爾還有一套自己的雲邊協同軟體工具，包括開源、統一的大資料分析 + AI 平台 Analytics Zoo、OpenVINO 工具套件、工業邊緣洞見平台 (EII) 推理軟體等。
Analytics Zoo 可以輕松将 AI 模型（如 TensorFlow、Keras、PyTorch、BigDL、OpenVINO 工具套件等）應用于分布式大資料上，通過「零」代碼更改将 AI 應用程式從一台筆記本電腦透明地擴充到大型叢集，還可以使特征工程、超參數調整、模型選擇、分布式推理等應用機器學習的過程自動化。基于此，美的建構了端到端的工業視覺檢測雲平台，在 50 毫秒内就能完成對圖檔的讀取和預處理，推理時間從 2 秒縮短到 124 毫秒，識别率高達 99.8%，物料成本減少 30%，人工成本減少 70%。
OpenVINO 工具套件包含深度學習部署工具包和傳統的視覺工具包兩大部分，可依托英特爾架構處理器內建的顯示卡（Integrated GPU）、FPGA、VPU 等晶片，來增強雲邊協同視覺系統的功能和性能。
基于此，Insight 公司為制造商打造了裝配線産品品質檢測系統，這一系統能輕而易舉地識别出産品的尺寸資料（長、寬、 高）、顔色、溫度和包裝中所含産品的數量（藥丸、食品等）。從檢測盒子中的餅幹數量，到确定晶片中是否包含正确的引腳組，這一系統可勝任各類工作。
EII 由經過實踐檢驗的軟體堆棧組成，能幫助系統內建商 (SI)、 獨立軟體供應商 (ISV) 和裝置制造商（如工業 PC 制造商、機器制造商等）更安全地擷取、分析和存儲視訊及時序資料。它基于一個靈活的開源微服務架構，并針對基于英特爾硬體和晶片的解決方案進行了優化，也在 Insight 的解決方案中得到了廣泛應用。
借助這些軟硬體的協同優化，京東方、甯德時代、美的、Insight 等企業實作了雲邊一體化平台的快速部署，并在實際生産中節省了大量的人力、物力，産品品質、裝置穩定性均得到了顯著提升。
當然，英特爾雲邊協同解決方案的優勢還不止這些，其他優勢還包括雲環境的管理等。目前，AWS Outposts、Azure Stack、Google Cloud 的 Anthos 和 VMware Cloud 等主流的混合雲堆棧均針對英特爾架構進行了優化。這些堆棧提供直覺的管理功能，可以降低采用雲技術的障礙。此外，英特爾處理器還內建遙測功能，可用于實作閉環自動化，以編排容器、優化功耗和簡化根本原因分析。例如，節點層面的遙測可以識别沒有足夠緩存或記憶體的工作負載，而叢集層面的遙測可以幫助優化放置決策、實作擴充和生命周期管理。
近期，我國工業和資訊化部印發《新型資料中心發展三年行動計劃（2021-2023 年）》，明确指出建設新型資料中心，要實施「雲邊協同工程」，推動邊緣資料中心間、邊緣資料中心與新型資料中心叢集間的組網互聯，促進資料中心、雲計算和網絡協同發展。毫無疑問，英特爾将在這一計劃中扮演重要角色，為企業的數字化轉型、雲和資料中心轉型提供堅實的支撐。
參考連結：[1]http://www.caict.ac.cn/kxyj/qwfb/bps/202107/P020210727458966329996.pdf[2]https://m.haiwainet.cn/middle/3544241/2019/1128/content_31672769_1.html[3]https://www.computerweekly.com/news/252483308/Multiple-network-outages-costing-enterprise-businesses-millions-of-pounds-a-year[4]http://www.caict.ac.cn/kxyj/qwfb/bps/201907/P020190704540095940639.pdf