相對于云計算把軟硬件資源都集中部署在遠離用戶的大型數(shù)據(jù)中心,邊緣計算就是將計算資源就近放置在更靠近用戶或設備的“邊緣”,從而減少延遲和帶寬消耗,提供靠近數(shù)據(jù)源的實時處理。
眾多廠商競相布局邊緣計算
近幾年,邊緣計算變得火熱,主要是因為 5G、AI、工業(yè)互聯(lián)網等業(yè)務和場景發(fā)展越來越快,聯(lián)網的智能終端設備和需要處理的數(shù)據(jù)越來越多,就造成了對計算能力下沉到數(shù)據(jù)源邊緣的訴求越來越多。
市場預計邊緣計算將是算力需求大幅提升的解決途徑之一,是AI算力的重要組成部分。
2022年11月,聯(lián)通與騰訊成立了混改公司,旨在壯大CDN、邊緣計算產業(yè)鏈,國內互聯(lián)網頭部玩家已經開始提前布局。
2023年的華為全球分析師大會的主題演講和其他會議上,華為都著重強調了計算、智能和人工智能/機器學習。伴隨著在5.5G背景下展示的一系列雄心勃勃的用例,華為對未來的愿景在連接之外還將需要實現(xiàn)大量的邊緣計算。
近日,京東云2022產業(yè)融合新品發(fā)布會在線上舉辦,會上重磅發(fā)布了統(tǒng)一存儲平臺云海。云海針對多行業(yè)、多場景給出了不同的邊緣計算存儲產品和解決方案。
邊緣計算設備與平臺
傳統(tǒng)意義上網絡應用現(xiàn)場的控制器或者網關,并不能代表邊緣計算設備,符合邊緣計算定義要求的設備需要具備以下三個條件:
首先,該設備要具備邊緣側數(shù)據(jù)采集能力。數(shù)據(jù)采集是邊緣計算的基礎,從工業(yè)設備到消費電子,一切設備都是數(shù)據(jù)的來源。
其次,設備需要有基于機器學習的智能運算能力,尤其是能夠跨越邊緣側和云端提供智能化的運算能力。不僅如此,設備還需要具備良好的運算性能和數(shù)據(jù)管理能力。
第三,設備不僅僅能夠完成采集和運算,還需要提供可操作的決策反饋,要有連接至決策執(zhí)行系統(tǒng)的開放性。系統(tǒng)管理層可以根據(jù)數(shù)據(jù)分析獲得相關決策建議,由執(zhí)行系統(tǒng)或者設備本身直接完成決策過程。
邊緣計算不是單一的部件,也不是單一的層次,而是涉及到EC-laaS、EC-PaaS、EC-SaaS的端到端開放平臺。在實際應用中,要實現(xiàn)邊緣計算功能,不僅要有符合要求的邊緣計算設備,還需要有能夠實現(xiàn)落地的邊緣計算平臺。
根據(jù)邊緣計算平臺的設計目標和部署方式,目前可將邊緣計算開源平臺分為3類:面向物聯(lián)網端的邊緣計算平臺、面向邊緣云服務的邊緣計算平臺、面向云邊融合的邊緣計算平臺。由于針對的場景不同,各邊緣計算平臺的設計多種多樣,但也不失一般性,邊緣計算平臺的一般性功能框架如下圖所示。
在該框架中,資源管理功能用于管理網絡邊緣的計算、網絡和存儲資源;設備接入和數(shù)據(jù)采集功能分別用于接入設備和從設備中獲取數(shù)據(jù);安全管理用于保障來自設備數(shù)據(jù)的安全;平臺管理功能用于管理設備和監(jiān)測控制邊緣計算應用的運行情況。
邊緣計算應用場景
邊緣計算應用非常廣泛,如智慧城市建設、智能家居、安防監(jiān)控以及車聯(lián)網自動駕駛領域,但目前邊緣計算應用最具成效的是在工業(yè)制造業(yè)。
在工業(yè)物聯(lián)網領域的應用實踐中,對于工業(yè)實時控制及邊緣設備安全隱私的要求較高,并且產生的數(shù)據(jù)需要本地化處理,因此將邊緣計算應用于工業(yè)物聯(lián)網成為行業(yè)發(fā)展的方向。
目前,邊緣計算在制造企業(yè)主要應用在以下幾個場景:
1.設備智能監(jiān)控
在設備監(jiān)控業(yè)務場景中,邊緣計算能夠支持對近億條甚至更多的數(shù)據(jù)傳輸和處理,并保證傳輸?shù)膶崟r性和可靠性。同時,結合大數(shù)據(jù)及人工智能技術,邊緣計算能及時對車間設備進行遠程控制,并能夠提升設備故障的預測能力,實現(xiàn)預測性運維,最大限度延長設備壽命和提高設備利用率。
邊緣計算還應用到終端產品(如挖掘機、智能汽車等)的日常使用和運維中。遠程控制無人挖掘機基于5G通訊技術、邊緣計算和人工智能技術的融合,通過無人駕駛及5G遠程遙控設備等實現(xiàn)準確快速施工,達到提升工作效率、節(jié)約費用、降低危險系數(shù)等功效。
2.機器人作業(yè)
傳統(tǒng)的工業(yè)機器人已經很難滿足智能制造時代對智能化和多感知融合等需求,必須依托互聯(lián)網技術、深度學習和機器人操作系統(tǒng)平臺等進一步構建下一代工業(yè)機器人。通過邊緣計算的模式提升機器人作為終端執(zhí)行設備的自主決策能力,是實現(xiàn)復雜工藝和協(xié)同控制的必要基礎。
機器人智能作業(yè)的傳輸狀態(tài)類信息,如關節(jié)的位置、速度等,不僅信息量較大,而且對信息的實時性要求高;而控制命令信息對安全性和可靠性有較高要求。通過邊緣側與遠程控制端、智能中心的配合能夠實現(xiàn)機器人的智能控制。此外,邊緣計算還應用在多機器人協(xié)同作業(yè),保證多機器人安全、高效的協(xié)同完成任務。
3.AI質檢
AI質檢系統(tǒng)采用先進的邊緣計算技術,將AI應用下沉到生產車間,在靠近設備的地方進行機器視覺分析,降低視頻傳輸對網絡帶寬的需求。
目前,邊緣AI工業(yè)質檢的訓練階段需要在邊緣側完成,利用深度學習進行數(shù)據(jù)的獲取、標注、訓練、測試和部署,然后根據(jù)產品檢驗要求對產品類別信息、缺陷位置、缺陷類別等檢測結果進行反饋,提出預警并控制現(xiàn)場設備進行處理。邊緣計算AI質檢實現(xiàn)了工業(yè)產品外觀缺陷的高精度識別分析,縮短了應用響應時間,提高了業(yè)務實時性。
4.產線優(yōu)化
柔性化作為制造業(yè)轉型升級而產生的新型生產方式,受到了眾多企業(yè)的追捧。由于數(shù)據(jù)分析慢、終端信息化程度低,實現(xiàn)柔性化生產對于傳統(tǒng)制造業(yè)并不簡單。而制造企業(yè)通過邊緣計算能力控制不同的生產設備進行協(xié)作,實現(xiàn)工廠柔性化定制生產模式,讓生產線變得更加智能。
邊緣計算通過對設備的加工狀態(tài),如工藝參數(shù)、生產環(huán)境數(shù)據(jù)的監(jiān)控,建立“狀態(tài)改變對于加工質量影響”的數(shù)學分析模型,并通過趨勢分析預測加工質量的異常,及時調整設備工藝參數(shù),形成“監(jiān)控-分析-調整-優(yōu)化”的閉環(huán),防止廢品、殘次品產生。
5.工廠安防
在工廠安防領域,需要借助邊緣計算對人員進行精確定位以及將定位信息與實時視頻、圖像以及數(shù)據(jù)傳輸進行聯(lián)動,保證毫秒級的響應及提示,為預警的有效性提供保障,以防止安全事故的發(fā)生。同時,為了數(shù)據(jù)的長期存儲以便事故的追溯,需要借助邊緣計算的大帶寬、實時性以及云端海量存儲來實現(xiàn)這些需求。
6.機器人巡檢
傳統(tǒng)人為巡檢工作量大,而且容易出現(xiàn)漏檢。依托5G、AI和邊緣計算,智能巡檢機器人可以代替人力巡檢。在機器人巡檢場景中,必須要利用云端強大的大數(shù)據(jù)處理能力,對設備風險特征點進行有效的提取和分析,從而形成設備巡檢報警模型。將機器人管理和DIAG系統(tǒng)(診斷系統(tǒng))部署在邊緣側,通過5G網絡回傳實時高清巡檢畫面、設備信息、環(huán)境信息、系統(tǒng)交互等,判斷現(xiàn)場產品是否與DIAG系統(tǒng)的產品信息一致,防止遺漏。
7.物流裝備智能化控制
在智能工廠內部,多AGV之間的作業(yè)協(xié)同,調度算法極其復雜,而且復雜環(huán)境和大量的跨區(qū)域作業(yè),對通訊的穩(wěn)定性和帶寬提出了更高的要求。隨著企業(yè)內AGV數(shù)量的增加,云AGV可以更好的解決運算問題,邊緣計算恰好能給云AGV提供高可靠、低時延的通訊條件支持。
邊緣計算是物聯(lián)網不可或缺的基礎設施之一,目前,對于邊緣計算技術的研究和認識依然在持續(xù)深入。伴隨5G商用的不斷推進和邊緣計算產業(yè)生態(tài)的發(fā)展完善,工業(yè)互聯(lián)網、虛擬現(xiàn)實、智慧交通、無人駕駛以及眾多目前難以想象的邊緣計算典型場景有望加快落地、走向應用和普及,將會給整個社會創(chuàng)造更大的價值。