物聯(lián)網(wǎng)設備在瘋狂增長，預計到2020年全球物聯(lián)網(wǎng)設備數(shù)量將達到204億，同時，這些設備也在以超乎我們想象的速度產(chǎn)生數(shù)據(jù)。以智能攝像頭為例，隨著攝像頭的分辨率從1080P轉向4K，其一天所采集到的數(shù)據(jù)量將達到200GB。同樣，智能醫(yī)院、自動駕駛和智能工廠，它們一天所產(chǎn)生的數(shù)據(jù)將分別超過3TB、4TB和1PB。有人預測，到2020年，一個互聯(lián)網(wǎng)用戶平均每天將產(chǎn)生的數(shù)據(jù)量大概是1.5GB。由此可見，世界正在面臨著洶涌澎湃的數(shù)據(jù)洪流。
如果將源源不斷產(chǎn)生的數(shù)據(jù)全部傳輸?shù)皆贫耍贫朔掌鲗⒚媾R巨大的存儲壓力，因此有人提出了邊緣計算的解決方案。所謂邊緣計算，是一種在物理上靠近數(shù)據(jù)生成的位置處理數(shù)據(jù)的方法。在2017邊緣計算產(chǎn)業(yè)峰會上，英特爾中國區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術官張宇博士分享了如何在網(wǎng)絡邊緣實現(xiàn)智能化，是駕馭數(shù)據(jù)洪流的關鍵環(huán)節(jié)之一，也是物聯(lián)網(wǎng)未來發(fā)展的重要趨勢。他表示，“在物聯(lián)網(wǎng)時代，隨著數(shù)字化的轉型，它需要更敏捷地連接、更有效地數(shù)據(jù)處理，同時要有更好地數(shù)據(jù)保護。由于邊緣計算能夠有效的降低對帶寬的要求，能夠提供及時的響應，并且對數(shù)據(jù)的隱私提供保護，因此邊緣計算在今后物聯(lián)網(wǎng)的發(fā)展過程中會起到非常重要的作用。”
英特爾中國區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術官-張宇博士
邊緣計算不會替代云計算，二者會實現(xiàn)互補
既然邊緣計算如此重要，這是否意味著它可以替代云計算?張宇強調，“邊緣計算不會代替云計算，二者之間會實現(xiàn)互補。因為邊緣計算所處理的數(shù)據(jù)是個局部的數(shù)據(jù)，并不能形成對于全局的認知。這些認知的形成還需要云計算平臺，在后端對各種不同的邊緣采集到的數(shù)據(jù)進行融會貫通。”
他列舉了智能交通領域和雙十一的例子，智能攝像頭通過各種智能方法能夠識別出攝像頭前經(jīng)過的各種人，以及對車輛的車型、車的顏色、車款以及車牌的識別，但是并不能了解車的軌跡。如果要形成車輛的完整軌跡，還是需要有云計算平臺的支持。雙11天貓商城上銷售峰值超過25億/秒，如此大量的計算也需要一個很大的云計算平臺在后面支撐。
張宇博士認為，物聯(lián)網(wǎng)發(fā)展可以分成三個階段：互聯(lián)、智能、自治。物聯(lián)網(wǎng)系統(tǒng)發(fā)展到自治階段同樣是端到端的一個系統(tǒng)，邊緣計算和云計算二者之間會協(xié)同工作。
人工智能和負載整合的結合會在邊緣計算系統(tǒng)里發(fā)生
分析數(shù)據(jù)洪流你會發(fā)現(xiàn)，以前需要處理的數(shù)據(jù)很多都是結構化數(shù)據(jù)，通過Excel表格或者簡單關系型的數(shù)據(jù)庫就可以對其進行維護和管理。但今后，物聯(lián)網(wǎng)會帶來越來越多的非結構化數(shù)據(jù)，我們要從非結構化的數(shù)據(jù)中發(fā)現(xiàn)內(nèi)在的關聯(lián)，就需要用到人工智能技術。
人工智能的識別率越來越高
在2012年以前，人工智能做圖像識別的準確度低于人類。虛線的部分代表人的識別水平，這樣一個曲線代表機器識別的錯誤率。到2012年，AlexNet等一大批新的人工神經(jīng)網(wǎng)絡的出現(xiàn)，使得人工智能的水平上了一個新檔次。在人工智能新技術的推動下，機器進行圖像識別的水平開始超過人類。
雖然人工智能現(xiàn)在已經(jīng)取得了非常大的突破，但同樣還面臨著很多挑戰(zhàn)。最大的就是，人工智能在進行處理時，還需要消耗大量的計算資源和存儲資源。以百度搜索為例，要完成一次搜索需要完成千億億次計算，在推理階段即使去處理一個非常典型的224×224分辨率的圖片，像AlexNet或者是GoogleNet這樣一些人工智能網(wǎng)絡，處理起來計算量同樣是要超過10億次。如此大量的計算，需要一個很強大的計算芯片支撐，所以說，人工智能的發(fā)展實際上對芯片提出了更高的要求。
在芯片研制的過程中，芯片的工藝是決定性因素，英特爾是摩爾定律的創(chuàng)始者，也是摩爾定律的踐行者。從22納米到14納米，從14納米到10納米的過程中，從半導體晶體管的密度變化來看，密度增長速度實際超過2倍，雖然英特爾的工藝迭代時間延長了，但是從更新速率來看，仍然是按照摩爾定律的速度向前發(fā)展。摩爾定律還在不斷推動半導體工藝的進步，同時為人工智能等新的計算模式提供源源不斷的計算力。因此，人工智能的應用對邊緣計算提出了更高的要求，對邊緣計算設備的演進起到了推動作用。