张健作者

人工智能和边缘计算有了新的用武之地

近年来,政府部门陆续出台相关政策支持我国工业物联网产业的推广及生态建设,工业物联网产业迅猛发展。与此同时,带宽的增长速度已经无法匹配工业物联网领域所产生的大量的数据,因此,边缘智能技术被越来越多的采用。

据IDC预测,到2020年全球将有超过50%的物联网数据将在边缘处理。而边缘设备只能处理局部数据,无法形成全局认知,因此实际应用中仍然需要借助云计算平台来实现信息的融合,可以说,云计算边缘计算正逐渐成为支撑物联网的两大支柱。

工业物联网的高要求

与传统意义上的物联网不同,工业物联网面临着一些新的挑战,尤其是和消费类物联网相比有很大大同:第一,它对实时性要求非常高,一般在消费领域不谈自动化(OT),在消费领域谈的都是信息化(IT),只有在工业领域才涉及到OT的问题,这直接涉及到对于产量信息的控制管理,而对机器控制管理,往往都是毫秒级甚至在微秒级,所以它对实时性的要求更高。第二,英特尔中国区物联网事业部首席技术官兼首席工程师张宇博士表示:“我们看到在跟产线上的工厂的一些用户进行交流的时候,他们对于可靠性方面的要求也更高,对产品监控质量往往都是很高要的。在其他的物联网领域,如果有一些小的差错,客户也许是能够容忍的,但是在工业领域要求是不一样的,这就带来了技术方面的要求,包括芯片的算力、可靠性,以及软件相应的功能、可靠性都提出了更高要求。”

图:英特尔中国区物联网事业部首席技术官兼首席工程师张宇博士

现在,5G很热,而且与4G相比,5G网络具有高带宽和低时延的优势,另外,5G能够做通信的信道隔离,使得不同应用之间有很好的隔离度。但如果把5G用到工业物联网,其能力还是不够的,因为5G在网上承载了TCPIP协议,它的服务质量不能完全保证,它是把一个包从A点放到B点的方式,在中间可能经过若干个节点的转发,但是每一个节点转发过程中都会带来延时,这个延时怎么控制是目前协议没有完全解决的。

如果把5G技术用在工业领域,工业领域对于延时的要求那么的苛刻,必须有新技术辅助,如TSN(时间敏感网络),它可以解决上述问题。英特尔看到了5G等其他通信技术,包括工业Wi-Fi技术等。该公司深度参加了同国际标准组织的合作,来推动最新的通信技术在工业领域的落地。

技术布局

从技术角度来看,英特尔物联网有着全面布局。据张宇博士介绍,除了互联到智能,从智能到自主的趋势以外,从近期来看,该公司把工作重点放在以下几个方面:第一,视频技术的全面支撑,在安防、工业的机器视觉领域,现在看到越来越多的零售终端带有人工智能的处理能力,包括教育领域有很多教室里的电子白板,也通过一些视频的分析去了解学生对老师教授内容的反馈;另外随着芯片计算能力的不断提升,用户有越来越强的需求,怎么样能够充分利用这样的算力,把原来需要在几台机器上实现的工作整合在一台机器上,从而降低整体拥有成本。

张宇表示:“基于这样的趋势,我们做了产品、解决方案、工具等开发规划。比如在视频处理方面,尤其是硬件,现在通用处理器里,随着集成性能越来越强大的显卡,利用这样的硬件资源进行加速,加速对于人工智能的处理。还专门做了有针对性的人工智能加速器,这些加速器的设计也是不断迭代和发展的。除了一些传统的对于卷积的加速,我们也一直跟踪最新的人工智能前沿技术,比如现在业界比较热的‘网络压缩’技术,怎么把现有的人工智能算法里不需要的部分抽掉,从而提高整体的计算能力,整体系统性能。类似于这样最前沿的技术点,我们一直在跟踪,也会不断地融入到我们的产品当中去。”

“另外,我们的软件会配合我们的硬件,硬件的所有能力最终都是要通过软件发挥出来。开发者除了需要能够很好地调用硬件之外,还需要更好的案子,告诉我怎么实现我需要使用的案例。我们的工具里既包含对这些类似于驱动、开发界面,帮助开发者能够更好地把这些开发的工作完成,我们也会给出一些参考,告诉他在不同的垂直领域使用场景里怎么快速构建应用。”

“我们也在推动虚拟化技术以及相应软件工具的开发,帮助合作伙伴更快地构建基于负载整合的新解决方案。这两个方面是我们现在工作的重点”,张宇博士说。

全栈解决方案

针对边云协同的产业趋势,英特尔推出了适用于边缘计算,涵盖芯片、板卡以及软件工具的人工智能产品的全栈解决方案。可以应用在从智能摄像机,智能网络视频存储器到智能视频服务器的各种设备中。

2018年,该公司发布了新一代视觉加速芯片Movidius Myriad X。这一面积仅有8.8x8mm,功耗仅为2W的芯片,能够提供1T的计算能力,进而实现对卷积神经网络中卷积层,全连接层和激活函数的加速。在实际应用中,Myriad X能够很好的满足功耗层面的要求,同时其算力也足以满足处理一路高清视频的需求。

相较于低功耗芯片,网络硬盘录像机(NVR)和视频服务器对算力有着更高的要求,同时能够接受的功耗也更高。针对这类需求,英特尔发布了视觉加速器产品系列——Movidius Myriad X视觉技术处理器和高性能Arria 10 FPGA。以Movidius的方案为例,其能够在一块板卡上集成8~16颗Movidius Myriad X芯片,提供8~16T的算力,用户可以根据各自边缘设备的性能指标,选取不同的配置。

为了帮助开发者进行机器视觉和深度学习应用的开发,英特尔还发布了OpenVINO工具包。OpenVINO工具包支持加速高性能计算机视觉应用和深度学习推理,帮助开发人员和数据科学家加速计算机视觉工作负载,并简化深度学习部署,在各种英特尔平台中轻松实现边缘到云的异构执行。

加强产学研合作

据悉,英特尔在工业物联网领域在加强产学研合作,具体包括以下几个方面:第一,在国内和大学有非常好的合作,去年该公司还举办了最近的一届大学生电子设计竞赛,围绕着物联网人工智能主题开展。去年,张宇博士作为评委参加了上海交大的活动,活动里用到了很多技术,如人工智能加速棒、计算棒等硬件,来帮助大学生更快地把好的方案落地,英特尔这方面也提供了一定的支持。

据张宇博士介绍,2018年,有一个大学生的案例令其印象深刻,他做了一个通过静脉血管的检测来做门锁控制,以前门锁控制通过虹膜或者指纹,但现在有越来越多的手段能够破解,但如果利用人工智能的方式,利用血管的造影做一些门锁的开锁操作,相对来说是新技术,这些技术在大学生当中已经有探索和尝试,英特尔则通过硬件加速它的处理和操作。

英特尔和国外大学也有比较多的合作,例如和美国卡耐基梅隆大学有一个专门的联合实验室,主要针对视频云等最新的前沿技术。通过这样的合作,一方面帮助在学术领域一些前沿的技术能够更快推进,另一方面也把该公司在产业所看到的用户需求带到合作当中,指导他们的研究方向,把他们的研究成果通过英特尔的渠道更快落地。

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业英特尔5G云计算物联网边缘计算
相关数据
英特尔机构

英特尔是计算创新领域的全球领先厂商,致力于拓展科技疆界,让最精彩体验成为可能。英特尔创始于1968年,已拥有近半个世纪产品创新和引领市场的经验。英特尔1971年推出了世界上第一个微处理器,后来又促进了计算机和互联网的革命,改变了整个世界的进程。如今,英特尔正转型成为一家数据公司,制定了清晰的数据战略,凭借云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环,提供独到价值,驱动日益发展的智能互联世界。英特尔专注于技术创新,同时也积极支持中国的自主创新,与产业伙伴携手推动智能互联的发展。基于明确的数据战略和智能互联全栈实力,英特尔瞄准人工智能、无人驾驶、5G、精准医疗、体育等关键领域,与中国深度合作。面向未来,英特尔致力于做中国高价值合作伙伴,在新科技、新经济、新消费三个方面,着力驱动产业协同创新,为实体经济增值,促进消费升级。

https://www.intel.com/content/www/us/en/company-overview/company-overview.html
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

激活函数技术

在 计算网络中, 一个节点的激活函数定义了该节点在给定的输入或输入的集合下的输出。标准的计算机芯片电路可以看作是根据输入得到"开"(1)或"关"(0)输出的数字网络激活函数。这与神经网络中的线性感知机的行为类似。 一种函数(例如 ReLU 或 S 型函数),用于对上一层的所有输入求加权和,然后生成一个输出值(通常为非线性值),并将其传递给下一层。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

推荐文章
暂无评论
暂无评论~