基于云邊融合的物聯(lián)網(wǎng)智能服務(wù)架構(gòu)探討

蒲世亮，袁婷婷

（杭州海康威視數(shù)字技術(shù)股份有限公司，浙江 杭州310051）

0 引言

近年來(lái)，物聯(lián)網(wǎng)產(chǎn)業(yè)快速發(fā)展，人工智能技術(shù)的運(yùn)用發(fā)揮了顯著的推動(dòng)作用。AI（Artificial Intelligence）促進(jìn)物聯(lián)網(wǎng)產(chǎn)業(yè)智能化升級(jí)，在視頻領(lǐng)域的成效尤為顯著。隨著物聯(lián)網(wǎng)的智能化升級(jí)，物聯(lián)網(wǎng)與信息化系統(tǒng)的融合在加速。在這個(gè)發(fā)展和轉(zhuǎn)變的過(guò)程中，帶來(lái)了許多問(wèn)題和挑戰(zhàn)。具體分析如下：

從系統(tǒng)架構(gòu)層面分析。數(shù)據(jù)入云是趨勢(shì)，而集中式的云計(jì)算架構(gòu)無(wú)法把資源利用、數(shù)據(jù)融合、應(yīng)用兼容、統(tǒng)一運(yùn)維等物聯(lián)網(wǎng)問(wèn)題全部解決，給網(wǎng)絡(luò)帶寬、計(jì)算能力、存儲(chǔ)容量帶來(lái)巨大壓力。

從技術(shù)層面分析。第一，智能分析和調(diào)度：雖然AI技術(shù)發(fā)展很快，但受限于算法、樣本、算力等因素。AI浪潮下的算法及芯片呈現(xiàn)多樣化趨勢(shì)，涌現(xiàn)出許多人工智能算法廠商，但沒(méi)有哪一家的算法可做到全面、絕對(duì)的領(lǐng)先；另一方面，人工智能芯片高速發(fā)展，芯片種類越來(lái)越多，這不但要求系統(tǒng)集成不同廠商算法，還要求兼容底層異構(gòu)計(jì)算資源；第二，數(shù)據(jù)融合開(kāi)放，物聯(lián)網(wǎng)數(shù)據(jù)種類多、體量大，但當(dāng)前并沒(méi)有被有效利用起來(lái)。數(shù)據(jù)的深度應(yīng)用存在兩方面挑戰(zhàn)：物聯(lián)網(wǎng)系統(tǒng)與信息化系統(tǒng)融合的過(guò)程中，如何規(guī)范物聯(lián)數(shù)據(jù)模型和業(yè)務(wù)數(shù)據(jù)模型并建立兩者之間的關(guān)聯(lián)；如何治理并開(kāi)放數(shù)據(jù)，為多行業(yè)提供更好的數(shù)據(jù)服務(wù)。

從應(yīng)用層面分析。AI帶給用戶的最終價(jià)值是應(yīng)用，當(dāng)前挑戰(zhàn)最大的也正是基于物聯(lián)網(wǎng)的智能應(yīng)用相對(duì)缺乏。以視頻系統(tǒng)為例，簡(jiǎn)單的“看”和“找”，顯然并沒(méi)有真正挖掘出海量物聯(lián)數(shù)據(jù)的價(jià)值，也沒(méi)有充分實(shí)現(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)的融合從而孵化出更豐富的應(yīng)用。

從運(yùn)維管理層面分析。物聯(lián)網(wǎng)設(shè)備類型多樣、數(shù)量龐大、建設(shè)分散、協(xié)議不統(tǒng)一，給管理帶來(lái)巨大挑戰(zhàn)。如果管理不好，會(huì)嚴(yán)重影響事前預(yù)防、事中控制、事后追溯。

針對(duì)以上問(wèn)題和挑戰(zhàn)，本文提出AI Cloud，以基于云邊融合的物聯(lián)網(wǎng)智能服務(wù)架構(gòu)為基礎(chǔ)，提供物聯(lián)網(wǎng)數(shù)據(jù)的采集、存儲(chǔ)、解析、應(yīng)用、管理等能力，為用戶持續(xù)創(chuàng)造價(jià)值。

1 AI Cloud架構(gòu)

AI Cloud由邊緣節(jié)點(diǎn)、邊緣域、云中心組成，邊緣節(jié)點(diǎn)、邊緣域和云中心可以多級(jí)多類，彼此互聯(lián)，也可以互相演化，AI Cloud架構(gòu)如圖1所示。

（1）邊緣節(jié)點(diǎn)

邊緣節(jié)點(diǎn)側(cè)重多維感知數(shù)據(jù)的采集和前端智能處理。邊緣節(jié)點(diǎn)是一個(gè)系統(tǒng)級(jí)的概念，既可以是一個(gè)前端設(shè)備或一個(gè)前端系統(tǒng)，也可以是按照地理位置、業(yè)務(wù)劃分等因素定義的邏輯概念。

（2）邊緣域

邊緣域側(cè)重感知數(shù)據(jù)匯聚、存儲(chǔ)、處理和智能應(yīng)用。邊緣域是獨(dú)立自治的系統(tǒng)，是整個(gè)AI Cloud系統(tǒng)的核心環(huán)節(jié)，扮演“中場(chǎng)”銜接者的角色：向下匯聚邊緣節(jié)點(diǎn)數(shù)據(jù)，實(shí)現(xiàn)“聚邊到域”；向上按需提供可用于云端分析的數(shù)據(jù)，實(shí)現(xiàn)“數(shù)據(jù)入云”。基于邊緣域這個(gè)“中場(chǎng)”，實(shí)現(xiàn)物聯(lián)網(wǎng)數(shù)據(jù)按需逐級(jí)向云中心匯聚。

（3）云中心

云中心側(cè)重包括物聯(lián)網(wǎng)數(shù)據(jù)在內(nèi)的多維數(shù)據(jù)的融合，以及基于大數(shù)據(jù)的多維分析應(yīng)用。云中心主要匯聚物聯(lián)網(wǎng)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，構(gòu)建大數(shù)據(jù)資源池，實(shí)現(xiàn)多維數(shù)據(jù)之間的關(guān)聯(lián)及深度挖掘，提供各類大數(shù)據(jù)應(yīng)用服務(wù)。

總結(jié)來(lái)說(shuō)，AI Cloud是發(fā)展理念，是技術(shù)架構(gòu)，是產(chǎn)品實(shí)現(xiàn)，是服務(wù)模式，也是開(kāi)放生態(tài)。

2 AI Cloud的技術(shù)特征

AI Cloud具有4個(gè)典型的技術(shù)特征：邊緣感知、按需匯聚、多層認(rèn)知、分級(jí)應(yīng)用。

（1）邊緣感知

隨著AI芯片技術(shù)的不斷成熟，邊緣節(jié)點(diǎn)具備的計(jì)算能力越來(lái)越強(qiáng)，不僅能夠完成數(shù)據(jù)采集，還能夠?qū)⒁曨l圖像轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)，從視頻圖像中提取人、車、物、行為、事件等特征信息，可以有效分?jǐn)傊行亩说膲毫Γ瓜到y(tǒng)更健壯、更經(jīng)濟(jì)。

（2）按需匯聚

邊緣節(jié)點(diǎn)產(chǎn)生大量的原始數(shù)據(jù)，同時(shí)AI處理產(chǎn)生大量的智能數(shù)據(jù)，將這些數(shù)據(jù)進(jìn)行大集中是不合理也不科學(xué)的。按需匯聚的核心是“按需”，要讓數(shù)據(jù)根據(jù)應(yīng)用需要受控地流向需要的地方，這樣不但可以減少對(duì)網(wǎng)絡(luò)和存儲(chǔ)資源的無(wú)謂占用，也有助于更高效地挖掘出數(shù)據(jù)中的價(jià)值。

（3）多層認(rèn)知

在AI Cloud架構(gòu)下，邊緣節(jié)點(diǎn)、邊緣域、云中心每一層上都具有認(rèn)知能力。邊緣節(jié)點(diǎn)具備單一場(chǎng)景的認(rèn)知能力；邊緣域具備跨時(shí)空的認(rèn)知能力；云中心具備“態(tài)”、“勢(shì)”等大數(shù)據(jù)分析認(rèn)知能力。

圖1 AI Cloud架構(gòu)

（4）分級(jí)應(yīng)用

實(shí)際業(yè)務(wù)場(chǎng)景中，用戶往往是分層級(jí)的。不同層級(jí)用戶的應(yīng)用需求不一樣，下級(jí)用戶更注重實(shí)時(shí)性及基層業(yè)務(wù)處理能力，上級(jí)用戶更注重管理及輔助決策能力。因此，要從不同層級(jí)用戶的實(shí)際需求出發(fā)，做到應(yīng)用分級(jí)設(shè)計(jì)。

3 AI Cloud的能力和價(jià)值

3.1 AI可調(diào)度，資源使用更高效

針對(duì)不同時(shí)期、不同廠商開(kāi)發(fā)的算法之間難以靈活調(diào)度、應(yīng)用之間難以兼容和協(xié)同等問(wèn)題，AI Cloud實(shí)現(xiàn)了多廠家應(yīng)用、多廠家算法、多類型計(jì)算資源之間的打通，AI所需的算力、算法、數(shù)據(jù)、服務(wù)都能夠在應(yīng)用需求的牽引下實(shí)現(xiàn)合理調(diào)度。AI Cloud不僅在邊緣域、云中心具備算法調(diào)度能力，還創(chuàng)造性地實(shí)現(xiàn)了邊緣節(jié)點(diǎn)上的算法調(diào)度，能夠更好地服務(wù)于各類行業(yè)應(yīng)用。

如圖2所示，智能管理及調(diào)度采用算法融合調(diào)用解決方案，構(gòu)建了算法模型規(guī)范，通過(guò)算法倉(cāng)庫(kù)，支持多廠家算法的接入和管理調(diào)度。算法倉(cāng)庫(kù)支持通用GPU服務(wù)器、嵌入式GPU服務(wù)器、邊緣節(jié)點(diǎn)智能設(shè)備的算法調(diào)度；兼容物理機(jī)、虛擬機(jī)、容器等部署方式；兼容多種計(jì)算平臺(tái)，包括但不限于TX1、P4/P40等；支持算法編排，多個(gè)單一功能算法按需組合，形成新的算法功能。以下對(duì)其關(guān)鍵技術(shù)支撐進(jìn)行分析。

AI可調(diào)度關(guān)鍵技術(shù)支撐。實(shí)現(xiàn)AI可調(diào)度，需前端和后端多個(gè)層面的技術(shù)支撐。主要包括無(wú)損建模技術(shù)、深度學(xué)習(xí)技術(shù)、智能調(diào)度技術(shù)。

（1）無(wú)損建模技術(shù)

原始的在后端進(jìn)行視頻圖像分析建模的流程：攝像機(jī)采集視頻圖像，經(jīng)過(guò)H.264/H.265等編碼后傳輸?shù)胶蠖耍蠖私獯a并進(jìn)行分析建模。所有的編碼壓縮是有損的，會(huì)損失視頻圖像中的細(xì)節(jié)信息。如把CNN神經(jīng)網(wǎng)絡(luò)算法導(dǎo)入到攝像機(jī)，對(duì)采集的視頻圖像不做任何的編碼壓縮處理，對(duì)原始數(shù)據(jù)直接做分析，這樣分析出來(lái)的效果要高幾個(gè)百分點(diǎn)。這就是無(wú)損建摸技術(shù)，作為前端智能支撐技術(shù)，能夠保留更多的細(xì)節(jié)信息，分析得到的視頻圖像特征數(shù)據(jù)更加精準(zhǔn)。

（2）深度學(xué)習(xí)技術(shù)

深度學(xué)習(xí)算法模仿人腦對(duì)信息的分析處理方式，通過(guò)建立由線性或者非線性變換的處理單元組成的具有層次結(jié)構(gòu)的多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，借助反向傳播算法，來(lái)自動(dòng)學(xué)習(xí)出數(shù)據(jù)的特征和表達(dá)。深度學(xué)習(xí)算法與傳統(tǒng)的人工智能算法相比，有兩大優(yōu)勢(shì)：第一，它是端到端的機(jī)器學(xué)習(xí)模型，不依賴于專家的手工特征設(shè)計(jì)；第二，可以表達(dá)更復(fù)雜的非線性模型，對(duì)于復(fù)雜問(wèn)題有更強(qiáng)的表征能力。因此，深度學(xué)習(xí)算法適用于數(shù)據(jù)龐大、參數(shù)之間關(guān)系復(fù)雜的領(lǐng)域，解決高維度直覺(jué)性應(yīng)用，如面向海量物聯(lián)數(shù)據(jù)，包括圖像識(shí)別、行為識(shí)別、模式識(shí)別、語(yǔ)音識(shí)別等方面的典型應(yīng)用。

圖2 智能管理及調(diào)度示意圖

（3）智能調(diào)度技術(shù)

智能調(diào)度技術(shù)的應(yīng)用包括資源調(diào)度和任務(wù)調(diào)度兩部分內(nèi)容。資源調(diào)度可將物理服務(wù)器、容器、虛擬機(jī)、邊緣設(shè)備等計(jì)算資源統(tǒng)一管理，屏蔽硬件差異并提供唯一對(duì)外功能出口，既支持靜態(tài)部署方式下的動(dòng)態(tài)擴(kuò)容，也支持與其他資源平臺(tái)協(xié)同實(shí)現(xiàn)算力的彈性伸縮。任務(wù)調(diào)度可在資源管理調(diào)度基礎(chǔ)上，通過(guò)靈活的調(diào)度策略，將智能分析任務(wù)分派到最合適的智能分析設(shè)備上，保證調(diào)度性能最大化和資源利用率最優(yōu)化。采用智能調(diào)度技術(shù)方案，使智能分析能力不再固化在產(chǎn)品中，而是由調(diào)度系統(tǒng)統(tǒng)一管理，相較以往單一智能產(chǎn)品，具有系統(tǒng)高可用、資源高利用率、算法靈活開(kāi)放等優(yōu)勢(shì)。

3.2 數(shù)據(jù)按需匯聚，推動(dòng)數(shù)據(jù)價(jià)值變現(xiàn)

針對(duì)數(shù)據(jù)融合和開(kāi)放能力不足、數(shù)據(jù)和應(yīng)用耦合度高等問(wèn)題，AI Cloud系統(tǒng)性考慮了應(yīng)用和數(shù)據(jù)的關(guān)聯(lián)關(guān)系，提出并實(shí)現(xiàn)了由應(yīng)用牽引數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)分級(jí)“按需”匯聚的建設(shè)模式，構(gòu)建能夠接入、匯聚、分析、管理各類物聯(lián)網(wǎng)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)資源池，真正將數(shù)據(jù)養(yǎng)起來(lái)，實(shí)現(xiàn)數(shù)據(jù)融合、關(guān)聯(lián)、分析、共享，更加高效地挖掘出數(shù)據(jù)中的價(jià)值，為新應(yīng)用的孵化夯實(shí)基礎(chǔ)。

如圖3所示，在邊緣域構(gòu)建物聯(lián)網(wǎng)數(shù)據(jù)資源池，主要負(fù)責(zé)存儲(chǔ)和管理域內(nèi)采集的物聯(lián)網(wǎng)數(shù)據(jù)，按需匯聚部分業(yè)務(wù)數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行清洗整合、質(zhì)量管理、標(biāo)簽化處理，構(gòu)建物聯(lián)網(wǎng)數(shù)據(jù)模型、業(yè)務(wù)數(shù)據(jù)模型并建立相互之間的關(guān)聯(lián)，為用戶提供業(yè)務(wù)所需的主題庫(kù)、專題庫(kù)。

在云中心構(gòu)建大數(shù)據(jù)資源池，匯聚物聯(lián)網(wǎng)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，提供海量數(shù)據(jù)的分析挖掘能力。邊緣域和云中心之間實(shí)現(xiàn)數(shù)據(jù)的級(jí)聯(lián)和互通，邊緣域數(shù)據(jù)可按需匯聚到云中心，云中心數(shù)據(jù)可按需下發(fā)到邊緣域。以下對(duì)其關(guān)鍵技術(shù)支撐進(jìn)行分析。

（1）海量異構(gòu)數(shù)據(jù)關(guān)聯(lián)融合技術(shù)

智能物聯(lián)網(wǎng)系統(tǒng)中存在海量的異構(gòu)數(shù)據(jù)，包括視頻圖像數(shù)據(jù)、人/車/物等視頻結(jié)構(gòu)化數(shù)據(jù)、RFID/MAC/時(shí)空信息等物聯(lián)感知數(shù)據(jù)，還有多種類型的業(yè)務(wù)應(yīng)用數(shù)據(jù)，如何實(shí)現(xiàn)這些數(shù)據(jù)的高效接入、高效存儲(chǔ)、高效分析、高效清洗、高效應(yīng)用，是需要系統(tǒng)性來(lái)考慮的問(wèn)題。物聯(lián)感知數(shù)據(jù)需要在不同的域、不同的網(wǎng)絡(luò)之間進(jìn)行傳輸，實(shí)現(xiàn)數(shù)據(jù)的共享和交換；基于時(shí)間、空間等多維度數(shù)據(jù)進(jìn)行融合關(guān)聯(lián)，提升數(shù)據(jù)使用價(jià)值。方案的具體實(shí)現(xiàn)，主要通過(guò)對(duì)原始物聯(lián)數(shù)據(jù)進(jìn)行合并、去重，清洗、整合，以實(shí)體-標(biāo)簽-關(guān)系模型分析形成設(shè)備、視頻、圖片、照片、名單、特征值、場(chǎng)所、告警等數(shù)據(jù)的實(shí)體集合、標(biāo)簽集合、關(guān)系集合，并通過(guò)時(shí)空關(guān)聯(lián)、關(guān)系識(shí)別、行為識(shí)別、軌跡提取等進(jìn)一步建立實(shí)體間的潛在關(guān)系網(wǎng)、挖掘?qū)嶓w隱性標(biāo)簽，形成主題數(shù)據(jù)、專題數(shù)據(jù)。例如，基于物聯(lián)網(wǎng)數(shù)據(jù)建立人員檔案庫(kù)，應(yīng)用不再需要與物聯(lián)網(wǎng)數(shù)據(jù)（人臉特征、人體特征等）直接打交道，提升了應(yīng)用效率，也提升了數(shù)據(jù)價(jià)值。

圖3 數(shù)據(jù)資源池示意圖

（2）大數(shù)據(jù)技術(shù)

采用大數(shù)據(jù)基礎(chǔ)處理技術(shù)為底層支撐，并針對(duì)海量物聯(lián)網(wǎng)數(shù)據(jù)，提供融合視圖大數(shù)據(jù)引擎、多維大數(shù)據(jù)挖掘的完善的大數(shù)據(jù)體系。其中，大數(shù)據(jù)基礎(chǔ)技術(shù)：結(jié)合當(dāng)前大數(shù)據(jù)技術(shù)應(yīng)用趨勢(shì)，采用開(kāi)源社區(qū)和自研相結(jié)合，提供針對(duì)物聯(lián)網(wǎng)大數(shù)據(jù)進(jìn)行增強(qiáng)的企業(yè)級(jí)大數(shù)據(jù)基礎(chǔ)服務(wù)，為大數(shù)據(jù)采集、存儲(chǔ)、應(yīng)用提供穩(wěn)定可靠的處理能力；視圖大數(shù)據(jù)引擎：以物聯(lián)網(wǎng)結(jié)構(gòu)化數(shù)據(jù)為核心，構(gòu)建千億級(jí)行業(yè)大數(shù)據(jù)服務(wù)平臺(tái)，提供大數(shù)據(jù)采集、數(shù)據(jù)查詢、數(shù)據(jù)統(tǒng)計(jì)、數(shù)據(jù)研判、模型服務(wù)等深度挖掘應(yīng)用；大數(shù)據(jù)挖掘算法：融合海量多元異構(gòu)數(shù)據(jù)，基于動(dòng)態(tài)本體構(gòu)建知識(shí)圖譜，并結(jié)合機(jī)器學(xué)習(xí)、深度學(xué)習(xí)算法，為行業(yè)深度應(yīng)用提供數(shù)據(jù)決策能力。

3.3 應(yīng)用場(chǎng)景化，新應(yīng)用持續(xù)生長(zhǎng)

針對(duì)深度應(yīng)用不足、應(yīng)用覆蓋面不足、應(yīng)用協(xié)同性不足等問(wèn)題，AI Cloud創(chuàng)造性地提出應(yīng)用場(chǎng)景化的理念，在邊緣節(jié)點(diǎn)、邊緣域、云中心都以“場(chǎng)景化”作為關(guān)鍵詞，在各層實(shí)現(xiàn)不同應(yīng)用。如圖4所示為場(chǎng)景化應(yīng)用示意。

邊緣節(jié)點(diǎn)要構(gòu)建單一場(chǎng)景的智能應(yīng)用，實(shí)現(xiàn)基于單個(gè)或局部節(jié)點(diǎn)就能夠完成的任務(wù)及動(dòng)作，響應(yīng)速度快。邊緣域以物聯(lián)網(wǎng)數(shù)據(jù)為主，融合少量業(yè)務(wù)數(shù)據(jù)，提供跨時(shí)空?qǐng)鼍暗闹悄軕?yīng)用，重點(diǎn)分析在什么行業(yè)要干什么業(yè)務(wù)。在邊緣域，可以通過(guò)物聯(lián)網(wǎng)數(shù)據(jù)資源池和智能應(yīng)用平臺(tái)，實(shí)現(xiàn)過(guò)去沒(méi)法實(shí)現(xiàn)的應(yīng)用效果，比如基于物聯(lián)網(wǎng)數(shù)據(jù)的“多數(shù)同用”和“同數(shù)多用”。云中心匯聚物聯(lián)網(wǎng)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)，重點(diǎn)要分析什么行業(yè)或跨什么行業(yè)、關(guān)注哪些宏觀的“態(tài)”（狀態(tài)）和“勢(shì)”（趨勢(shì)），構(gòu)建彼此相對(duì)獨(dú)立又互相聯(lián)系的綜合應(yīng)用。

AI Cloud基于開(kāi)放的架構(gòu)，以 API、SDK、插件等方式，提供規(guī)范化和標(biāo)準(zhǔn)化的應(yīng)用接口，以及豐富的示例Demo，可快速進(jìn)行業(yè)務(wù)應(yīng)用的二次開(kāi)發(fā)。

3.4 運(yùn)維一體化，保障系統(tǒng)可用性

AI Cloud實(shí)現(xiàn)了面向跨網(wǎng)域（行業(yè)內(nèi)網(wǎng)、互聯(lián)網(wǎng)）、跨層次（邊緣節(jié)點(diǎn)、邊緣域、云中心）各類物聯(lián)網(wǎng)及IT軟硬件設(shè)備的統(tǒng)一運(yùn)維，有效克服了系統(tǒng)設(shè)備類型復(fù)雜多樣、設(shè)備數(shù)量龐大、建設(shè)分散、協(xié)議不統(tǒng)一的難題。通過(guò)統(tǒng)一的運(yùn)維服務(wù)平臺(tái)，可以為直接用戶、運(yùn)維服務(wù)團(tuán)隊(duì)的各類角色，以及設(shè)備廠商提供一攬子的運(yùn)維服務(wù)功能，包括狀態(tài)的告警監(jiān)控、工單管理、資產(chǎn)管理、運(yùn)維考核等，最終為用戶提供產(chǎn)品+服務(wù)的一站式運(yùn)維。

運(yùn)維一體化體系重點(diǎn)考慮了兩方面的擴(kuò)展，可以更好的為最終用戶提供運(yùn)維服務(wù)：一是支持運(yùn)維對(duì)象的擴(kuò)展，通過(guò)運(yùn)維設(shè)備接入框架支持增加被運(yùn)維對(duì)象的類型和技術(shù)特征，實(shí)現(xiàn)將不同廠家的設(shè)備納入進(jìn)來(lái)進(jìn)行統(tǒng)一管理；二是提供了加盟商管理的功能，支持更多運(yùn)維服務(wù)商使用運(yùn)維服務(wù)平臺(tái)，為用戶提供服務(wù)。

4 AI Cloud開(kāi)放生態(tài)

在AI Cloud體系架構(gòu)下，支持軟件與硬件的解耦，支持?jǐn)?shù)據(jù)與應(yīng)用的解耦，在基礎(chǔ)設(shè)施、數(shù)據(jù)、平臺(tái)、應(yīng)用等各層面全面開(kāi)放，構(gòu)建了一個(gè)能力開(kāi)放體系和產(chǎn)品與服務(wù)生態(tài)圈，有利于共同促進(jìn)行業(yè)的可持續(xù)發(fā)展。

圖4 場(chǎng)景化應(yīng)用示意圖

（1）能力開(kāi)放體系

提供能力開(kāi)放平臺(tái)、開(kāi)放式體驗(yàn)環(huán)境、兼容性驗(yàn)證環(huán)境，可以逐步構(gòu)建AI Cloud開(kāi)放體系，實(shí)現(xiàn)基礎(chǔ)設(shè)施、數(shù)據(jù)、平臺(tái)、應(yīng)用四個(gè)層面的多維度開(kāi)放。

（2）產(chǎn)品生態(tài)圈和服務(wù)生態(tài)圈

基于開(kāi)放合作的生態(tài)，可與設(shè)備廠商、基礎(chǔ)軟件廠商、算法廠商、數(shù)據(jù)提供商、應(yīng)用開(kāi)發(fā)商以及安全服務(wù)商、運(yùn)維服務(wù)商、技術(shù)規(guī)范工作團(tuán)隊(duì)展開(kāi)更多的合作。

5 結(jié)語(yǔ)

基于云邊融合的物聯(lián)網(wǎng)智能服務(wù)架構(gòu)的AI Cloud，以“智能、數(shù)據(jù)、應(yīng)用”為創(chuàng)新焦點(diǎn)，提出了“AI可調(diào)度、數(shù)據(jù)按需匯聚、應(yīng)用場(chǎng)景化、運(yùn)維一體化”理念，并結(jié)合用戶業(yè)務(wù)需求進(jìn)行創(chuàng)新實(shí)踐，不斷擴(kuò)展出新的智能應(yīng)用。

縱觀未來(lái)技術(shù)發(fā)展趨勢(shì)：

智能方面。一方面是智能應(yīng)用深度：在未來(lái)，智能化程度會(huì)越來(lái)越高，識(shí)別的精確度也會(huì)越來(lái)越高。目前聚焦“人是人、車是車、物體是物體”的屬性識(shí)別與判斷，但如果把這些因子串起來(lái)形成一個(gè)語(yǔ)義，比如這個(gè)人在打球，既可以實(shí)現(xiàn)“語(yǔ)義的識(shí)別”，進(jìn)而推進(jìn)智能應(yīng)用深度。另一方面是智能應(yīng)用廣度：為了滿足本地業(yè)務(wù)快速響應(yīng)需求，越來(lái)越多的智能會(huì)在前端來(lái)做，智能前移大勢(shì)所趨，邊緣節(jié)點(diǎn)也會(huì)越來(lái)越豐富，越來(lái)越智能。

數(shù)據(jù)方面。在數(shù)據(jù)基礎(chǔ)建立好的前提下，將聚焦更多數(shù)據(jù)挖掘工作，像預(yù)測(cè)預(yù)警這些大數(shù)據(jù)應(yīng)用就可以實(shí)現(xiàn)，真正從事后走向事前。

應(yīng)用方面。未來(lái)應(yīng)用應(yīng)該是遍地開(kāi)花，場(chǎng)景化、智能化的應(yīng)用會(huì)越來(lái)越多，越來(lái)越好用，而且應(yīng)用的生成也會(huì)非常快速。當(dāng)然，這些的實(shí)現(xiàn)，都不是一個(gè)廠家能夠獨(dú)立完成的，依托能力開(kāi)放體系和全面開(kāi)放AI Cloud架構(gòu)，需要行業(yè)內(nèi)的合作伙伴一起共建產(chǎn)業(yè)生態(tài)，共助智鏈未來(lái)。