浪潮：加速云邊端融合，驅動行業智能化轉型

文/ 齊 健

觀察 Observed

浪潮：加速云邊端融合，驅動行業智能化轉型

文/ 齊 健

行業分析機構IDC在最近發布的一項研究報告中預測，到2025年，全球智能終端接入數量將是今天的3倍，達到1 500億臺。快速增長的智能終端必然會帶來大量的數據，大量的AI決策需求，從而帶動企業基礎設施投資的增長和邊緣側應用的需求。IDC預測在2023年企業的基礎設施預算投資額將有50%左右投入到邊緣技術和設備中，未來5年邊緣計算會保持超過30%的復合增長率高速增長。同時，因為云、邊、端協同，端的爆發增長拉動邊，邊會帶動數據中心側的設備同步增長。

在此背景下，浪潮作為百度戰略合作伙伴，在剛剛結束的“ABC SUMMIT 2020百度云智峰會”上與百度聯合發布邊緣計算解決方案——百度邊緣計算盒子，旨在加速邊緣計算平臺賦能工業互聯網、智慧交通和智慧城市等領域場景化落地實踐。

5G+AI，賦能更多計算場景

2016年是AI爆發元年，在算力、數據和算法驅動下，圖像識別、語音識別等人工智能模型準確度不斷提升，AI推理開始從云向邊緣延伸，算力也需要從數據中心向邊緣下沉。從疫情期間的體溫檢測、道路的無人駕駛，到油田的智慧運維等，AI正在向邊緣場景快速滲透。在端、邊和云構成的整個AI決策鏈中，計算力從數據中心向邊緣和終端設備逐級延展，不同的決策階段產生的結果對算力的需求也各有差異。

首先，終端設備配備的通常是一些計算能力較差的小盒子、小傳感器以及攝像頭等，在設備端完成單一應用場景的AI推理以及簡單的初級決策，大概有20%的AI決策工作是要在端上完成的。

當一個場景需要部署十幾個甚至幾十個終端設備時，例如部署于工業園區的視頻攝像頭，用于檢查園區機器、人員操作情況，防止安全隱患，這就需要把多個攝像頭采集的數據整合起來，進行整體決策和分析。終端設備顯然不具備這樣的能力，此時就需要在邊緣側部署計算盒子，做整合的決策判斷，這樣的中級決策判斷在決策鏈中占比約為60%。

而對于更大規模的數據整合，例如停車場、高速路口車輛和車牌的圖像識別，基于海量數據進行全域數據比對與分析，則需要數據中心側（即云端）的強算力進行大數據整合分析和高級決策，這部分的算力需求在AI決策鏈中的占比約為20%。

此外，隨著5G的發展，核心網應用將逐步下沉，計算力會更貼近于邊和端的應用。5G技術的優勢在于低延時、大帶寬以及高并發的接入，在這些大帶寬高密度接入以及低延時應用的拉動下，5G時代不會出現4G網絡中把所有數據匯總到核心網最后端的情況。很多流量的轉發、對接、網關接入以及路由的功能需要下沉到邊緣側，只有這樣才能解決整個網絡里核心的帶寬負載、壓力無法降低的性能問題。

目前，我國開通的5G基站數量已超71.8萬個，終端連接數超1.6億個，預計到2024年，全球終端連接數將超1 500億，僅靠云端的算力無法滿足如此龐大的市場規模，需要按照云-邊-端的架構，將強大的算力延伸到數據邊緣側，孕育邊緣計算場景的落地，并反哺云數據中心與終端，實現云、邊和端的協同發展。

“5G與AI技術的發展，正在推動邊緣計算演化出多樣化的計算場景。”浪潮邊緣計算事業部總經理孫波表示，浪潮正在圍繞ICT融合場景，泛CDN，智能網聯汽車，工業互聯網，能源、交通、金融等產業+AI，城市治理以及智能物聯網七大場景進行布局，開發出適應不同場景的差異化解決方案。

浪潮+百度，共推邊緣計算解決方案

5G+AI推動的新應用場景不斷涌現，針對不同場景的多樣化需求，浪潮與百度聯合，基于邊緣計算，匯聚雙方在算力基礎設施、系統、算法和應用等方面優勢，開展了全面的硬件合作。在本次百度云智峰會中，浪潮與百度推出了雙方聯合構建的一體化邊緣計算解決方案，發布百度邊緣計算盒子，該產品基于低能耗架構，采用更加穩定的軟硬件一體化設計，具備數據中心級高可靠性設計，能夠適應-40～70°C 的寬溫，可以滿足要求嚴苛的工業級邊緣計算環境的要求。

孫波認為，工業互聯網、智能網聯汽車等場景下用戶對于邊緣計算的應用需求不單單在于算力，也需要AI算法。例如在工業互聯網的應用場景中，做工控的流水線實施，需要企業對工業控制、機械自動化、電氣信號模擬和[RG(1] 等領域有較深的理解，而在AI應用過程中，還需要企業儲備在IT領域懂AI、Python和TensorFlow的人才。這就造成邊緣場景下AI快速落地有很高的門檻。所以浪潮與百度合作，以百度的AI算法賦能邊緣設備，直接幫助企業完成業務的AI建設，快速整合解決方案，實現邊緣計算在工業互聯網中的落地。

靈活小巧的百度邊緣計算盒子提供16TOPS+算力模塊化擴展，支撐復雜的 AI 負載要求。可以通過模塊化的方式智能調節AI的算力，針對不同的場景分配AI算力，為零售、旅游和交通等用戶提供高性能、高可用和高擴展性的基礎設施解決方案。

目前浪潮與百度正在基于該產品進行車路協同下智慧交通基礎設施建設，通過在路邊部署邊緣盒子，能夠實時采集車流量、車速和周邊環境等信息，實現車與車（V2V）、車與路（V2I）、車與人（V2P）及車與云(V2N)等信息交互和共享，使車和周圍環境協同與配合，降低擁堵率，提升道路通行速度，保證道路行車 安全。

在浪潮與百度聯合推動AI、邊緣計算和云等新興技術不斷發展，并賦能各個行業數字化升級與重塑的背后，有浪潮和百度通過多年業務創新形成的JDM合作模式作為支撐。基于JDM模式，浪潮和百度可以從用戶具體業務需求出發，打通需求、研發、生產和交付全價值鏈條，在最短的時間內、可控的成本約束下，把用戶需要的整合方案快速研發出來，并迅速部署交付到用戶數據中心，讓AI解決方案能夠更加快速的落地。

專注場景化落地，加速構建邊緣全棧生態

在浪潮邊緣計算的七大應用場景中，根據不同的技術成熟度和應用熱度，又細分了多個重點領域。ICT融合場景主要圍繞5G基站、5G小站的建設；新一代的CDN，將不同于原來的單一內容分發，未來計算力部署到邊緣側之后，將形成泛CDN模式，不僅包括內容分發，還包括視頻渲染、網絡加速以及邊緣端物聯網設備的轉接、轉發等更多新的應用形式；智能網聯車主要的應用場景是無人駕駛汽車和工業園區的低速載貨無人車輛；工業互聯網場景主要聚焦在質檢，浪潮與百度團隊合作開發的工業互聯網質檢解決方案已經在一些廠區實現了落地；產業+AI場景主要應用在能源、交通、健康和金融等大的產業方向，幫助用戶基于邊緣計算實現業務優化；城市治理包括很多場景，例如交通擁堵、電網、供熱、給排水以及垃圾處理等問題；智能物聯網的范圍更廣，在這方面浪潮主要關注物聯網上層需要計算力的匯總節點，為整個生態提供計算力的輸出。

邊緣側的客戶實際上需要的不是一個單純的盒子，而是一整套軟硬件整體解決方案。浪潮與百度的合作打通了百度智能云和邊緣計算平臺，在硬件中部署百度邊緣計算平臺和百度邊緣AI平臺，把百度的AI能力快速遠程部署到邊緣盒子，并實現邊緣設備的動態監控，統一調度、管理分布各地的邊緣算力。

以智能油井的建設為例，油井的運行過程中很重要的成本支出來自于電力和人力。基于浪潮的底層硬件和百度的上層邊緣計算平臺，客戶可以優化整個油井的采油頻率和啟停的節奏，有效控制電費開支。一般的大型油井一年的電費開支在10億元左右，基于浪潮和百度的智能調控技術，可以節省80%的電費支出。而基于現場的攝像頭加AI分析，用戶可以直接判斷油井的運行狀態是否有漏油事故以及其他安全隱患，大幅減少了人員現場巡查的頻次，降低70%左右的人力成本投入。

在工業互聯網的質檢應用上，以往在生產3C元器件的工廠中產品質檢大多需要依靠人工目檢。目檢誤差大，效率低，缺少數據記錄，無法溯源，且開銷巨大，一個每天生產100萬顆3C元器件的工廠需要2 000名目檢工人。浪潮與百度合作開發的邊緣質檢解決方案，結合了AI算法和機器視覺技術，在已經落地的客戶工程中，可以實現一臺機器替代6個工人的成本優化，同時建立了質檢數據庫，降低了檢查誤差率，并創造了AI深度學習應用體系，保證了質檢效率的持續提升。