没有边缘洞见的人工智能，算不上智能工业

本文转载自英特尔物联网

南京是中国最大的先进制造业中心之一。此地一家工厂中，自动化生产线上的 1000 多个高精度智能螺丝刀，配合一组组整齐旋转的机器手臂，一刻不停地生产着 5G 产品。一旦生产线出现故障，如何才能快速发现？只靠人眼肯定是不可能的。工厂中有人工智能自动驾驶推车，它们 24 小时不合眼，一丝不苟地监控着这些高精尖的设备，确保故障能够第一时间得到处理^①。这就是智能工业落地的样子。

类似上文的人工智能自动驾驶推车，都集成了传感器、摄像头，本身就是一台边缘计算设备。不断进步的机器学习和数据分析技术，处理此类推车产生的数据，可以帮助工厂提高产品质量、优化运营和减少停机时间。然而，不是所有工厂都可以立即具备这样的能力，即便有了硬件，仍然需要软件解决方案，它就像工厂的大脑和眼睛，需要高效采集、存储、处理大量数据，不仅需要灵活、快捷，同时还要考虑价格成本。英特尔®工业边缘洞见平台（Intel® Edge Insights for Industrial, 简称EIS），就是满足这些要求、并且经过生产实践验证的软件方案。

开源结合微服务化解边缘难题

在信息化大潮的席卷之下，不少工厂本身已经具备了 IT 系统。然而，想要将其整合、演进到智能工业时代的系统，并不容易。目前市面上的专有中间件方案比较僵化，而且与供应商绑定，总体拥有成本也比较高，还需要单独花时间、人力以及其他资源完成定制化开发，扩展起来难度相当高。

解决这样的问题，需要解决方案的架构足够开放、自如。切实可行的出路，是使用开源软件，搭建微服务架构。这正是英特尔 EIS 的做法。

EIS架构

在基础设施层面，英特尔 EIS 使用久经考验而且成熟的开源 Docker 容器技术。视频提取使用了同样开源的英特尔® Media SDK和GStreamer 多媒体处理框架。GStreamer 同样用在视频分析中，和它一起的还有开源的 OpenVINO™ 工具套件。

英特尔 EIS 使用的微服务架构，同样是业界在面对复杂应用场景时的主流架构，它不但降低了系统整体复杂性，同时让开发者研发新功能更自由，应用部署速度更快，整个系统的资源需求也更加容易控制，保证资源的合理利用②。

开源软件和微服务架构，再加上英特尔开发的 AI 算法，构成了软件层面。硬件层面，有英特尔凌动®处理器、英特尔®酷睿™处理器、英特尔®至强®处理器等处理器的算力支持，内置了英特尔的特定硬件安全功能，再加上英特尔®傲腾™内存、英特尔®神经计算棒和英特尔® Movidius™ VPU ，强化了整个 EIS 视频数据和深度学习的处理能力。所有这些，可以帮助工厂在边缘侧安全完成时序和视频数据的提取、存储和实时分析，从而快捷实现人工智能的部署，帮助工厂提高运营和生产效率。

长于研发工业级系统的 Vecow 公司表示：使用英特尔的EIS之后，系统推理性能得到提高，吞吐量提高了 40%，项目部署速度提高了 20%。

洞悉人工智能赋能智能工业

在通向智能工业的道路上，人工智能在不断加快工业自动化的步伐。英特尔 EIS为边缘侧赋予了快速部署人工智能的能力，保证数据更快、更安全地得到处理，在缺陷检测、预测性分析和制造生产力优化等领域，已经开始展现自己的强大实力，适用于压铸、纺织、电气和手工装配等行业。

随着中国工业数字化转型的不断深入，集成了智能生产过程的智能工业，将会开启一个全新的技术时代，并为行业、生产价值链以及商业模式带来重大转变。英特尔愿意和广大合作伙伴携手，推进这个转变过程持续发生、发展、发扬光大。

参考文章：

①《Beijing May Score Its Biggest 5G Win at Home》

https://www.bloomberg.com/opinion/articles/2020-08-09/china-may-score-its-biggest-5g-win-at-home

②《微服务实战（一）：微服务架构的优势与不足》

http://dockone.io/article/394

文中图片等素材的版权归其所有者拥有

相关资讯

点赞还是在看？