网站宽度多少合适,电商运营网络课程,秀米h5制作教程,wordpress博客二次元来源#xff1a;雷锋网作者 | 王刚雷锋网按#xff1a;2020 年8月7日#xff0c;全球人工智能和机器人峰会#xff08;CCF-GAIR 2020#xff09;正式开幕。CCF-GAIR 2020 峰会由中国计算机学会#xff08;CCF#xff09;主办#xff0c;雷锋网、香港中文大学#xff0… 来源雷锋网作者 | 王刚雷锋网按2020 年8月7日全球人工智能和机器人峰会CCF-GAIR 2020正式开幕。CCF-GAIR 2020 峰会由中国计算机学会CCF主办雷锋网、香港中文大学深圳联合承办鹏城实验室、深圳市人工智能与机器人研究院协办。从 2016年的学产结合2017年的产业落地2018年的垂直细分2019年的人工智能40周年峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台。在8月9日的【工业互联网专场】上加拿大工程院院士、IEEE Fellow、加拿大西蒙菲莎大学教授刘江川带来了《能源互联网视角下的边缘计算》的开场主题演讲。刘江川院士长期在学术界工作从1999年开始在香港科技大学、香港中文大学和加拿大西蒙菲莎大学开展研究其研究得到了加拿大自然科学基金、加拿大工业部等多方的支持。从2018年开始他进入工业界创办了江行智能并且得到红杉资本、松禾资本和百度风投支持。他提到工业互联网在跑道上飞速前进。今天的互联网不仅仅只做互联这件事情互联网已经变成了分布式的数据处理器和分布式数据采集器底层通讯、上层存储、上层应用和计算融为一体这是非常重要的转变。“不仅仅是互联而是在这当中展开存储和应用。除了工业之外能源行业、交通行业、智慧城市等等也是同样的场景。”他指出消费互联网惯性的思维是建立高可靠、高性能的基础设施建设即使这些设备消耗大量的电力但是电力成本可以通过应用的价值来换取比如在海量客户端上获取海量的数据并且不受限制隐私也不是大问题数字价值得到体现。不过这种思维在消费互联网时代取得成功在工业互联网和能源互联网时代确面临着严峻的挑战。因为工业互联网和能源互联网的项目大多遍及整个国土电力供应不仅仅只是大中城市的需求其他地方并不能保证100%长期不断电。过去100多年里电池的能量、存储密度等发展都是线性的增长基本已达到极限。“我们现在发展到一个阶段确保大型电网稳定的运行是非常重要的事情。”此外他表达了一个重要观点是对于能源互联网不能像依赖传统消费互联网场景下的云计算的方式而是要在用户侧、数据现场解决问题同时能高度节省带宽在无网络的情况下进行工作——这种情况下可以看到边缘计算引入的必要性。在其后的演讲中刘江川院士详细解释了何为工业互联网、能源互联网场景下的边缘计算以及他们目前采取的应对挑战的解决方案。以下为刘江川院士的演讲速记雷锋网做了不改变原意的编辑与整理。很荣幸接受CCF-GAIR的邀请在这里做一场关于《能源互联网视角下的边缘计算》的报告谈一谈我们在这一段时间遇到的机遇、挑战和方案。我本人长期在学术界工作从1999年开始在香港科技大学、香港中文大学和加拿大西蒙菲莎大学开展研究我们的研究得到了加拿大自然科学基金、加拿大工业部等多方的支持从2018年开始我也进入工业界创办了江行智能并且得到红杉资本、松禾资本和百度风投支持。工业互联网是一个新兴的概念其中包括工业、能源、交通、智慧和城市等等目前正在飞速的在跑道上前进。在这个时段的终端是工业性质的传感器而我们要做的事情是真正将工业应用带到互联网世界里面以互联网来促进工业的应用。我本人经历了这几个时期现在也正在往工业互联网的大道上前进所谓的工业互联网不仅仅是做互联这件事情今天的互联网也不仅仅像一开始做互联这件事情今天的互联网已经变成了分布式的数据处理器和分布式数据采集器。在这里我们看到的底层通讯、上层的存储、上层的应用和计算融为一体这是非常重要的转变。不仅仅是互联而是在这当中展开存储和应用。除了工业之外能源行业、交通行业、智慧城市等等也是同样的场景。从2016年才进入这个时代我们面临了非常大的挑战从消费互联网、工业互联网、能源互联网的场景里面会看到在消费互联网的时候有一些惯性的思维这些思维认为在过去十几年里已经建立了高可靠、高性能的基础设施建设比如说长时间不间断的工作在断电的情况下有备用电源切入它会消耗大量的电力这些电力通过应用的价值来换取。另一方面网络基础设施也非常优秀有高吞吐、低延时网络基础设施现在达到Gbps。随着5G延迟可以降低到10毫秒左右甚至是1毫秒。在海量客户端上能获取海量的数据并且不受限制获取数据隐私也不是大问题数字价值得到体现。这是消费互联网时代的惯性思维。这些思维在消费互联网时代是成立的而且是非常成功的应用。但是在工业互联网、能源互联网的时代实际上我们面临的挑战非常之多。因为消费互联网是在城市里面特别是在中心城市得到了应用但是工业互联网、能源互联网是遍及整个国土所以基础设施就有一些问题。电力供应虽然在中大城市不是问题了但是仍然有断电的情况由于一年时间各种原因造成的断电并不能保证百分之百的长时间有电。能源供给的角度电池也是很大的问题在过去这100多年的历史电池的发展是线性发展的它的能量、存储密度基本上是线性的。从一九七几年第一个锂电池专利产生到现在增长已达到极限。从网络来说中大城市感觉都已经覆盖了对于工业互联网来说或者是能源互联网来说你的很多设备都是在偏远地区在戈壁滩、沙漠上3G和4G网络或者是5G网络未必都非常理想真正的网络覆盖从国土面积来说未必能提升1%这是典型的挑战。来看典型的例子比如说中国高压线路运检现在高压线路是150万公里特高压是世界领先定位。我们现在发展到一个阶段确保大型电网稳定的运行是非常重要的事情也是除了建设之外非常重要的事情。运检需求持续增多就需要无人机的运检。电网要实现24小时的监控比起城市的安防监控来说难度完全不同。电网大量的铁塔是处在深山老林和戈壁滩上温差很大、高度的电磁干扰网络是很弱的不像城市里面有非常好的3G、4G、5G的网络通过回传数据到云上解决问题像消费互联网一样。在能源互联网下可能有信号但是很难做到全覆盖、高速度的视频回传。能源供给也是一个问题你可能认为铁塔不缺电但实际上它是没有电的所以就需要从太阳能供电这对于能耗是一个非常大的挑战。比如说国网的企业标准对于通道可视化的设备要求在最低照度下能工作整机峰值功率不超过8瓦但是仍然要做人工智能的应用大家做过人工智能就知道挑战在哪里。所以对于能源互联网你不能依赖传统的消费互联网场景下的云计算方式更多是需要在用户侧、数据现场来解决这些问题来达到实时的应用同时能高度节省带宽在无网络的情况下进行工作。嵌入式系统也会遭受很大的挑战软件方面随着人工智能的发展希望快速替换算法这个矛盾怎么解决包括传感器不光是视觉传感器还要引进温度传感器、局部放电传感器等等这都带来了多种挑战。这种情况下可以看到边缘计算引入的必要性所谓的边缘计算是指靠近数据源头的一侧采用网络、计算、存储、应用等核心能力为一体的开放平台就近提供服务。这对于能耗要求较低的情况下特别是实时业务、以及安全隐私考虑方面是非常重要的。2025年的时候预计有50%的数据会在边沿侧分析存储参考国内云计算市场在2013年的时候不到50亿人民币在过去这么多年平均增速达到70%以上所以边缘计算也将经历这个过程。应该说到2020年整个物联网的设备有500亿左右是非常高速的增长在非常多的数量下需要智能化、低延时和本地组网采用边缘技术的技术作为和云计算相辅相成或者是云计算下半场的技术来共同达到工业互联网、智能互联网的要求。整体而言它是更稳定、更实时、更经济、更安全的解决方案可以认为是云计算2.0也是在弱网、弱电的情况下达到毫秒级的响应大幅节省带宽成本、保护用户的隐私。这是边缘计算产生的背景实际上我们可以看到虽然人人都讲边缘计算边缘计算概念仍然分很多层次大家定义也未必一样。横向平台方面包括云平台做下沉的服务包括芯片厂商在做这个工作也包括AI的能力在上层有多种多样不同的场景在下层有工业互联网的传输协议智能芯片和传感器等等。边缘到底在哪里这是根本性的问题你会得到不同的答案它们都有一定的道理从链路上来说从端到云不是一点而是若干个点这若干个点都有可能会成为边缘这些点都是互为合作的以此形成边缘计算的生态。典型的Edge也是自然的定义这种定义下从学术角度来说是覆盖网络的概念。覆盖网络概念应用最多是云计算的下沉或者是CDN的计算赋能。从这个角度来说来看亚马逊的分布式数据中心AWS Claud在全球有65Availability Zones Within 22个Geographic Regions。Akamai最大的CDN厂商有24万的服务器分布在120个国家。在这种情况下城市级会有分布式的部署在全球或者是全国是几百、几千到万的级。延迟基本上在100毫秒左右。针对消费互联网的应用是可以的云游戏的应用也是可以的但如果更低的就可以看到第二种情况Edge是IoT与互联网这种定义的典型场景就是移动边缘计算把5G基站作为边缘计算的载体通过网络切片的技术给工业现场。我们可以看到国内的3G、4G的基站数量接近500万个5G可能会达到1千万个。这样的延迟比分布式数据中心要小得多基本上能达到50毫秒的延迟。但是这里有一个挑战5G的耗电已经非常多了再加上计算就更多了因为计算的耗电是通信之上。另一方面一旦遇到灾害性事故还是常见的比如说龙卷风、台风的袭击造成电网的断电、基站的断电在断电的情况下你是保通信还是保基站这种情况下负载迁移也是非常大的挑战。另外一个更重要的是在前两个方面大家走的思维还是云计算所谓云计算的下沉地或者是最终下沉到5G的基站上怎么样做企业服务、怎么样把原来抽象的企业应用真正落到实地这一块还有非常大的挑战。这一块更进一步的Edge就是我们认为的OT meets IT。这是边缘节点最靠近工业现场的节点分三个层次分布式数据中心构成了边缘计算的整体。在这个点上我们要做的是创建面向泛工业场景的具有高度软件兼容性、可靠性和可拓展性边缘计算方案达到实时性、安全性、低功耗性和弱网的适应性。从产业来说国家电网的能源互联网战略。现在电网的形态发生了非常大的变化已经从建设周期转向了维护周期安全运行的压力是非常大的电网运营也遇到很大瓶颈也遇到了很多的挑战特别是互联网经济、数字经济、社会经济形态的变化。从国家电网来说今年提出了能源物联网概念用互联网的技术来推动能源技术的发展。可以看到国网系统接入设备在今年5.4亿左右但是2030年达到30亿左右个设备从传统自发到未来主动的系统大量利用电子器件构建电能流动的联网系统和智能化的传送。可以看到会有各种控制类、采集类的需求在连接模式上跟互联网的模式会越来越接近但是时延要求是毫秒级这是必须做到现场边缘计算在采集类也有同样的需求。从国网的角度来说边缘计算会有一些代表性的应用比如说预测性运维、电容型设备绝缘在线检测、隔断开关状态图像识别等等这些对时延要求都是非常高的你很难用传统传输到云的方案解决。另外隐私和数据量要求也是很高的还有安防监控、铁塔的通道可视化、变电站监控、工作效率的提升和储能设备的智能化运维等等都需要边缘计算的介入。当然对于实时性、边缘性的要求非常高比如说地点保护类达到10-15毫秒。在这上面可以进一步发展其他类型的应用比如说电池在BMS系统上跟云进行配合还可以接入能源控制器做有序的服务以达到储能设备运维、电动汽车数据分析和汇集来做到电池的梯次利用。在这一块可以看到有非常多的应用场景在过去这几年里从十几年前就开始相关的研究在过去几年物联网和边缘计算方面做了崭新的工作包括边缘计算存储、分发计算、边-云协同计算与服务空分复用-多条散射通信、大规模无源感知与定位、智慧能源系统和电池管理方面的工作。一方面是从物联网节点到边缘计算节点的无缘感知和通信在未来边缘节点应该是第一个或者是最近有电源供应的节点再往前传感器在未来理想状态下是不需要电池供应的因为电池的能量有限电池也带来非常多的问题。比如说污染的问题如果所有都要靠电池支撑那以后500亿-1万亿以上的设备、传感器是无法想象怎么样提供这样的能量从传感器到第一个能量供给点的边缘节点你应该创造无源的通信特别是散射通信。我们作出了一系列的工作包括在2018年的Acm Mobisys极大的提升了传输的速率。我们也做到多跳的传输这样极大的提升了传输的距离也能够避开障碍。这个发表在Acm Mobisys2018年上。在今年的Acm Mobisys上我们也展示世界第一个分布式的做信号的激励而不仅仅是从单一的源头激励这样就能使传输的速率和距离进一步得到提升另一方面仍然可以做数据采集和数据的通信。我们从周围环境里面采集能量而不仅仅依靠电池和激励能量周围的环境包括WIFI信号还包括声音信号已经做到街道环境噪音就能满足计算能力和传输能量。这是我们在这方面的工作。另一方面我们需要计算平台边缘计算的引擎又是什么样的呢相对云计算来说云计算有统一的计算平台它的开发需要兼顾异构在边缘侧需要兼顾异构。在性能方面云计算是稳定的计算环境稳定的资源但是在边缘侧也需要克服异构。总体上来说你需要兼顾通用性、工业和能源场景下大量的专用型的需求。在IoT应用的投资非常大随着IoT的增加投资是超线性的。在计算架构OS方面工业互联网、能源互联网面对10倍以上的复杂性工业协议达到100倍的复杂性在Devops上达到100倍以上业务场景由于碎片化程度极高甚至能达到1000倍以上的复杂性。在这一块大家有不同的技术路线一方面从数据中心下沉从云端来发放配置信息以实现本地的服务这基本上是云计算厂商和CDN厂商的路线。另外是直接面对工业现场也是刚刚谈到OT和IT结合的场景需要边缘计算的中间件来应对边缘计算的硬件传感和通信。Linux Foundation 旗下的EdgeX Foundry是完成了到IoT终端、网端和终端服务器的部署解决了OT和IT融合的关键业务的挑战特别是它建立了操作性的框架使传感器解耦最终达到云边协同和智能应用和设备、数据的接入我们看好EdgeX Foundry的发展。在这个基础上江行智能做了Edgebox是EdgeX的落地实践。我们有自己边缘计算的硬件、集成了的芯片和电源管理系统达到了极低的能耗和极高的实时性、稳定性。另一方面在上面实现了NPU、CPU和MCU的全面容器化并且在上面搭载多种针对特定场景的边缘智能服务。在下可以兼容多种设备和传感器打造具体的产业产品再往上达到云中立和云的对接并且做到边缘协同和多种边缘节点的协同工作。另一方面我们建立了相对完整的边缘物联网的计算软件环境和OT设备的连接方案达到了广泛的兼容性和企业级的配套服务。在下一步的发展中边缘计算技术和行业的结合仍然面临着非常多的挑战在这里可以做简单的总结一方面是大家需要考虑服务云边缘的网络体系结构特别是多层次的数据汇集、高度异构的用户需求。另外是边缘网络资源分配与数据传输策略包括通信和计算、存储如何的结合移动和固网如何结合能量、带宽和延迟如何结合。在边缘数据处理与端-边-云的协同传统数据处理、时序数据、深度学习、联邦学习的系统与网络优化。边缘节点安全隐私价格数据、设备归属、传输、分享安全与隐私等方面也在不断的解决我们也在不断的努力。谢谢大家。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
