英特尔高管张宇:物联网需要深度学习,还需要边缘计算

9b271b3e3a6fd218242fcd503d5e304b

  (本文转自虎嗅网)物联网因为其万物互联的固有属性,自诞生以来就注定包含了一个巨大的市场。当然,盘越大,困局里的羔羊们就越迷茫。对于此,2017年3月6日,虎嗅网独家专访了英特尔物联网事业部CTO张宇博士。

 

 

 

从“物联网的三个阶段”到深度学习

 

 

  物联网也拥有专属的“摩尔定律”,张宇把物联网产业形态划分成了三种阶段:连接,智能以及自治。连接和智能都比较好理解,即万物智联。而自治阶段则是未来物联网发展的终极趋势所在。张宇解释道,


 


  大量的深度学习的算法被应用起来,来实现自治功能。所以从整个行业发展趋势来看,这种自主化的管理,是一个大的趋势,里面会涉及到很多深度学习的要求,这是我们对这个行业趋势的一个判断。


  这里就引出了深度学习的概念。张宇认为,深度学习是模式识别的一个个演进过程。模式识别都是利用一些先验的知识,或者我们在某一些行业里的积累,能够形成对某些特定模式识别的一些专门的算法。但是这些算法的摸索和构建,都需要用人工的方式去总结。到了目前这个阶段,随着计算机性能不断提升,计算资源不断丰富,现在人们完全可以把收集到的数据交给机器,让机器通过运算去生成,也就出现了机器学习。

 

 

  深度学习,则是来源于高复杂度的机器学习。因此对于英特尔来说,挑战也就随之出现了。尤其是在一些前端设备去做深度学习时,由于其在功耗、所选用平台能力计算能力上还是有很多限制的。张宇告诉虎嗅,

 

 


 

  不能把一些很复杂的,很自然的深度学习网络原封不动的照搬到这个平台上,你需要去做一些相应的优化。另外,现在的计算能力相对来说还不能够完全满足深度学习的要求,所以还是需要不断有新的平台,新的硬件出来,来满足这个领域和行业对于整个应用的要求。


从深度学习到边缘计算

 

 

  由此,引出了第二个概念,即“边缘计算(Edge computing)”,即通过骨干网靠近物体的部分来处理数据。物联网产生的数据量非常大,2020年时每年会产生44ZB的数据。那么多的设备和传感器所采集到的数据不可能都传到后面,另外对于实施性要求比较高的,像工业、自动驾驶这样一些领域,需要对于数据进行边缘的处理。边缘计算也因此变成了一种大趋势。

 

 

  英特尔对IOT的理解是把它当成端到端的系统,并将其分成边缘和后端平台两部分,中间通过网络进行连接。边缘部分包含数据采集、网关及数据处理等等模块。而在后端完成的是数据的处理机设备的远程管理。处理部分包括实时处理及离线处理。

 

 

  当然,这也并不意味着代替云计算。边缘处理本身不是单独的计算节点,边缘和云应该是一个相辅相成的端到端系统,两者是共同配合的。根据用户对于应用的要求,合理地分配负载,最终实现这样一个分布式的最佳解决方案。

 

 

物联网联盟

 

 

  张宇告诉虎嗅,


 


  英特尔实际上很清楚,如果一个行业要想做大做强的话,不可能靠一家,一定是生态环境,大家共同努力的结果。


  而目前包含英特尔的物联网联盟以如下4大联盟为主:

 

 

  ICC:全称是工业物联网联盟,这个是由英特尔、GE,AT&T等公司共同发起的,它主要是针对工业领域的互联互通、参考架构、安全等等这些问题。

 

 

  OCF:即开放互联基金会。由英特尔、三星、CISCO等公司联合发起的,主要解决的是设备之间互联互通的标准如何实现。

 

 

  OFC:开放雾计算联盟,由英特尔、CISCO,微软还有普林斯顿大学共同发起。开放雾计算是新计算模型,取代了传统封闭式系统以及依赖云计算的模型。它基于工作负载和设备能力,使计算更加接近网络边缘,即IOT传感器和制动器。雾计算并不是为了取代传统云计算,而是作为补充和扩展。

 

 

  ECC:边缘计算产业联盟,由英特尔、华为、软通动力、沈阳自动化研究所、ARM、中国信息通信研究院六家单位共同发起,联盟主要针对边缘计算在工业领域和一些重点行业中的应用,包括参考架构,测试平台,以及一些技术的解决方案。

 

 

英特尔物联网的四大领域是什么?

 

 

    所以,英特尔眼里的重点行业是什么呢?张宇告诉虎嗅,目前英特尔物联网的重点放在了“安防,零售,交通以及工业”。以安防领域来举例子,英特尔目前正在着手于IP Camera,即网络摄像头的开发应用。

 

 

   利用英特尔的凌动、酷睿处理器,甚至于英特尔至强处理器去搭建IP camera的网络视频存储器,称为NVR(Network Video Recorder)。后端方面,则是基于英特尔至强处理器来构建的视频服务器处理平台。英特尔收购FPGA厂商Altera以后,又收购了视频处理公司Movidius。

 

 

  这就形成了一种在计算资源以外的加速深度学习视频处理模式,以此提高产品安全性。张宇告诉虎嗅,


 

  深度学习在安防领域的确是可以增加、提高你对物体的识别能力,因为有很多图像识别数据库,比如说之前ImageNet等等,他们经常会组织这样一些竞赛。从竞赛的结果来看,在深度学习出现以前和深度学习出现以后,头像处理的精度与准确度,正随着深度学习技术的引入有了很大的提升。所以这个就证明了深度学习在视频安防领域有很大的应用前景。


  英特尔在这块也在不断投入,不仅仅在硬件方面,也在软件方面大量的投入,提供相应的跟深度学习相关的软件库,比如说底层的算法库,MPL,MPLDN;英特尔还提供了深度学习的SDK。

 

 

  而物联网事业部这边,目前正在着手于一个名为CVSDK(Computer Vision SDK)的项目。能够帮助开发者,提供一个统一的基于O-vx的一个接口,它在底层能够调用不同的硬件资源,包括ZPU,GPU,FPGA等等。CVSDK能够屏蔽硬件的差异化,提供给开发者一个统一的开发的接口,来降低开发的困难。

 

 

物联网,机遇与困难并存

 

 

  刚刚说到说到了工业物联网,事实上如果考虑我国国情的话会显得一丝尴尬。我在专访中这样告诉张宇,


 


   虽说智造2025,但是在实地走访中发现,大多数中国工厂中的机床、生产设备等等仍然停留于工业2.0,甚至说是工业1.0。


  张宇则认为工业物联网的需求还是很大,称工业升级改造是整个国家长期的战略,所以英特尔也是想响应这个号召来帮助国内的客户去更快的完成这样的升级。随后他举了几个例子:
 


 

 

 

  我们现在手头上就有一些项目正在跟我们的制造业的客户来做,遇到了很多的挑战,比如说现在在这些客户里头他们的设备有的是一些新设备,有一些是老设备,那么如果我们要需实现这种升级改造,尤其是利用技术去提高这种系统的生产效率的话,第一步首先要把数据收集上来,那我们遇到很多问题就是说,如何去收集,虽然看起来很简单,实际上很难。

 

 

   第一就是有些设备根本就没有数据输出的接口,所以你必须要想各种不同的办法去变通,去拿到你所想要拿到的信息;第二个就是有些设备虽然有接口,但是不同的设备接口又是各不相同的,你必须要做很强大的适配,去做适配的工作;第三个就是我拿到这些数据以后,如果我去做数据的分析,不同的行业,不同的应用场景,分析的思路也是不一样的,也就是说数据分析也是一个碎片化的市场,你的某一个算法比如说在烟草行业是适用的,但是你拿到汽车行业可能就不适用了。

 

 

  所以不同的行业数据分析需要有不同的方式方法,这个也需要有技术投入,真正的跟线上的用户做深入的交流,真正做一些定制化,满足他要求的解决方案。我觉得这三点是我们现在面临的比较大的挑战。

 

 

  话语之间我感受到了张宇的苦笑,毕竟“巧妇难为无米之炊”。不过英特尔是大企业,他们选择了两种思维方法去变通:垂直与水平。

 

 

  垂直:物联网是较为泛指的一个概念,几乎与网络相关的应用都会划在物联网的范畴里头。所以他们会先着手于重点行业,即上述四大行业。

 

 

  水平:英特尔会去做一些物联网水平化解决方案的一些工作,因为物联网虽然不同行业之间有差异,但是有很多共性的一些要素,比如说连接、互联,以及设备的远程管理这些功能都拥有相关联性。

 

 

  最后张宇这样说到,


 


  我们在做一些开放性的事情。就是说我们跟一些国内的重点客户交流,而且这些客户都不是小客户,是很大的制造类的企业,我们跟他们正在合作,现在这些企业的话,我们认为他们实现的产品、产业的升级改造所需要的解决方案他们现在是没有的。那么目前我们正在跟这些客户做开放性的工作,帮助他们把这些解决方案从无到有的构建起来,帮助他们提升他们制造业的水平,这个是目前我们正在做的。