低时延AI完美适配工业场景，边缘智能如何构建数字工业新生态？

物联网智库 原创

二次转载请联系原作者

今年年初爆发的新冠疫情迫使居民的生活、学习、工作由线下向线上大规模迁移，令各行各业意识到了数字化升级的重要性，纷纷踏上转型之路。联网设备数量也随着物联网技术的快速发展而不断飙升，越来越多的应用场景被开发利用，随之而来的是数据规模的爆炸式增长，这无疑是对后端平台数据计算、处理能力的严峻考验。

 

云计算经过多年的发展，已成功落地众多领域。其本质是按需使用计算资源，具备成本低、通用性强、超大规模、可靠性强等特点，业务上云已逐渐成为企业数字化转型的重要举措。

 

然后，在实践中往往最容易暴露问题。由于技术与传输距离等原因，时效性是云计算难以突破的痛点，导致其在应对自动驾驶、智慧工厂这类对响应时间有极高要求的场景时力不从心。此外，集中式的云平台联网设备规模大，在高并发时段无法保证稳定性与安全性。

 

为了解决这些问题，边缘计算应运而生。它是融合了网络、计算、存储以及应用处理能力的分布式平台，部署在靠近用户与数据源头的边缘节点，就近提供数据处理服务并回传用户，缩短时延，有效缓解数据在云端的传输及处理压力。

 

随着算法、算力的发展，边缘计算已逐渐覆盖通讯延迟敏感、网络稳定敏感、带宽成本敏感、数据安全敏感的应用场景。然而，功过参半，边缘计算的部署位置也限制了它的计算能力，虽然在引入人工智能技术后有所提高，但对于一些复杂的运算指令还是需要上传到云端来完成。

 

工业制造业凭借自身庞大的数据规模在一众探索数字化转型的行业中脱颖而出，成为物联网、AIoT、边缘智能等技术落地的首选，从机器视觉到设备工艺、时序的一系列数据为AIoT提供了充足的学习模型。很多工厂在前端生产线上布了很多摄像头，如果全靠云端来处理视频数据的话，成本会非常高，同时还要考虑数据安全问题，所以优先选择在边缘侧进行数据处理。

 

工业数字化不仅数据庞杂，同时对响应时间要求极高，若要实现生产线无人化经营就必须保证及时、精准反馈，任何的网络延迟都可能为工厂带来无法逆转的损失，尤其是现场环境监测、故障预测及报警等高危场景，对延迟是无法接受的，这便是边缘智能落地的绝佳场景。

 

近年来，从边缘算法、算力，到芯片、网关等前端设备，再到工业物联网平台都在不断迭代升级，以应对更加复杂的工业场景。物联网智库作为业内领先的研究型媒体，对工业互联网领域一直保持关注，并与该行业的核心企业密切交流。

 

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”