制造业升级，计算力先行

最爱穿泳装的可能不是海边人，最爱吃甜的也不是南方人……

在数据为王时代，越来越丰富的大数据经过AI计算常会告诉我们出人意料颠覆认知的答案，而就智能制造来说，边缘计算也许是在千行百业中可以轻松“比物连类”，或者让柔性生产链完美融合于行业大智造环境中的利器——前不久，星火“聊缘”智能制造技术与应用沙龙在苏州举办，来自中国信通院技术与标准研究所等机构的专家接受记者专访时表示，制造业升级，计算力先行，边缘计算已经成为支持智能制造发展的关键。

五年翻了四倍的机器人，他们的数据何处安放？

什么是边缘计算？对于老百姓来说，这是个陌生领域，百度词条的解释是：指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。简单打个比方，每天我们身边和工厂里的高端制造设备会产生巨量的数据，而且越来越复杂，协同程度也越来越难，如何“就近”处理这些数据，然后进行云边协同，提升制造生产效率，就是边缘计算要做的。

目前国内智能制造装备产值规模已达2万亿，智能制造产业形成了长三角地区、珠三角地区、环渤海地区和中西部地区的四大聚集区。但是在智能制造快速发展的背后仍面临三大挑战。仅仅拿机器人来说，从2015年到今天，国内机器人装机量从25万台已经猛增到100万台，更别说智能制造生产线上，数控机床、PLC的市场规模已经从1400亿增长到2000多亿；有数据显示，工业现场单个摄像头每天就会产生大概330G的视频数据，这些数据要是想完全传输至云端不仅占用带宽，也难以满足实时性（毫秒级）的业务需求，根本不现实。

那么，这些智能制造设备产生的越来越复杂庞大的数据该如何安放，还要转变成有用的数据？这就要靠边缘计算的超强算力来完成。有研究预测，2020年我国将有超过500亿台设备连接在一起，每个工厂每天收集的数据点将超过14.4亿，这意味着对计算能力、服务速度和质量等方面有着前所未有的需求和期望。

边缘计算在靠近数据源头的边缘侧提供计算及存储服务，能够有效缓解网络带宽与数据中心的压力，增强服务的响应能力并对隐私数据进行保护，提升数据和生产的安全性。

不走出象牙塔的算法工程师，无法烹制企业“百家饭”

边缘计算最近几年才火起来，但此前自己在从业时也遇到过很多问题，比如如何让顶级算法研究院里出来的工程师能了解到企业的具体需求和千人千面，每个企业乃至每条生产线的智能制造需求都可能有大大小小的差异，甚至现在有很多智能制造是走柔性生产链和个性化定制，这就需要更高的算法、算力匹配和量身定做的边缘计算方案。

有很多边缘计算的实际需求，是没有融入场景前根本想不到的，比如一些特定的场所、景点或者建筑，需要视频数据处理或者景区烟火等危险物识别等，除了基础算法，甚至要考虑到计算机器的外观设计需要跟景区建筑风格相匹配，或者在特定的环境下，比如在夏季高温天机器环境温度能达到70℃，算法会不会“撂挑子”？这些都是以前算法工程师不一定会考虑到的切实场景需求。

构建完整产业生态闭环

所以，AI技术链条与制造行业的产业链条脱节的生态离散是边缘计算面临的挑战。目前人工智能算法、模型发展日趋成熟，但对制造企业来说，缺乏优秀的人工智能人才进行AI的应用实践，而头部的AI技术研究机构、科技公司，缺乏需求场景及行业的关键数据。据调查表明，70%以上有技术的研究机构、科技公司缺需求场景、缺领域知识和数据，70%以上的行业用户缺技术人才、缺AI平台和实践能力，严重制约了智能制造的发展速度。

云边一体亟须顶层设计，中国计算力指数全球第二

云边的协同缺乏一整套云边资源管理和任务调度整体方案。边缘计算模式的核心是将分析和决策下沉到网络边缘侧，对于用户来说需要从算法、云平台、边缘资源管理平台、硬件产品的一整套软硬件整体解决方案。这需要整个行业生态伙伴一起来努力，加上顶层设计来指导和打通路径，形成行业标准，才能将边缘计算大力发展起来。

据2020全球计算力指数评估报告显示，制造行业是全球算力投资第二大行业，也是算力投入最大的传统行业。在全球2000强的制造企业中，算力投资主要集中在研发、生产、供应链和服务等环节。目前，中国是全球计算力指数排名第二的国家，而目前中国制造业水平与欧美和日本相比，仍有一定差距。

IDC将企业数字化成熟度划分为入门者、探索者、组织者、转型者、颠覆者5个阶段，目前来看，对比全球，中国制造企业数字化转型总体成熟度处在中间阶段，而在第四、五阶段的数字化转型者和数字化颠覆者的占比很低。其中一个原因在于人工智能、物联网等技术在制造行业应用落地中，企业迫切需要边缘侧强大的智算力支持智能制造发展。

工厂、交通、城市治理都离不开，边缘计算炼就“火眼金睛”

看起来很“诱人”的边缘计算，究竟能给我们带来什么好处？

边缘计算+工业AI质检解决方案

举例说，对于一些电子设备的质检工，通常每天要完成1万多个零件的检测，平均每分钟要检测十几个产品。如此庞大的工作量往往需要质检工人超过10个小时的高负荷工作，导致工人精力跟不上，产品质量无法提升。多家企业携手打造的边缘工业智能质检解决方案，通过产线工业相机实时采集产品表面图片，对缺陷进行快速推理、定位，实时给出缺陷类型、大小和处理建议，炼就了智慧工厂的“火眼金睛”。

同时，这些数据缺陷问题还会反馈到云端数据中心，进一步优化AI质检模型算法，帮助企业进行更加精确、高效的生产。目前，该解决方案已成功应用在钢铁、3C电子及汽车等用户的智能工厂，缺陷诊断率从原来的90%提升到99%。

此外，边缘计算也在发力工业机器人的“智能体检”：随着智能工厂的规模日益增长，工厂内智能机器人数量与日剧增，海量机器设备需要进行统一的运维与管理。“智能体检模型”能够实时监控智能工厂内机器人各项参数，发现问题能提前将设备进行更换，避免机器人非计划停机导致全自动化产线“断档”。

— END —