2018年，边缘计算依然火热，并被普遍认为是5G的先行使能技术，受到了全行业的重视。为了解英特尔担任行业最大边缘计算联盟(ECC)发起方的原因和未来目标，近日在2018边缘计算产业峰会上，英特尔副总裁兼物联网事业部中国区总经理陈伟和英特尔中国物联网事业部首席技术官张宇接受了通信世界全媒体的采访。
边缘计算这个概念近两年才诞生，但是现在看来，已经爆发。陈伟表示，在一些视频技术应用比较多的行业，如视频监控、零售业人脸识别、智能制造、智慧城市等场景，当有大量的数据需要存储和分析的时候，边缘计算已先落地。人工智能作为一个解决数据爆发的工具，在边缘侧越靠近数据越便于建模训练，人工智能结合边缘计算将加速整个边缘行业的落地。
边缘计算是物联网的支柱
在物联网行业，边缘计算发展很快，已成为支撑物联网发展的支柱，张宇形象的把物联网发展比喻为有两只手，一个是边缘计算，另外一个是云计算，两者之间边云协同。英特尔认为物联网发展分三个阶段，即从互联到智能，从智能到自主。有一些行业已经开始从智能到自主阶段的转换，如智慧城市有很多安防的应用，在海康、大华等合作伙伴的产品里，已经能够实现智能摄像头分析人、车、物，或者在智能视频的存储器、智能视频的服务器做视频方面的分析。
不过目前边缘计算还处于发展的初期，有几方面的原因，张宇讲道，一方面用户对于现在怎么使用边缘计算，在哪些场景使用边缘计算，边缘计算能够带来什么样的价值，还有待探讨，一些新的选择需要供需双方共同努力挖掘。英特尔是一个技术的提供者，通过ECC这样的平台，跟产业链各个环节的合作伙伴一起，包括最终的使用者来发掘需求，共同做解决方案，促进好的使用模式更快的落地。
另一方面，边缘计算的理论、算法还属于不断探索的阶段。ECC联盟一直在做这样的探索，颁布了《边缘计算参考架构3.0》，还联合工业互联网产业联盟(AII)一起发布了《边缘计算与云计算协同白皮书》，这是目前探索的一些初步成果。
另外在某些行业里，边缘计算还有一些技术瓶颈没有做到，比如在工业里面会涉及到IT、OT两方面的内容，尤其是在OT，对于实时性的要求更强一些，这些行业的发展还需要一定技术的积累才能实现突破。
关于物联网市场普遍关注的行业碎片化问题，英特尔表示，由于行业和企业众多，英特尔难以为每一个行业都做一款定制化的芯片，要看不同行业之间有那些共性的需求，这些共性的需求会引入芯片设计和软硬工具的开发上。如视频化的处理是一个共性需求，负载整合是共性需求，由这些需求催生的技术，除了通用处理器以外还有专用针对视频加速的专用芯片，在负载整合方面，用到很多虚拟化的技术，英特尔从芯片、硬件和软件方面推动一系列技术的实现。可以预见，在今后的产品里会看到英特尔对这些领域更好的支持。
云边协同势在必行
英特尔对边缘计算十分看好，做出了很大的投入。陈伟表示过去的计算是跟随数据的，数据如果在云端的话，计算也会发生在云端，今天数据因为网络的限制或者实时性的需求，必须要在终端处理，因此边云协同就非常重要。因为如果每次在云端的计算切到边缘的时候要改变架构，计算就会非常缓慢。作为英特尔而言，芯片既能够支撑边缘计算，又能够辅助云端的计算，边云协同一定是公司能够提供的优势。边云协同是能够促使边缘计算行业快速发展的主要因素之一。
另外，5G在通信领域能够给用户提供更大的带宽，能够更快的把一些数据进行双向的传输。英特尔预计随着物联网的发展，数据增长速度还是要大于带宽的增长速度。IDC预计到2020年大概有50%的数据在边缘进行处理，其中已经考虑了5G的因素，从整个的发展来看，5G带来更好的用户体验，这种边云协同的趋势是不会发生改变的。
全面开放的全栈式解决方案
为推动边缘计算更快更好的发展，英特尔提供全栈式的解决方案，包括硬件和软件，部分硬件产品针对前端设备，部分针对云数据中心，会按照客户的需求提供全栈式的服务。英特尔提供的很多方案是开放性的，不完全是封闭性的。用户在搭建完整方案的时候，可以一部分选择英特尔的产品，一部分选择其他的第三方产品。
张宇表示，举个例子，英特尔今年发布了用于视频处理的软件工具OpenVINO，Open是开放，用户用OpenVINO的时候，可以基于一些开放的深度学习的框架做深度学习方案的开发。目前能够支持的框架包括像TensorFlow、Caffe、MX-net，用户可以在多选择的平台上去选择所训练的平台，或者想做的网络模型，把这些网络模型训练好以后，英特尔都能够做相应的支撑。把这个网络模型经过模型优化器优化完以后，用英特尔的推理引擎把它下载到英特尔的硬件产品之上做边缘计算的处理，提供更高的性能，但是并不限制在哪儿做训练，网络逻辑怎么设计的。通过这样开放的方式给用户更多灵活的选择，从两个维度来看这个事情。
同时，在OpenVINO里，除了英特尔提供的模型优化器和推理引擎等套件和组件以外，还包含20个大家比较常用的网络模型，这些网络模型已经在OpenVINO的软件工具套框架里做了优化。对于初学者而言，不需要对网络模型进行重新设计，直接调用已经包含的网络模型就能够满足很多的应用需求。但是对于某些能力相对比较强，而且有一些个性化要求的开发者，英特尔可以提供技术的支持，更多的技术方面的培训，能够更快的上手使用这些工具。
人工智能来快刀斩乱麻
边缘计算要处理海量的数据，如何快刀斩乱麻?陈伟表示，可以用AI。如做人脸识别类的视频处理，用得最多的是基于深度学习和人工智能的技术，这些技术大的来说分为两阶段，第一是训练的阶段，第二是推理的阶段。
张宇说，“训练和推理有很大的区别，训练是一个反馈的过程，有一个反向的处理优化的过程，而推理往往是前向的，就一条路，处理复杂度是不一样的。目前的技术水平在云端做更多的训练，在边缘这一侧可以做很多的推理工作，利用训练的结果，把训练以后的模型下载到边缘这一侧进行推理。”
但是能够预见，在今后随着计算能力的不断增强，一部分的训练工作有可能会被从云端推送到前端，也就是对于某些已经第一步训练完以后的网络，可能还需要重新优化的过程，这个优化很可能在边缘侧发生。举个例子，语音识别第一步先做经过普通话训练的语音识别，形成一个模型，当把这个模型用在山西或者是在云南，由于口音和方言，需要对原有的模型做一定的优化，这个优化的工作很可能在边缘实现，只要算力足够强，根据新的动态的样本，对第一阶段所生成的模型做动态的优化，把这个结果用在本地特定的地域进行使用，可以想到它会得到更好的结果。
生态构建尚需时日
完整的技术蓝图离不开生态的构建，成立边缘计算联盟的初衷也是要发挥全产业链的合力，推动边缘计算早日落地。这是一个循序渐进的过程，陈伟说：“为什么三年以后大家还是说边缘计算是一个初期，这不仅是技术问题也是商业模式落地的问题。”陈伟表示，要重视生态的搭建，边缘计算的生态链会变长，过去芯片加上OEM、ODM就直接可以交付终端用户，但是边缘计算还不行，要有硬件的合作伙伴，要有软件的合作伙伴，才能提供一定的算力，还要算法的合作伙伴，还要有系统集成商和终端用户。英特尔的战略是选择了要落地的边缘计算垂直行业，在整个产业链上面做全方位的合作。
