任姚丹珺，戚正偉，管海兵，陳磊

（1 . 上海交通大學(xué)電子信息與電氣工程學(xué)院，上海 200240；2 . 中國(guó)工程院戰(zhàn)略咨詢中心，北京 100088）

一、前言

隨著全球經(jīng)濟(jì)競(jìng)爭(zhēng)進(jìn)一步激烈，新一輪信息產(chǎn)業(yè)變革興起；與消費(fèi)互聯(lián)網(wǎng)相比，實(shí)體制造業(yè)面臨著生產(chǎn)運(yùn)營(yíng)成本高、產(chǎn)品附加價(jià)值低等問題，產(chǎn)業(yè)數(shù)字化和智能化變革刻不容緩[1]?？焖侔l(fā)展的邊緣計(jì)算和人工智能（AI）技術(shù)正成為制造業(yè)全面轉(zhuǎn)型的重要推動(dòng)力，工業(yè)發(fā)達(dá)國(guó)家紛紛制定制造業(yè)智能化升級(jí)發(fā)展戰(zhàn)略。隨著通用電氣公司、微軟公司、亞馬遜公司等諸多巨頭企業(yè)積極布局，美國(guó)已孕育出以Predix為代表的一批工業(yè)互聯(lián)網(wǎng)平臺(tái)[2]。德國(guó)立足雄厚的自動(dòng)化生產(chǎn)基礎(chǔ)，率先提出“工業(yè) 4.0”戰(zhàn)略，積極規(guī)劃交通、醫(yī)療、能源、制造業(yè)等領(lǐng)域的創(chuàng)新發(fā)展[2]。日本、韓國(guó)、法國(guó)、瑞典等也推出了制造業(yè)轉(zhuǎn)型升級(jí)計(jì)劃，構(gòu)建以數(shù)字化為基礎(chǔ)的生產(chǎn)發(fā)展模式以保持制造業(yè)優(yōu)勢(shì)。我國(guó)作為制造大國(guó)，高度重視工業(yè)互聯(lián)網(wǎng)的發(fā)展，2020年國(guó)家發(fā)展和改革委員會(huì)首次明確“新基建”重點(diǎn)領(lǐng)域包括工業(yè)互聯(lián)網(wǎng)，指出工業(yè)互聯(lián)網(wǎng)建設(shè)是信息基礎(chǔ)建設(shè)的核心內(nèi)容；一批制造業(yè)龍頭企業(yè)、互聯(lián)網(wǎng)公司、技術(shù)創(chuàng)新企業(yè)等開展工業(yè)互聯(lián)網(wǎng)前沿探索，在協(xié)同制造、產(chǎn)品全生命周期管理、用戶定制化等方向形成了多個(gè)工業(yè)互聯(lián)網(wǎng)平臺(tái)[3]。

工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)起源于大國(guó)以產(chǎn)業(yè)升級(jí)為核心的博弈，依托開放互聯(lián)的全球化信息網(wǎng)絡(luò)平臺(tái)，工業(yè)互聯(lián)網(wǎng)推動(dòng)工業(yè)生產(chǎn)、銷售、物料供應(yīng)等流程各要素更加數(shù)字化、網(wǎng)絡(luò)化、自動(dòng)化、智能化[4]。聯(lián)網(wǎng)設(shè)備數(shù)量急劇增加，隨之增長(zhǎng)的數(shù)據(jù)總量為網(wǎng)絡(luò)資源帶來(lái)極大壓力，傳統(tǒng)的云計(jì)算模式在帶寬不足的情況下很難實(shí)時(shí)響應(yīng)終端設(shè)備的請(qǐng)求[5]。推動(dòng)云能力下沉、提升邊緣設(shè)備處理能力成為發(fā)展趨勢(shì)，而工業(yè)互聯(lián)網(wǎng)邊緣智能的興起將推動(dòng)制造業(yè)深度挖掘數(shù)據(jù)價(jià)值，形成云-邊-端協(xié)同計(jì)算的整體架構(gòu)，從而營(yíng)造工業(yè)生產(chǎn)新生態(tài)[6]。

本文針對(duì)工業(yè)互聯(lián)網(wǎng)邊緣側(cè)智能化程度不斷提高的發(fā)展現(xiàn)狀，調(diào)研協(xié)同計(jì)算、資源隔離、隱私保護(hù)等工業(yè)互聯(lián)網(wǎng)邊緣智能的支撐技術(shù)；分析工業(yè)互聯(lián)網(wǎng)邊緣智能的代表性應(yīng)用場(chǎng)景，探討工業(yè)互聯(lián)網(wǎng)邊緣智能的發(fā)展趨勢(shì)；提出我國(guó)工業(yè)互聯(lián)網(wǎng)邊緣智能的發(fā)展建議，以期為國(guó)家制造業(yè)智能化升級(jí)提供參考。

二、工業(yè)互聯(lián)網(wǎng)邊緣智能的定義與研究范疇

工業(yè)互聯(lián)網(wǎng)平臺(tái)是新工業(yè)體系的“操作系統(tǒng)”，通常分為現(xiàn)場(chǎng)層、邊緣層、基礎(chǔ)設(shè)施即服務(wù)（IaaS）層、工業(yè)平臺(tái)即服務(wù)（PaaS）層、應(yīng)用層；國(guó)內(nèi)主流廠商開發(fā)的工業(yè)互聯(lián)網(wǎng)平臺(tái)都參照類似范式[2]。邊緣層是平臺(tái)的基礎(chǔ)，承擔(dān)著接入現(xiàn)場(chǎng)層設(shè)備、協(xié)議解析、邊緣數(shù)據(jù)處理等任務(wù)。PaaS層提供應(yīng)用開發(fā)平臺(tái)、工業(yè)微服務(wù)組件等功能。應(yīng)用層包含面向企業(yè)傳統(tǒng)需求的軟件優(yōu)化、面向特定場(chǎng)景的應(yīng)用創(chuàng)新，是工業(yè)互聯(lián)網(wǎng)平臺(tái)價(jià)值的集中體現(xiàn)。

隨著萬(wàn)物互聯(lián)時(shí)代的到來(lái)，聯(lián)網(wǎng)設(shè)備的數(shù)量急劇增長(zhǎng)，產(chǎn)生的數(shù)據(jù)總量隨之增加，從端到云的數(shù)據(jù)傳輸會(huì)帶來(lái)巨大的帶寬壓力和能源消耗，使得傳統(tǒng)的集中式處理不堪重負(fù)，由此催生了邊緣計(jì)算并逐步向邊緣智能發(fā)展[7]。在對(duì)時(shí)間延遲更敏感、聯(lián)網(wǎng)設(shè)備更多、數(shù)據(jù)安全性要求更高的智能工廠中，邊緣智能的需求更為突出[8]。一般認(rèn)為，未來(lái)智能工廠每天會(huì)產(chǎn)生1 PB以上的生產(chǎn)監(jiān)控?cái)?shù)據(jù)，由于檢測(cè)、控制、執(zhí)行操作要求的時(shí)延一般小于10 ms，現(xiàn)行的終端-核心網(wǎng)-云端模式根本無(wú)法保障實(shí)時(shí)性要求；邊緣智能方案在邊緣即時(shí)處理和回饋結(jié)果給終端，有望將實(shí)時(shí)性、短周期業(yè)務(wù)的處理時(shí)延降低至1 ms [9]。邊緣智能的資源包括從終端到云計(jì)算中心傳輸路徑上的所有計(jì)算和網(wǎng)絡(luò)設(shè)備，因此能在近數(shù)據(jù)源側(cè)完成收集、分析與決策任務(wù)[3]。通過(guò)將云計(jì)算中心的存儲(chǔ)、計(jì)算、智能資源下沉到網(wǎng)絡(luò)邊緣側(cè)，推動(dòng)智能應(yīng)用從云端向邊緣遷移，邊緣智能方案有望滿足制造業(yè)在實(shí)時(shí)響應(yīng)、智能應(yīng)用、敏捷感知、需求多樣、隱私保護(hù)、數(shù)據(jù)海量且異構(gòu)等方面的關(guān)鍵需求。

邊緣智能定義為：具備機(jī)器學(xué)習(xí)和高級(jí)網(wǎng)絡(luò)功能，在網(wǎng)絡(luò)邊緣節(jié)點(diǎn)處理和存儲(chǔ)數(shù)據(jù)的高級(jí)邊緣計(jì)算[8]。需要指出的是，邊緣計(jì)算與云計(jì)算并非相互替代的關(guān)系，而是通過(guò)協(xié)同來(lái)高效利用終端-邊緣-云端路徑上的所有計(jì)算和存儲(chǔ)資源，全面提升數(shù)據(jù)處理能力，促進(jìn)工業(yè)智能應(yīng)用的落地與推廣。邊緣智能將有效應(yīng)對(duì)當(dāng)前工業(yè)互聯(lián)網(wǎng)發(fā)展面臨的諸多挑戰(zhàn)（見圖1）：業(yè)務(wù)需求多樣，單一計(jì)算模式無(wú)法滿足各類應(yīng)用的特定要求；業(yè)務(wù)數(shù)據(jù)海量且異構(gòu)，需要實(shí)時(shí)管理多種數(shù)據(jù)流；原有生產(chǎn)設(shè)備缺少內(nèi)置安全機(jī)制，存在隱私數(shù)據(jù)泄露的風(fēng)險(xiǎn)等。

三、工業(yè)互聯(lián)網(wǎng)邊緣智能發(fā)展現(xiàn)狀

（一）工業(yè)互聯(lián)網(wǎng)邊緣智能的關(guān)鍵技術(shù)

1. 協(xié)同計(jì)算

協(xié)同計(jì)算方案一般按參與計(jì)算的主體分類（見圖2），包括由云計(jì)算中心、邊緣節(jié)點(diǎn)協(xié)同的云邊協(xié)同，由邊緣控制器、網(wǎng)關(guān)、邊緣云等多種邊緣設(shè)備協(xié)同的邊邊協(xié)同。目前工業(yè)界探索較多的是云端-邊緣協(xié)同計(jì)算，按各自承擔(dān)的計(jì)算任務(wù)進(jìn)一步劃分為預(yù)測(cè)-訓(xùn)練云邊協(xié)同、云導(dǎo)向的云邊協(xié)同、邊緣導(dǎo)向的云邊協(xié)同[10]。邊邊協(xié)同計(jì)算是新興的研究方向，相較于云邊協(xié)同，在進(jìn)一步保護(hù)用戶隱私數(shù)據(jù)的同時(shí)，又避免“數(shù)據(jù)孤島”現(xiàn)象[8]。

在訓(xùn)練-預(yù)測(cè)云邊協(xié)同中，云計(jì)算中心匯聚邊緣設(shè)備的上傳數(shù)據(jù)，對(duì)AI模型進(jìn)行集中訓(xùn)練和更新；邊緣設(shè)備承擔(dān)數(shù)據(jù)入口、推理結(jié)果出口的任務(wù)，應(yīng)用于視頻檢測(cè)、設(shè)備工況預(yù)測(cè)等方向，獲得成熟的框架支持[11]。在云導(dǎo)向的云邊協(xié)同中，云計(jì)算中心除了負(fù)責(zé)模型的訓(xùn)練和更新，還承擔(dān)一部分模型推理的計(jì)算任務(wù)；需要對(duì)模型選取合適的切割點(diǎn)，平衡計(jì)算和通信開銷，如Kang等[11]提出基于DNN模型各層的時(shí)延估計(jì)來(lái)確定滿足目標(biāo)的最佳模型分割點(diǎn)。在邊緣導(dǎo)向的云邊協(xié)同中，邊緣設(shè)備除了承擔(dān)模型推理和數(shù)據(jù)收集任務(wù)，還承擔(dān)在本地或近鄰設(shè)備上訓(xùn)練和更新模型的任務(wù)。

邊緣-邊緣協(xié)同計(jì)算是當(dāng)前協(xié)同計(jì)算的研究熱點(diǎn)，如McMahan等[12]提出的聯(lián)邦學(xué)習(xí)綜合考慮了隱私性、服務(wù)質(zhì)量、通信開銷等多種因素，不直接上傳在邊緣收集到的數(shù)據(jù)，而在本地訓(xùn)練后向云端上傳更新的參數(shù)。自治學(xué)習(xí)則更為關(guān)注邊緣節(jié)點(diǎn)用戶的定制化需求，通過(guò)數(shù)據(jù)增強(qiáng)、運(yùn)行時(shí)緩存、模型壓縮等機(jī)制，使訓(xùn)練任務(wù)分配到資源受限的邊緣或終端設(shè)備，據(jù)此完成所有與隱私數(shù)據(jù)相關(guān)的計(jì)算并提高隱私保護(hù)能力[9]。

2. 資源隔離

邊緣智能的穩(wěn)健發(fā)展離不開資源隔離技術(shù)。隔離技術(shù)通過(guò)對(duì)計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)等資源的統(tǒng)一管理，避免了單一程序的崩潰可能對(duì)整個(gè)系統(tǒng)穩(wěn)定性的影響，從而保證服務(wù)的質(zhì)量與可靠性。海量的物料、半成品、終端、邊緣設(shè)備的參與，使工業(yè)互聯(lián)網(wǎng)場(chǎng)景變得極為復(fù)雜：在流水線生產(chǎn)中，生產(chǎn)控制任務(wù)和設(shè)備狀態(tài)監(jiān)控任務(wù)一旦相互干擾，可能導(dǎo)致整條生產(chǎn)線停工；在汽車配件定制化生產(chǎn)中，配件制造跟蹤數(shù)據(jù)的傳輸將顯著增加用戶隱私、核心技術(shù)參數(shù)泄露的可能性。

虛擬機(jī)（VM）技術(shù)的發(fā)展開啟了云計(jì)算時(shí)代，但基于VM的虛擬化技術(shù)不夠輕量，通常啟動(dòng)一臺(tái)虛擬機(jī)需要數(shù)分鐘的時(shí)間，不能滿足邊緣場(chǎng)景的實(shí)時(shí)性要求。容器（Docker）作為下一代虛擬化技術(shù)，對(duì)啟動(dòng)開銷進(jìn)行了重大改進(jìn)，支持應(yīng)用程序在基于操作系統(tǒng)的虛擬化隔離環(huán)境中運(yùn)行；通過(guò)分層鏡像，打包和分發(fā)應(yīng)用只需毫秒級(jí)時(shí)延，額外資源開銷很小，成為邊緣系統(tǒng)中實(shí)現(xiàn)隔離的首選[8]。目前，以Docker為主的容器技術(shù)、以Kubernates為主的容器編排技術(shù)已較為成熟[13]，EdgeX Foundry、Azure IoT Edge、KubeEdge等邊緣計(jì)算架構(gòu)都納入了容器封裝功能。在場(chǎng)景復(fù)雜、資源受限、開發(fā)工具和語(yǔ)言多樣的工業(yè)互聯(lián)網(wǎng)邊緣場(chǎng)景下，通過(guò)容器技術(shù)封裝工作負(fù)載具有良好的可行性。

圖1 工業(yè)互聯(lián)網(wǎng)邊緣智能研究范疇

3. 安全傳輸與隱私保護(hù)

制造企業(yè)得益于工業(yè)互聯(lián)網(wǎng)平臺(tái)帶來(lái)的生產(chǎn)高效化、決策智能化的同時(shí)，也面臨著數(shù)據(jù)泄露、機(jī)密暴露、內(nèi)部網(wǎng)絡(luò)安全性下降等威脅。工業(yè)互聯(lián)網(wǎng)平臺(tái)的邊緣節(jié)點(diǎn)和云數(shù)據(jù)中心的安全性都是值得關(guān)注的問題。

當(dāng)前，主流的工業(yè)互聯(lián)網(wǎng)平臺(tái)依舊通過(guò)租用公有云、搭建私有云或綜合兩者使用混合云的方式來(lái)存儲(chǔ)持久化數(shù)據(jù)[14]。然而，云端數(shù)據(jù)中心并不可信，傳統(tǒng)數(shù)據(jù)中心可能遭遇的問題在工業(yè)互聯(lián)網(wǎng)場(chǎng)景下會(huì)帶來(lái)更嚴(yán)重的后果；一旦云服務(wù)提供商不當(dāng)操作造成數(shù)據(jù)泄露，相關(guān)的制造企業(yè)及其上下游企業(yè)都可能利益受損。為了保證數(shù)據(jù)安全，研究者提出在云端以密文形式存儲(chǔ)用戶數(shù)據(jù)，如Rivest等 [15]提出的同態(tài)加密算法允許直接對(duì)密文進(jìn)行特定的代數(shù)運(yùn)算（見圖3），使密文運(yùn)算得到的加密結(jié)果在解密后與明文進(jìn)行相同運(yùn)算的結(jié)果具有一致性，這為傳輸和處理用戶數(shù)據(jù)都提供了保障。已有研究工作[16]探究了將同態(tài)加密算法應(yīng)用到一些機(jī)器學(xué)習(xí)算法（如決策樹、支持向量機(jī)）的訓(xùn)練過(guò)程，如Nandakumar等 [17]進(jìn)一步將同態(tài)加密應(yīng)用到深度學(xué)習(xí)，但該方案不支持卷積層運(yùn)算，在訓(xùn)練效率和模型精度方面都不盡如人意。

由于依托的硬件資源遍布在網(wǎng)絡(luò)連接的路徑上，邊緣智能天然具備分布式特征[8]，與分布式存儲(chǔ)方案相輔相成。相較于集中式存儲(chǔ)，分布式存儲(chǔ)能有效緩解工業(yè)設(shè)備采集數(shù)據(jù)傳輸帶來(lái)的帶寬壓力大、響應(yīng)實(shí)時(shí)性差、傳輸能耗大、數(shù)據(jù)安全性下降等問題。目前應(yīng)用較廣的分布式存儲(chǔ)協(xié)議是星際文件系統(tǒng)（IPFS），其本質(zhì)是為分布式持久化存儲(chǔ)和文件共享發(fā)展網(wǎng)絡(luò)傳輸協(xié)議[18]。當(dāng)用戶請(qǐng)求數(shù)據(jù)時(shí)，IPFS系統(tǒng)基于搜索內(nèi)容而非傳統(tǒng)的基于域名來(lái)確定數(shù)據(jù)的存儲(chǔ)節(jié)點(diǎn)，從分布式節(jié)點(diǎn)而非數(shù)據(jù)中心上獲取數(shù)據(jù)，從而節(jié)省近60%的帶寬并提高傳輸安全性。為了像傳統(tǒng)云服務(wù)一樣形成固定的盈利方式，IPFS協(xié)議下的Filecoin項(xiàng)目新建了激勵(lì)機(jī)制，服務(wù)提供方和服務(wù)使用方基于Filecoin代幣對(duì)檢索和存儲(chǔ)服務(wù)進(jìn)行交易，從而形成穩(wěn)定的計(jì)費(fèi)方式，促進(jìn)分布式存儲(chǔ)和邊緣計(jì)算的進(jìn)一步發(fā)展。

（二）工業(yè)互聯(lián)網(wǎng)邊緣智能的應(yīng)用

隨著工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)展，邊緣智能與實(shí)際應(yīng)用深度融合。工業(yè)互聯(lián)網(wǎng)的功能已經(jīng)從數(shù)據(jù)的統(tǒng)一接入管理，朝著智能化分析和決策、工業(yè)機(jī)理的沉淀集成和創(chuàng)新改進(jìn)、組件化和圖形化分析等方向演進(jìn)。在芯片、5G、協(xié)同計(jì)算、容器化、分布式等技術(shù)的推動(dòng)下，出現(xiàn)了如預(yù)測(cè)性維護(hù)、機(jī)械臂控制、工業(yè)增強(qiáng)現(xiàn)實(shí)（AR）等新型應(yīng)用。這些應(yīng)用對(duì)前文所述的協(xié)同計(jì)算、隔離技術(shù)、隱私保護(hù)等的依賴關(guān)系如表 1所示。預(yù)測(cè)性維護(hù)、機(jī)械臂控制、工業(yè)AR都離不開隔離技術(shù)的支持，一方面隔離技術(shù)能夠保證各類智能應(yīng)用在邊緣設(shè)備上運(yùn)行時(shí)彼此互不干擾；另一方面，隔離技術(shù)提高了對(duì)邊緣資源的利用和調(diào)度效率，使得新興應(yīng)用以更低成本實(shí)現(xiàn)落地。

圖2 邊云協(xié)同計(jì)算、邊邊協(xié)同計(jì)算示意圖

1. 高價(jià)值設(shè)備的預(yù)測(cè)性維護(hù)有效提高設(shè)備可用性和經(jīng)濟(jì)效益

設(shè)備管理服務(wù)，如預(yù)測(cè)性維護(hù)是工業(yè)互聯(lián)網(wǎng)場(chǎng)景下最廣泛的需求之一。現(xiàn)代化流水線制造環(huán)節(jié)的生產(chǎn)設(shè)備通常具有非常復(fù)雜的零部件結(jié)構(gòu)，一旦某一生產(chǎn)環(huán)節(jié)出現(xiàn)問題，可能導(dǎo)致整條流水線的生產(chǎn)效率下降，甚至引發(fā)停工。邊緣智能技術(shù)通過(guò)對(duì)設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)檢測(cè)，調(diào)用基于工業(yè)大數(shù)據(jù)的AI模型對(duì)生產(chǎn)設(shè)備可能的工況狀態(tài)、潛在的故障模式作出推斷，使預(yù)測(cè)性維護(hù)成為了可能。現(xiàn)有的預(yù)測(cè)性維護(hù)如國(guó)產(chǎn)邊緣智能計(jì)算物聯(lián)網(wǎng)（EC-IoT）方案 [7]，采用邊緣網(wǎng)關(guān)負(fù)責(zé)設(shè)備聯(lián)通和數(shù)據(jù)預(yù)處理業(yè)務(wù)，在本地對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)分析，只將與結(jié)果相關(guān)的少量高價(jià)值數(shù)據(jù)上傳到云端；從應(yīng)用效果看，EC-IoT幫助生產(chǎn)企業(yè)減少了超過(guò)70%的業(yè)務(wù)中斷事件，使維護(hù)和運(yùn)營(yíng)成本下降了50%?，F(xiàn)有的預(yù)測(cè)性維護(hù)大都采取了云端訓(xùn)練模型并聚合數(shù)據(jù)，邊緣預(yù)處理數(shù)據(jù)并上傳的邊云協(xié)同方式；但邊緣還可利用數(shù)據(jù)的局部性進(jìn)行本地增量訓(xùn)練模型等方式來(lái)進(jìn)一步提升性能，同時(shí)分布式存儲(chǔ)部署到邊緣設(shè)備來(lái)節(jié)約云端存儲(chǔ)資源和傳輸數(shù)據(jù)所需帶寬。

2. 高精度機(jī)械臂使“機(jī)器取代人力”成為現(xiàn)實(shí)

隨著人力成本的上升，企業(yè)制造的附加值下降；在工業(yè)互聯(lián)網(wǎng)迅速發(fā)展的背景下，生產(chǎn)過(guò)程的自動(dòng)化程度不斷提高，“以機(jī)器取代人力”具有可行性。工業(yè)機(jī)械臂指通過(guò)模擬人手臂、手腕和手功能完成工業(yè)制造某些工序的機(jī)械裝置，已有產(chǎn)品可以執(zhí)行“硬性加工”任務(wù)（如切割、焊接等）[6]。先進(jìn)計(jì)算機(jī)視覺技術(shù)使得機(jī)械臂控制精度達(dá)到0.01 mm，5G傳輸和邊緣側(cè)智能計(jì)算使得偏差檢測(cè)、二次規(guī)劃、姿態(tài)調(diào)整等步驟的時(shí)間延遲滿足工業(yè)制造需求（＜ 10 ms）[8]。目前，工業(yè)機(jī)器人、數(shù)控機(jī)床部署智能算法已經(jīng)有初步的落地應(yīng)用，如ADMOS平臺(tái)通過(guò)集成數(shù)控機(jī)床行業(yè)龍頭德瑪吉森公司提供的應(yīng)用程序接口（API），將機(jī)器學(xué)習(xí)算法部署至機(jī)床軟件，實(shí)現(xiàn)了基于溫度智能計(jì)算刀頭位移的補(bǔ)償需求。此外，考慮到單個(gè)制造環(huán)節(jié)往往有多個(gè)數(shù)據(jù)采集點(diǎn)，可以融合邊邊協(xié)同計(jì)算，共同完成單項(xiàng)智能業(yè)務(wù)的計(jì)算需求，支持系統(tǒng)執(zhí)行更精細(xì)的任務(wù)。

圖3 基于同態(tài)加密的端到端加密計(jì)算示意圖

表1 邊緣智能關(guān)鍵技術(shù)與典型應(yīng)用的關(guān)系

3. AI與工業(yè)場(chǎng)景的深度融合催生工業(yè)AR

工業(yè)AR是以AI算法輔助工業(yè)制造為特點(diǎn)的新興場(chǎng)景?，F(xiàn)代高精度機(jī)械裝備由數(shù)量眾多的復(fù)雜零部件構(gòu)成，一旦裝配過(guò)程發(fā)生問題，僅靠裝配工人的記憶很難獨(dú)立執(zhí)行繁瑣的裝配步驟。集成工業(yè)AR的輔助眼鏡，借助終端和邊緣的計(jì)算資源在裝配過(guò)程中智能識(shí)別零部件，通過(guò)文字、動(dòng)態(tài)影像指導(dǎo)佩戴眼鏡的裝配工人開展組裝；美國(guó)波音公司將之應(yīng)用到飛機(jī)生產(chǎn)線上，減少了50%的裝配錯(cuò)誤，將裝配耗時(shí)降低至原來(lái)的75% [4]。工業(yè)AR還能應(yīng)用于遠(yuǎn)程故障排查，無(wú)需資深專家到達(dá)現(xiàn)場(chǎng)，而由現(xiàn)場(chǎng)維護(hù)人員佩戴AR眼鏡并與技術(shù)專家、專業(yè)團(tuán)隊(duì)連線，共同完成遠(yuǎn)程檢修。

邊緣智能用于工業(yè)互聯(lián)網(wǎng)場(chǎng)景，在性能改善、減少操作成本和保障數(shù)據(jù)安全上有一定優(yōu)勢(shì)。工業(yè)生產(chǎn)常見的狀態(tài)跟蹤、缺陷檢測(cè)、預(yù)測(cè)性維護(hù)等需求，在近數(shù)據(jù)源處獲得智能處理，可以保證響應(yīng)的實(shí)時(shí)性；在邊緣處理和存儲(chǔ)數(shù)據(jù)具有多重優(yōu)勢(shì)，在現(xiàn)有云模式的數(shù)據(jù)安全保護(hù)方案基礎(chǔ)上，結(jié)合分布式存儲(chǔ)和邊緣智能計(jì)算將進(jìn)一步提高隱私數(shù)據(jù)的安全性。

四、工業(yè)互聯(lián)網(wǎng)邊緣智能發(fā)展趨勢(shì)展望

盡管邊緣智能在工業(yè)互聯(lián)網(wǎng)實(shí)際場(chǎng)景中存在巨大的實(shí)用潛力，但仍處于發(fā)展初期，距離大規(guī)模落地實(shí)施還需要突破多項(xiàng)挑戰(zhàn)。工業(yè)互聯(lián)網(wǎng)邊緣智能未來(lái)發(fā)展將圍繞實(shí)際需求和新興產(chǎn)業(yè)，在各方參與者的推動(dòng)下盡快固化商業(yè)模式，支持制造業(yè)的深化改革、工業(yè)互聯(lián)網(wǎng)的規(guī)模化應(yīng)用（見圖4）。

（一）業(yè)務(wù)需求驅(qū)動(dòng)技術(shù)創(chuàng)新

工業(yè)生產(chǎn)的實(shí)際業(yè)務(wù)需求始終是工業(yè)互聯(lián)網(wǎng)邊緣智能產(chǎn)業(yè)的核心驅(qū)動(dòng)因素。當(dāng)前，工業(yè)互聯(lián)網(wǎng)邊緣智能的參與者多為龍頭制造企業(yè)、大型信息技術(shù)企業(yè)，前者推出滿足自身生產(chǎn)需求的示范應(yīng)用，后者利用技術(shù)優(yōu)勢(shì)為行業(yè)典型案例提供解決方案；行業(yè)發(fā)展主要依靠上游供給方推動(dòng)。未來(lái)，數(shù)量眾多的中小型制造企業(yè)將成為需求的主要提出者，提供更豐富的工業(yè)生產(chǎn)場(chǎng)景需求，驅(qū)動(dòng)邊緣智能方案供應(yīng)商發(fā)展更適合規(guī)?；涞氐膭?chuàng)新應(yīng)用，促進(jìn)工業(yè)互聯(lián)網(wǎng)邊緣智能發(fā)展成果覆蓋更多更細(xì)分的制造業(yè)門類。

（二）新興領(lǐng)域產(chǎn)業(yè)蓬勃發(fā)展

工業(yè)互聯(lián)網(wǎng)邊緣智能的發(fā)展將帶動(dòng)產(chǎn)業(yè)鏈各環(huán)節(jié)的同步興起。過(guò)去，我國(guó)在工業(yè)機(jī)器人、工業(yè)傳感器、智能設(shè)備上基礎(chǔ)薄弱，與國(guó)際領(lǐng)先水平存在一定差距。隨著邊緣智能興起和發(fā)展，國(guó)內(nèi)廠商有望抓住新興需求對(duì)傳統(tǒng)解決方案革新的機(jī)遇，推動(dòng)自主產(chǎn)品與5G、AI等技術(shù)的融合，縮小產(chǎn)品性能差距，提升智能裝備、工業(yè)機(jī)器人、傳感器的國(guó)產(chǎn)化率。在制造企業(yè)深度挖掘數(shù)據(jù)價(jià)值的背景下，配置計(jì)算模塊的邊緣智能控制器、邊緣智能網(wǎng)關(guān)將豐富工業(yè)智能應(yīng)用的適用場(chǎng)景。

（三）“產(chǎn)學(xué)研用”聯(lián)盟作用凸顯

邊緣智能產(chǎn)業(yè)的參與者已經(jīng)形成一些相關(guān)產(chǎn)業(yè)聯(lián)盟，穩(wěn)步推進(jìn)的標(biāo)準(zhǔn)化工作將有效提升邊緣設(shè)備的通用性。鑒于工業(yè)生產(chǎn)設(shè)備種類龐雜、異構(gòu)標(biāo)準(zhǔn)數(shù)量繁多的現(xiàn)狀，在數(shù)據(jù)傳輸、業(yè)務(wù)建模、協(xié)議轉(zhuǎn)換、安全防護(hù)等多個(gè)層面形成高質(zhì)量的標(biāo)準(zhǔn)將是未來(lái)趨勢(shì)。通過(guò)構(gòu)建“產(chǎn)學(xué)研用”多方參與的聯(lián)盟，顯著加快邊緣智能標(biāo)準(zhǔn)的制定、應(yīng)用、推廣進(jìn)程，有助于打通產(chǎn)業(yè)鏈上下游企業(yè)的合作，使得面向工業(yè)生產(chǎn)場(chǎng)景的商用邊緣智能解決方案穩(wěn)妥落地，為制造業(yè)轉(zhuǎn)型發(fā)展提供新動(dòng)力。

（四）商業(yè)模式提供積極反饋

邊緣智能通常作為工業(yè)互聯(lián)網(wǎng)平臺(tái)整體解決方案的有機(jī)組成部分而存在，很難量化其對(duì)工業(yè)生產(chǎn)產(chǎn)能提升、成本降低的作用，因此相應(yīng)商業(yè)模式還處于探索階段。根據(jù)不同的業(yè)務(wù)提供方，商業(yè)模式可能各有不同：邊緣智能運(yùn)營(yíng)方可與業(yè)務(wù)提供方收取最終用戶的費(fèi)用并按約定比例分成，如汽車配件定制業(yè)務(wù)；借鑒云服務(wù)的收費(fèi)模式，根據(jù)邊緣智能平臺(tái)接口的調(diào)用情況和使用量進(jìn)行計(jì)費(fèi)可能是未來(lái)的主流模式；根據(jù)方案對(duì)業(yè)務(wù)的優(yōu)化提升百分比或服務(wù)訂閱時(shí)長(zhǎng)進(jìn)行收費(fèi)也是可能的商業(yè)模式。目前各類邊緣智能運(yùn)營(yíng)商正在對(duì)收費(fèi)模式進(jìn)行探索，“自主造血”的商業(yè)模式將對(duì)工業(yè)互聯(lián)網(wǎng)邊緣智能產(chǎn)業(yè)提供積極反饋。

圖4 把握新興機(jī)遇構(gòu)建領(lǐng)域生態(tài)示意圖

五、對(duì)策建議

（一）完善行業(yè)標(biāo)準(zhǔn)體系，提升關(guān)鍵技術(shù)研究水平

工業(yè)互聯(lián)網(wǎng)邊緣智能參與主體眾多，連接的設(shè)備種類繁雜，建立行業(yè)標(biāo)準(zhǔn)體系有助于產(chǎn)業(yè)鏈上下游企業(yè)的協(xié)同。通過(guò)加強(qiáng)溝通、深化合作，整合并充分利用國(guó)內(nèi)外工業(yè)互聯(lián)網(wǎng)邊緣智能相關(guān)企業(yè)、研究機(jī)構(gòu)的優(yōu)勢(shì)資源，重點(diǎn)突破云端-邊緣-終端協(xié)同計(jì)算架構(gòu)、系統(tǒng)安全性技術(shù)、異構(gòu)計(jì)算池和資源隔離技術(shù)等，充分提升邊緣智能關(guān)鍵技術(shù)和通用解決方案的發(fā)展水平。推廣相關(guān)的前沿研究成果，形成應(yīng)用示范效應(yīng)，優(yōu)選出受市場(chǎng)認(rèn)可的通用標(biāo)準(zhǔn)和規(guī)范，從而促進(jìn)行業(yè)技術(shù)標(biāo)準(zhǔn)體系的不斷發(fā)展與完善。

（二）投資建設(shè)基礎(chǔ)共性平臺(tái)，深挖數(shù)據(jù)價(jià)值

現(xiàn)有工業(yè)平臺(tái)應(yīng)用集中在資產(chǎn)和運(yùn)維優(yōu)化方向，應(yīng)進(jìn)一步加強(qiáng)工業(yè)互聯(lián)網(wǎng)平臺(tái)在經(jīng)營(yíng)管理優(yōu)化、資源匹配協(xié)同等更復(fù)雜場(chǎng)景下的數(shù)據(jù)分析能力。建議政府、高校、科研機(jī)構(gòu)加大針對(duì)AI、邊緣框架、5G等基礎(chǔ)共性技術(shù)的資源投入，支持開發(fā)者社區(qū)和開源項(xiàng)目建設(shè)，形成可復(fù)用的通用模塊，避免重復(fù)建設(shè)，整體性提高工業(yè)互聯(lián)網(wǎng)應(yīng)用的開發(fā)效率；在與具體場(chǎng)景相關(guān)的大型和特色制造企業(yè)成立技術(shù)專項(xiàng)，建立面向特定行業(yè)、特定應(yīng)用的研究中心，打造凸顯數(shù)據(jù)價(jià)值的殺手級(jí)工業(yè)應(yīng)用程序（APP），向中小企業(yè)輻射技術(shù)價(jià)值。

（三）營(yíng)造產(chǎn)業(yè)生態(tài)，推動(dòng)細(xì)分行業(yè)快速發(fā)展

工業(yè)制造規(guī)模龐大且門類細(xì)分，產(chǎn)業(yè)發(fā)展依賴于行業(yè)協(xié)會(huì)、聯(lián)盟的組織和引導(dǎo)，往往圍繞龍頭企業(yè)形成地區(qū)產(chǎn)業(yè)集群。建議行業(yè)協(xié)會(huì)、龍頭企業(yè)積極組織行業(yè)趨勢(shì)研討會(huì)，廣泛邀請(qǐng)企業(yè)家、技術(shù)專家開展行業(yè)動(dòng)向講座交流，促進(jìn)行業(yè)內(nèi)部的溝通合作。在重點(diǎn)企業(yè)或政府機(jī)構(gòu)的牽頭組織下，重點(diǎn)關(guān)注本地區(qū)垂直行業(yè)的需求、單一業(yè)務(wù)場(chǎng)景下的跨行業(yè)需求，合作完成工業(yè)互聯(lián)網(wǎng)邊緣智能的細(xì)分行業(yè)解決方案，為降本增效提供明確的客戶價(jià)值；引導(dǎo)相關(guān)產(chǎn)業(yè)集群提升整體競(jìng)爭(zhēng)力，協(xié)同推進(jìn)產(chǎn)業(yè)生態(tài)成熟。

（四）培育工業(yè)邊緣智能方向的人才隊(duì)伍

工業(yè)領(lǐng)域的場(chǎng)景、邏輯存在特殊性，多學(xué)科、多領(lǐng)域知識(shí)交叉滲透是工業(yè)互聯(lián)網(wǎng)邊緣智能方向的顯著特征。培養(yǎng)一批既對(duì)制造業(yè)轉(zhuǎn)型有深刻理解、又具備信息技術(shù)研發(fā)能力的高端復(fù)合型人才是當(dāng)務(wù)之急。高等院校、科研院所積極調(diào)整并增設(shè)融合工業(yè)制造、AI等知識(shí)體系的前沿交叉專業(yè)，在重大項(xiàng)目、重點(diǎn)方向上加強(qiáng)與企業(yè)的合作研發(fā)；立足實(shí)際生產(chǎn)需求，鼓勵(lì)原始性創(chuàng)新，在實(shí)際工業(yè)應(yīng)用中孵化創(chuàng)新成果。建立健全成果認(rèn)定機(jī)制，合理激勵(lì)領(lǐng)域人才對(duì)智能應(yīng)用、工業(yè)機(jī)理、關(guān)鍵技術(shù)等方面的貢獻(xiàn)，鼓勵(lì)相關(guān)創(chuàng)新人才在實(shí)際場(chǎng)景下發(fā)現(xiàn)并解決瓶頸問題。