物聯網因為其萬物互聯的固有屬性,自誕生以來就注定包含了一個巨大的市場。當然,盤越大,困局里的羔羊們就越迷茫。對于此,2017年3月6日,虎嗅網獨家專訪了英特爾物聯網事業部CTO張宇博士。

從“物聯網的三個階段”到深度學習

物聯網也擁有專屬的“摩爾定律”,張宇把物聯網產業形態劃分成了三種階段:連接,智能以及自治。連接和智能都比較好理解,即萬物智聯。而自治階段則是未來物聯網發展的終極趨勢所在。張宇解釋道,

大量的深度學習的算法被應用起來,來實現自治功能。所以從整個行業發展趨勢來看,這種自主化的管理,是一個大的趨勢,里面會涉及到很多深度學習的要求,這是我們對這個行業趨勢的一個判斷。

這里就引出了深度學習的概念。張宇認為,深度學習是模式識別的一個個演進過程。模式識別都是利用一些先驗的知識,或者我們在某一些行業里的積累,能夠形成對某些特定模式識別的一些專門的算法。但是這些算法的摸索和構建,都需要用人工的方式去總結。到了目前這個階段,隨著計算機性能不斷提升,計算資源不斷豐富,現在人們完全可以把收集到的數據交給機器,讓機器通過運算去生成,也就出現了機器學習。

深度學習,則是來源于高復雜度的機器學習。因此對于英特爾來說,挑戰也就隨之出現了。尤其是在一些前端設備去做深度學習時,由于其在功耗、所選用平臺能力計算能力上還是有很多限制的。張宇告訴虎嗅,

不能把一些很復雜的,很自然的深度學習網絡原封不動的照搬到這個平臺上,你需要去做一些相應的優化。另外,現在的計算能力相對來說還不能夠完全滿足深度學習的要求,所以還是需要不斷有新的平臺,新的硬件出來,來滿足這個領域和行業對于整個應用的要求。

從深度學習到邊緣計算

由此,引出了第二個概念,即“邊緣計算(Edge computing)”,即通過骨干網靠近物體的部分來處理數據。物聯網產生的數據量非常大,2020年時每年會產生44ZB的數據。那么多的設備和傳感器所采集到的數據不可能都傳到后面,另外對于實施性要求比較高的,像工業、自動駕駛這樣一些領域,需要對于數據進行邊緣的處理。邊緣計算也因此變成了一種大趨勢。

英特爾對IOT的理解是把它當成端到端的系統,并將其分成邊緣和后端平臺兩部分,中間通過網絡進行連接。邊緣部分包含數據采集、網關及數據處理等等模塊。而在后端完成的是數據的處理機設備的遠程管理。處理部分包括實時處理及離線處理。

當然,這也并不意味著代替云計算。邊緣處理本身不是單獨的計算節點,邊緣和云應該是一個相輔相成的端到端系統,兩者是共同配合的。根據用戶對于應用的要求,合理地分配負載,最終實現這樣一個分布式的最佳解決方案。

物聯網聯盟

張宇說：英特爾實際上很清楚,如果一個行業要想做大做強的話,不可能靠一家,一定是生態環境,大家共同努力的結果。

而目前包含英特爾的物聯網聯盟以如下4大聯盟為主:

ICC:全稱是工業物聯網聯盟,這個是由英特爾、GE,AT&T等公司共同發起的,它主要是針對工業領域的互聯互通、參考架構、安全等等這些問題。

OCF:即開放互聯基金會。由英特爾、三星、CISCO等公司聯合發起的,主要解決的是設備之間互聯互通的標準如何實現。

OFC:開放霧計算聯盟,由英特爾、CISCO,微軟還有普林斯頓大學共同發起。開放霧計算是新計算模型,取代了傳統封閉式系統以及依賴云計算的模型。它基于工作負載和設備能力,使計算更加接近網絡邊緣,即IOT傳感器和制動器。霧計算并不是為了取代傳統云計算,而是作為補充和擴展。

ECC:邊緣計算產業聯盟,由英特爾、華為、軟通動力、沈陽自動化研究所、ARM、中國信息通信研究院六家單位共同發起,聯盟主要針對邊緣計算在工業領域和一些重點行業中的應用,包括參考架構,測試平臺,以及一些技術的解決方案。

英特爾物聯網的四大領域是什么?

所以,英特爾眼里的重點行業是什么呢?張宇告訴虎嗅,目前英特爾物聯網的重點放在了“安防,零售,交通以及工業”。以安防領域來舉例子,英特爾目前正在著手于IP Camera,即網絡攝像頭的開發應用。

利用英特爾的凌動、酷睿處理器,甚至于英特爾至強處理器去搭建IP camera的網絡視頻存儲器,稱為NVR(Network Video Recorder)。后端方面,則是基于英特爾至強處理器來構建的視頻服務器處理平臺。英特爾收購FPGA廠商Altera以后,又收購了視頻處理公司Movidius。

這就形成了一種在計算資源以外的加速深度學習視頻處理模式,以此提高產品安全性。

張宇說：深度學習在安防領域的確是可以增加、提高你對物體的識別能力,因為有很多圖像識別數據庫,比如說之前ImageNet等等,他們經常會組織這樣一些競賽。從競賽的結果來看,在深度學習出現以前和深度學習出現以后,頭像處理的精度與準確度,正隨著深度學習技術的引入有了很大的提升。所以這個就證明了深度學習在視頻安防領域有很大的應用前景。

英特爾在這塊也在不斷投入,不僅僅在硬件方面,也在軟件方面大量的投入,提供相應的跟深度學習相關的軟件庫,比如說底層的算法庫,MPL,MPLDN;英特爾還提供了深度學習的SDK。

而物聯網事業部這邊,目前正在著手于一個名為CVSDK(Computer Vision SDK)的項目。能夠幫助開發者,提供一個統一的基于O-vx的一個接口,它在底層能夠調用不同的硬件資源,包括ZPU,GPU,FPGA等等。CVSDK能夠屏蔽硬件的差異化,提供給開發者一個統一的開發的接口,來降低開發的困難。

物聯網,機遇與困難并存

剛剛說到說到了工業物聯網,事實上如果考慮我國國情的話會顯得一絲尷尬。我在專訪中這樣告訴張宇,雖說智造2025,但是在實地走訪中發現,大多數中國工廠中的機床、生產設備等等仍然停留于工業2.0,甚至說是工業1.0。

張宇則認為工業物聯網的需求還是很大,稱工業升級改造是整個國家長期的戰略,所以英特爾也是想響應這個號召來幫助國內的客戶去更快的完成這樣的升級。隨后他舉了幾個例子:

我們現在手頭上就有一些項目正在跟我們的制造業的客戶來做,遇到了很多的挑戰,比如說現在在這些客戶里頭他們的設備有的是一些新設備,有一些是老設備,那么如果我們要需實現這種升級改造,尤其是利用技術去提高這種系統的生產效率的話,第一步首先要把數據收集上來,那我們遇到很多問題就是說,如何去收集,雖然看起來很簡單,實際上很難。

第一就是有些設備根本就沒有數據輸出的接口,所以你必須要想各種不同的辦法去變通,去拿到你所想要拿到的信息;第二個就是有些設備雖然有接口,但是不同的設備接口又是各不相同的,你必須要做很強大的適配,去做適配的工作;第三個就是我拿到這些數據以后,如果我去做數據的分析,不同的行業,不同的應用場景,分析的思路也是不一樣的,也就是說數據分析也是一個碎片化的市場,你的某一個算法比如說在煙草行業是適用的,但是你拿到汽車行業可能就不適用了。

所以不同的行業數據分析需要有不同的方式方法,這個也需要有技術投入,真正的跟線上的用戶做深入的交流,真正做一些定制化,滿足他要求的解決方案。我覺得這三點是我們現在面臨的比較大的挑戰。

話語之間我感受到了張宇的苦笑,畢竟“巧婦難為無米之炊”。不過英特爾是大企業,他們選擇了兩種思維方法去變通:垂直與水平。

垂直:物聯網是較為泛指的一個概念,幾乎與網絡相關的應用都會劃在物聯網的范疇里頭。所以他們會先著手于重點行業,即上述四大行業。

水平:英特爾會去做一些物聯網水平化解決方案的一些工作,因為物聯網雖然不同行業之間有差異,但是有很多共性的一些要素,比如說連接、互聯,以及設備的遠程管理這些功能都擁有相關聯性。

最后張宇這樣說到,

我們在做一些開放性的事情。就是說我們跟一些國內的重點客戶交流,而且這些客戶都不是小客戶,是很大的制造類的企業,我們跟他們正在合作,現在這些企業的話,我們認為他們實現的產品、產業的升級改造所需要的解決方案他們現在是沒有的。那么目前我們正在跟這些客戶做開放性的工作,幫助他們把這些解決方案從無到有的構建起來,幫助他們提升他們制造業的水平,這個是目前我們正在做的。