“一台设备700多个传感器,仅仅开关门就有30多个传感装置”,它就是我们天天都在乘坐的一台普通电梯中所具备的组件,电梯对我们来说看起来简单,它却是一个复杂的系统。
有数据统计显示,截止2015年,全球电梯保有量超过1500万部,到2020年全球电梯保有量预计达2000万台。如此庞大数量规模的电梯除了运送城市中每一天行色匆匆的人和来来回回的物以外,它还在实时产生和承载大量的数据。这些数据该如何传输、保存与分析,以便设备运维人员掌控其实时状态,确保其安全可靠地运行。
也许有人给到的答案是“上云”,的确,上云是一种趋势,也势在必行。但这就够了吗?以电梯为代表的众多工业和行业物联网设备数量规模庞大、分布区域广并且分散,如果把它们采集的海量数据全部上传到云端进行分析处理,势必将给网络带来巨大的负担并因此产生巨大的联接成本,而且如果数据分析和控制逻辑全部在云端实现,也难以满足关键业务的实时性要求。
所以,如果说云时代,所有的数据都要汇总到后端的数据中心计算完成。但随着万物互联时代的到来,一个新的技术和市场由此产生,它就是边缘计算(Edge Computing)。
边缘计算为行业智能化注入新能量
简单地理解边缘计算的本质,是在网络边缘贴近数据源提供智能服务,更多的是为行业数字化转型注入新能量,为行业应用带来实时的数据分析和业务响应。
以边缘计算场景下的梯联网为例,其采用边缘计算网关,联接电梯控制器及各类传感器,实时采集电梯的运行数据,基于本地轻量级数据分析模型进行实时预分析,比如通过对电梯噪声频次,强度的分析,可第一时间进行电梯故障隐患预判,发现潜在故障;基于云端大数据分析对电梯进行全面数据分析,可全面了解电梯各部件的“健康指标“,而分析结果又可以从云端及时的反馈到边缘侧,实现边缘分析模型的优化,达到更智能的电梯预测性维护,即提前预知电梯可能发生的故障,提前维护保养。
再以城市水务为例,在今年9月的华为全联接大会上,华为联合威派格联合发布基于开放边缘计算物联网的创新实践,通过开放边缘计算物联网,适配供水设备新老并存、厂家多、接口与协议各异等多样场景,满足不同水务管理场景的边缘智能数据处理诉求,实现智联供水。基于边缘计算实现的智慧水务解决方案,可以实时监控设备和水质状况,预知设备故障,助力水务企业或运营管理部门提升供水安全和质量、降低经营成本。
当然,基于边缘计算助力的行业数字化转型的场景还有很多,包括智能制造、电力、城市照明、医疗等领域。边缘计算能够解决它们产生的海量联接、实时响应、数据优化、智能分析以及安全可控方面的挑战,快速获取行业数字化转型的红利。
在华为看来,智能化是各行业数字化转型追求的终极目标,智能化是以数据的智能分析为基础,从而实现智能决策和智能操作,并通过闭环实现业务流程的持续智能优化。行业智能化正在迈向3.0,即以全流程协作为代表的物数据与商业数据联接协同。这时,智能需要分布到网络边缘侧,实现物的自主化和协作化,边缘计算无疑将会加速行业智能化3.0的到来。
华为EC-IoT支撑边缘计算应用落地与创新
华为聚焦在边缘计算的智能联接,在今年的世界移动大会(MWC 2017)上华为发布了基于边缘计算的物联网EC-IoT(Edge Computing IoT,边缘计算物联网)解决方案。EC-IoT由终端通信模块、边缘计算网关(AR系列产品)和敏捷控制器共同构成,提供深度开放边缘计算、云化集中管理、和丰富的工业协议&接口,构建适配行业的物联网方案。
终端通信模块支撑海量物联终端传感网络智能互联,边缘计算网关就近提供智能服务,敏捷控制器通过开放的API/eSDK与不同合作伙伴的行业应用系统开放对接,同时应用云管理的架构实现不同行业海量无人值守终端的智能联接和高效管理。
其中,EC-IoT网关支持多种工业接口和工业专有协议,具有工业级的设计,能适配复杂的工业环境需要,同时提供开放的容器能力,可以安装行业定制化的软件,实现网络边缘分布式计算,数据可进行本地预处理,提高实时性和安全性。
敏捷控制器可实现物联网关以及海量物联终端的云端管理。云管理可对物联网从规划、部署到运维的全生命周期管理,结合可视化管理组件,全网状态实时监控,海量设备即插即用,业务自动化部署,大幅缩短业务上线时间,降低运营成本50%以上。
华为EC-IoT方案还通过提供开放的边缘计算能力和云管理能力与合作伙伴开放集成。其提供了丰富的开放接口API/eSDK和通用协议与不同合作伙伴的行业应用系统开放对接,构建广泛的行业适应性。
独行者步疾,结伴者行远 边缘计算产业联盟加速行业应用落地
不得不说,虽然边缘计算展现了强大的能力,但并非没有挑战。边缘计算同时横跨OT、IT、CT多个领域,涉及网络联接、数据聚合、芯片、传感、行业应用多个产业链角色,同时又面临技术碎片化的挑战。
为了全面促进产业深度协同,加速边缘计算在各行业的数字化创新和行业应用落地,1年前,由华为技术有限公司作为发起单位,联合了中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术(集团)有限公司作为创始成员,联合倡议发起成立了边缘计算产业联盟(Edge Computing Consortium,ECC)。
目前,ECC的成员数量不断扩大,截至2017年10月底,ECC的成员数量由成立时的62家已经增加到136家,包含20+领先厂商。并成立了3个行业委员会:智慧路灯、智慧车载、边缘监控。及5个工作组:需求与总体组、技术标准组、安全组、实验平台组、市场推广与合作组。目前完成联盟第一批11个测试床的申请,评审和执行工作,覆盖电力能源、交通、工业制造、智慧城市价值行业,加速产业联盟商业变现。
据悉,第二届边缘计算联盟大会将在今年11月底召开,让我们一起期待产业各方又将碰撞出什么样的火花!
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。