文 |魏启扬
来源|智能相对论（aixdlun）
来自Gartner的分析报告认为，未来将有75%的数据会在传统的集中式数据中心或云端之外的位置创建并得到处理。这些地方可能是工厂、医院、银行，抑或商尝公路、城市……
这也意味着边缘计算将从被人忽视的“边缘”逐渐走到舞台的中心。
随着5G网络的渗透，如何更好地拥抱边缘计算，成为这场时代变革中每一个参与者都着重思考的问题。
刚刚结束的2020边缘计算产业峰会上，鲲鹏和腾通过自身的落地实践，向行业重新梳理了其对边缘智能的理解和主张，描绘了一幅边缘智能的悠悠长卷。
数字化转型大潮下，边缘计算进入2.0
在进入正题之前，我们需要重新审视一下当前的时代背景，在数字化转型浪潮之下，计算这件事正在经历些什么，而我们又该需要怎样的计算。
华为腾计算业务总裁许映童在2020边缘计算产业峰会上演讲时认为，当前边缘计算所面临的数据主要存在两方面的变化。
一是从互联网时代，到移动互联网时代，到产业互联网时代，再到万物互联时代，数据量呈现指数级增长，同时通过5G网络的放大效应之后，有实时性要求处理的数据需求也大大增加。
根据IDC的数据预测，2025年全球物联网连接数将增长至270亿个，物联网设备数量将达到1000亿台，全球数据总量预计2025年将达到163个ZB。
二是数据形态上，数据类型也从结构化数据、图形数据发展到多媒体数据，再到描述AI的元数据，非结构化数据处理需求呈指数级增长。
在这样的背景之下，边缘计算也由1.0阶段升跃至2.0阶段，边缘智能和边云协同成为主旋律。
比如，过去需要通过专业的计算设备进行计算，而现在智能设备无处不在，异构计算开始兴起，我们需要在可穿戴设备、手机、智慧屏，甚至工控机、智能摄像机、智能汽车上随时随地进行计算；
再比如，过去的边缘计算，主要以连接与传输为核心，数据依然是在中心侧处理，但现在的智能边缘强调以AI能力和应用为核心，要求数据在边缘侧直接处理。
新的局面和形势，也出现了新的问题。许映童在演讲中总结了当前边缘智能化所面临的4个挑战：
1、中心侧重训练、边缘侧重推理，导致中心侧与边缘侧架构不统一，云边难以协同；
2、由于设备的不同，边缘计算需要面对五花八门的操作系统，其中包括CentOS、Debian、BC_Linux、ubuntu、openEuler、Suse、Windows等等；
3、边缘计算所要面临的设备种类多样，从我们熟悉的PC、手机、摄像机，到专业程度更高的板卡、小站、服务器等；
4、边缘计算将在工厂、道路、园区、港口、电力线等各个场景随时发生，所处的环境也变得多样。
数字化转型离不开边缘计算，边缘计算同时又助推着数字经济的发展，在这样一个时代的转折点，边缘计算需要更多的探索与实践，总结出成熟的经验与方案来应对上述挑战。
无处不在的AI，鲲鹏与腾为何能如影随形？
边缘计算，特别是边缘智能计算对于行业到底具有多大的价值和意义，我们先来看看许映童在2020边缘计算峰会上例举的三个案例。
在工业质检领域，华为通过将基于腾计算的工控机部署到工业相机上，用AI对服务器、无线、终端等产品的散热器、异物等进行检测，直接将质检效率提升3倍，质检准确率提高到大于99.9%。
在高速收费稽核领域，鲲鹏和腾共同构建的ETC门架系统一体化智慧站点，兼具实时稽核与精准计费两项能力，其中智能视频网关和ETC收费识别应用均基于腾计算打造，这套系统实现了AI云边协同，为湖南高速每年挽回损失超过2亿元。
在智慧金融领域，为解决客户银行排队时间长，效率低；银行客户经理寻找潜在VIP客户难的痛点，华为以AI推进招商银行深圳分行各银行网点进行智能化升级，通过部署基于腾计算的智能小站，在云边协同下实现智能鉴权，使得客户的业务等待时间下降70%，客户经理对VIP客户的识别率提升了60%，客户满意度提升50%，银行的服务也因此变得更有温度。
从上述案例我们可以发现，AI正在我们看得见和看不见的地方发挥着作用，改变着我们的工作、生产与生活，边缘计算则伴随在AI左右如影随形。
会不会感到好奇，案例中提到的鲲鹏和腾是如何做到的？
我们先来看看通用场景下的鲲鹏计算。
由鲲鹏920处理和TaiShan边缘型服务器构成了鲲鹏在边缘计算场景下的硬件平台。多核架构的鲲鹏920是高算力的来源，TaiShan边缘型服务器以其短机箱的设计，超宽环温适应性以及易维护的特点，专为边缘场景打造。在软件方面，由openEuler构成了鲲鹏基础软件生态底座。
相比鲲鹏计算，腾计算的颗粒度更小，在专门的AI场景下，腾具有更强的适应性。
在这里就不得不提以达芬奇架构和CANN异构计算架构为底座所构建的全栈全场景AI体系，为满足AI场景下的边缘计算需求，腾还以智能化的数据和存储技术与产品作为支撑，形成结构完整的产业体系。
其中CANN异构计算架构则统一了编程架构，使其在全场景下都具有非常强的伸缩性和可适应性，对于开发者而言，不用再纠结终端是手机还是机器人，也不用关心硬件使用了哪种操作系统，Linux、Android、鸿蒙OS都没有问题。一次编写代码，就能实现端边云全场景复用，以及边云协同。
目前CANN已经进化到3.0，覆盖10+操作系统和14+智能终端设备。
当然，光有计算架构和硬件产品也是无法完成AI计算全场景覆盖的，为此，有专门应用于计算机视觉、自然语言处理等AI领域，支持端边云全场景的开源AI框架MindSpore作为支撑。
在MindSpore之上，腾又发布了腾应用使能MindX，它包括了深度学习平台MindX DL、智能边缘平台MindX Edge、优选模型库ModelZoo和各种行业SDK。
在这样一个庞大的生态体系之下，鲲鹏和腾实现了在千行百业的快速落地，与此同时，华为也通过鲲鹏和腾构建了一条环环相扣，紧密相连的智能脉络，这也成为华为在边缘计算2.0时代有别于其他计算企业的独特价值。
边缘计算的时代趋势之下，解锁AI的无限可能
根据Grand View Research的最新报告，到2027年，全球边缘计算市场规模预计将达到154亿美元，预测期内复合年增长率为38.6% 。
中国《新一代人工智能发展规划》也预测，到2030年，人工智能相关产业规模超过10万亿元。如此大的产业规模，所需的算力会远远超过1750亿参数的GPT-3。
巨大的“算力真空”需要被填补，在这样的市场背景之下，跟随着AI进入千行百业的鲲鹏与腾迎来了属于自己的时代机遇。
在华为“硬件开放、软件开源、使能合作伙伴”的策略之下，鲲鹏和腾解锁的不光是边缘智能的算力需求，更是一套全新的计算产业生态。
在这套生态体系内，千行百业各取所需，鲲鹏和腾实现了AI普惠，开发者们也随之共同成长，边缘计算价值充分释放的同时，AI的价值也被赋予了更多可能。
*本文图片均来源于网络
此内容为【智能相对论】原创，
仅代表个人观点，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
部分图片来自网络，且未核实版权归属，不作为商业用途，如有侵犯，请作者与我们联系。
