雇不起的质检员，停不起机的工厂，制造业转型有何良方？机器之心原创作者：张倩一个

机器之心原创
作者：张倩
一个随风飘摇的塑料膜，就可以让多趟列车晚点，数千名乘客滞留在火车站。这是每年多风的季节都可能发生的事故，「北京铁路」更是在今年的4、5月份连续通报了数次。

文章图片
「北京铁路」官方微博今年5月份发布的「接触网挂异物」相关视频。图源：https://m.weibo.cn/1916657595/4641508345778988
要想把这类事故的损失降到最低，我们就要在塑料膜挂上接触网的第一时间将其识别出来并发出警告。这也是很多智能巡检系统正在努力做的事情。
但其实，这件事做起来没那么容易。一方面，铁道动辄数百、上千公里，产生的数据会给数据中心造成巨大压力，反馈的实时性很难得到保障；另一方面，户外环境复杂多变，事故类型层出不穷，需要系统不断迭代升级。
这两个问题分别指向了两种解决方案——边缘计算和云计算。前者负责在边缘侧小范围地进行数据及时处理和返回，以及AI负载中的推理过程，保证问题能够被及时发现并作出响应；后者负责汇聚各个边缘节点的数据并对其进行分析，完成算法训练和升级，然后将升级后的算法推送到边缘，不断提高和优化边缘设备识别问题的能力。二者之间相互配合的过程，就是云边协同。

文章图片
物联网场景下云边协同示意图。图源：http://www.caict.ac.cn/kxyj/qwfb/bps/201907/P020190704540095940639.pdf
在5G、AI、IOT技术不断发展的今天，云边协同正变得越来越重要。
中国信息通信研究院2021年7月发布的《云计算白皮书》显示，随着物联网、工业互联网等行业应用的核心模块都已完成云计算平台的部署， 5G网络促使无线接入侧能力大幅提升，边缘侧业务场景逐渐丰富，各类型应用也将根据流量大小、位置远近、时延高低等需求对整体部署架构提出更高的要求，因此传统上相对独立的云计算资源、网络资源与边缘计算资源不断趋向融合，即需要在云计算、边缘计算以及网络之间实现云网融合、云边协同，才能实现算力服务的最优化[1] 。
白皮书还显示， 2020年应用和计划应用边缘计算的中国企业占比分别为4.9%和53.8% 。

文章图片
这些青睐边缘计算或云边协同的企业通常存在以下痛点：
数据量大、传输成本高。工厂流水线设备每隔几秒就会产生一批图像数据，每张图像可能有几十MB ，每分钟产生的数据高达数GB 。这些数据如果都上传到云端进行处理，会对云端造成巨大的压力，还要占用大量带宽。对时延非常敏感。工业自动化的核心是闭环控制系统，而环控制系统的关键点就是将传感器采集的数据在一个控制周期内及时地传给控制和执行器。闭环控制系统对于这种通讯时延的要求通常是毫秒级。而信息传输的时延一旦超过某一阈值，或者发生传输错误，就会带来极大的经济损失，甚至人员伤亡[2] 。对持久连接要求高。在工业制造等领域，不少企业都遭受过断网带来的巨大损失。 Opengear发布的一份报告[3]显示，超过一半的IT决策者和网络管理人员表示，他们曾经历过4次或4次以上持续时间超过30分钟的网络中断，停机造成的损失在25万英镑至500万英镑之间。对数据安全要求高。出于隐私等方面的担忧，很多行业的数据是没有办法传到数据中心进行统一处理的，这就形成了一个一个的数据孤岛，阻碍了企业的数字化转型和进一步发展。 ……要解决这些问题，企业就要想办法把原来的云基础设施向终端和用户侧延伸，在接近数据生成点的地方对数据进行详细分析，即引入边缘计算。但只有边缘计算也是不够的，因为边缘设备只能处理局部数据，无法形成全局认知，因此实际应用中仍然需要借助云计算平台来实现信息的融合。正如信通院发布的另一份报告[4]所言，「边缘计算本身就是云计算概念的延伸，即便是赋予其独立的概念，也无法做到与云计算切割开，二者本就是相依而生、协同运作的，云边协同将成为主流模式。」