助跑工业智能化,英特尔携华为打造全栈智能计算

热文
互联网
2020-07-22

《变形金刚》作为儿时最经典的动画片之一,自上世纪八十年代末引进国内,时机正好赶上中国开启工业化大发展的重要关口。片中的机器人不仅有着庞大的身躯以及操控自如强大力量,还拥有思维和善恶标准。简直就是机械工业与智慧生物的完美结合体,而这也成为我们那一代人对机器人的最初认识和启蒙记忆。

即便放在今天,这种既能与人类无障碍沟通又拥有强大力量的机器人依然是一个科幻般的存在。然而值得期待的是,随着新一代信息技术与传统工业的深度融合,以及企业不断深化的智能制造转型,人类正在拉近与科幻世界的距离,通过工业与智能的融合构建智慧工业体系,将人从危险、繁重的工作中解脱出来,进而实现人与机器的社会角色分工,为经济发展创造价值。

正如当下工业智能化领域最热门的那句话:“如果AI不能在工业落地,那么人工智能赋能生产力就只会是个梦想。”

工业与智能融合加速智能制造转型

2019年,埃森哲在《人工智能:助力中国经济增长》报告中将资本、劳动力以及全要素生产率作为传统经济增长模型的三要素。

报告认为,就当前经济而言,单纯扩大资本投入和劳动队伍规模的效果一直在减弱,而仅凭两种传统生产驱动因素,已无力维持过去数十年来稳定发展的繁荣状态。中国情形也是如此,主要表现在经济增幅放缓、劳动力短缺和资本收缩颠覆了旧有增长模式,生产率改善也后劲不足。

报告建议,要克服资本和劳动力等实体限制并重新实现经济增长,必须将人工智能作为新的生产要素纳入其中。

首先,它可以创造一种新的虚拟劳动力,我们称这种效应为“智能自动化”。第二,人工智能可以补充和提高现有劳动力和实物资本的技术能力。第三,像以往的其他技术一样,人工智能还能推动应用创新。

在新一轮工业革新浪潮带动下,已经有不少制造企业通过与领先技术厂商合作,将云计算、物联网、大数据以及人工智能等新一代信息技术融入到工业的设计、生产、物流、运维以及销售全流程,逐步探索出一套成熟的应用模式,并极大的提升运营管理和生产效率。

例如,作为国内家电产业巨头,美的集团就通过与英特尔人工智能团队合作打造了工业视觉检测云平台。

美的工业视觉检测云平台采用了这样一种架构:前端设备收集的图像数据通过4G或Wi-Fi传输到云端,通过深度学习框架,经由训练获得非标准化视觉检测特征,最终打造出通用化、智能化的瑕疵检测能力。这一过程实现的基础就是英特尔Analytics Zoo和至强可扩展处理器。

英特尔Analytics Zoo提供统一的数据分析 + AI平台,可将Spark、BigDL和TensorFlow程序无缝集成到一个数据分析流水线中,从而构建和生产化部署基于大数据的深度学习,包括分布式训练和推理,以及低延迟在线服务在内的应用程序。

检测期间,拥有相机的工业机器人可以自动拍摄产品照片,并通过HTTP将图像发送到网络服务以检测各种缺陷。在运行过程中,Analytics-Zoo使用PySpark从磁盘中读取输入数据并进行预处理,并构造一个Tensorflow Tensor的RDD。然后,基于BigDL和Spark 对Tensorflow 模型进行分布式训练。无需修改代码或手动配置, 整个训练流程就可以自动从单个节点扩展到基于至强服务器的大型Hadoop / Spark集群。

依靠英特尔Analytics Zoo平台和至强服务器提供的强大算力,美的工业视觉检测云平台实现在50毫秒之内完成对图片的读取和处理,124毫秒完成模型推理。不仅大幅提高产品检测效率和准确度,还有效的降低了人工成本。

除了与行业领先企业联合合作打造面向具体应用的工业智能解决方案,在面对行业需求时,英特尔也通过与业界友商合作构建工业智能解决方案。

面对工厂产品质量低、检测率低的困境,英特尔联合云服务商推出“边云协同”计算平台,将深度学习技术应用于汽车、纺织、电子等行业的成品质量检测,产品缺陷类型的检测率达到100,较人工操作效率提高5倍;面对中小型制造业企业互联网普及率低、生产管理缺乏监督的困境,英特尔还推出非侵入式基于视觉AI的工业物联网方案,实现对工厂成品率的实时预测及管理,促进工厂生产效率的提高。

随着企业智能化转型的深入,工业智能化的边界正在不断延伸,云平台虽然能解决一些实时性不高的海量计算需求,但面对低延时、高实时性的工业场景时,只有靠近物或数据源头的网络边缘侧才能实现业务快速响应。因此,边缘计算作为云平台的重要能力补充,其价值正在得到越来越多的企业认可。未来如何实现云边高效协同,将AI从云下沉到边缘,直接决定工业智能化的深度和广度。

云到边缘,全栈式AI融入让智者更强

当前企业数字化和智能化转型已呈现出两个比较清晰的趋势:

其一,研发管理系统上云。包括CAD、CAE等研发系统以及ERP、OA、CRM等运营管理系统上云,企业通常选择以私有云架构部署核心业务,而非核心业务迁移到公有云,这种混合云模式能兼顾性能、安全和成本,基于标准数据库进行业务运算,对实时性要求不高。

其二,以工业互联网为基础的工业智能化。通过物联网、5G、边缘计算实现全生产要素互联,经边缘计算进行数据采集,再由边缘计算与云平台实现协同运算处理,由于工业数据大多是非标准化的,无法存储在标准数据库,对实时性处理要求高。

企业智能化转型的一个重要目的就是打通两个方向的数据流,实现研发业务与生产管理业务在云端对接,并在从边缘到云端实现人工智能等能力要素的注入,以此构建智能化的业务场景,达成提质、增效和降本目标。

如果将人工智能比作“火箭”,那么大数据是“燃料”,云计算是“引擎”。要让“火箭”升空,必须将人工智能融入其中。对任何一家厂商来说,这都是一个极具难度的挑战。

2016年,针对当前企业的智能化转型需求,英特尔开启了“以数据为中心”的转型,历时四年耗资350亿美元布局AI芯片,已成为全球唯一一家拥有CPU、GPU、FPGA、ASIC全场景芯片的公司。

针对大型数据中心,英特尔提供Nervana NNP-T 和 Nervana NNP-I,前者用于深度学习训练,后者用于推理;面向边缘端,Movidius VPU可在不同目标应用中提供低功耗、高性能的视觉处理,包括嵌入式深度神经网络、位姿估计、3D深度感应、视觉惯性测距,以及手势/眼部跟踪;面向云端,英特尔第二代至强可扩展处理器内置了机器学习加速Intel DL Boost功能,推理性能提升1.4倍。针对不同领域的智能化计算需求,英特尔第二代至强可扩展处理器产品家族包含了面向不同场景需求的产品。

如带字母“V”产品系列的处理器表示对虚拟化环境做了优化,支持创建更多虚拟机,提高单个物理机上虚拟机的密度值,特别适合私有云部署;带字母“S”的系列针对的场景更为细致,是对搜索算法和业务特点做了优化,提供了搜索优化,特别适合高密度数据库计算;带字母“T”产品系列适合各种网络、IOT 用途和专业操作环境,支持多种应用场合包括网络、工业自动化,特别适合边缘计算场景;带字母“N”产品系列,提供更高的VM/VNF容量和密度,也就意味着同样的设备上处理更多的用户容量和服务,特别适合作为电信运营及云平台提供算力。

目前,华为FusionServer Pro智能服务器全部采用英特尔第二代至强可扩展处理器,利用处理器内置的AI加速提升计算性能。

2019年,英特尔还推出oneAPI统一编程平台以及端到端大数据处理分析平台,实现跨CPU、GPU、FPGA、ASIC的异构算力整合,并且提供跨架构、跨平台的简化应用开发编程支持,解决了开发者在不同架构开发需要使用不同的语言、库和软件工具进行编程的局限,真正意义上放大了AI开发的价值。这使得英特尔处理器覆盖了从训练到推理、云端到终端的全业务场景。

从技术角度讲,云、边缘以及终端所依托的计算需求是不同的,如果无法针对不同场景提供专业化的算力支撑,不仅严重影响计算效率,还会极大拉高成本。无论对企业还是厂商,这都无法接受。

因此,推动异构算力整合以及在此基础上实现云、边缘到终端的全栈式AI融入,已成为衡量厂商技术实力的一个重要标准。在智能计算领域,英特尔不仅面向不同场景提供AI加速的差异化计算,还通过异构算力整合实现计算效能的最佳匹配。

近年,为应对多元化的算力需求,华为面向不同应用需求的开发处理器产品。然而在服务器领域,华为却始终保持着与英特尔的合作关系。主要原因有两点:一是服务器处理器生态依赖完善的硬件、软件、行业应用、产业政策、开发者社区以及标准体系,而英特尔在这方面拥有巨大的产业优势。二是企业盲目进行服务器处理器替代的成本会远高于带来的收益。

竞争不是非此即彼,而是找到一种合作共赢的方案。华为依托英特尔完善的服务器产业生态体系以及领先的智能计算技术,能更好的支撑不断深化的企业数字化和智能化转型,让智能化的土地更加肥沃。