Linux开源框架+工业边缘计算将互联网带向何处
2020年以来，随着『新基建』的频频刷屏，边缘计算又迎来了新的风口。不管是5G基建、特高压，还是新能源汽车充电桩、工业互联网等，这几大方向都对边缘计算有着极大的需求。面对如此多的应用场景，边缘计算技术未来在各个行业的市场机遇如何？它的发展现状和制约因素又是怎样的？近日，在中国科协科学技术传播中心联合清华大学软件学院等联合举办的线上“产业数字化转型发展论坛”上，加拿大工程院院士、加拿大西蒙菲莎大学计算机学院杰出教授、江行智能CEO——刘江川，详细解读了边缘计算的生态体系、OT与IT如何实现无缝对接，以及边缘计算的前沿应用等。会后，刘江川院士还就边缘计算的行业现状、制约因素等更多问题进行解答。谈及边缘计算技术未来在各个行业的市场机会，他表示：“互联网和无线通信网的发展提供了今天人们和设备互联的基础，智能手机和大量物联网终端设备提供了端上的计算存储能力，而云计算提供了高度规模化和灵活计算和存储基础设施，这些技术一起带来了过去这十多年消费互联网的繁荣。”“但是，仍然有很多行业还没有享受到其中的红利，主要的障碍包括：网络连接的可靠性和价格，实时性以及隐私保护、安全等。边缘计算的出现正是为了填补这个鸿沟，大量的行业场景将会受益于此，例如工业制造、智能交通、AR/VR等。”随着5G产业逐步落地，与5G产业相配套的各产业逐步进入快速发展的新阶段，5G相关的数据传输将成为边缘计算产业新的市场机遇。就边缘计算行业的发展趋势和制约该行业发展的因素，刘江川院士表示：“边缘计算是个大的生态系统，包括软件、硬件、工业厂商，重要的发展趋势是这几个方向的有机融合，而实际上这些也是制约该行业发展的瓶颈。”“现在，行业内亟需一套统一的云中立、独立于硬件、保证接入系统互操作性的软件平台。Linux Foundation的开源框架EdgeX Foundry是这方面的一个很好的尝试，当然里面需要填补的内容还非常多。”另外，雷锋网(公众号：雷锋网)了解到，刘江川院士领导的江行智能目前的产品和技术布局有两个方向，分别是AI@Edge和Data Fusion@Edge，产品被用来解决工业现场的安全监控、运维巡检和业务优化需求。现阶段公司主打电力能源行业，提供基于标准产品的解决方案，未来将更加沉入底层，与合伙作伴在更多的行业和场景中一起合作。以下为刘江川院士的现场演讲内容，雷锋网作了不改变原意的编辑和整理：消费互联网行业曾经产生了很多的红利，但目前对工业和能源行业而言，它们仍然处在起步阶段。去年，硅谷著名投资人谈到互联网的三次浪潮，具体情况为：第一次浪潮是从1985年到1999年，它们的载体主要是PC，做的事情是把分布在全球各地的PC连接起来；到了第二次浪潮，大概是从2000年到2015年左右，是在连接的基础上真正地把应用加载上去，同时，载体从2007年慢慢转移到更加小巧的手机；第三次浪潮，也就是从2016年开始，互联网中新接入的载体变成了各种各样的传感器，特别是工业方面的传感器。不管是第一次浪潮，还是第二次浪潮，基本上都是围绕消费互联网行业而进行的，而现在我们正在经历的第三次浪潮，工业互联网不仅要把大家连接起来互相沟通，而且它还催生了分布式的数据和数据计算的引擎。这里的Player可以是人，也可以是机器，真正地促进工业行业的发展。工业互联网带来的挑战过去这么多年，我们对互联网的认识一直是消费互联网思维，而消费互联网有这样几个典型的特点。如图所示：https://n.sinaimg.cn/spider202064/382/w740h442/20200604/3c92-iumkapx1093335.jpg
首先是高可靠、高性能计算基础设施，并且这些基础设施大部分时间没有任何问题，或者即使有问题也有相应的解决方案，有发电系统可以永续地提供服务。再者，带宽和延迟达到令人满意的地步，延迟在100毫秒以下。如果5G建好后可以保证延迟在50毫秒，或者能达到1到10毫秒的延迟，那将是非常理想的情况。凭借海量的客户端，我们能获取到海量的数据，利用各种大数据软件进行信息的挖掘和利用。最后，我们可以建立一些平台和生态的闭环，在闭环上形成商业价值。上面这种消费互联网思维在过去十几年里是非常成功的，但是到了工业互联网时代，我们会面临很多的挑战。第一，基础设施方面的电力供应。虽然现在的电力供应在东南沿海和华北等消费比较发达的地区是非常充足的，民用电方面没有太大的问题，但是工业用电方面每年仍然有不少的断电时间，并且这些断电时间有时候长达一天以上。即使是在发达国家，工业用电也没有得到很好的解决，比如加拿大北部地区有相当一部分工业用电是采用柴油供电的。这些用于发电的柴油通过陆路很难输送得过去，但用飞机输送过去代价就非常大了。第二，电池这种基础设施也没有得到太好的提升。我们知道，工业场景中很多设备需要电池持续供电，或者用电池做备用电源，但是近100多年以来，电池的相关技术并没有像IT行业那样有了飞速的进展：锂电池从1978年被发明以来，现在基本上已经到了能源密度的极限。大概60瓦时甚至以上，已经达到安全的极限，电池技术发展的空间除了采用石墨烯之外，其它可能都非常有限。第三，网络覆盖并不理想。目前，美国的2G、3G网络的覆盖还有很大的空洞，而中国的情况，工信部表示2020年4G网络的人群覆盖率将从2018年的95%提升到98%左右，但是即便如此，中国国土面积仍然有大量的地区没有被网络覆盖掉，并且全部覆盖也是不太可行的；即使有了5G的网络，可能也达不到全面国土的覆盖。就工业中高压输电线路这种场景来说，比如国内一个全长150万公里的高压输电线路，它的线路隐患频发，故障次数随电网建设持续增多，超出人工运检能力范围，同时无人化智能运检年市场规模达到500亿元。高压输电线路的一些铁塔，它们所在的环境与安防系统、城市内巡检不一样，大量的铁塔在深山老林和戈壁滩上，并且这种地方的供电并不稳定。虽然有高压电供应电量，但并没有很好的电网覆盖，而它的网络覆盖可能也是非常差的。国家电网对视频分辨率有一定的要求，断电的情况下，若能通过太阳能保证五天以上的供电量，峰值达到8瓦以下，了解安防摄像头的人就会知道这个压力是非常大的，在实践中非常难以达到这种要求。边缘计算 VS 云计算目前物联网设备的数量正在激增，估计今年设备数量在全世界能达到500亿，并且电网巡检的市场是巨大的，而整个物联网市场在万亿级别甚至更高。数据量非常大，设备非常多，智能化要求高，包括带宽、延迟、本地组网等。由于云计算的初始设计并没有考虑到这些，因此很难支撑这样数量级的网络连接。另外，如果单纯采用端计算，计算资源将非常有限，能耗也非常有限。由此，一种新的计算模式——边缘计算就衍生出来了。https://n.sinaimg.cn/spider202064/327/w740h387/20200604/a959-iumkapx1093804.jpg
业界对于边缘计算有不同的定义，大家也有不同的看法。一般地，边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供本地化服务。应用程序在边缘侧执行，在节省带宽的情况下满足行业在实时业务、应用智能、安全与隐私保护等方面的基本要求。边缘计算与云计算是互补的关系。因为边缘计算需要大量的存储，并且对时间并不敏感，比如在100毫秒以上的延迟也可以满足。而现在的云计算，已在消费互联网中得到了广泛的应用，如果云计算向工业互联网场景挺进，能将延迟缩小到10毫秒左右或者更低。2013年中国国内云计算市场大约只有47亿人民币，当时大家认为每年增速在50%左右，而实际上，2013年-2019年平均增速达到75%以上。而边缘计算，预计到2025年，大概50%以上的数据会在边缘侧进行分析、处理、存储。其未来发展，我们认为他会和云计算有同样的发展道路。工业场景的软件化是必然的趋势，但正处在从2016年开始的起步阶段，其发展空间是非常大的。边缘计算可以提供更稳定的解决方案，在弱网、弱电环境下提供高可用性的服务；并且，其实时响应基本上能达到毫秒级的延迟，这对工业场景是非常重要的；再加上边缘计算在边缘侧处理数据会更加经济，带宽成本会降低，也更安全。https://n.sinaimg.cn/spider202064/282/w740h342/20200604/73a7-iumkapx1093805.jpg
边缘计算生态的高度碎片化边缘计算已经多次被Gartner列入十大重要技术之一，目前正处于飞速发展的阶段，还没有到泡沫快要破裂的阶段，因此还有很大的空间可以开发。就生态来看，边缘计算整个的生态系统是很大的，每个企业在里面占据很小的生态位。产业物联网应用，包括面向智能工业、智慧城市、智慧安防、智慧交通等现场。从边缘计算生态中横向平台能力去看，边缘计算平台不但要能连接云服务平台、操作系统和通用AI能力，还要能向下连接数据传输通信，向上连接产业物联网应用。https://n.sinaimg.cn/spider202064/329/w740h389/20200604/f0b7-iumkapx1094036.jpg
边缘计算的整个生态和云计算比起来，其碎片化程度非常高。IIoT市场的爆发，需要解决物联网应用中计算架构、操作系统、设备供应商和传感协议的异构、业务场景的碎片化等一系列难题。此外，边缘计算相比于云计算，其计算架构和OS是后者的10倍，工业协议数量和DevOps为100倍，业务场景碎片化的高度为1000倍。业界对边缘计算的看法各不一样，但各种云计算厂商，我们可以想象成是覆盖网络中的多个节点，至于边缘节点，它的数量在百到千甚至万的级别。网宿科技的IDC、CDN节点有500余个，配置了近万台服务器。阿里巴巴边缘计算的节点尽管分布在全球，但它的整个数量在几千到几万个，而更小型的厂商只有几百个。早年我曾研究过，即使是对英国这种国土面积较小的国家，边缘计算的分布也只能把延迟降低到200毫秒，要想进一步降低就会比较麻烦，但是对中国这类国土面积较大的国家，边缘计算的分布其延迟也只能是维持在2、3毫秒。以上这些延迟，和消费互联网所能达到的情况差不多，这对很多工业场景将有比较大的限制。当我们把5G基站看成边缘计算的载体，通过网络切片对工业现场进行服务时，与云计算节点相比，这些基站的数量非常大。据了解，全国3G、4G基站总数约为479万个，其中4G的基站现在功耗大概在100W以内；5G带宽比4G高得多，大概在100MHz。这种情况下，通信占据耗电量达到200W，如果加上计算的模块，一个5G基站的功耗将达到1000W左右。基于此，中国电信曾做过测算，要十年以上才能把电费成本收回来，这样的代价是非常高的，如果还要能达到更高延迟这个要求，哪怕是1毫秒到10毫秒也是非常大的挑战。OT与IT无缝对接的关键前面提到，我们现在正在经历第三次互联网浪潮，这不仅是提供基础设施，更要使得基础设施直接跟用户对接并且提供给用户更多的价值。我们真正要做到的事情，是让工业OT在延迟、能耗、可靠性上与IT技术做到无缝对接。而IT技术的大数据，所谓的敏捷开发和灵活落地，要怎样做到真正使得OT和IT进行深度融合，这是非常有挑战性的。国家电网制定的能源互联网战略，2018年他们接入数据的设备数量大概在5亿个左右，预计到2030年大概能达到30亿个左右。由于现在是传统自发的物联网，将来可能面对的是主动式的物联网、大量利用电子电器设备供应的主动式电能联网系统和能源交换系统等，其中有大量控制类和采集类的需求，并且这些需求的时延要在毫秒级，此外，还对采集的频次和采集的内容，采集的带宽等都有相应的要求。因此，现在单靠云计算技术是无法解决的。而互联网和物联网只解决部分数据的采集，并没有解决这些数据的分析应用。边缘计算将在这一块有大量的工作可以做，比如预测性维护、安防监控、工作效率、储能配置等方面。电动汽车大量进入市场和网络以后，配电智慧融合终端是非常重要的设备，也是国家电网现在极力推动的设备。这个设备是典型的边缘计算设备，内部搭载的是ARM芯片，上面还承载各种应用、台区相位识别、分布能源管理等。我们看到其中的反应速度，一般器件保护达到10-15毫秒，一系列需求的实时性要求是非常高的，更不用说其它安全性的要求了。探索边缘计算的进阶之路在边缘计算的数据采集、数据分析和集成等方面，多年来我们做了一系列的工作。我们的研究小组和江行智能还就边缘存储、分发、计算、大规模无源感知、智慧能源管理和电池管理系统等方面进行了深度的研究。对于无源通信与感知，前面我们也谈到了能量供给是很大的问题，特别是在通信系统里能耗是相当高的，再加上计算以后会带来更大的能耗。而现阶段，电池方面的进展还并不是很可靠，制约物联网发展很大的瓶颈就是在能量供给方面，因此我们希望边缘节点能成为一个计算的节点，也能成为能源供给的节点。前端的各种传感器可以是无源的，要做到无源这里采用Backscatter Ommunication，这是非常有效的方式，证明在实际系统中通过Wi-Fi和蓝牙信号去做。而现有的系统，他们能达到的传输效率和带宽是非常有限的。我们在世界上第一个做出多跳的Backscatter-X-Tandem，我们系统能有效地从周围环境中获取能量，特别是从声音中获取能量，即使是在普通街道充满噪声的情况下，我们仍然可以获取足够的能量进行通信和本地计算。https://n.sinaimg.cn/spider202064/388/w740h448/20200604/d4a6-iumkapx1094037.jpg
关于边缘计算引擎，边缘计算一方面要采集高度异构的数据，并保证可操作性、通用性；另一方面，云计算是统一的计算平台，属于规模经济并且有非常稳定的计算环境，而边缘计算平台反而是弱平台，其开发需要接入异构。江行智能有开发自己的电源管理系统，提供高度可靠的性能和低延迟的计算，并且上面有基于ARM容器化解决方案的JXCore，提供大规模边缘容器管理和边缘协同以及容器分发。软硬一体化实时平台EdgeBox，是快速响应的容器化MCU应用部署，可以实现微秒级基于MCU的RTOS和毫秒级基于ARM的Linux的协同调度。多MCU的直接内存访问：ARM RAM外挂至多片MCU，数据传输从目前行业最高的0.5MB/s（SPI方案）提升至5MB/s；边缘节点低功耗控制：待机功耗小于0.005W，为公版ARM待机方案的10%。https://n.sinaimg.cn/spider202064/583/w740h643/20200604/c976-iumkapx1094185.jpg
我们现在能使得采集类的延迟在1微妙，MCU在一毫秒，能使得电网和工业场景里的需求达到满足。而ARM的延迟能达到75毫秒，通过跟云协作实现长时间系统的管理。其它方面，比如Clean OS压缩等，我们都有比较快速的进展。总体而言，我们认为边缘计算技术在进行一系列的部署时会面临挑战，包括服务于边缘计算网络体系架构，有多层次的数据汇集、高度异构用户需求等，同时，边缘网络资源分配与数据传输策略，还会面临通信、计算和存储，有源或无源，能量供给和延迟等方面的一些难题。另外，边缘数据的处理与端边云协同，传统数据的时序处理、深度学习、联邦学习和网络系统优化，以及边缘节点安全、隐私、价格问题等这些都要逐步地解决。边缘计算在大的生态系统开源上是非常重要的方向，包括连接和计算。目前来看，计算这一块发展得算是比较靠前的，由边缘计算延伸出来的系统也已经走出来了，而在连接这一块，现在EdgeX走得算是比较快。从行业来说，我们认为电力行业是边缘计算应用和落地比较快的领域，紧跟着水务、智慧城市、油气和制造业也将会在未来的三、四年内快速走出来。另外，5G的大量部署，将会给新一代的工业制造带来巨大的影响。
页:
[1]