雷鋒網按：2020 年8月7日，全球人工智能和機器人峯會（CCF-GAIR 2020）正式開幕。CCF-GAIR 2020 峯會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）聯合承辦，鵬城實驗室、深圳市人工智能與機器人研究院協辦。
從 2016年的學產結合，2017年的產業落地，2018年的垂直細分，2019年的人工智能40週年，峯會一直致力於打造國內人工智能和機器人領域規模最大、規格最高、跨界最廣的學術、工業和投資平台。
在8月9日的【工業互聯網專場】上，加拿大工程院院士、IEEE Fellow、加拿大西蒙菲莎大學教授劉江川帶來了《能源互聯網視角下的邊緣計算》的開場主題演講。
加拿大工程院院士、IEEE Fellow、加拿大西蒙菲莎大學教授劉江川
劉江川院士長期在學術界工作，從1999年開始在香港科技大學、香港中文大學和加拿大西蒙菲莎大學開展研究，其研究得到了加拿大自然科學基金、加拿大工業部等多方的支持。
從2018年開始，他進入工業界，創辦了江行智能，並且得到紅杉資本、松禾資本和百度風投支持。
他提到，工業互聯網在跑道上飛速前進。今天的互聯網不僅僅只做互聯這件事情，互聯網已經變成了分佈式的數據處理器和分佈式數據採集器，底層通訊、上層存儲、上層應用和計算融為一體，這是非常重要的轉變。
“不僅僅是互聯，而是在這當中展開存儲和應用。除了工業之外，能源行業、交通行業、智慧城市等等，也是同樣的場景。”
他指出，消費互聯網慣性的思維，是建立高可靠、高性能的基礎設施建設，即使這些設備消耗大量的電力，但是電力成本可以通過應用的價值來換取，比如在海量客户端上獲取海量的數據，並且不受限制，隱私也不是大問題，數字價值得到體現。
不過，這種思維在消費互聯網時代取得成功，在工業互聯網和能源互聯網時代確面臨着嚴峻的挑戰。因為工業互聯網和能源互聯網的項目大多遍及整個國土，電力供應不僅僅只是大中城市的需求，其他地方並不能保證100%長期不斷電。過去100多年裏，電池的能量、存儲密度等發展都是線性的，增長基本已達到極限。
“我們現在發展到一個階段，確保大型電網穩定的運行是非常重要的事情。”
此外，他表達了一個重要觀點是：對於能源互聯網，不能像依賴傳統消費互聯網場景下的雲計算的方式，而是要在用户側、數據現場解決問題，同時能高度節省帶寬，在無網絡的情況下進行工作——這種情況下，可以看到邊緣計算引入的必要性。
在其後的演講中，劉江川院士詳細解釋了何為工業互聯網、能源互聯網場景下的邊緣計算，以及他們目前採取的應對挑戰的解決方案。
以下為劉江川院士的演講速記，雷鋒網做了不改變原意的編輯與整理。
很榮幸接受CCF-GAIR的邀請，在這裏做一場關於《能源互聯網視角下的邊緣計算》的報告，談一談我們在這一段時間遇到的機遇、挑戰和方案。
我本人長期在學術界工作，從1999年開始在香港科技大學、香港中文大學和加拿大西蒙菲莎大學開展研究，我們的研究得到了加拿大自然科學基金、加拿大工業部等多方的支持，從2018年開始，我也進入工業界，創辦了江行智能，並且得到紅杉資本、松禾資本和百度風投支持。
工業互聯網是一個新興的概念，其中包括工業、能源、交通、智慧和城市等等，目前正在飛速的在跑道上前進。在這個時段的終端是工業性質的傳感器，而我們要做的事情是真正將工業應用帶到互聯網世界裏面，以互聯網來促進工業的應用。
我本人經歷了這幾個時期，現在也正在往工業互聯網的大道上前進，所謂的工業互聯網不僅僅是做互聯這件事情，今天的互聯網也不僅僅像一開始做互聯這件事情，今天的互聯網已經變成了分佈式的數據處理器，和分佈式數據採集器。
在這裏，我們看到的底層通訊、上層的存儲、上層的應用和計算融為一體，這是非常重要的轉變。不僅僅是互聯，而是在這當中展開存儲和應用。除了工業之外，能源行業、交通行業、智慧城市等等，也是同樣的場景。
從2016年才進入這個時代，我們面臨了非常大的挑戰，從消費互聯網、工業互聯網、能源互聯網的場景裏面，會看到在消費互聯網的時候有一些慣性的思維，這些思維認為在過去十幾年裏已經建立了高可靠、高性能的基礎設施建設，比如説長時間不間斷的工作，在斷電的情況下有備用電源切入，它會消耗大量的電力，這些電力通過應用的價值來換取。
另一方面，網絡基礎設施也非常優秀，有高吞吐、低延時網絡基礎設施，現在達到Gbps。隨着5G，延遲可以降低到10毫秒左右甚至是1毫秒。
在海量客户端上，能獲取海量的數據，並且不受限制獲取數據，隱私也不是大問題，數字價值得到體現。這是消費互聯網時代的慣性思維。
這些思維在消費互聯網時代是成立的，而且是非常成功的應用。但是，在工業互聯網、能源互聯網的時代，實際上我們面臨的挑戰非常之多。
因為消費互聯網是在城市裏面，特別是在中心城市得到了應用，但是工業互聯網、能源互聯網是遍及整個國土，所以基礎設施就有一些問題。電力供應雖然在中大城市不是問題了，但是仍然有斷電的情況，由於一年時間各種原因造成的斷電，並不能保證百分之百的長時間有電。
能源供給的角度，電池也是很大的問題，在過去這100多年的歷史，電池的發展是線性發展的，它的能量、存儲密度，基本上是線性的。從一九七幾年第一個鋰電池專利產生到現在，增長已達到極限。
從網絡來説，中大城市感覺都已經覆蓋了，對於工業互聯網來説，或者是能源互聯網來説，你的很多設備都是在偏遠地區，在戈壁灘、沙漠上，3G和4G網絡或者是5G網絡未必都非常理想，真正的網絡覆蓋從國土面積來説未必能提升1%，這是典型的挑戰。
來看典型的例子，比如説中國高壓線路運檢，現在高壓線路是150萬公里，特高壓是世界領先定位。我們現在發展到一個階段，確保大型電網穩定的運行是非常重要的事情，也是除了建設之外非常重要的事情。運檢需求持續增多，就需要無人機的運檢。
電網要實現24小時的監控比起城市的安防監控來説，難度完全不同。電網大量的鐵塔是處在深山老林和戈壁灘上，温差很大、高度的電磁干擾，網絡是很弱的，不像城市裏面有非常好的3G、4G、5G的網絡，通過回傳數據到雲上解決問題，像消費互聯網一樣。在能源互聯網下，可能有信號，但是很難做到全覆蓋、高速度的視頻回傳。
能源供給也是一個問題，你可能認為鐵塔不缺電，但實際上它是沒有電的，所以就需要從太陽能供電，這對於能耗是一個非常大的挑戰。
比如説國網的企業標準，對於通道可視化的設備，要求在最低照度下能工作，整機峯值功率不超過8瓦，但是仍然要做人工智能的應用，大家做過人工智能就知道挑戰在哪裏。
所以，對於能源互聯網，你不能依賴傳統的消費互聯網場景下的雲計算方式，更多是需要在用户側、數據現場來解決這些問題來達到實時的應用，同時能高度節省帶寬，在無網絡的情況下進行工作。
嵌入式系統也會遭受很大的挑戰，軟件方面，隨着人工智能的發展，希望快速替換算法，這個矛盾怎麼解決，包括傳感器不光是視覺傳感器，還要引進温度傳感器、局部放電傳感器等等，這都帶來了多種挑戰。
這種情況下可以看到邊緣計算引入的必要性，所謂的邊緣計算是指靠近數據源頭的一側，採用網絡、計算、存儲、應用等核心能力為一體的開放平台，就近提供服務。這對於能耗要求較低的情況下，特別是實時業務、以及安全隱私考慮方面是非常重要的。
2025年的時候預計有50%的數據會在邊沿側分析存儲，參考國內雲計算市場，在2013年的時候不到50億人民幣，在過去這麼多年平均增速達到70%以上，所以，邊緣計算也將經歷這個過程。
應該説到2020年，整個物聯網的設備有500億左右，是非常高速的增長，在非常多的數量下需要智能化、低延時和本地組網，採用邊緣技術的技術，作為和雲計算相輔相成，或者是雲計算下半場的技術，來共同達到工業互聯網、智能互聯網的要求。
整體而言，它是更穩定、更實時、更經濟、更安全的解決方案，可以認為是雲計算2.0，也是在弱網、弱電的情況下達到毫秒級的響應，大幅節省帶寬成本、保護用户的隱私。
這是邊緣計算產生的背景，實際上我們可以看到，雖然人人都講邊緣計算，邊緣計算概念仍然分很多層次，大家定義也未必一樣。
橫向平台方面，包括雲平台做下沉的服務，包括芯片廠商在做這個工作，也包括AI的能力，在上層有多種多樣不同的場景，在下層有工業互聯網的傳輸協議，智能芯片和傳感器等等。
邊緣到底在哪裏？這是根本性的問題，你會得到不同的答案，它們都有一定的道理，從鏈路上來説，從端到雲不是一點而是若干個點，這若干個點都有可能會成為邊緣，這些點都是互為合作的，以此形成邊緣計算的生態。
典型的Edge也是自然的定義，這種定義下，從學術角度來説是覆蓋網絡的概念。覆蓋網絡概念應用最多是雲計算的下沉，或者是CDN的計算賦能。
從這個角度來説，來看亞馬遜的分佈式數據中心AWS Claud，在全球有65Availability Zones Within ，22個Geographic Regions。Akamai最大的CDN廠商有24萬的服務器分佈在120個國家。
在這種情況下，城市級會有分佈式的部署，在全球或者是全國，是幾百、幾千到萬的級。延遲基本上在100毫秒左右。
針對消費互聯網的應用是可以的，雲遊戲的應用也是可以的，但如果更低的就可以看到第二種情況，Edge是IoT與互聯網，這種定義的典型場景就是移動邊緣計算，把5G基站作為邊緣計算的載體，通過網絡切片的技術給工業現場。
我們可以看到國內的3G、4G的基站數量接近500萬個，5G可能會達到1千萬個。這樣的延遲比分佈式數據中心要小得多，基本上能達到50毫秒的延遲。
但是這裏有一個挑戰，5G的耗電已經非常多了，再加上計算就更多了，因為計算的耗電是通信之上。另一方面，一旦遇到災害性事故，還是常見的，比如説龍捲風、颱風的襲擊，造成電網的斷電、基站的斷電，在斷電的情況下你是保通信還是保基站？這種情況下，負載遷移也是非常大的挑戰。
另外一個更重要的是在前兩個方面，大家走的思維還是雲計算，所謂雲計算的下沉地或者是最終下沉到5G的基站上，怎麼樣做企業服務、怎麼樣把原來抽象的企業應用真正落到實地，這一塊還有非常大的挑戰。這一塊更進一步的Edge就是我們認為的OT meets IT。
這是邊緣節點最靠近工業現場的節點，分三個層次，分佈式數據中心構成了邊緣計算的整體。在這個點上，我們要做的是創建面向泛工業場景的具有高度軟件兼容性、可靠性和可拓展性邊緣計算方案，達到實時性、安全性、低功耗性和弱網的適應性。
從產業來説，國家電網的能源互聯網戰略。現在電網的形態發生了非常大的變化，已經從建設週期轉向了維護週期，安全運行的壓力是非常大的，電網運營也遇到很大瓶頸，也遇到了很多的挑戰，特別是互聯網經濟、數字經濟、社會經濟形態的變化。
從國家電網來説，今年提出了能源物聯網概念，用互聯網的技術來推動能源技術的發展。可以看到，國網系統接入設備在今年5.4億左右，但是2030年達到30億左右個設備，從傳統自發到未來主動的系統，大量利用電子器件構建電能流動的聯網系統和智能化的傳送。
可以看到會有各種控制類、採集類的需求，在連接模式上，跟互聯網的模式會越來越接近，但是時延要求是毫秒級，這是必須做到現場邊緣計算，在採集類也有同樣的需求。
從國網的角度來説，邊緣計算會有一些代表性的應用，比如説預測性運維、電容型設備絕緣在線檢測、隔斷開關狀態圖像識別等等，這些對時延要求都是非常高的，你很難用傳統傳輸到雲的方案解決。
另外，隱私和數據量要求也是很高的，還有安防監控、鐵塔的通道可視化、變電站監控、工作效率的提升和儲能設備的智能化運維等等，都需要邊緣計算的介入。
當然，對於實時性、邊緣性的要求非常高，比如説地點保護類達到10-15毫秒。在這上面可以進一步發展其他類型的應用，比如説電池，在BMS系統上跟雲進行配合，還可以接入能源控制器做有序的服務，以達到儲能設備運維、電動汽車數據分析和彙集，來做到電池的梯次利用。
在這一塊可以看到，有非常多的應用場景，在過去這幾年裏，從十幾年前就開始相關的研究，在過去幾年，物聯網和邊緣計算方面做了嶄新的工作，包括邊緣計算存儲、分發計算、邊-雲協同計算與服務空分複用-多條散射通信、大規模無源感知與定位、智慧能源系統和電池管理方面的工作。
一方面是從物聯網節點到邊緣計算節點的無緣感知和通信，在未來，邊緣節點應該是第一個或者是最近有電源供應的節點，再往前，傳感器在未來理想狀態下是不需要電池供應的，因為電池的能量有限，電池也帶來非常多的問題。
比如説污染的問題，如果所有都要靠電池支撐，那以後500億-1萬億以上的設備、傳感器是無法想象怎麼樣提供這樣的能量，從傳感器到第一個能量供給點的邊緣節點，你應該創造無源的通信，特別是散射通信。
我們作出了一系列的工作，包括在2018年的Acm Mobisys，極大的提升了傳輸的速率。我們也做到多跳的傳輸，這樣極大的提升了傳輸的距離，也能夠避開障礙。
這個發表在Acm Mobisys2018年上。在今年的Acm Mobisys上，我們也展示世界第一個分佈式的做信號的激勵，而不僅僅是從單一的源頭激勵，這樣就能使傳輸的速率和距離進一步得到提升，另一方面，仍然可以做數據採集和數據的通信。
我們從周圍環境裏面採集能量，而不僅僅依靠電池和激勵能量，周圍的環境包括WIFI信號，還包括聲音信號，已經做到街道環境噪音就能滿足計算能力和傳輸能量。這是我們在這方面的工作。
另一方面，我們需要計算平台，邊緣計算的引擎又是什麼樣的呢？相對雲計算來説，雲計算有統一的計算平台，它的開發需要兼顧異構，在邊緣側需要兼顧異構。
在性能方面，雲計算是穩定的計算環境，穩定的資源，但是在邊緣側，也需要克服異構。總體上來説，你需要兼顧通用性、工業和能源場景下大量的專用型的需求。
在IoT應用的投資非常大，隨着IoT的增加，投資是超線性的。在計算架構OS方面，工業互聯網、能源互聯網面對10倍以上的複雜性，工業協議達到100倍的複雜性，在Devops上達到100倍以上，業務場景由於碎片化程度極高，甚至能達到1000倍以上的複雜性。
在這一塊，大家有不同的技術路線，一方面從數據中心下沉，從雲端來發放配置信息，以實現本地的服務，這基本上是雲計算廠商和CDN廠商的路線。
另外是直接面對工業現場，也是剛剛談到OT和IT結合的場景，需要邊緣計算的中間件來應對邊緣計算的硬件，傳感和通信。
Linux Foundation 旗下的EdgeX Foundry是完成了到IoT終端、網端和終端服務器的部署，解決了OT和IT融合的關鍵業務的挑戰，特別是它建立了操作性的框架，使傳感器解耦，最終達到雲邊協同和智能應用和設備、數據的接入，我們看好EdgeX Foundry的發展。
在這個基礎上，江行智能做了Edgebox，是EdgeX的落地實踐。我們有自己邊緣計算的硬件、集成了的芯片和電源管理系統，達到了極低的能耗和極高的實時性、穩定性。
另一方面，在上面實現了NPU、CPU和MCU的全面容器化，並且在上面搭載多種針對特定場景的邊緣智能服務。在下可以兼容多種設備和傳感器，打造具體的產業產品，再往上，達到雲中立和雲的對接，並且做到邊緣協同和多種邊緣節點的協同工作。
另一方面，我們建立了相對完整的邊緣物聯網的計算軟件環境和OT設備的連接方案，達到了廣泛的兼容性和企業級的配套服務。
在下一步的發展中，邊緣計算技術和行業的結合仍然面臨着非常多的挑戰，在這裏可以做簡單的總結，一方面是大家需要考慮服務雲邊緣的網絡體系結構，特別是多層次的數據彙集、高度異構的用户需求。
另外是邊緣網絡資源分配與數據傳輸策略，包括通信和計算、存儲如何的結合，移動和固網如何結合，能量、帶寬和延遲如何結合。在邊緣數據處理與端-邊-雲的協同，傳統數據處理、時序數據、深度學習、聯邦學習的系統與網絡優化。
邊緣節點安全隱私價格，數據、設備歸屬、傳輸、分享安全與隱私等方面也在不斷的解決，我們也在不斷的努力。
謝謝大家。