雷锋网按：2020 年8月7日，全球人工智能和机器人峰会（CCF-GAIR 2020）正式开幕。CCF-GAIR 2020 峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。
从 2016年的学产结合，2017年的产业落地，2018年的垂直细分，2019年的人工智能40周年，峰会一直致力于打造国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资平台。
在8月9日的【工业互联网专场】上，加拿大工程院院士、IEEE Fellow、加拿大西蒙菲莎大学教授刘江川带来了《能源互联网视角下的边缘计算》的开场主题演讲。
加拿大工程院院士、IEEE Fellow、加拿大西蒙菲莎大学教授刘江川
刘江川院士长期在学术界工作，从1999年开始在香港科技大学、香港中文大学和加拿大西蒙菲莎大学开展研究，其研究得到了加拿大自然科学基金、加拿大工业部等多方的支持。
从2018年开始，他进入工业界，创办了江行智能，并且得到红杉资本、松禾资本和百度风投支持。
他提到，工业互联网在跑道上飞速前进。今天的互联网不仅仅只做互联这件事情，互联网已经变成了分布式的数据处理器和分布式数据采集器，底层通讯、上层存储、上层应用和计算融为一体，这是非常重要的转变。
“不仅仅是互联，而是在这当中展开存储和应用。除了工业之外，能源行业、交通行业、智慧城市等等，也是同样的场景。”
他指出，消费互联网惯性的思维，是建立高可靠、高性能的基础设施建设，即使这些设备消耗大量的电力，但是电力成本可以通过应用的价值来换取，比如在海量客户端上获取海量的数据，并且不受限制，隐私也不是大问题，数字价值得到体现。
不过，这种思维在消费互联网时代取得成功，在工业互联网和能源互联网时代确面临着严峻的挑战。因为工业互联网和能源互联网的项目大多遍及整个国土，电力供应不仅仅只是大中城市的需求，其他地方并不能保证100%长期不断电。过去100多年里，电池的能量、存储密度等发展都是线性的，增长基本已达到极限。
“我们现在发展到一个阶段，确保大型电网稳定的运行是非常重要的事情。”
此外，他表达了一个重要观点是：对于能源互联网，不能像依赖传统消费互联网场景下的云计算的方式，而是要在用户侧、数据现场解决问题，同时能高度节省带宽，在无网络的情况下进行工作——这种情况下，可以看到边缘计算引入的必要性。
在其后的演讲中，刘江川院士详细解释了何为工业互联网、能源互联网场景下的边缘计算，以及他们目前采取的应对挑战的解决方案。
以下为刘江川院士的演讲速记，雷锋网(公众号：雷锋网)做了不改变原意的编辑与整理。
很荣幸接受CCF-GAIR的邀请，在这里做一场关于《能源互联网视角下的边缘计算》的报告，谈一谈我们在这一段时间遇到的机遇、挑战和方案。
我本人长期在学术界工作，从1999年开始在香港科技大学、香港中文大学和加拿大西蒙菲莎大学开展研究，我们的研究得到了加拿大自然科学基金、加拿大工业部等多方的支持，从2018年开始，我也进入工业界，创办了江行智能，并且得到红杉资本、松禾资本和百度风投支持。
工业互联网是一个新兴的概念，其中包括工业、能源、交通、智慧和城市等等，目前正在飞速的在跑道上前进。在这个时段的终端是工业性质的传感器，而我们要做的事情是真正将工业应用带到互联网世界里面，以互联网来促进工业的应用。
我本人经历了这几个时期，现在也正在往工业互联网的大道上前进，所谓的工业互联网不仅仅是做互联这件事情，今天的互联网也不仅仅像一开始做互联这件事情，今天的互联网已经变成了分布式的数据处理器，和分布式数据采集器。
在这里，我们看到的底层通讯、上层的存储、上层的应用和计算融为一体，这是非常重要的转变。不仅仅是互联，而是在这当中展开存储和应用。除了工业之外，能源行业、交通行业、智慧城市等等，也是同样的场景。
从2016年才进入这个时代，我们面临了非常大的挑战，从消费互联网、工业互联网、能源互联网的场景里面，会看到在消费互联网的时候有一些惯性的思维，这些思维认为在过去十几年里已经建立了高可靠、高性能的基础设施建设，比如说长时间不间断的工作，在断电的情况下有备用电源切入，它会消耗大量的电力，这些电力通过应用的价值来换取。
另一方面，网络基础设施也非常优秀，有高吞吐、低延时网络基础设施，现在达到Gbps。随着5G，延迟可以降低到10毫秒左右甚至是1毫秒。
在海量客户端上，能获取海量的数据，并且不受限制获取数据，隐私也不是大问题，数字价值得到体现。这是消费互联网时代的惯性思维。
这些思维在消费互联网时代是成立的，而且是非常成功的应用。但是，在工业互联网、能源互联网的时代，实际上我们面临的挑战非常之多。
因为消费互联网是在城市里面，特别是在中心城市得到了应用，但是工业互联网、能源互联网是遍及整个国土，所以基础设施就有一些问题。电力供应虽然在中大城市不是问题了，但是仍然有断电的情况，由于一年时间各种原因造成的断电，并不能保证百分之百的长时间有电。
能源供给的角度，电池也是很大的问题，在过去这100多年的历史，电池的发展是线性发展的，它的能量、存储密度，基本上是线性的。从一九七几年第一个锂电池专利产生到现在，增长已达到极限。
从网络来说，中大城市感觉都已经覆盖了，对于工业互联网来说，或者是能源互联网来说，你的很多设备都是在偏远地区，在戈壁滩、沙漠上，3G和4G网络或者是5G网络未必都非常理想，真正的网络覆盖从国土面积来说未必能提升1%，这是典型的挑战。
来看典型的例子，比如说中国高压线路运检，现在高压线路是150万公里，特高压是世界领先定位。我们现在发展到一个阶段，确保大型电网稳定的运行是非常重要的事情，也是除了建设之外非常重要的事情。运检需求持续增多，就需要无人机的运检。
电网要实现24小时的监控比起城市的安防监控来说，难度完全不同。电网大量的铁塔是处在深山老林和戈壁滩上，温差很大、高度的电磁干扰，网络是很弱的，不像城市里面有非常好的3G、4G、5G的网络，通过回传数据到云上解决问题，像消费互联网一样。在能源互联网下，可能有信号，但是很难做到全覆盖、高速度的视频回传。
能源供给也是一个问题，你可能认为铁塔不缺电，但实际上它是没有电的，所以就需要从太阳能供电，这对于能耗是一个非常大的挑战。
比如说国网的企业标准，对于通道可视化的设备，要求在最低照度下能工作，整机峰值功率不超过8瓦，但是仍然要做人工智能的应用，大家做过人工智能就知道挑战在哪里。
所以，对于能源互联网，你不能依赖传统的消费互联网场景下的云计算方式，更多是需要在用户侧、数据现场来解决这些问题来达到实时的应用，同时能高度节省带宽，在无网络的情况下进行工作。
嵌入式系统也会遭受很大的挑战，软件方面，随着人工智能的发展，希望快速替换算法，这个矛盾怎么解决，包括传感器不光是视觉传感器，还要引进温度传感器、局部放电传感器等等，这都带来了多种挑战。
这种情况下可以看到边缘计算引入的必要性，所谓的边缘计算是指靠近数据源头的一侧，采用网络、计算、存储、应用等核心能力为一体的开放平台，就近提供服务。这对于能耗要求较低的情况下，特别是实时业务、以及安全隐私考虑方面是非常重要的。
2025年的时候预计有50%的数据会在边沿侧分析存储，参考国内云计算市场，在2013年的时候不到50亿人民币，在过去这么多年平均增速达到70%以上，所以，边缘计算也将经历这个过程。
应该说到2020年，整个物联网的设备有500亿左右，是非常高速的增长，在非常多的数量下需要智能化、低延时和本地组网，采用边缘技术的技术，作为和云计算相辅相成，或者是云计算下半场的技术，来共同达到工业互联网、智能互联网的要求。
整体而言，它是更稳定、更实时、更经济、更安全的解决方案，可以认为是云计算2.0，也是在弱网、弱电的情况下达到毫秒级的响应，大幅节省带宽成本、保护用户的隐私。
这是边缘计算产生的背景，实际上我们可以看到，虽然人人都讲边缘计算，边缘计算概念仍然分很多层次，大家定义也未必一样。
横向平台方面，包括云平台做下沉的服务，包括芯片厂商在做这个工作，也包括AI的能力，在上层有多种多样不同的场景，在下层有工业互联网的传输协议，智能芯片和传感器等等。
边缘到底在哪里？这是根本性的问题，你会得到不同的答案，它们都有一定的道理，从链路上来说，从端到云不是一点而是若干个点，这若干个点都有可能会成为边缘，这些点都是互为合作的，以此形成边缘计算的生态。
典型的Edge也是自然的定义，这种定义下，从学术角度来说是覆盖网络的概念。覆盖网络概念应用最多是云计算的下沉，或者是CDN的计算赋能。
从这个角度来说，来看亚马逊的分布式数据中心AWS Claud，在全球有65Availability Zones Within ，22个Geographic Regions。Akamai最大的CDN厂商有24万的服务器分布在120个国家。
在这种情况下，城市级会有分布式的部署，在全球或者是全国，是几百、几千到万的级。延迟基本上在100毫秒左右。
针对消费互联网的应用是可以的，云游戏的应用也是可以的，但如果更低的就可以看到第二种情况，Edge是IoT与互联网，这种定义的典型场景就是移动边缘计算，把5G基站作为边缘计算的载体，通过网络切片的技术给工业现场。
我们可以看到国内的3G、4G的基站数量接近500万个，5G可能会达到1千万个。这样的延迟比分布式数据中心要小得多，基本上能达到50毫秒的延迟。
但是这里有一个挑战，5G的耗电已经非常多了，再加上计算就更多了，因为计算的耗电是通信之上。另一方面，一旦遇到灾害性事故，还是常见的，比如说龙卷风、台风的袭击，造成电网的断电、基站的断电，在断电的情况下你是保通信还是保基站？这种情况下，负载迁移也是非常大的挑战。
另外一个更重要的是在前两个方面，大家走的思维还是云计算，所谓云计算的下沉地或者是最终下沉到5G的基站上，怎么样做企业服务、怎么样把原来抽象的企业应用真正落到实地，这一块还有非常大的挑战。这一块更进一步的Edge就是我们认为的OT meets IT。
这是边缘节点最靠近工业现场的节点，分三个层次，分布式数据中心构成了边缘计算的整体。在这个点上，我们要做的是创建面向泛工业场景的具有高度软件兼容性、可靠性和可拓展性边缘计算方案，达到实时性、安全性、低功耗性和弱网的适应性。
从产业来说，国家电网的能源互联网战略。现在电网的形态发生了非常大的变化，已经从建设周期转向了维护周期，安全运行的压力是非常大的，电网运营也遇到很大瓶颈，也遇到了很多的挑战，特别是互联网经济、数字经济、社会经济形态的变化。
从国家电网来说，今年提出了能源物联网概念，用互联网的技术来推动能源技术的发展。可以看到，国网系统接入设备在今年5.4亿左右，但是2030年达到30亿左右个设备，从传统自发到未来主动的系统，大量利用电子器件构建电能流动的联网系统和智能化的传送。
可以看到会有各种控制类、采集类的需求，在连接模式上，跟互联网的模式会越来越接近，但是时延要求是毫秒级，这是必须做到现场边缘计算，在采集类也有同样的需求。
从国网的角度来说，边缘计算会有一些代表性的应用，比如说预测性运维、电容型设备绝缘在线检测、隔断开关状态图像识别等等，这些对时延要求都是非常高的，你很难用传统传输到云的方案解决。
另外，隐私和数据量要求也是很高的，还有安防监控、铁塔的通道可视化、变电站监控、工作效率的提升和储能设备的智能化运维等等，都需要边缘计算的介入。
当然，对于实时性、边缘性的要求非常高，比如说地点保护类达到10-15毫秒。在这上面可以进一步发展其他类型的应用，比如说电池，在BMS系统上跟云进行配合，还可以接入能源控制器做有序的服务，以达到储能设备运维、电动汽车数据分析和汇集，来做到电池的梯次利用。
在这一块可以看到，有非常多的应用场景，在过去这几年里，从十几年前就开始相关的研究，在过去几年，物联网和边缘计算方面做了崭新的工作，包括边缘计算存储、分发计算、边-云协同计算与服务空分复用-多条散射通信、大规模无源感知与定位、智慧能源系统和电池管理方面的工作。
一方面是从物联网节点到边缘计算节点的无缘感知和通信，在未来，边缘节点应该是第一个或者是最近有电源供应的节点，再往前，传感器在未来理想状态下是不需要电池供应的，因为电池的能量有限，电池也带来非常多的问题。
比如说污染的问题，如果所有都要靠电池支撑，那以后500亿-1万亿以上的设备、传感器是无法想象怎么样提供这样的能量，从传感器到第一个能量供给点的边缘节点，你应该创造无源的通信，特别是散射通信。
我们作出了一系列的工作，包括在2018年的Acm Mobisys，极大的提升了传输的速率。我们也做到多跳的传输，这样极大的提升了传输的距离，也能够避开障碍。
这个发表在Acm Mobisys2018年上。在今年的Acm Mobisys上，我们也展示世界第一个分布式的做信号的激励，而不仅仅是从单一的源头激励，这样就能使传输的速率和距离进一步得到提升，另一方面，仍然可以做数据采集和数据的通信。
我们从周围环境里面采集能量，而不仅仅依靠电池和激励能量，周围的环境包括WIFI信号，还包括声音信号，已经做到街道环境噪音就能满足计算能力和传输能量。这是我们在这方面的工作。
另一方面，我们需要计算平台，边缘计算的引擎又是什么样的呢？相对云计算来说，云计算有统一的计算平台，它的开发需要兼顾异构，在边缘侧需要兼顾异构。
在性能方面，云计算是稳定的计算环境，稳定的资源，但是在边缘侧，也需要克服异构。总体上来说，你需要兼顾通用性、工业和能源场景下大量的专用型的需求。
在IoT应用的投资非常大，随着IoT的增加，投资是超线性的。在计算架构OS方面，工业互联网、能源互联网面对10倍以上的复杂性，工业协议达到100倍的复杂性，在Devops上达到100倍以上，业务场景由于碎片化程度极高，甚至能达到1000倍以上的复杂性。
在这一块，大家有不同的技术路线，一方面从数据中心下沉，从云端来发放配置信息，以实现本地的服务，这基本上是云计算厂商和CDN厂商的路线。
另外是直接面对工业现场，也是刚刚谈到OT和IT结合的场景，需要边缘计算的中间件来应对边缘计算的硬件，传感和通信。
Linux Foundation 旗下的EdgeX Foundry是完成了到IoT终端、网端和终端服务器的部署，解决了OT和IT融合的关键业务的挑战，特别是它建立了操作性的框架，使传感器解耦，最终达到云边协同和智能应用和设备、数据的接入，我们看好EdgeX Foundry的发展。
在这个基础上，江行智能做了Edgebox，是EdgeX的落地实践。我们有自己边缘计算的硬件、集成了的芯片和电源管理系统，达到了极低的能耗和极高的实时性、稳定性。
另一方面，在上面实现了NPU、CPU和MCU的全面容器化，并且在上面搭载多种针对特定场景的边缘智能服务。在下可以兼容多种设备和传感器，打造具体的产业产品，再往上，达到云中立和云的对接，并且做到边缘协同和多种边缘节点的协同工作。
另一方面，我们建立了相对完整的边缘物联网的计算软件环境和OT设备的连接方案，达到了广泛的兼容性和企业级的配套服务。
在下一步的发展中，边缘计算技术和行业的结合仍然面临着非常多的挑战，在这里可以做简单的总结，一方面是大家需要考虑服务云边缘的网络体系结构，特别是多层次的数据汇集、高度异构的用户需求。
另外是边缘网络资源分配与数据传输策略，包括通信和计算、存储如何的结合，移动和固网如何结合，能量、带宽和延迟如何结合。在边缘数据处理与端-边-云的协同，传统数据处理、时序数据、深度学习、联邦学习的系统与网络优化。
边缘节点安全隐私价格，数据、设备归属、传输、分享安全与隐私等方面也在不断的解决，我们也在不断的努力。
谢谢大家。
。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/63513.html