边缘计算人工智能,加速智能制造,如何搭建一套高效的AI计算平台？

2016年，一场风风火火的人机大战，谷歌旗下DeepMind的围棋程序AlphaGo以5局4胜的大比分赢得胜利，掀起了全世界人民，尤其是中国老百姓，对于AI前所未有的热潮，深度学习的概念也从实验室、教科书首次进入了普通大众的视野。不少人通过互联网，第一次了解到AI的魅力。但是，AI的应用远不止互联网企业这么简单，它已经渗透到安防、公安ISV、研究机构、金融、医疗等各行各业。

纵观整个2017年，互联网圈里提到最多的一个词一定是“人工智能”，而且这个“人工智能”已经不仅是2016年那个很会下棋的AlphaGo，它成了无所不能的助手管家，能和你对话（智能音响），能帮公安抓人（人脸识别），也开始抢老司机的活儿（无人驾驶）。如今的人工智能早已不再是70多年前的那个“它”了。

中国制造2025战略中，智能制造是一个非常关键的奋斗目标。到2020年，制造业重点领域智能化水平显著提升，试点示范项目运营成本降低30%，产品生产周期缩短30%，不良品率降低30%。到2025年，制造业重点领域全面实现智能化，试点示范项目运营成本降低50%，产品生产周期缩短50%，不良品率降低50%。

智能制造工程推动制造业智能转型，推进产业迈向中高端;高端装备创新工程以突破一批重大装备的产业化应用为重点，为各行业升级提供先进的生产工具。重点聚焦“五三五十”重点任务，即：攻克五类关键技术装备，夯实智能制造三大基础，培育推广五种智能制造新模式，推进十大重点领域智能制造成套装备集成应用。

那么，如何加速智能制造的发展进度？尽快实现广泛的行业领域应用呢？

容错服务器专家的观点认为，以边缘计算引领人工智能的发展，将有力的推动制造智能化进程，并且让人工智能更加“聪明”。

目前，受过训练的人工智能系统，在特定领域的表现已可超越人类，而相关软件技术迅速发展的背后，边缘计算解决方法的运用让人工智能变得更加强大。物联网（IoT）将可望进化成AIoT（AI+IoT）。 智能机器人的遍地开花可能还只是个开端，人工智能终端的边缘运算能力，其所将带来的价值更让人引颈期盼。

容错边缘计算团队认为，基于边缘计算解决方案的人工智能终端，将在各行各业带来变革，从而改变未来的走向。传统人工智能运算的硬件架构，主要包括中央处理器（CPU）、图型处理器（GPU）、现场可编程数组（FPGA）等。

特定领域的专用人工智能系统，由于应用背景需求明确、深厚之领域知识、模型建立计算简单可行，在单项测试之智能水平，目前已可超越人类智能，在许多领域取得具体成效。如今的技术挑战在于，如何发展低功耗、高准确率的认知计算，包括新型运算架构电路设计、算法等。 未来人工智能将由特定的算法加速器，来加速包括卷积神经网络（ConvoluTIon Neutral Network）、递归神经网络（Recursive Neutral Network）在内的各种神经网络算法。边缘计算推动人工智能实现变革性发展，这是实现智能制造必须跨过的一步。

虽然目前人工智能领域的主流研究是在服务器上的人工智能运算，但有越来越多应用产品须在终端上进行实时运算，此种技术便是边缘运算的运用。这个发展趋势将改变整体人工智能运算系统架构的设计与技术需求。

容错专家认为，人工智能在边缘侧的不断扩展，是驾驭数据洪流的关键环节之一，也是物联网未来发展的重要趋势。随着人工智能如火如荼的发展，海量数据需要快速有效地分析和提取洞察，这也大大加强了对于边缘计算的需求。

两个问题值得思考，首先是边缘侧趋向负载整合。以前的数据很多都是结构化数据，可以通过Excel表格或者简单的关系型数据库对其进行维护和管理。但今后会有越来越多的非结构化数据需要进行处理并借此发现内在关联，这时就需要边缘计算和人工智能技术。

其次，构建边缘协同的端到端系统。在一个边缘协同的端到端系统中，由于不同网源的功耗、计算性能和所能承担的成本各不相同，因此在选取硬件架构时往往会有特定要求。要根据用户需求提供不同架构的解决方案，涵盖至强处理器、至强融核处理器、Movidius/Nervana神经网络处理器和FPGA、网络以及存储技术等硬件平台，以及多种软件工具及函数库，优化开源框架，来让他们进行自主选择。

容错服务器及容错软件，具有ftServer 的Lock Step和 everRun Check Point技术， 在实时性，可靠性，安全私密性上有独特的优势，在已经有广泛的工业自动化 （IA） 客户应用的基础之上， 助力边缘计算产业创新技术的落地。

容错服务器，在中国制造2025的奋斗目标下，协助边缘计算产业联盟建立开放与创新的平台、行业践行与示范的平台。携手人工智能技术，加速中国制造2025实现进程。