天津大学计算机科学与技术学院教授、博导王晓飞:5G边缘智能驱动产业交叉创新

2021-04-04 11:16:07 kies 10

KIES智能

4月1日,中国5G产业创新创业大赛全国总决赛暨中国5G产业发展高峰论坛在鹤壁召开,天津大学计算机科学与技术学院的教授、博导王晓飞在大会上做了《5G边缘智能驱动产业交叉创新》的主题分享。

以下为创头条整理的演讲内容,略有删减:

KIES智能

vbox7251_MHZ_3100_142119.jpg

尊敬的各位领导、各位嘉宾,各位前辈、同仁,大家好!今天我为大家分享5G边缘智能驱动产业交叉创新。

毋庸置疑,我们现在已经迎来5G高速推广、高密度覆盖的这么一个时代,5G无处不在,我们如果说面临的是一个数字的世界,5G就成为走向数字世界的康庄大道,5G成为了支持我们国家走向万物互联、万物智联、万物赋能的黄金时代的核心道路。

人工智能也是非常重要的,我们现在已经把人工智能上升到国家层次的战略规划当中,甚至成为了大国彼此之间进行博弈的棋子。把人工智能用好,和5G融合好,成为了我们引领未来战略性技术,提升我们国家竞争力的核心战略。

为了迎接这样的5G融合人工智能的挑战,我们就提出了边缘计算的框架和概念。边缘计算其实并不是一个独立的学科或者一门单独的技术,它实际上是一个架构和概念。很简单说就是在云和端之间,构建一个无处不在的缓冲区,在这样一个缓冲区,我们可以有多层级的网络,多层级的存储设备,还有多层级的计算设备,通过这样一个承载,我们把云和端拉近。这个“边”就成为一个桥梁。这个边可以解决很多我们之前所探讨的问题,比如我们经过很多调研之后发现,有50%的物联网设备依然要面临着很多网络带宽限制,我们的存储设备也是不可能全部全上云,数据在生成过程当中、在传输过程当中,很多数据迫不得已就要丢掉,大概是40%左右。特别是我们的人工智能算力,经过调查,有80%左右人工智能算力是无法上云的,举一个简单的例子,与工业相关,和自动驾驶相关的算力,如果上云的话,会出很大的问题。所以时效性要求非常高,是毫秒甚至亚毫秒级。边缘计算如何把人工智能通过5G传递给所有的设备,传递给端,这是显得特别重要的。

边缘计算梳理

当前的一些云计算厂商在拼命推广边缘计算,实际上都是一些微云概念,只是一个云的衍生,比如阿里边缘计算、腾讯边缘计算,其实就是云计算小型扩展。这是云计算视角的边缘计算。

还有一大波人是在研究物联网角度边缘计算,物联网是一个非常碎片化、非常长尾的行业,所以我们早期就会有很多物联网的盒子、物联网网关,但是只具备数据汇聚和协议融合能力,在这个时代,我们在上面放上算子,放上算力,就可以去执行稍微轻量级智能算法,这个就是多层级的物联网边缘计算盒子。

第三个方向就是运营商边缘计算,MEC,运营商推边缘计算非常猛,最重要一个目的就是把4G被OTT厂商夺走那一部分服务、市场拉回来,因为在4G时代最终运营商变成发卡的,运营商变成管道,它们并没有从服务上面赚取利润。到5G,运营商希望通过边缘计算充分把管道放开,把数据接口放开之后,催生出来属于运营商的服务业态。

最后,是研究工业互联网的边缘计算,工业互联网也就是OT行业,相对封闭,并不会有特别开放数据接口和软件形态,但是,在现在这个时刻,我们逐渐也要放开OT行业,形成一定本地边缘智能,通过实时采集生产线上数据,实时分析,实时进行决策推理之后,再下放到生产线上形成一个控制智能的路,并且和其他软硬件系统打通。

5G边缘计算深度学习融合的五个方向

1.可以说我们目前所有应用都需要在云边端协同的架构上进行一次革新,比如说制造业、智慧家居、智慧城市,所有目前能够想象到的,以前基于云或者基于端的服务都将变成云边端协同,这是一个必然,目前已经有很多这种国家政府推动的项目,也包括今天也有很多创业的项目,包括市场上的趋势,都是沿着这个方向发展。

2.在边缘侧,我们要大幅度地、充分地去榨干边缘侧算力,哪怕一百个一千个算力节点连在一起也是有限的,但如果能联合在一起榨干,那潜力也是很大的,如何实现模型快速推理、模型精简优化、模型精度与速度的平衡,这些都非常有挑战。

3.边缘的任务也是要原生的,即用户无感情况下实现动态迁移,我们深度学习应用应该是不在乎数据究竟在“云、边、端”,要实时根据网络环境和业务需求进行迁移调度。

4.边缘侧实现深度学习训练现在是很重要的,很多人会问,王老师,你是不是搞笑,为什么要在边缘侧训练,训练一定是大型GPU集群做的事情,实际上不一定,我们很多数据不一定能够上云,边缘节点已经足够多了,如果边缘节点联合在一起,我们可以在边缘侧,随着数据产生,随着数据流动,训练出来模型,直接进行推理,再进行质量提升。包括我们2018年引入联邦学习机制,尝试即能够保证用户隐私、保证用户数据安全情况下,同时能够协同我们的边缘节点,彼此之间能够训练出来更好的模型,这个模型返过来还能回馈到我们的各个数据提供方上。

5.用深度学习、人工智能算法,来优化5G边缘计算网络,这个方向上,我们是和运营商网络设备商也有很多合作,这个算法帮助整个云边端协同网络进行优化。

机遇与挑战

最后稍微跟各位介绍一下我们团队在5G边缘计算时代的一些科研工作落地情况。

1.首先是面向智慧社区,这是我们科技部一个重点研发计划支持。我们研发了支持多种物联设备协议、网络协议、数据协议,以及视频协议的这种边缘计算盒子,我们在这个边缘计算盒子上能够执行本地轻量级计算,把有必要的视频结构化数据传上云端,包括物联网和视觉的逻辑在本地就可以实现互通。

2.面向校园,实现校园网络上云边协同,这是与河南的一家公司合作的,我们利用在楼宇侧的实时网络数据分析,减轻集中式流量分析计算的运算压力。

3.物联网领域,我们和材料领域的一个世界五百强圣戈班的企业进行合作,在合作的一个生产线上,利用边缘计算,采集并观察环境变量、控制变量,与良品率结果联动,通过数据挖掘分析来判断成品的各种参数的变化因素。

4.5G的节能,我们和天津物联网研究院推广基于边缘智能的基站侧一整套运维管理解决方案。在这个基站里,我们可以进行能耗管理,通过三大运营商电力的采集,包括从铁塔侧总用电的监测,我们全部汇聚到一起,来进行分析。目前初步有大概两千多个5G基站接到系统平台,利用智能算法很轻松每个月节约的电费就是百万级的。

5.与东声科技的合作,是面向工业视觉检测的深度学习平台,我们有很多尝试,例如云边协同视觉智能,包括模型共享和联邦学习机制。

6.还有一个试点项目,2019年9月份,与海尔洗衣机厂合作做的5G智慧工厂示范,之后也是拿到了工信部的5G示范支持。


电话咨询
产品列表
工程案例
QQ客服
沪ICP备11039754号-7