浪潮：加速云边端融合，驱动行业智能化转型

行业分析机构IDC在最近发布的一项研究报告中预测，到2025年，全球智能终端接入数量将是今天的3倍，达到1500亿台。快速增长的智能终端必然会带来大量的数据，大量的AI决策需求，从而带动企业基础设施投资的增长和边缘侧应用的需求。IDC预测在2023年企业的基础设施预算投资额，将有50%左右投入到边缘技术和设备中，未来5年边缘计算会保持超过30%的复合增长率高速增长。同时，因为云、边、端协同，端的爆发增长拉动边，边会同步带动数据中心侧的设备同步增长。

在此背景下，浪潮作为百度战略合作伙伴，在刚刚结束的“ABC SUMMIT 2020百度云智峰会”上与百度联合发布边缘计算解决方案——百度边缘计算盒子，旨在加速边缘计算平台赋能工业互联网、智慧交通、智慧城市等领域场景化落地实践。

5G+AI，赋能更多计算场景

2016年是AI爆发元年，在算力、数据和算法驱动下，图像识别、语音识别等人工智能模型精度不断提升，AI推理开始从云向边缘延伸，算力也需要从数据中心向边缘下沉。从疫情期间的体温检测、道路的无人驾驶，到油田的智慧运维等，AI正在向边缘场景快速渗透。在端、边和云构成的整个AI决策链中，计算力从数据中心向边缘和终端设备逐级延展，不同的决策阶段产生的结果对算力的需求也各有差异。

首先，终端设备配备的通常是一些计算能力较差的小盒子、小传感器以及摄像头等，在设备端完成单一应用场景的AI推理，以及简单的初级决策，大概是20%的AI决策工作是要在端上来去完成的。

当一个场景需要部署十几个甚至几十个终端设备时，例如部署于工业园区的视频摄像头，用于检查园区机器、人员操作情况，防止安全隐患，这就需要把多个摄像头采集的数据整合起来，进行整体决策和分析。终端设备显然不具备这样的能力，此时就需要在边缘侧部署计算盒子，做整合的决策判断，这样的中级决策判断在决策链中占比约为60%。

而对于更大规模的数据整合，例如停车场、高速路口车辆、车牌的图像识别，基于海量数据进行全域数据比对与分析，则需要数据中心侧（即云端）的强算力进行大数据整合分析和高级决策，这部分的算力需求在AI决策链中的占比约为20%。

此外，随着5G的发展，核心网应用将逐步下沉，计算力会更贴近于边和端的应用。5G技术的优势在于低延时、大带宽，以及高并发的接入，在这些大带宽高密度接入以及低延时应用的拉动下，5G时代不会出现4G网络中把所有数据汇总到核心网最后端的情况。很多流量的转发、对接、网关接入，以及路由的功能需要下沉到边缘侧，只有这样才能解决整个网络里核心的带宽负载、压力无法降低的性能问题。

目前，我国开通的5G基站数量已超71.8万个，终端连接数超1.6亿个，预计到2024年，全球终端连接数将超1500亿，仅靠云端的算力无法满足如此庞大的市场规模，需要按照云-边-端的架构，将强大的算力延伸到数据边缘侧，孕育边缘计算场景的落地，并反哺云数据中心与终端，实现云、边、端的协同发展。

“5G与AI技术的发展，正在推动边缘计算演化出多样化的计算场景。”浪潮边缘计算事业部总经理孙波表示，浪潮正在围绕ICT融合场景，泛CDN，智能网联汽车，工业互联网，能源、交通、金融等产业+AI，城市治理以及智能物联网七大场景进行布局，开发出适应不同场景的差异化解决方案。

浪潮+百度，共推边缘计算解决方案

5G+AI推动的新应用场景不断涌现，针对不同场景的多样化需求，浪潮与百度联合，基于边缘计算，汇聚双方在算力基础设施、系统、算法和应用等方面优势，开展了全面的硬件合作。在本次百度云智峰会中，浪潮与百度推出了双方联合构建的一体化边缘计算解决方案，发布百度边缘计算盒子，该产品基于低能耗架构，采用更加稳定的软硬件一体化设计，具备数据中心级高可靠性设计，能够适应 -40°C-70°C 的宽温，可以满足要求严苛的工业级边缘计算环境的要求。

孙波认为，工业互联网、智能网联汽车等场景下用户对于边缘计算的应用需求，不单单在于算力，也需要AI算法。例如在工业互联网的应用场景中，做工控的流水线实施，需要企业对工业控制、机械自动化、电气信号模拟、PLC[RG(1] 等领域有较深的理解，而在AI应用过程中，还需要企业储备在IT领域懂AI、懂Python、懂TensorFlow的人才。这就造成边缘场景下AI快速落地有很高的门槛。所以浪潮与百度合作，以百度的AI算法赋能边缘设备，直接帮助企业完成业务的AI建设，快速整合解决方案，实现边缘计算在工业互联网中的落地。

灵活小巧的百度边缘计算盒子提供16TOPS+算力模块化扩展，支撑复杂的 AI 负载要求。可以通过模块化的方式，智能调节AI的算力，针对不同的场景分配AI算力，为零售、旅游、交通等用户提供高性能、高可用、高扩展性的基础设施解决方案。

目前浪潮与百度正在基于该产品进行车路协同下智慧交通基础设施建设，通过在路边部署边缘盒子，能够实时采集车流量、车速、周边环境等信息，实现车与车（V2V）、车与路（V2I）、车与人（V2P）、车与云(V2N)等信息交互和共享，使车和周围环境协同与配合，降低拥堵率，提升道路通行速度，保证道路行车安全。

在浪潮与百度联合推动AI、边缘计算、云等新兴技术不断发展，并赋能各个行业数字化升级与重塑的背后，有浪潮和百度通过多年业务创新形成的JDM合作模式作为支撑。基于JDM模式，浪潮和百度可以从用户具体业务需求出发，打通需求、研发、生产、交付全价值链条，在最短的时间内、可控的成本约束下，把用户需要的整合方案快速研发出来，并迅速部署交付到用户数据中心，让AI解决方案能够更加快速的落地。

专注场景化落地，加速构建边缘全栈生态

在浪潮边缘计算的七大应用场景中，根据不同的技术成熟度和应用热度，又细分了多个重点领域。ICT融合场景，主要围绕5G基站、5G小站的建设；新一代的CDN，将不同于原来的单一内容分发，未来计算力部署到边缘侧之后，将形成泛CDN模式，不仅包括内容分发，还包括视频渲染、网络加速，以及边缘端物联网设备的转接、转发等更多新的应用形式；智能网联车主要的应用场景是无人驾驶汽车和工业园区的低速载货无人车辆；工业互联网场景主要聚焦在质检，浪潮与百度团队合作开发的工业互联网质检解决方案已经在一些厂区实现了落地；产业+AI场景，主要应用在能源、交通、健康和金融等大的产业方向，帮助用户基于边缘计算实现业务优化；城市治理，包括很多场景，例如交通拥堵、电网、供热、给排水，以及垃圾处理等问题；智能物联网的范围更广，在这方面浪潮主要关注物联网上层需要计算力的汇总节点，为整个生态提供计算力的输出。

边缘侧的客户，实际上需要的不是一个单纯的盒子，而是一整套软硬件整体解决方案。浪潮与百度的合作打通了百度智能云和边缘计算平台，在硬件中部署百度边缘计算平台和百度边缘AI平台，把百度的AI能力快速远程部署到边缘盒子，并实现边缘设备的动态监控，统一调度、管理分布各地的边缘算力。

以智能油井的建设为例，油井的运行过程中很重要的成本支出来自于电力和人力。基于浪潮的底层硬件和百度的上层边缘计算平台，客户可以优化整个油井的采油频率和启停的节奏，有效控制电费开支。一般的大型油井一年的电费开支在10亿元左右，基于浪潮和百度的智能调控技术，可以节省80%的电费支出。而基于现场的摄像头加AI分析，用户可以直接判断油井的运行状态，是否有漏油事故以及其他安全隐患，大幅减少了人员现场巡查的频次，降低70%左右的人力成本投入。

在工业互联网的质检应用上，以往在生产3C元器件的工厂中产品质检大多需要依靠人工目检。目检误差大，效率低，缺少数据记录，无法溯源，且开销巨大，一个每天生产100万颗3C元器件的工厂，需要2000名目检工人。浪潮与百度合作开发的边缘质检解决方案，结合了AI算法和机器视觉技术，在已经落地的客户工程中，可以实现一台机器替代6个工人的成本优化，同时建立了质检数据库，降低了检查误差率，并创造了AI深度学习应用体系，保证了质检效率的持续提升。

孙波表示，“在未来的边缘计算应用场景中，浪潮希望能够联合更多的业界合作伙伴，共同建设生态系统。实现统一标准，例如开放计算组织ODCC围绕边缘在通信场景的需求，制定统一的OTII协议标准，按照标准打造普适的5G硬件。扩大到整个生态，包括芯片、系统、应用，以及算法等，每个公司都有自己的优势与价值，这就需要大家联合起来，共同把整个生态的全栈组合起来，帮助最终用户不断进行TCO成本优化，实现整个产业转型升级。”