CNET科技資訊網(wǎng) 12月1日 北京消息:邊緣計算產(chǎn)業(yè)聯(lián)盟(Edge Computing Consortium,簡稱ECC)昨天在北京宣布成立。該聯(lián)盟由華為技術(shù)有限公司、中國科學(xué)院沈陽自動化研究所、中國信息通信研究院、英特爾公司、ARM和軟通動力信息技術(shù)(集團)有限公司聯(lián)合發(fā)起,首批成員單位共62家,專家委員會47位,涵蓋科研院校、工業(yè)制造、能源電力等12個領(lǐng)域。
全球數(shù)字化革命正在引起大量的行業(yè)數(shù)字化轉(zhuǎn)型,制造、交通、醫(yī)療、農(nóng)業(yè)、金融等等領(lǐng)域正發(fā)生巨變,這一波浪潮的特點是將“物”納入智能互聯(lián),其中少不了OT與ICT技術(shù),這些技術(shù)是提升行業(yè)自動化水平的關(guān)鍵,從而能滿足用戶個性化的產(chǎn)品與服務(wù)需求,推動從產(chǎn)品向服務(wù)運營全生命周期轉(zhuǎn)型,觸發(fā)產(chǎn)品服務(wù)及商業(yè)模式創(chuàng)新,并對價值鏈、供應(yīng)鏈及生態(tài)系統(tǒng)帶來影響。
在此背景下,邊緣計算成為智能社會的關(guān)鍵。
邊緣計算是一個新名詞,橫跨OT(Operation Technology)和ICT(Information and Communication Technology)領(lǐng)域,涉及網(wǎng)絡(luò)聯(lián)接、數(shù)據(jù)聚合、芯片、傳感、行業(yè)應(yīng)用多個產(chǎn)業(yè)鏈角色。具體來說,邊緣計算指在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè),融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺,就近提供邊緣智能服務(wù),滿足行業(yè)數(shù)字化在敏捷連接、實時業(yè)務(wù)、數(shù)據(jù)優(yōu)化、應(yīng)用智能、安全與隱私保護等方面的關(guān)鍵需求。
邊緣計算產(chǎn)業(yè)聯(lián)盟于2016年4月1日啟動,7月19日首次召開籌備會,初步確定聯(lián)盟定位、愿景、宗旨、章程與組織架構(gòu);9月8日,第二次聯(lián)盟籌備會確定了聯(lián)盟治理流程和白皮書討論;11月29日,聯(lián)盟召開首屆理事會議;30日,聯(lián)盟宣布成立。
聯(lián)盟設(shè)理事會、專家委員會、秘書處,包含四個組:需求與總體組、技術(shù)標準組、實驗平臺組和市場推廣與合作組。聯(lián)盟理事長是:中國科學(xué)院沈陽自動化研究所所長于海濱,聯(lián)盟副理事長是:華為網(wǎng)絡(luò)研發(fā)部總裁劉少偉、英特爾公司物聯(lián)網(wǎng)事業(yè)部中國區(qū)總經(jīng)理陳偉、軟通動力集團執(zhí)行副總裁方發(fā),專委會主任是中國工程院院士鄔賀銓,專委會副主任是:中國工程院院士王天然、中國信息通信研究院院長劉多,專家委員會還包括多位科研院所專家、企業(yè)高管等,會員單位包括霍尼韋爾自動化控制(中國)有限公司、沈陽新松機器人自動化股份有限公司等企業(yè)。
邊緣計算產(chǎn)業(yè)聯(lián)盟理事長、中國科學(xué)院沈陽自動化研究所所長于海斌指出:“中國在‘十三五’規(guī)劃中提出的兩化融合、中國制造2025等國家戰(zhàn)略,對ICT與OT的融合提出了迫切的需求,而邊緣計算是ICT與OT融合的支撐與使能技術(shù),產(chǎn)業(yè)發(fā)展將進入重要機遇期。工業(yè)自動化技術(shù)體系將從分層架構(gòu)、信息孤島向物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)分析架構(gòu)演進。而邊緣計算將是實現(xiàn)分布式自治控制工業(yè)自動化架構(gòu)的重要支撐。邊緣計算產(chǎn)業(yè)聯(lián)盟將重點關(guān)注體系架構(gòu)的制定與技術(shù)路線的選擇,并通過推動標準化來帶動產(chǎn)業(yè)化發(fā)展。同時,將充分關(guān)注生態(tài)系統(tǒng)的構(gòu)建。”
會上,邊緣計算產(chǎn)業(yè)聯(lián)盟還發(fā)布《邊緣計算產(chǎn)業(yè)白皮書》,在業(yè)界首次提出“OICT”理念,旨在搭建邊緣計算產(chǎn)業(yè)合作平臺,推動OT與ICT產(chǎn)業(yè)的開放協(xié)作。
“未來將是一個萬物感知、萬物互聯(lián)、萬物智能的智能社會,而行業(yè)數(shù)字化轉(zhuǎn)型是構(gòu)建智能社會的支柱。”邊緣計算聯(lián)盟副理事長、華為網(wǎng)絡(luò)研發(fā)部總裁劉少偉表示。
針對行業(yè)數(shù)字化轉(zhuǎn)型在網(wǎng)絡(luò)邊緣側(cè)面臨的挑戰(zhàn),聯(lián)盟提出了邊緣計算產(chǎn)業(yè)價值CROSS,即在敏捷聯(lián)接(Connection)的基礎(chǔ)上,實現(xiàn)實時業(yè)務(wù)(Real-time)、數(shù)據(jù)優(yōu)化(Data Optimization)、應(yīng)用智能(Smart)、安全與隱私保護(Security),為用戶在網(wǎng)絡(luò)邊緣側(cè)帶來更多行業(yè)創(chuàng)新和價值再造機會。劉少偉以“拉瓦爾噴管”比喻聯(lián)盟的“窄喉”作用,希望通過聯(lián)盟的運作,支撐邊緣計算重點行業(yè)的應(yīng)用創(chuàng)新與示范推廣,并通過生態(tài)合作與營銷推廣,進一步助力更多行業(yè)的數(shù)字化轉(zhuǎn)型,實現(xiàn)價值延伸。
聯(lián)盟中,華為的定位是智能聯(lián)接,提供以SDN技術(shù)為代表的產(chǎn)品和解決方案,在電力、交通、智慧城市等行業(yè)繼續(xù)實踐。華為同時希望為邊緣計算產(chǎn)業(yè)做出自己的貢獻,分享SDN、安全等核心智能聯(lián)接技術(shù),發(fā)揮華為全球化部署的OpenLab平臺資源,支持行業(yè)方案創(chuàng)新及測試床的驗證測試,基于Testbed構(gòu)建產(chǎn)業(yè)和商業(yè)示范,并推動聯(lián)盟與國內(nèi)外標準及產(chǎn)業(yè)組織的廣泛合作與對接,加速聯(lián)盟發(fā)展與標準產(chǎn)出。
華為在本次大會上展示了電梯物聯(lián)網(wǎng)、照明物聯(lián)網(wǎng)和電力物聯(lián)網(wǎng)方案等邊緣計算在行業(yè)應(yīng)用:
華為電梯物聯(lián)網(wǎng)為了加快電梯行業(yè)數(shù)字化轉(zhuǎn)型,幫助電梯企業(yè)將業(yè)務(wù)中斷時間降低90%,運維成本減低50%,提升產(chǎn)品可靠性并提高運維效率;華為照明物聯(lián)網(wǎng)解決方案通過引入邊緣計算,幫助管理者對每一盞路燈的開關(guān)狀態(tài)、照明亮度進行精準控制,實現(xiàn)按需照明,節(jié)能效率高達80%;華為電力物聯(lián)網(wǎng)解決方案使用邊緣計算網(wǎng)關(guān)對電表數(shù)據(jù)進行實時集采并上傳,實現(xiàn)數(shù)據(jù)采集和控制的自動化和智能化,提高抄表的準確度和工作效率,可以降低31%的綜合線損。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。