近年來,中國政府相關部門陸續推出相關政策,支持中國工業網際網路產業的推廣及生態建設,工業網際網路產業迅猛發展。與此同時,頻寬的成長速度已經無法匹配工業網際網路領域所產生的大量的資料,因此,邊緣智慧技術被越來越多的採用。

據IDC預測,到2020年全球將有超過50%的物聯網資料將在邊緣處理。而邊緣設備只能處理局部資料,無法形成全局認知,因此實際應用中仍然需要借助雲端運算平台來實現資訊的融合,可以說,雲端運算與邊緣運算正逐漸成為支撐物聯網的兩大支柱。

兩手抓,兩手都要硬

工業網際網路,從字面上可以分成「工業」和「網際網路」兩部分,那麼對於中國市場來說,當前是產業升級的急迫性高?還是資訊安全的急迫性高?

英特爾(Intel)中國區物聯網事業部技術長暨首席工程師張宇在接受《國際電子商情》採訪時表示,工業是一個場景,網際網路是應用到工業場景中的技術,包括資料的收集、傳輸、深度分析等等。無論是工業4.0還是中國製造2025,都是指今後更高層次的工業升級改造應該達到的水準。

20190305_IntelChina_NT61P1

Intel)中國區物聯網事業部技術長暨首席工程師張宇博士

但反觀中國大陸的實際生產狀況,很多企業的水平仍停留在工業1.0、2.0、3.0階段,很少能看到真正達到4.0的企業,也就是說現在不同的企業面臨的問題是不一樣的。比如1.0階段面臨的問題可能是設備老舊,沒有資料介面,無法收集資料;或是沒有購買相對應的服務,導致機器設備/企業生產過程執行系統/工廠管理系統之間無法實現互連互通。因此,如何透過一些開放的標準化解決方案來加速推動資料收集、資料分析更快落地,是當前亟待解決的問題之一。

但如果從國家角度來看,離開資訊安全,所有的解決方案將變成「沙灘上的建築」,是不牢靠的。在張宇看來,其實無論是在國內還是國外,只有積極推動開放的安全標準、策略、產品和解決方案,才能被更多的用戶認可和使用。因此,他更傾向於政府在政策、技術標準制定、財政支持方面加強引導,而工業物聯網的大規模應用、佈署和有序運行,最終還是要靠市場本身的推動力來完成。

張宇表示:「20年前,工業和網際網路是完全不相干的兩個概念,井水不犯河水。但現在兩者之間的界線變得越來越模糊了,網際網路大廠在忙著組建自己的工業節點,傳統工業設備商在忙著把網際網路技術運用到工業體系中來。我相信再過十年,這一融合的趨勢將會變得更加明顯。」

商業路徑的閉迴路化

工業網際網路和消費類網際網路相比有著極大的不同。實時性要求非常高。這也是為什麼我們一般不在消費類領域談自動化(OT)而只談資訊化(IT)的原因,因為OT直接涉及到對於產量資訊的控制管理,而對機器控制管理,往往都是毫秒級甚至微秒級的。第二,工廠對可靠性和產品監控質量要求極高。在其他物聯網領域,如果有一些小的差錯,客戶也許能夠容忍。但在工業領域就不可接受,這就對晶片的運算性能、可靠度、軟體功能等提出了更高的要求。

另一方面,平台的基本屬性是可複製、可規模化佈署的。但工業網際網路應用場景非常複雜和碎片化,怎樣能夠從這些紛繁複雜的場景中抽象出共性功能去實現平台化?未來商業路徑能否形成閉迴路?是未來工業網際網路能否在中國大陸市場普及的重要途徑。

也就是說,終端用戶在看工業網際網路平台的時候,首先想到是這個平台能給自己帶來什麼好處,需要花多少錢,會帶來多少收益。如果產業鏈上的合作夥伴不能給終端用戶提供非常清晰的價值主張和量化的收益展示,那麼這個閉迴路就很難形成,技術、產品、商業模式再好,也難以運轉。

張宇表示,英特爾不可能去關注所有的工業場景,也不可能構建所有差異化的方案,但可以在系統整合商、設備商訴求的基礎之上構建具備共性的技術節點,盡量考慮可複製性,使得合作夥伴能夠將這些平台落地到不同的應用場景中。在此基礎上,英特爾一方面和標準組織合作共同制定標準,和開放源碼社群合作構建針對共性問題的開源解決方案。另一方面,提供相應的軟硬體產品,把共性的地方以中介軟體的方式實現,實現過程中盡可能利用底層硬體最新的技術最佳化。

以英特爾Movidius Myriad X視覺技術處理器/高性能英特爾Arria 10 FPGA和OpenVINO為例,前者能夠在一塊板卡上整合英特爾8-16顆Movidius Myriad X晶片,提供8至16T的運算能力,用戶可以根據各自邊緣設備的性能指標,選取不同的配置。而OpenVINO實際上是對運算機視覺進行處理加速的函數庫,庫內既包含人工智慧模型,也包括一些經過最佳化的傳統運算機視覺庫,屬於中介軟體的角色。開發者和系統整合商可以在OpenVINO的基礎上針對不同的垂直行業要求開發自己的應用,儘管應用是千變萬化的,但實現這些應用所用到的運算和處理是有共性的。

「兩化」融合的焦慮

如前文所述,大型工廠在數位化、智慧化改造的過程中面臨的核心問題之一,是如何利用物聯網技術規模化提升產品品質和良率,從而降低原材料消耗和人工成本投入。而對那些擁有眾多產值在1,000萬元人民幣以下的中小型製造業企業來說,工業網際網路的應用和普及更加具有挑戰性。此類工廠缺乏IT基礎設施,沒有完備的生產管理流程,對工人操作規範的監督等也缺乏有效的管理手段。

同時,作為工業自動化的骨幹系統之一,控制系統如何在數位化和智慧化的潮流中升級,也是產業用戶和解決方案供應商面臨的共同挑戰,這也是資訊化和自動化融合面臨的焦點問題之一。

張宇表示,如果粗略的把中國製造企業劃分成大、中、小三種類型來看的話,大型企業在佈局、構思和設計自己的工業數位化、智慧化架構與商業模式時會更加系統化和結構化,個別大廠甚至已經構建起了自己的工業物聯網平台,比如建立私有雲系統;中小型企業在中國國內佔60%~70%的比重,他們在構建工業網際網路的時候會更加從自身的訴求出發,例如如何提升產能、良率,還不太會想如何構建自己的工業APP,如何將生產虛擬化、數位化,但會考慮在局部佈署一些小型化、非侵入性的方案,這種方案成本相對比較低、成效比較明顯。

因此,對當前的中國市場來說,工業網際網路的佈署不意味著非要搭建起完善的雲平台、邊緣平台、傳感器平台之後才能開始,不同行業,不同規模企業的視角不同,但有一點是毫無疑問的,工業網際網路會在未來3~5年內實現爆發式成長。

那麼,工業網際網路系統的導入,會為企業總營運成本帶來哪些變化?

「簡單來說,任何一個新技術、新市場的導入,前期一定是有投入的,就好像『微笑曲線』一樣。但這並不是最重要的,我們和用戶最關心的是能否在真正理解應用場景的基礎之上找到實際的痛點;」張宇指出,在達成這樣的共識之後,回過頭再去看整體方案的基本成本是多少,它的合理價位應該控制在哪裡,才能夠很好的激發終端用戶的購買興趣。

但在實際過程中,並不是所有問題都可以量化,特別是產線效率的提升,很多因素都會影響最終指標,這也是工業領域對機器學習、深度學習有很強訴求的重要原因。這就要求包括英特爾在內的方案供應商,能夠深刻理解不同場景中的整體擁有成本(TCO)模型,能夠站在客戶角度去思考成本結構和生產節拍,才能更好地設計出既解決問題又具備成本優勢的解決方案。