近年來(lái)，人工智能的應用場(chǎng)合已經(jīng)從過(guò)往的依賴(lài)超級計算機轉移到邊緣計算，這不僅得益于算法的巨大改進(jìn)，而且得益于邊緣計算算力的巨大進(jìn)步和分布式計算框架的形成。這里，筆者就人工智能的工業(yè)應用前景以及工業(yè)人工智能在邊緣計算中的應用做一定的擴展。

1 人工智能的工業(yè)應用前景

Gartner把人工智能的應用分成五個(gè)復雜等級：

（1）響應對象遵循簡(jiǎn)單規則，但可應對不斷變化的環(huán)境，如無(wú)人機；

（2）分類(lèi)裝置或系統能識別物件的類(lèi)型，并能在受控的環(huán)境中采取簡(jiǎn)單的操作對物品進(jìn)行處理，如倉儲機器人；

（3）響應對象通過(guò)對問(wèn)題和情境的理解服務(wù)于另一對象，如無(wú)人駕駛汽車(chē)、個(gè)人助理；

（4）從多個(gè)資源采集信息進(jìn)行學(xué)習以解決復雜問(wèn)題，如IBM的Watson，全自動(dòng)軍用無(wú)人機；

（5）創(chuàng )建者發(fā)動(dòng)范式轉移或思考方式的轉變，如創(chuàng )造一種新的業(yè)務(wù)模型。

最后一種人工智能的應用不僅是人們使用的工具，還具有潛力創(chuàng )建危害人類(lèi)的動(dòng)作，改變人與技術(shù)的關(guān)系以及人在社會(huì )和經(jīng)濟中的角色。因此，對于這一類(lèi)人工智能的應用，開(kāi)發(fā)者必須事先深思熟慮。

對于這五類(lèi)人工智能應用，其組織形式有三種， 即單獨的人工智能、聯(lián)合的人工智能和群體的人工智能。單獨的人工智能系統是一個(gè)獨立的實(shí)體，能夠獨立地解決問(wèn)題；企業(yè)通過(guò)監督實(shí)體的運行對其進(jìn)行集中控制。在一個(gè)聯(lián)合的人工智能應用結構中，一個(gè)實(shí)體的多個(gè)版本雖然以相同的方式工作，但處理的是不同的問(wèn)題（例如機器人顧問(wèn)、個(gè)人助理)；企業(yè)可以對實(shí)體進(jìn)行 集中控制或給予更多的自治權。在群體AI應用結構中， 多個(gè)實(shí)體共同為處理同一個(gè)問(wèn)題工作（例如多無(wú)人機燈光秀，美國空軍用噴氣式飛機釋放Perdix山鶉微型無(wú)人機的實(shí)驗）；實(shí)體機器執行自治的控制，或者只需要少量的人工管理。

工業(yè)人工智能或者人工智能的工業(yè)應用涵蓋從低級的人工智能應用（如自動(dòng)化）到具有決策能力的高端人工智能；既可以是集中控制的人工智能，也可以是分布式的人工智能。

工業(yè)人工智能應用最常見(jiàn)的起點(diǎn)是自動(dòng)化，但不能就此止步。人工智能更強大的用途是幫助人類(lèi)決策和互動(dòng)。人工智能可以對信息進(jìn)行分類(lèi)，并以比人類(lèi)更高的速度進(jìn)行預測，因此用人工智能的方法處理工業(yè)物聯(lián)網(wǎng)設備產(chǎn)生的大量數據，可轉變?yōu)閺姶蟮姆治龊蜎Q策工具。

大多數工業(yè)人工智能項目按其服務(wù)目標大體可分為四類(lèi)：（1）工業(yè)資產(chǎn)管理的人工智能應用，包括設備自動(dòng)化、設備穩定運行和設備運行狀況監控；（2）流程的人工智能應用，包括通過(guò)跨多個(gè)資產(chǎn)設備或跨多個(gè)流程的自動(dòng)化和穩定運行，以提高效率、改善質(zhì)量和實(shí)現產(chǎn)量最大化；（3）為實(shí)現卓越運營(yíng)和/或業(yè)務(wù)敏捷性的人工智能應用，包括能源成本優(yōu)化、預測性維護、物流和調度、研發(fā)等；（4）在CAD/CAM中應用人工智  能，優(yōu)化設計結果。

1.1 工業(yè)資產(chǎn)管理的人工智能應用

IBM的Watson物聯(lián)網(wǎng)是人工智能應用于資產(chǎn)管理的典型范例。其Maximo企業(yè)資產(chǎn)管理（EAM）軟件系統運用Watson物聯(lián)網(wǎng)采集大量實(shí)時(shí)數據，再用人工智能的軟件工具對數據進(jìn)行挖掘和分析，對工廠(chǎng)的關(guān)鍵物理資產(chǎn)（無(wú)論是分立的機器、復雜的功能資產(chǎn)系統， 還是人力資產(chǎn)）及其運維，都能做出更好、更及時(shí)的決策。另外，此類(lèi)資產(chǎn)生命周期管理和維護解決方案，使用實(shí)時(shí)數據收集、診斷和分析工具來(lái)延長(cháng)資產(chǎn)的可用生命周期，提升整體維護的卓越實(shí)踐，滿(mǎn)足日益復雜的健康、安全和環(huán)境（HSE）要求，并將風(fēng)險管理嵌入日常業(yè)務(wù)流程來(lái)控制操作風(fēng)險等，都可以從人工智能的應用得到很好的效果。

具有人工智能的企業(yè)資產(chǎn)管理系統還可以幫助解決有經(jīng)驗的操作員和運營(yíng)工程師退休導致的人才和知識流失的問(wèn)題。系統通過(guò)學(xué)習和固化經(jīng)過(guò)驗證的工作流程和卓越實(shí)踐，發(fā)掘作為工廠(chǎng)管理運維中堅力量的技術(shù)員工長(cháng)期積累的知識和關(guān)鍵技能，從而達到以較少的人力資源完成更有效率和成本效益的工作的效果。

1.2 流程的人工智能應用

人工智能應用于流程包含以下方面：（1）人工智能應用于設計和工程流程是用兼容人工智能的數字平臺取代基于文檔的信息交換來(lái)支持設計和工程。只要把相關(guān)來(lái)源的信息都加以數字化處理，接下去就可以利用機器學(xué)習或人工智能算法，將以前依靠手工完成的任務(wù)轉換為自動(dòng)操作，這將降低開(kāi)發(fā)成本。人工智能設計和工程流程的目標是建立一個(gè)集成的“系統的系統”，從產(chǎn)品開(kāi)發(fā)的需求、設計、制造，一直到用戶(hù)使用產(chǎn)品各個(gè)階段構成閉環(huán)，通過(guò)工業(yè)物聯(lián)網(wǎng)實(shí)現運行的實(shí)時(shí)監控， 然后部署人工智能系統分析數據、上升為知識，并利用這些知識來(lái)改進(jìn)產(chǎn)品的設計、制造和使用。（2）人工智能應用于操作流程是用實(shí)時(shí)精確的工業(yè)人工智能自動(dòng)運行平臺對關(guān)鍵生產(chǎn)流程和資產(chǎn)管理實(shí)施標準化的操作，達到提高效率、減少燃料和能源消耗、提高質(zhì)量、降低成本和改進(jìn)決策的最終目標。

美國OSIsoft公司采用云原生的平臺即服務(wù)（PaaS）的策略，創(chuàng )建了可供預裝數據中心、邊緣和云端運行的安全的工業(yè)數據基礎架構OSIsoft Cloud Services（OCS）。他們還與匹茨堡的Petuum公司技術(shù)合作，將創(chuàng )新的高級人工智能自動(dòng)運行套件集成到OCS中，開(kāi)展工業(yè)人工智能的項目服務(wù)。

圖1顯示了Petuum工業(yè)人工智能自動(dòng)運行平臺的系統功能。它可從多種來(lái)源獲取數據，包括來(lái)自控制系統的數據、機械裝置的數據、非結構化數據、圖像數據、結構化數據庫、時(shí)間序列數據庫、歷史數據庫、客戶(hù)關(guān)系管理系統（CRM）數據、企業(yè)資源規劃系統（ERP）數據等。它提供復雜的數據處理、數據清洗和機器學(xué)習/深度學(xué)習的傳遞途徑，以在一系列工業(yè)用例 中實(shí)現對線(xiàn)性數據、暫態(tài)數據、長(cháng)程數據和非線(xiàn)性數據等模式敏感的高級人工智能，從而在對流程和資產(chǎn)進(jìn)行數據分析、操作規范化的基礎上，通過(guò)自動(dòng)運行獲得卓越運行的效果。

圖1 Petuum工業(yè)人工智能自動(dòng)運行平臺的系統功能（來(lái)源：Petuum）

Petuum工業(yè)AI平臺已經(jīng)在水泥、采礦、金屬、化工、煉油、采油和天然氣采集等多個(gè)工業(yè)行業(yè)的資產(chǎn)管理和生產(chǎn)流程中獲得成功應用。Cemex是全球知名建筑材料公司，在水泥廠(chǎng)的回轉窯和熟料冷卻系統中，將OSIsoft PI系統與Petuum工業(yè)人工智能自動(dòng)運行軟件整合，發(fā)揮了更好的效能。人工智能平臺直接用于控制系統，為重要的過(guò)程變量提供精確的實(shí)時(shí)預測，為關(guān)鍵控制變量設置規范化的運行區間，并在保持適用的靜態(tài)和動(dòng)態(tài)約束的同時(shí)實(shí)現在操作人員監控下的自動(dòng)運行， 不僅提高產(chǎn)量，還節約能源高達7%。這改變了水泥行業(yè)的格局，并向安全、標準化運營(yíng)的數字化轉型邁出了一步，為今后加強高質(zhì)量產(chǎn)品組合，將成本降至最低， 實(shí)現可持續發(fā)展目標提供了堅實(shí)基礎。

1.3  為實(shí)現卓越運營(yíng)和/或業(yè)務(wù)敏捷性的人工智能應用

運用工業(yè)人工智能滿(mǎn)足企業(yè)卓越運營(yíng)和/或業(yè)務(wù)敏 捷性的要求，是通過(guò)工業(yè)物聯(lián)網(wǎng)從工廠(chǎng)的生產(chǎn)線(xiàn)采集生產(chǎn)過(guò)程的數據和機械裝置的數據，并將其與ERP系統數據集成，采用全新的人工智能套件、機器學(xué)習和流分析，幫助生產(chǎn)管理人員和業(yè)務(wù)管理人員理解設備、人員、供應商和客戶(hù)之間的復雜關(guān)系，了解企業(yè)當前生產(chǎn)和市場(chǎng)的實(shí)時(shí)狀況，預測未來(lái)可能會(huì )發(fā)生的狀況，既能確保工廠(chǎng)的產(chǎn)品能按質(zhì)按量向客戶(hù)交付，還能應付市場(chǎng)的變化及時(shí)調整生產(chǎn)計劃，并與生產(chǎn)系統貫通，提前做好完成新生產(chǎn)任務(wù)的必要技術(shù)和原材料準備，以保證計劃的實(shí)施?？偠灾?，在生產(chǎn)運行中保證其效率、成本控制和產(chǎn)出率；在業(yè)務(wù)運營(yíng)中支持業(yè)務(wù)人員的操作以確保業(yè)務(wù)敏捷性的實(shí)施。

用戶(hù)要求運用人工智能分析工業(yè)物聯(lián)網(wǎng)采集的數據流和ERP、CRM等系統的常備數據時(shí)，能提供一種無(wú)需專(zhuān)業(yè)技能的簡(jiǎn)化方式，無(wú)論是數據科學(xué)家還是業(yè)務(wù)經(jīng)理都可以使用這種分析方法來(lái)快速選擇、啟動(dòng)、轉換和操作物聯(lián)網(wǎng)數據。美國SAS Analytics公司的軟件有許多案例，在這些方面獲得了用戶(hù)的認可。

1.4 在CAD/CAM中應用人工智能

在計算機輔助設計和制造過(guò)程中結合應用人工智能的效果明顯。例如在采用CAD做電路布線(xiàn)、外觀(guān)設計， 采用CAM做產(chǎn)品加工路徑設計和運動(dòng)軌跡規劃時(shí)，都 可以應用人工智能，還可以集成到控制器中執行。由于設計軟件數據結構明確，對于機器學(xué)習來(lái)說(shuō)便于學(xué)習， 也便于生成語(yǔ)義。據了解，西門(mén)子正在這個(gè)方向深耕。OpenAI新近推出兩個(gè)多模態(tài)模型，一個(gè)是結合計算機視覺(jué)CV的DELL-E，另一個(gè)是與自然語(yǔ)言處理NLP結合的CLIP，它們可以通過(guò)文本直接生成相對應的圖像。人工智能的長(cháng)期目標是構建多模態(tài)的神經(jīng)網(wǎng)絡(luò )，即人工智能可以學(xué)習以文本和視覺(jué)為主的跨模態(tài)的概念，由此更好地理解世界。DELL-E和CLIP使我們更接近“多模態(tài)人工智能系統”的目標，這對于在CAD/CAM領(lǐng)域中應用人工智能，會(huì )有大的推進(jìn)。

2 在工業(yè)邊緣分析中應用人工智能的方法

用人工分析一條生產(chǎn)裝配線(xiàn)上所有傳感器生成的信息可能需要花費很長(cháng)的時(shí)間，由此可以理解為什么往往只有不到一半的結構化數據被用于決策。至于非結構化數據被分析或使用的比例更低，譬如一臺IP攝像頭24小時(shí)產(chǎn)生的近1012兆字節的視頻數據中只有10%被用來(lái)進(jìn)行分析。這些數據表明，盡管我們有能力收集越來(lái)越多的信息，但在數據分析方面仍存在疏漏?？抠|(zhì)檢人員的視覺(jué)來(lái)檢查生產(chǎn)流水線(xiàn)上產(chǎn)品的微小缺陷，既耗費大量的勞力，還容易產(chǎn)生視力疲勞和人為錯誤。同樣，高鐵軌道緊固件的人工目視檢查，只能在列車(chē)停運后的下半夜進(jìn)行，不僅費時(shí)，而且難度大。對高壓電覽和變電站設備進(jìn)行人工檢查也使人員面臨額外的風(fēng)險。

人類(lèi)無(wú)法分析所有采集的數據，可借助將人工智能納入工業(yè)物聯(lián)網(wǎng)的方法去解決。按照建模的目標，機器學(xué)習運用統計計算可以發(fā)現數據中蘊含的趨勢、模式、特征、屬性和結構，以新的觀(guān)察結果為決策提供依據； 機器學(xué)習還可以通過(guò)一定的算法如神經(jīng)網(wǎng)絡(luò )等自動(dòng)學(xué)習和改進(jìn)，無(wú)需編程。

通過(guò)工業(yè)物聯(lián)網(wǎng)和/或直接在邊緣可編程工業(yè)控制 器（或其它具有數據采集功能的邊緣計算裝置）采集大量原始數據后，如何對這些數據進(jìn)行分析和挖掘？ 盡管現在邊緣可編程工業(yè)控制器具有強大的運算能力，但也難以支撐復雜的分析運算，特別是需要經(jīng)過(guò)一定時(shí)間的采集數據，并經(jīng)過(guò)一定時(shí)間的訓練才可能建立人工智能模型，因此建模和訓練的任務(wù)最好是放在云服務(wù)器或本地服務(wù)器中完成。圖2描述了這種在邊緣實(shí)行人工智能應用的三步曲，即首先在邊緣進(jìn)行數據采集，其次把大量原始數據發(fā)往云端，利用云端的人工智能軟件工具實(shí)施建模和訓練，待模型經(jīng)過(guò)驗證符合預定的要求和判據后，再下裝至邊緣可編程工業(yè)控制器或邊緣計算機，執行人工智能模型的推理、決策。這樣做的優(yōu)點(diǎn)是：數據采集的低時(shí)延、通信量大幅度削減，人工智能建模的速度和精度由于云服務(wù)器的算力而得以顯著(zhù)提升，在邊緣執行人工智能模型分析決策的及時(shí)性。當然，如果用戶(hù)對關(guān)鍵數據非常敏感，不允許將數據送往公有云去處理和訓練，那么只好利用本地的服務(wù)器。

圖2 實(shí)施邊緣分析的三個(gè)步驟（來(lái)源：IEB）

人工智能模型需要在高級神經(jīng)網(wǎng)絡(luò )和消耗大量資源的機器學(xué)習或深度學(xué)習算法上進(jìn)行訓練，這些算法需要更強大的處理能力，如支持并行計算、功能強大的GPU處理器， 以便分析數量巨大的訓練數據。訓練一個(gè)人工智能模型包括選擇一個(gè)機器學(xué)習模型，并根據采集到的和預處理的數據進(jìn)行訓練。為了確保準確性，在此過(guò)程中還需要對參數進(jìn)行評估和調整。有許多訓練模型和工具可供選擇，包括現成的深度學(xué)習設計框架，如PyTorch、TensorFlow和Caffe。訓練通常在指定的人工智能訓練機器或云計算服務(wù)上進(jìn)行（如AWS Deep Learning AMIs、Amazon SageMaker Autopilot、谷歌云人工智能、Azure Machine Learning等），而不是在現場(chǎng)進(jìn)行。在國內，華為云一站式AI開(kāi)發(fā)平臺ModelArts也是很好的選擇，其通用預訓練模型架構EI-Backbore能讓模型在下游任務(wù)中獲得良好性能。

在云端訓練好AI模型后便可將此模型部署在邊緣計算機上，可以根據新采集和預處理的數據快速有效地做出分析推斷和預測。盡管如此，用戶(hù)還需要一個(gè)轉換工具來(lái)轉換訓練好的模型，使其運行在專(zhuān)門(mén)的邊緣處理器/加速器上，如Intel OpenVINO或NVIDIA CUDA。用戶(hù)需要根據邊緣計算的需要來(lái)選擇合適的處理器。推理分析按照不同的數據分析能力可分為低、中、高三種不同的邊緣計算級別和要求。

在邊緣和云之間傳輸數據不僅昂貴、耗時(shí)，還會(huì )產(chǎn)生延遲。對于低級別的邊緣計算，應用程序只向云發(fā)送少量有用數據，這減少了延遲時(shí)間、帶寬消耗、數據傳輸費用、功耗和硬件成本。一個(gè)沒(méi)有加速器的基于A(yíng)RM的芯片就足以用于采集和分析數據，做出快速推 理或決策。

對于中級別的邊緣計算，比如需要處理各種IP攝像機的數據流，只有具有足夠的處理幀速的處理器，才能用于計算機視覺(jué)或視頻分析?；谌斯ぶ悄苣Ｐ秃陀美男阅芤?，還應滿(mǎn)足廣泛的數據復雜性，例如大型公共監控網(wǎng)絡(luò )的人臉識別應用。大多數工業(yè)邊緣計算應用還需要考慮對功耗的限制，或采用無(wú)風(fēng)扇散熱設計。在此級別上可以使用高性能CPU、入門(mén)級GPU或VPU。例如，Intel酷睿i7系列CPU，通過(guò)OpenVINO工具包和基于A(yíng)I/ML加速器的軟件，提供了一個(gè)高效的計算機視覺(jué)解決方案，才可在邊緣執行推理。

高級別的邊緣計算涉及到使用更復雜模式識別的人工智能專(zhuān)家系統，數據處理的負載更重，如為了通過(guò)公共安全系統自動(dòng)視頻監控的行為分析來(lái)檢測安全事件或潛在威脅事件。高級別的邊緣計算的分析推理通常使用加速器，包括高性能的GPU、VPU、TPU或FPGA，這些加速器耗能多（200瓦或更多），對散熱的要求更高。

有幾種工具可以用于不同的硬件平臺，幫助加速應用程序開(kāi)發(fā)過(guò)程或提高人工智能算法的整體性能。深度學(xué)習框架是一種允許用戶(hù)更容易和快速地構建深度學(xué)習模型，而無(wú)需深入底層算法細節的工具，它以一種清晰而簡(jiǎn)潔的方式向用戶(hù)提供界面和軟構件庫，用戶(hù)只要從中選擇一組合適的預先構建并經(jīng)優(yōu)化的構件來(lái)定義模型，然后就可以通過(guò)處理大量的數據來(lái)訓練模型。

硬件供應商提供的人工智能加速器工具包是專(zhuān)門(mén)為在其平臺上加速機器學(xué)習和計算機視覺(jué)等人工智能應用而設計的。如Intel OpenVINO，Intel的開(kāi)放視覺(jué)推理和神經(jīng)網(wǎng)絡(luò )優(yōu)化工具包，旨在幫助開(kāi)發(fā)人員在Intel 平臺上構建強大的計算機視覺(jué)應用程序。OpenVINO 還支持對深度學(xué)習模型進(jìn)行更快的推理。又如NVIDIA CUDA運算平臺可為嵌入式系統、數據中心、云平臺和基于NVIDIA CUDA構建的超級計算機上的GPU提供高性能并行計算，加速應用程序運行。

3 后記

在國內，人工智能是繼智能制造、工業(yè)4.0、工業(yè) 互聯(lián)網(wǎng)之后被大家熱炒的話(huà)題。不過(guò)人工智能在國內真正付諸于實(shí)踐的還是一些金融服務(wù)、醫療和人臉識別等領(lǐng)域，鮮見(jiàn)人工智能的工業(yè)應用。盡管也有個(gè)別公司的工業(yè)人工智能應用獨樹(shù)一幟，如北京寄云科技公司的工業(yè)數據分析模型開(kāi)發(fā)和部署平臺（DaStudio 和DaRuntime）利用機器學(xué)習對工業(yè)數據進(jìn)行分析建 模，但總的來(lái)說(shuō)與歐美工業(yè)發(fā)達國家工業(yè)人工智能頻頻喜獲應用突破形成鮮明的對比。這從另一個(gè)側面反映了一個(gè)老問(wèn)題：為什么一涉及到信息技術(shù)的前沿， 在我國總是難以落實(shí)到工業(yè)制造？筆者希望讓大家特別是工業(yè)人了解，人工智能的工業(yè)應用不是憑熱炒就能生效的技術(shù)，而是需要有恰當的入口、合適的方法和持之以恒沉到工業(yè)現場(chǎng)的毅力，才可能進(jìn)入大有用武之地的境界。AP

作者簡(jiǎn)介：

彭 瑜，教授級高工，上海工業(yè)自動(dòng)化儀表研究院技術(shù)顧問(wèn)，PLCopen中國組織名譽(yù)主席。

摘自《自動(dòng)化博覽》2021年2月刊