高性能计算 + Azure IoT Edge 助力工业物联网
好东西也会嫌多吗？对于利用 AI 从运营技术 (OT) 数据中获取洞察的制造商来说，答案是肯定的。如今的 OT 资产会生成海量信息，令人难以通过基于云的 AI 进行高效分析。
“工业物联网 (IIoT) 的增长意味着制造商正在从工厂车间收集大量原始数据。但你不能简单地把这一切都扔给云端去处理。”边缘计算解决方案制造商 Advantech 的产品经理 Penny Chen 指出，“考虑到数据传输和存储成本，如果把一切都传送到云上，成本太高。这样做对资源的消耗也很大，可能会引起网络性能和延迟问题。”
这是个问题，但解决方案很明确：在边缘执行一部分 AI 处理工作负载，先处理和过滤 OT 数据，然后再将它发送到云端，提取更深入的业务洞察。
对于制造商和 OT 系统集成商来说，好消息是，专为完成这项任务而量身定制的 AI 设备现已面市。这些灵活、可即时部署的解决方案可以让核心 AI 功能从云端直接下沉至边缘，给多重制造场景带来高效、成本节省和实施的便利性。
采用 Azure IoT 解决方案的模块化边缘 AI
将 AI 分析下沉到边缘似乎是一个显而易见的答案，但同时也无可避免地带来一些挑战。克服这些挑战的关键在于：在经过验证的工业硬件上运行的模块化架构。
例如，利用采用 Azure IoT Edge 解决方案的 Advantech Intelligent Platform，最终用户可以决定哪些 Azure IoT 模块对他们的用例最适用，然后再从云端将其部署到边缘 AI 设备。Advantech 的网关软件 EdgeLink 负责从工业设备使用的各种专用通信协议中收集数据流并进行标准化的重要工作。这是在工业环境中执行数据处理任务时需要应对的一项重大挑战。
然后，本地 Azure IoT 运行时会先在边缘执行所有所需的 AI 推理，再将预处理信息发送到云端进行进一步处理。
这种做法有以下几个优点：
- 在边缘执行 AI 处理可以减少需要发送到云端的数据总量，从而降低成本、减少延迟并节省网络带宽。
- 在边缘对数据进行预处理意味着制造商可以将 OT 数据转换为有意义的信息，过滤掉不重要的信息，并仅选择最具相关性的数据来进行额外的分析。
- 边缘计算可针对工厂车间当下的状况提供近乎实时的深入分析，从而带来安全性和运营效率方面的优势。
Chen 强调了模块化在工业边缘 AI 领域的重要性，并指出，选择 Azure 作为物联网平台正是出于这种考虑：“使用 Azure IoT Edge 时，有许多不同的云智能模块可供你选择部署至边缘。这便于最终用户将重点放在自己需要的业务洞察上，无需顾虑其他。”
Chen 表示，选择英特尔硬件的另一个考量是灵活性：“我们主要关注的是针对边缘 AI 性能和功能进行优化，而在这方面，英特尔处理器的表现非常突出。此外，英特尔丰富的处理器选项也意味着，我们几乎能够满足客户针对任何用例或行业的特殊要求。”
多样化场景中的边缘 AI
灵活、模块化的设计意味着边缘 AI 平台可以应用于广泛多样的工业场景。
Advantech 已经将其解决方案部署到一家全球性轮胎制造企业，以及一家服务于运输行业的欧洲 OT 系统集成商。但当然，边缘 AI 在所有关注设备监控、流程优化和资源管理的场景中都能找到用武之地，这囊括了从工厂环境、城市建设，到能源生产和物流的一切（视频 1）。
对于服务于这些行业的系统集成商而言，有了这些建立在经过验证、文档完备的技术之上，可即时部署的边缘 AI 平台，就意味着他们有机会向客户销售创新性边缘 AI 解决方案，不会因技术障碍而受到阻碍。
解决悬而未决的 IIoT 痛点
能够将云端 AI 处理逻辑部署到边缘，意味着工业的数字化转型向前迈进了一大步。但还有一些问题遗留下来：使用 OT 资产时数据集成的复杂性；处理相关编程任务所需的大量时间和精力；在人员稀少或偏远的地方确保正常运行的难度。
为应对上述问题，边缘 AI 解决方案供应商正试图简化系统集成商和最终用户的 IIoT 部署和管理。
以 Advantech 为例，该公司正在开发 WISE-Edge365。这是一个无代码 SaaS 平台，可供最终用户对设备进行调配并实时监控数据——一切操作皆可通过一块经过预先配置、特定于行业、旨在促进数据可视化的仪表板来实现。
Chen 说：“我们的目标是提供一个用户友好的集成型平台，为用户提供完整的连接和对所有设备的管理，无论它位于边缘还是云端。”
随着越来越多的制造公司在数字化转型的路上继续前行，他们将发现自己正置身于一个日益成熟的边缘 AI 产品市场。在这个市场中，我们可以像今天使用 IT 服务一样无缝地享受到边缘 AI 的诸多优势。