0
| 本文作者： 王金旺 | 2018-12-28 10:49 | 專題：2018 AIoT+智慧城市峰會 |
12月20日，雷鋒網主辦的「AIoT+智慧城市峰會」在深圳舉行，峰會上華為OceanConnect物聯網平臺首席架構師苗彩霞做了主題為《+智能 華為OceanConnect使能產業物聯》的演講，就華為在構建AIoT基礎設施，以及數據驅動智慧城市方面的觀點進行了分享。
以下為苗彩霞的演講內容，雷鋒網做了不改變原意的整理：
AI經歷了近十年的突飛猛進，除去技術的提升，數據是更重要的一方面。當有了數據的海洋之后，AI科學家們才不會是做無米之炊，AI才會真正融入生活的方方面面。IoT和AI的結合形成了AIoT，這使得智能社會得以繁榮。
整個智慧社會的使能可以從感知、互聯、智能三個方面進行分析：
第一，數據來源。數據從哪兒來？物是“死”的，在以前，物在數據化中是沒有感知的，萬物感知首先是一顆「芯」，物聯網的芯片層，以及物聯網的OS，使得“死”的萬物得以被刻畫出來，在數字化的世界中擁有完整的畫像，讓人和社會能夠感知這樣的「物」。
第二，物是有信息的。比如說我們看到一個燈，燈有對應的溫度、亮度、電壓、顏色、運行時長，物體的信息傳遞需要互聯，互聯就需要有整體網絡。互聯的網絡隨著技術發展，首先出現了低功耗、廣覆蓋的NB-IoT網絡，使萬物在數十年的信息傳遞過程中不需要換電池，這也是在技術發展過程中，從最初的芯片、OS，讓萬物能夠真正把自己的信息刻畫出來，再通過網絡的發展，真正把信息互通互動。另外，對于互聯的萬物而言，需要有一個廣覆蓋、分布式的計算和處理技術，因而也就有了云計算和云存儲。云計算和云存儲的發展，促進了萬物的互聯和匯聚。
第三，大數據、云和人工智能協同發展。基于數據的發展，往上對行業進行了縱深的洞察，對于物的理解，對于運轉效率的自動優化，以及基于原有互聯互通應用的創新、內容的豐富和應用的發展，形成了從最初的感知到互聯，到后面的智能，形成了真正的數字化世界，我認為這是從技術的發展包括云、IoT、AI在內，才能形成目前整體的繁榮。
對于華為而言，我們在物聯網中想做的其實是整體的物聯網基礎設施（構建），為大家營造一個基礎的技術平臺。對下，這個技術平臺把所有的萬物智能真正感知、連接上來；對上，我們能夠使能整個行業和上層應用伙伴，能夠基于底層已連接的萬物和對應的數據、支持、能力，能夠做到全面開放，為上層的合作伙伴提供各類應用，包括我們看到的初型應用、智能家居的應用，還是智慧城市的應用。
對于華為而言，最底層是要做萬物連接和融合的設備管理，這樣對各種設備統一的發放和管理，對數據有效的收集，對整個設備本身什么時候做升級，什么時候做配置，什么時候遠程控制，整體service的控制。同時依據在ICT整體的技術，原有的IoT技術加上大數據技術，打造上層靈活的行業使能能力，依據華為這么多年在通訊領域以及在垂直行業中的耕耘，對于行業內知識圖譜和資產模型的刻畫，像園區內的車聯網，以及工業上的應用，每一層都會有一個對于物分層級的知識圖譜的刻畫，這一層是華為在整體打造的物聯平臺中，能夠為各行各業的合作伙伴做支持的重要部分。
基于這樣的資產模型、知識圖譜，以這個模型為基礎的數據開放和對應的上層能力的調控，對于第三方合作伙伴，包括我們的獨立開發者、應用開發商可以直接使用底層能力，去做各種各樣的應用。對于OceanConnect平臺而言，希望為大家打造好最底層的連接、管理、知識圖譜，以及技術方面的流程引擎、自動化規則、數據之間的開放，我們會提供這一層的能力。
最上層最關鍵的是全面開放使能，在開放上主要包括四個方面：
南向的是設備。我們面臨各種各樣的協議，工業領域中上百年的歷史，有它的協議，我們做設備的開放時如何接入這些協議就是個問題。因為不同設備中有不同的應用，對于一個物的刻畫是千變萬化的，不同的廠家、不同設備類型，對于燈可以控制溫度，有的可以控制閃幾下，有的可以控制顏色。在這方面，華為提供了南向的設備插件市場。
北向提供的底層基礎和控制能力。在行業的基礎能力上，開發者可以去做自己本身應用的開發，例如你想做機械臂的控制、注塑機的控制、注塑機故障預測，包括運行優化處理，這時候就可以通過北向的應用開放出的一系列應用開發端到端的環境，可以直接在上面開發各種各樣的IoT應用。
企業IT、OT集成開放。IT、OT是不分家的，我們真正做系統時，IT、OT不是孤立的，它們會與當前各種各樣的系統有集成，提供集成開放能力。從而無論是從現有的系統、已有的設備，還有針對第三方提供各種各樣的場景，都可以基于我們提供的基礎設施去做開發。
CP/SP開放。華為將這些稱為IoT基礎設施，其中很關鍵的就是連接能力。連接看起來非常簡單，但是連接如果做到可管、可控、安全，同時還是全球一張網，其實是非常難的。華為在這方面有四十多年的通訊經驗積累。
物聯網設備每天的新增量可能會很大。一個小區可能一下子新增上萬臺設備，例如水表發下去，如何智能、有效地調控，就需要用到云網的協同，基于底層網絡的擁塞狀態以及設備的哪些信息需要上報，應該怎樣上報，上報的數據量有多大，包有多大，都需要AI來做整體分析，去保證網絡的有效性。就好像交通網絡一樣，怎樣調度最大的流量、最快的速度和最低時延，要有一個整體的云網來將其實現可管可控能力。
物聯網給整體網絡連接的異常和安全管控也是非常重要的，因為設備是千變萬化的，而且設備放在各種各樣的地方，有可能在野外、家里、工廠里，或者是非常危險的地方，這些設備監控自身狀態（是否出現異常行為），檢測導致網絡連接出現紊亂或者異常的原因，我們用到了基于大數據的異常設備行為檢測，從最底層的OS層，到中間的邊緣處理的信息，再到設備的處理，到上層應用的處理，整體做了全面的信息收集，并對設備的歷史軌跡做整體特征提取和深度學習，從而保證我們把萬物互聯之后，沒有搗亂分子，如果出現了也可以進行隔離黑名單。
在整體連接中，這些是非常關鍵的，同時網絡演進也是非常關鍵的，我們現在已經有2G、3G、4G，有NB-IoT，未來還會有5G。對于連接而言，也是非常大的需求和學問。我們要去保證在未來正常運行的同時，還能更好地演進。
連接之上則是數據，原來的數據是割裂的，針對數據的分析，主要有以下三方面：
縱深數據。縱深數據有不同的應用，諸如能源、水務、環境，縱深數據的收集用來保證本領域數據特征和數據結構。
橫向數據。對于不同應用的數據匯聚變成資產，這個過程非常關鍵，我們有上下游產業鏈和不同的部門，他們之間是需要協同的，華為之前做一個資產的盤點是非常困難的，但是通過IT和OT整體的協同，IoT會自動記錄資產信息，包括資產的部門、資產位置、資產遷移，同時會與IT部門管理結合起來，這就可以達到自動化做此類處理。
數據融合。在以數據去拉通融合之后，才真正促使了各種各樣的行業，所以在數據的水平整合、數據的垂直縱深整合，以及基于數據的上下游整合，這是在整個IoT發展中，我們以數據為中心非常關鍵的工作。
在數據整合之后則是AI。而針對AI這一塊，現在提到的AI都是端到端的AI，是從芯片到邊緣，到平臺，到上層的應用以及包括行為分析、視覺分析、語音的分析在內的整體AI端到端的處理。
一個邊云結合的AI是至關重要的。以自動泊車為例，底層的傳感器是多種多樣的，有電池、激光雷達、毫米波雷達、視頻等相關傳感器，如何做整體的融合感知和AI分析，如何做一個物體對象判斷、追蹤、速度判斷，以及車的位置判斷，結合高清地圖的整體位置推送，都需要在端側實現，諸如邊緣側如何感知，云端的整體分析、整體模型訓練等。
端到端是連通的，并且在這個過程中，性能是至關重要的。例如車一秒鐘有幾百個數據同時發出，同時我們還需要它有至少毫秒級的時延。所以在邊緣側和端側，華為在10月份發布了兩款AI芯片，在邊緣側，華為有自己的邊緣智能盒子，云端有專門的自動機器學習訓練以及在上層做了整體的算法優化和整合。在整個過程中，端到端的協同是至關重要的，并且在邊緣側的數據量是非常龐大的，我們不需要實時報到云端，所以什么時候上報這個數據，這個數據怎么樣通過函數擬合出來，并以最小精準度損失的方式去報到云端，這是非常關鍵的。
怎樣做到非常靈活的邊云協同，處理融合數據，是我們在整體架構中非常關鍵的。首先它整體是一個編排式的建模方式，從而達到在整體的云端可以有流處理、批處理，有深度學習、機器學習，根據需要去推到邊上，在邊上做對應的規則以及流處理，保證了邊側做最基礎的，把數據做一定的聚合，把所有我們得到的海量的底下傳感器上報的數據，有效傳入云端，這也是屬于AI分析中非常關鍵的步驟。
整體面向生態的應用使能。華為IoT的定位是做基礎設施，基礎設施上面是希望能夠繁榮各種各樣的應用，所以我們要保證三點：
第一，對于眾多垂直行業，提供對應的行業套件API、基礎設備管理能力API；
第二，提供基于行業套件應用構建的即插即用、可視化組件；
第三，提供無碼化的集成開發。
例如深圳市的智慧水務系統，體現的是OceanConnect的整體能力。首先是全方位的從管網檢測到水質，相當于是端到端的場景。另外，還有基于智能水務縱深的應用，基于城市內澇整體監控和預測，基于我剛才說的基礎AI能力，我們是能夠造福社會和城市，水務的智能管理、水質檢測，城市中再也不會出現下大雨之后，井蓋沒辦法把水排出去。
華為和合作伙伴的孵化是非常繁榮的，依托于全球十幾個的OpenLab，有三千多個合作伙伴，五十多個行業已經成功上線。依托整個平臺，我們現在已經有兩億多的用戶。由此看來，AIoT的繁榮也已經是指日可待了。
關于華為在AIoT的戰略規劃，在IoT上的發力點，參見雷鋒網此前文章：《華為IoT生態品牌擴大朋友圈，方舟實驗室首度亮相》。
AIoT+智慧城市峰會演講視頻全集稍后將在雷鋒網會員【AI投研邦】里推出，并及時通知大家。大家可掃描二維碼關注【AI投研邦】。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
