目前，我國工業互聯網技術在政府

、企業、研究機構等多方共同努力下，已經在標識解析、網絡平台、數據應用等方麵取得了積極進展，麵向特定行業領域的工業互聯網基本搭建完成。從這個意義上講，工業互聯網技術1.0初chu步bu形xing成cheng
，實shi現xian了le工gong業ye設she備bei的de互hu聯lian與yu工gong業ye數shu據ju的de全quan生sheng命ming周zhou期qi服fu務wu。但dan是shi，整zheng體ti智zhi能neng化hua水shui平ping偏pian低di
，特te別bie是shi邊bian緣yuan工gong業ye設she備bei和he信xin息xi係xi統tong不bu具ju備bei分fen布bu式shi的de智zhi能neng處chu理li能neng力li
，也ye沒mei有you充chong分fen利li用yong新xin興xing人ren工gong智zhi能neng技ji術shu提ti升sheng工gong業ye數shu據ju的de使shi用yong效xiao率lv。從cong這zhe個ge維wei度du上shang講jiang
，工gong業ye互hu聯lian網wang技ji術shu2.0進階發展麵臨關鍵技術挑戰。

工業互聯網技術麵臨哪些挑戰？

以yi深shen度du學xue習xi為wei代dai表biao的de人ren工gong智zhi能neng技ji術shu對dui提ti升sheng工gong業ye互hu聯lian網wang技ji術shu智zhi能neng化hua水shui平ping至zhi關guan重zhong要yao。當dang前qian的de深shen度du學xue習xi是shi由you大da數shu據ju驅qu動dong的de
，大da多duo分fen為wei訓xun練lian和he推tui理li兩liang個ge階jie段duan。傳chuan統tong基ji於yu雲yun計ji算suan平ping台tai的de中zhong心xin化hua訓xun練lian與yu推tui理li技ji術shu在zai工gong業ye互hu聯lian網wang1.0版本中已經部分應用，但麵臨著以下三個關鍵技術挑戰：

一是帶寬占用高、能源消耗大
，網絡平台層難以實現高效“訓練”。在工業互聯網技術體係1.0中


，數據平台通常部署於離工業現場距離較遠的雲平台，導致TB級甚至PB級(ji)工(gong)業(ye)數(shu)據(ju)需(xu)要(yao)通(tong)過(guo)網(wang)絡(luo)傳(chuan)送(song)至(zhi)雲(yun)端(duan)數(shu)據(ju)中(zhong)心(xin)，造(zao)成(cheng)了(le)極(ji)大(da)的(de)網(wang)絡(luo)帶(dai)寬(kuan)開(kai)銷(xiao)以(yi)及(ji)電(dian)力(li)能(neng)源(yuan)消(xiao)耗(hao)，使(shi)得(de)大(da)數(shu)據(ju)驅(qu)動(dong)下(xia)的(de)人(ren)工(gong)智(zhi)能(neng)模(mo)型(xing)訓(xun)練(lian)難(nan)以(yi)高(gao)效(xiao)完(wan)成(cheng)。邊(bian)緣(yuan)智(zhi)能(neng)技(ji)術(shu)的(de)運(yun)用(yong)
，能(neng)夠(gou)將(jiang)計(ji)算(suan)資(zi)源(yuan)部(bu)署(shu)在(zai)工(gong)業(ye)園(yuan)區(qu)內(nei)部(bu)或(huo)者(zhe)附(fu)近(jin)，通(tong)過(guo)分(fen)布(bu)式(shi)處(chu)理(li)降(jiang)低(di)訓(xun)練(lian)數(shu)據(ju)、模型參數傳輸到雲平台的網絡帶寬占用及能耗。

二是處理延遲高、決策速度慢
，數據應用層難以完成實時“推理”。youyuwangluochuanshuziyuanyouxian，jiangshujufasongzhiyunpingtaijinxingchuli，bingjiangjieguochuanhuigongchangyuanquzheyiguocheng，chanshenglegaoyanchi，shigongyejiqirenkongzhidengyanchiminganxingyingyongwufashishijuece，jiyuzhinengtuilideshujuyingyongnanyizhenzhengluodishijian。bianyuanzhinengjishudeyunyong，shidemoxingnenggouzhijiehuojingguochulihouyunxingzaiwangluobianyuan，jieshougongyelianwangshebeichixuchanshengdehailiangyigoushuju
，jinxingshishichuli、推斷、決策，消除了廣域網中不可控的延遲開銷，能夠以不高於毫秒級延遲的響應速度服務於工業應用中的關鍵任務。

三是隱私保護難、數據易泄露，難以保障“訓練/推理”數據安全。工業數據通常包含著大量終端設備的精細數據、監控數據、商業數據等，具有高度敏感性，涉及潛在商業利益。使用雲平台方案時
，不論是網絡通信、數據計算還是信息共享
、zhinengmoxinggoujian
，dounanyizaishujuyongyouzhedewanquankongzhixiajinxing，zheshideqiyedeguanlizhenanyixinrendangxiajishufangandeanquanxing。bianyuanzhinengjishudeyunyong，yifangmian，zhenduitedinggongyeyuanqudebianyuanzhinengpingtainenggouyougongchangguanlizhezhijiekongzhi，gongyeshujukeyizaibianyuanpingtaifugaiquyuneibuxingchengwanzheng、封閉的數據流；另ling一yi方fang麵mian，邊bian緣yuan智zhi能neng中zhong的de隱yin私si保bao護hu技ji術shu能neng夠gou在zai無wu須xu暴bao露lu原yuan始shi數shu據ju隱yin私si的de前qian提ti下xia實shi現xian信xin息xi的de共gong享xiang與yu模mo型xing的de構gou建jian，極ji大da地di增zeng強qiang了le涉she及ji商shang業ye利li益yi的de敏min感gan數shu據ju的de安an全quan性xing。

什麼是邊緣智能技術
？

邊緣智能技術是將人工智能技術放在邊緣設備上運行，是邊緣計算與人工智能的結合，可以劃分為邊緣訓練和邊緣推理兩個方向：

首先是邊緣訓練技術。利用邊緣終端設備收集的工業環境中各維度的數據
，如音頻、圖片、視頻、傳感器數值等內容，在邊緣終端、邊緣服務器、雲服務器相結合的邊緣平台中對智能模型進行訓練。

麵對網絡平台層中帶寬占用高
、能源消耗大的問題，邊緣智能中的聚合控製優化技術能夠減少通信頻率
；梯度壓縮技術能夠通過量化和稀疏化等方法減少參與通信的數據量
；遷移學習技術可使用預訓練過的基礎模型減輕訓練壓力。

其qi次ci是shi邊bian緣yuan推tui理li技ji術shu。將jiang智zhi能neng模mo型xing部bu署shu到dao邊bian緣yuan端duan
，將jiang預yu處chu理li後hou的de工gong業ye數shu據ju輸shu入ru模mo型xing進jin行xing計ji算suan，為wei工gong業ye流liu程cheng中zhong關guan鍵jian任ren務wu提ti供gong智zhi能neng推tui理li
，生sheng成cheng決jue策ce方fang案an，應ying用yong範fan圍wei小xiao到dao機ji器qi人ren控kong製zhi
、異常預警
，大到流水線優化

、生產模式調整等。

麵對數據應用層中處理延遲高、決策速度慢的問題
，邊緣智能中的模型優化技術有輸入過濾

、模型壓縮
、模型分割、提前退出等

；係統優化技術有邊緣緩存、多模型並行
、多模型流水線等
；此外還有模型選擇等技術為不同的邊緣設備和推理任務個性化地選擇最優模型。

麵對影響範圍廣泛的隱私保護難、數據易泄露的問題
，邊緣智能中的深度網絡分割技術能夠僅傳輸經過深度網絡淺層或者其他輕量級DNN模型處理過的脫敏數據
；聯邦學習技術直接在邊緣端進行完整的深度網絡模型訓練，僅對梯度更新進行傳輸；Gossip訓練技術采用異步和完全分散的方式訓練深度網絡模型。

邊緣智能驅動下工業互聯網有哪些典型應用？

邊緣智能技術將智能從遠距離的數據中心帶到了工業生產製造源頭的附近
，使得工業互聯網中具備隱私保護特性、低成本

、高效
、低時延的智能化場景得以實現。

智能視頻監控。為了實現針對機械設備
、生產人員
、產品運輸過程等方麵的智能監控，例如物體檢測、物體追蹤、人臉識別，從工業現場采集到的體積龐大的高清視頻流能夠通過5G網絡近距離地傳輸至靠近工業園區的邊緣智能平台進行處理，使得視覺DNN模型的訓練過程能夠節省大量由視頻
、圖像數據傳輸導致的網絡開銷。

gongyejiqirenkongzhi。youyukongzhijiqirenxingweideyanchiminganxing
，julijiaoyuandechuantongyunpingtaiwufashixianzheyifuzadeshishijueceguocheng。tongguomoxingyasuodengjishujiangshenduwangluodetijijianxiaohou，bushuzhibianyuanzhinengpingtai
，nenggoudadatishengjiqirenzhuangtaichuanshu、上下文感知、行為控製決策這一過程的處理速度，保障工業機器人運行的穩定與安全。

chanpinxiaoliangmoxinggoujian。bulunshinengyuankaicaizhongdeyuanliaochanliang

，haishizhizaoyezhongdechanpinxiaoliang

，zhexieshujutongchangbaohanbutongchengdudeshangyeliyi，nanyizhijieyongyufenxijiyucemoxingdegoujianhetuili。yinci，yifangmian，bianyuanpingtaishideyuanliaojichanpinshujuwuxuzaiwufawanquankongzhidetiaojianxiachuanshuzhiyuanjulideshujuzhongxinjinxingchuli；另一方麵，邊緣智能中的深度網絡分割、聯邦學習等技術使得企業能夠在無須暴露原始數據的情況下安全、隱私地實現信息共享
、智能模型構建。

麵向未來
，邊緣智能將賦能工業互聯網進階發展，使其應用規模不斷擴大，智能化程度不斷提高，產業價值不斷增長，迎來更加廣泛
、更高水平的工業創新、轉型與升級。

(作者：北京理工大學 劉馳 韓銳)