互联网、PC时代占尽风头的英特尔，在移动互联网时代小让ARM一局后，进入物联网（IoT）时代的规划布局开始紧凑。随着边缘侧能力逐渐增强，英特尔似乎已经找到了重回主场的感觉，边缘计算也已成为英特尔近期三大战略的核心。
智能设备边缘计算需求日益增大，计算从云端下沉到边缘侧已成当下趋势。云端布局是各大巨头公司这些年来的重头戏，但是随着一些智能设备本地数据量增大、运算效率要求提高等问题的凸显，现在还无法完全依靠云端布局来完成所有智能设备的计算和应用已经得到证实，这其中尤以视觉类智能设备应用需求最为明显。
以摄像头为例，智能摄像头在应用过程中会产生海量数据，如果将所有运算放到云端会存在两个问题：首先，将海量数据传输到云端，无法及时响应；另外，对于海量数据，云端计算效率较低，成本也会提高。
同时，边缘计算的能力已经足够强大，云端虚拟化技术如今在边缘侧已经能够应用，这也使得更多微控制器及其他设备部署到网络边缘侧成为可能。于是各大公司纷纷开始动作，将更多的计算和应用部署到边缘侧。
2017年11月，英特尔在杭州的中国物联网总裁高峰会议上提出了清晰的物联网三大战略方向。在2018英特尔物联网峰会上，英特尔再次明确近期的战略方向，英特尔公司物联网事业部高级副总裁兼总经理Thomas Lantzsch特别在峰会上多次重申英特尔三大战略方向——设计物联网高性能芯片、增强边缘计算，以及继续布局计算机视觉。同时也带来了其在工业、零售、医疗、教育、智慧城市等多个领域的最新解决方案。
大数据对计算力的需求提出了巨大挑战，未来在人工智能时代，公司能否生存下去最终依赖他们有多强大的计算能力。而芯片作为英特尔的拿手好戏，在物联网布局中也不失为其第一支柱。从凌动（ATOM）到至强（XEON），整个系列处理器支持包括英特尔最近在布局的新零售领域的数字标牌、交互式白板，安防领域的智能摄像头等应用。除此之外，英特尔在专用芯片和软件工具上着力，提供包括Movidius芯片、FPGA硬件加速、无线连接芯片、OpenVINO开发工具包。
关于ATOM在英特尔物联网布局中的角色，Tom Lantzsch表示“ATOM芯片在整个战略当中扮演着非常特殊的角色，我们有大量的资源可以布局到以ATOM为核心的应用上。如今在以物联网为导向的时代，英特尔把之前部署在其他方面的资源降到以ATOM为核心的应用上，并推出了诸如Denverton产品线，应用到电信网络边缘。”
据雷锋网了解，其中，几乎被英特尔所有事业部Boss提到的OpenVINO，全称为开放式神经推理和网络优化（Open Visual Inference & Neural Network Optimization）开发工具包，是英特尔今年5月推出的可以加快高性能计算机视觉和深度学习视觉应用开发的工具套件，支持英特尔平台的各种加速器，包括CPU、GPU、FPGA以及Movidius的VPU，来进行深度学习，同时能够直接支持异构计算。
相对于英特尔之前的计算机视觉SDK，主要加入了深度学习部署工具包、通用深度学习推理工具包，以及OpenCV、OpenVX优化功能。而更多的OpenVINO性能及应用情况，雷锋网此前在《英特尔推出OpenVINO工具包，聚焦边缘计算的视觉处理方案有哪些新意？》一文中已有详细介绍，在此不多赘述。
机器视觉是英特尔战略重点早在2016年其花大价钱买来名噪一时的机器视觉公司Movidius就已经不再是秘密。在2017年英特尔推出了针对机器视觉领域高端市场的Movidius Myriad X VPU，除此之外，在中低端市场仍有Myraid 2。
在峰会现场展示了“基于英特尔Movidius VPU和OpenVINO的人脸检测与属性提取方案”，该加速棒系统通过OpenVINO工具包，并配置了Intel Core i7-6770HQ CPU和Movidius Myraid 2，将英特尔的深度学习算法应用到人脸识别和属性提取（包括人脸检测、年龄性别提取、头部姿态提取和表情检测）上，该方案可被应用于智能安防与智慧零售等业务场景。
在峰会上，英特尔也展示了基于OpenVINO平台的机器视觉深度学习系统，对比了在使用同样的工具和软件情况下，使用OpenVINO之前、使用OpenVINO之后，以及使用OpenVINO和FPGA之后的性能参数，其中每秒传输帧数依次为35、240+、760+。
由于带宽的限制，当下的大部分数据在边缘侧产生，其中45%的计算会发生在边缘侧。如今云端拥有的虚拟化技术已经完全可以应用到边缘侧；另外，在边缘侧可以更好地解决延时、安全及带宽的问题，深度学习、AI训练在未来也会逐渐下沉到边缘侧。可以看到，边缘计算的优势日益凸显，同时也已经成为现在英特尔三大战略的核心。
与前几年相比，物联网的概念越来越清晰。在物联网发展早期，设备采用相对低端的芯片及数据单元，数据产生后，设备没有对其的判断能力，因而这些数据要通过网络传到后台进行处理。近几年，物联网相关数据量以指数形式增长，网络带宽也逐渐增加，渠道更加灵活。边缘侧计算需求也开始增长。
未来并非所有的学习都在云端进行，Thomas Lantzsch针对边缘侧的计算能力也表示“如今是在云端上对数据集和人工智能进行训练，在未来我们将看到一些新产品会在边缘进行学习、训练。”
为了实现快速响应，并能够实时对产生的数据进行分析处理，海康威视与英特尔合作，在边缘侧部署了一系列边缘服务器（Edge Servers）、AI数据中心等，开拓自己在边缘计算领域的新版图。
英特尔为了实现这三个战略，除了在芯片方面的优势，在开发工具及生态环境方面也进行了大量布局。时隔一年，英特尔在教育、零售、工业、智慧城市等领域与合作厂商的行业解决方案也逐渐落地，英特尔物联网布局初见成效。
在此次峰会上，英特尔也邀请了视源、阿里、海康威视等诸多国内领先企业站台，展示在工业、零售等领域最新的物联网解决方案。
在工业领域，阿里与英特尔合作，将机器视觉和人工智能技术应用到重庆瑞方渝美压铸有限公司的铸件瑕疵检测上，打造了自动瑕疵检测系统。自动瑕疵检测系统针对传统的人工检测效率低、准确率低的痛点，在构件冷却过程中就可以进行瑕疵检测，每个检测面大概只需要1-2秒钟，检测准确率也从原来的人工检测不足20%提升到超过99%。针对与英特尔的合作，阿里巴巴IoT事业部高级技术专家徐漫江表示“我们现在也在和英特尔团队继续合作，一方面希望把算法更优化、能够适用于更多行业领域；另一方面，我们也希望把英特尔产品在应用市场上进行分发应用，让更多的企业能够使用到英特尔的技术。”
阿里云IoT借助英特尔的计算能力及虚拟化技术提出Link Edge，布局边缘侧。同时Link Edge可以和云端直接打通，进行相关配置，实现云边一体化布局。
在零售领域，海信（海信智能商用系统股份有限公司）与英特尔合作，推出无人值守便利店。海信基于英特尔酷睿处理器以及自己的视频分发和精准营销系统的集装箱改造的无人值守便利店，如今已经在国内部署了500家门店。
英特尔成立已有50年，进入中国也有33年，在中国的总投入已经超过130亿美元，中国拥有除了美国总部之外最全面的业务部署。英特尔市场营销集团副总裁兼中国区总经理王锐这样解释了中国在英特尔整个市场布局中的重要性。
据雷锋网了解，时至今日，英特尔在中国已经拥有22个分支机构，覆盖前沿研究、产品技术开发、精尖制造、产业生态合作、市场营销、客户服务、风险投资等领域。其中包括在北京部署的英特尔中国研究院，在上海、深圳的技术团队，以及在成都的芯片组、芯片封装测试和芯片预处理的工厂，在大连建立的存储技术制造基地。
针对行业需求，英特尔已经发布了100个成熟的物联网行业整体解决方案，现在及未来的发展重点将在于控制器整合、机器视觉和智慧工厂的解决方案，通过与产业链合作伙伴紧密合作，越来越多基于英特尔产品技术的解决方案已经推向市场。从而助力中国制造向智能制造转型。
英特尔边缘布局的关键问题解答
为什么需要边缘计算？
Tom Lantzsch：如果云端能够实现，客户肯定会直接在云端操作，毕竟这样的经济效率是最高的。但是当客户不具备云端处理能力时，我们可以帮助他们简化布局，在相同的开发环境下，把云端的算法、架构在边缘侧实现，创建一个全新的应用层面，从而实现云边协同。例如自动驾驶汽车，由于响应速度、可用性、安全性等原因，你不可能都在云端做决策，因而需要在边缘侧解决大量的计算问题。
在网络从4G转变为5G后，会不会对边缘计算的产品形态有所冲击？
陈伟：边缘计算的产品形态很可能会受到冲击。如果现在的网络瓶颈得到突破，可能会影响整个终端、边缘、网络，以及后端所有平台。所以，英特尔的思路很清晰，英特尔不可能做所有领域的产品，而是专注于边缘计算、负载整合和应用整合、机器视觉三大领域。我觉得未来可能会演变，但这些平台化的技术、生态链的搭建，使得英特尔会在其中有一席之地。
是否有和合作伙伴开发物联网算法？
Tom Lantzsch：大多数的算法由拥有数据的公司或第三方公司来做，这取决于这个数据对于该公司有多重要，或者它对数据的专有权是什么样的性质，英特尔会通过培训大量的OpenVINO人才来支持企业的算法开发。
想要做出好的算法，就需要训练数据，而在许多情况下，训练数据都是针对某种特定的应用。例如现在在美国最困难的一个算法是车牌识别。因为美国有50个州，每个州的车牌系统都不一样，每个州下面还有不同版本的车牌，所以做一种算法，在收费公路上进行迅速的车牌识别并不简单。
在英特尔物联网深耕的行业中，您最看好哪些行业？
Tom Lantzsch：英特尔比较看好自动驾驶领域，如今已经收购了一家自动驾驶技术公司Mobileye，目前已经有了一个相当积极的计划。
陈伟：关于国内几大垂直行业，首先，英特尔物联网的战略是为物联网设计高性能芯片，增强边缘计算，专注于计算机视觉。
中国发展最好的行业之一是安防行业，一些企业端到端的视觉能力、AI能力已经提高到全球领先的位置。这在中国是非常振奋人心的事情，因为他们的技术已经全球领先了，在过去的几十年里，我们往往只是市场应用比较领先。那么这些企业自然会把这个技术带到安防以外的垂直行业。比如说工业里的瑕疵检测、机器视觉，医疗领域的图像分析等，其中存在的创新机会是无穷无尽的。
另外，在教育领域，其中AI的应用已经做得很深了，从出考题到评卷都用到AI技术。
我们的战略是抓住几个关键的技术，安防、工业、交通等垂直行业里用到我们刚才讲到的战略技术的，都是我们最关心的。
相关文章：
正在生成分享图...
nebula