毫无疑问，中国是全球制造业大国，过去40年，中国制造业规模增长了18倍，其附加值达到2.2万亿美元，制造业在中国GDP比重高达40%，其之于中国经济的重要性可见一斑。
但客观地说，中国的制造业在高速发展的同时，也普遍面临着产业结构不合理、产能天花板，产品质量精度低，差异化不明显，核心竞争力不强等问题，加上最近几年制造业人力、环保、材料等成本的逐年上涨所带来的压力，让整个制造业的转型可谓“迫在眉睫”。
那么，中国制造业究竟向何处走，以哪些新技术、新力量完成新的转型升级呢？在《十四五规划和2035年远景目标纲要》中其实就已经有了明确的答案，那就是——“协同发展云服务与边缘计算服务”，可以说未来打造云边协同的新型基础设施，将是实现分布式资源灵活调度、全域数据高速互联以及智能应用渗透边缘的重要途径。
同样，在制造业的转型升级中，越来越多新应用场景的出现，也在推动着云边协同成为赋能智能制造和工业互联网发展的重要支柱。特别是随着更多的终端，更多的联接、更多数据的产生，过去制造业中传统的基础设施已越来越难以满足新场景的诉求，如算力的要求、业务实时性、数据安全与隐私的要求等等。因此，如何让云边协同在制造业转型升级中发挥更大的作用，无疑是整个制造业面临的重大挑战。
云边协同亟待打通“任督二脉”
事实上，正如一枚硬币的两面那样，尽管中国制造向中国智造的转型升级前景无限光明，但面对新技术的不断涌现，以及新概念的接踵而至，大部分制造业企业在如何实现智能制造的选择路径中，不仅面临着认知上的偏差，更遭遇了全新的挑战，可以从几个维度来做观察：
从制造业数字化转型升级的主线和方向看，一定是工业互联网助推的两化融合，即在企业数字化转型成功的基础之上，进一步通过工业互联网平台的建设，加速云计算、大数据、物联网等技术与现代制造业的产业连接，提升制造业生产效率和产品质量，最终完成信息化和工业化的深度融合，才能促进智能制造的全面落地。
因此，在“十四五”规划中，“工业互联网”一词也就被提及了三次。同时，工信部在今年1月发布的《工业互联网创新发展行动计划（2021-2023年）》中，更明确提出要通过建设工业大数据中心、行业和区域工业互联网平台等具体举措来推动工业互联网的发展。
从制造业转型升级的落地难题看，制造业中的装备数字化和生产过程的数字化是基础，也是起点，没有制造装备与生存系统的数据采集、高效治理、均衡调配、互联互通，就无法实现制造业的数字化、网络化，更别提智能化。
这也恰恰是现阶段制造业转型中最大的“痛点”，主要的挑战体现在：一方面，大量制造业工厂中老旧设备众多，且存在大量的“哑设施/哑设备/哑终端”；另一方面，工业领域的设备种类及品牌繁多、协议标准不一，不同年代、不同协议、不同接口之间的设备往往也难以兼容。换句话说，制造企业中依然还存在着大量的“数据孤岛”，这就使得制造企业业务链上“孤岛林立”，信息的共享和反馈难，这就就需要统一的平台对数据进行整合调度，打破“数据孤岛”现象。
从制造业转型升级的趋势发展看，如何更好的推动云计算、大数据、物联网以及人工智能在制造业中的融合应用也变得越来越至关重要。比如AI可以广泛应用在监控订单数量、使用情况、周期时间、前置时间、错误和停机时间，从而优化生产运行，提高生产率；AI还可以在生产初期发现质量问题，利用图像识别技术识别产品的缺陷和偏差，从而提高生产质量。此外，对制造业来说，定期进行预测性维护可以确保所使用的设备处于最佳状态，而大数据+AI技术的应用可以提升设备维护的效率等等，所以无论是在商业洞察还是在降本增效方面，这些新技术所能发挥的价值越来越大。
但也要看到，未来制造业多数新增的数据都将会产生自边缘，而新增算力又往往会基于云化的方式去做部署，二者之间的矛盾依然和突出，同时随着这些新技术的广泛应用，又产生了更多全新的问题，包括海量数据传输成本高、时延性能面临着巨大不可控、网络连接的持久性和稳定性难以保障以及产线的安全性和产品隐私面临着风险等等。
从这个角度来说，未来打通数据洪流的“云边”任督二脉，通过云边协同的方式，让数据在云、边和端之间高效、实时、持久和安全的互联互通，形成“云—边—端”的自治网络，无疑是制造业实施数字化和智能化转型的关键一步，更是必不可少的一步。
场景化创新推动云边协同落地
在此背景下，作为云边协同理念的积极倡导者，英特尔也正凭借强大算力和全面优化的软硬件产品组合，携手合作伙伴，系统化推进云边协同架构在智能制造场景的孵化与落地，并在瑕疵检测、精密加工、产能预测、园区管理等领域为制造业客户打造一系列行业应用实践，真正为中国制造业数字化的转型升级提供了更多借鉴和参考的价值，具体来看：
一是，在瑕疵检测场景中，基于AI的瑕疵检测已成为智能制造云边端协同应用发展最快、且最为成熟的应用场景之一，其解决方案主要是由前端摄像头采集的视频/图像数据会在边缘服务器利用已有的AI模型实时完成推理，推理结果可以传送至品控系统对产线进行调整；而训练数据则会传送至云端或远端数据中心进行AI训练，训练得到的优化模型会被推送至边缘服务器中供推理使用，从而完成整个云边协同的闭环迭代。
基于AI的瑕疵检测核心工作流程
例如，基于“云-边-端”架构，宁德时代引入英特尔® 至强® 可扩展处理器、面向英特尔® 架构优化的 PyTorch以及OpenVINO™ 工具套件等产品与技术，结合动力电池瑕疵检测实际场景，成功打造AI瑕疵检测方案，实现了高效的检测质量与效率。不仅如此，为有效提升新方案的工作效能，京东方引入英特尔®至强® 可扩展处理器作为边缘服务器的核心计算引擎，并借助英特尔® AVX-512技术，为深度学习推理任务中的密集计算提供硬件加速。此外，京东方还引入OpenVINO™ 工具套件来为检测提供软件调优。
二是，在精密加工场景中，边缘计算技术和云边协同架构的快速发展与引入，也正帮助精密加工领域的企业以更有效的方式来实现数据就近治理和云边算力协同。可以看到，在典型的基于云边协同的精密加工解决方案中，来自产线的物联网设备（传感器、电流监控、摄像头等）的数据在边缘就能以既定方法（AI推理，既定程序等）完成处理，并对产线发出下一轮控制指令，从而形成高速的“数据-调控-执行”小闭环或者可以说是“微云”。同时，数据也能实时上传至云端，完成对加工参数的调整、工具寿命的预测等，形成“数据-分析-管理-数据”的大闭环，最终满足了精密加工所需的实时控制能力。
借助智能化方式构建的精密加工方案流程
比如，高效、精准、稳定的智能机械控制器，是驱动圆刀模切机生产出高品质产品的关键所在。为此，汇川技术基于英特尔® 酷睿™ 处理器以及 OpenVINO™ 工具套件，通过方案中的麒麟视觉控制器平台，借助云端训练的AI模型在边缘服务器中对采集的产品图像进行推理检测，实时纠偏，最终让用户在保证产品质量的同时进一步提升生产效率，而源于英特尔先进产品与技术构建的边缘节点，真正将来自OT、IT和CT设备和线路的数据进行了融合和统一的处理。
三是，在生产预测/时序预测场景中，基于云边协同架构的智能时序预测方案能够为企业带来两大优势，时序数据就近转化为预测信息，借助云端强大算力提升模型质量。一方面，时序数据就近转化为预测信息：由边缘设备产生的数据在边缘就能快速转化为预测信息，不仅提升了预测的及时性，也避免了大规模数据传递带来的网络传输压力；另一方面，云端强大算力提升模型质量：借助云端部署的强劲算力，企业可持续对预测模式开展优化，并供边缘侧调用，使生产环境中的预测质量不断提升。
时序预测可应用的制造业细分场景
其中，金风慧能就以英特尔先进产品与技术为基础，以云边协同架构打造基于气象数据的智能功率预测方案，为优化发电计划提供有效基础设施，该方案在云端搭建了多模型组合的智能功率预测方案。其可根据需要形成多种组合方法，并不断使用来自边缘（气象站点）、和其它云端（气象网络）的最新气象数据对子模型进行训练，形成自我学习、更新和淘汰能力，以不断迭代的方式提升预测系统的准确率；此外，在对数据进行短期/超短期训练并得到预测结果后，方案还可通过调度系统合理调整和优化下一步发电计划，不仅可有效改善电网调峰能力，更能减少弃风和弃光率，帮助电力企业降本增效。
四是，在园区管理场景中，主要是将传统各个离散的园区管理职能，以“云边协同”的模式重组，并通过边缘计算和云边协同来增强应用中各个设备的工作质量和响应能力，由此带来的好处在于，借助在边缘广泛部署的视频监控能力，通过统一的数据协同，可以使其对停车管理、人员监控、物流调配等多种园区管理职能提供助力，同时视频数据的交叉利用也可以帮助园区大幅降低网络负载，节省在数据中心和云等领域的投资。
将离散的园区IT能力变为”云边协同”模式
比如，作为典型的人力密集型场景，园区管理是智能机器人实现商业化落地的天然首选。包括南京经济技术开发区在内，许多渴望技术创新、管理创新的园区正在真机智能和中国联通的助力下，通过探索不同类型机器人在安全巡控、物流配送、卫生清洁等场景中的落地部署，来实现降本增效，为入驻企业提供未来智慧园区的生态体验。
为此，真机智能、中国联通与英特尔一起，基于“5G + MEC”技术打造园区机器人新方案，该方案采用了创新的“云+边+端”三级架构，让计算资源得到更合理的分配，其中通过提升计算性能、降低时延，使机器人行为更敏捷智能；全新的方案也令单节点可管理的机器人数量可增至数十台，有效提升园区管理效率。在南京经济技术开发区的实践中，用户反馈表明“云+边+端”新架构相较传统方案性能增益约200%，同时成本降低约30%。
五是，在企业管理决策场景中，今天越来越多的企业正在云端或数据中心部署各类信息化系统，如BI、ERP、MES、应用中台等来对生产、物流、仓储等环节实施管控，将原本由人进行的决策转为“机器”执行。但与此同时，越来越多的企业管理者也发现，当云端或数据中心部署的分析决策系统达到一定规模后，再叠加系统，就会出现明显的边际效用递减。
因此，未来通过“云边协同”设计，将管理决策能力下沉，将与生产、物流等环节关系最紧密的数据处理和分析决策能力置于一线，而在传统数据中心或云端仅保留调度、深度数据分析等需要集中大规模算力的职能，不仅能够降低企业云端、数据中心以及网络压力，同时也会使决策时效性大为提升。
制造企业引入更多信息化系统加快高质量决策
在京东方，为了让产线的调整过程变得更为高效灵活，该公司决定将决策能力进一步下沉至边缘服务器中，通过“云边协同”架构，来打造更有效的产线管理决策能力。基于此，京东方就与英特尔一起，一起构建基于“云边协同”架构以及边缘计算技术的产线管理决策能力，最终不仅将管理决策能力充分前置，并提供持续迭代优化的能力，更非常有利于保证生产的连续性以及产品品质的稳定性，让每一次生产都能健康、低耗、高效地进行。
穿透数字化转型迷雾的那束光
从上述应用场景和成功案例中，可以看到云边协同的场景应用有着极大的的空间，而英特尔强大算力和全面优化的软硬件产品组合在这其中起到了很多的关键作用，可以说在为中国智能制造高质量发展贡献出更多的价值的同时，也真正成为了穿透制造业数字化转型升级迷雾的那束光，而在这背后也体现出了英特尔在云边协同领域的领先优势。
首先，是英特尔全面的产品组合，能够满足云边构建、扩展和转型需求，同时英特尔提供的不仅仅是产品，更是软硬件加速的一体化方案，并能通过提供通用参考设计，实现云边平台的快速部署。其中，硬件产品就包括用于算力加速的各类XPU，用于通讯的以太网通信和硅光电子以及用于存储的英特尔傲腾技术等；此外，搭配多种硬件，英特尔也具备种类多样的软件优势，例如OpenVINO™工具套件、OneAPI、工业边缘洞见平台（EII）、工业边缘控制平台（ECI）等。
其次，是英特尔成熟的生态系统，也能够帮助企业深化应用及创新。英特尔一直以来就把打造生态视作自己的DNA，通过在生态方面的深耕细作，推动生态系统不断地更新、扩展和演进，而英特尔与广大的合作伙伴一起打造出的繁荣生态体系，也为制造业的数字化转型升级的落地提供生态方面的强大保障。</span>
第三，是英特尔大量落地的成功案例背后的经验和实践的沉淀，不仅能够提供更多借鉴和参考的经验，同时也能让制造企业在数字化转型过程中避免出现“踩坑”的情况，如在上文中提到的，英特尔为制造业客户打造的一系列行业应用实践，包括瑕疵检测、精密加工、产能预测、园区管理、企业管理决策等，可以说真正系统化推进了云边协同架构在智能制造场景的孵化与落地，为制造业的数字化转型升级提供了重要的支持。
最后，是英特尔更加注重云边协同给制造业所带来的商业洞察和降本增效的具体成果。事实上，目前在制造业中还存在这样的一些认识误区，认为边缘计算仍然是概念性的东西，同时要实现云边协同往往又会花费不菲，因此很多企业在云边协同的探索与实践上，还处在“观望”的状态，针对这种情况，英特尔通过技术的创新，帮助制造企业实现了“降本增效”，让企业能够真正感受到云边协同所能带来的全新价值。
全文总结，制造业是一个流程长、门类多、应用场景复杂的行业，每家制造业企业都有自己的业务流程和产业特点，如何既解决共性问题，又满足特性需求，已经成为制造业数字化升级、智能化转型中的重要任务，而英特尔所打造的云边协同的坚实“底座”，以及在场景化落地和生态化领域的持续创新和赋能，不仅能够帮助更多制造企业加速实现数智化融合，也更好地推动中国制造业的高质量发展，真正让中国最大化释放数字经济发展的新价值。
