张宇博士  英特尔中国区物联网事业部首席技术官兼首席工程师

   一直以来，英特尔(Intel)对物联网的发展有自己的判断，我们分为三个阶段：从互联到智能，从智能到自主方向的演进。这次疫情验证了我们当初智能化、自主化对物联网趋势判断的正确性。疫情之后，英特尔还是保持原有的理念、原有的路线图来走。

继续推动智能边缘在工业领域的落地

智能边缘（IntelligentEdge）正在快速崛起，并将成为智能创新的下一新浪潮。对于英特尔物联网事业部来说，我们的理念是为工业企业的数字化转型提供我们的技术、产品以及相应的生态，并推动智能边缘在工业领域的落地。

英特尔拥有多样化的计算解决方案、软件工具和网络产品组合，能为客户提供从边缘到云无缝扩展所需的选择和灵活性，帮助客户快速在边缘进行智能部署。并且，英特尔庞大的可扩展的生态系统和成熟的行业整体解决方案，能够满足企业边缘用例的选择和多元需求，帮助客户快速攫取智能边缘不断增长的新机遇。

疫情期间，有一些英特尔 AI解决方案在合作伙伴这里落地。比如工业方面，有的合作伙伴原来生产另外一种产品，现在开始转产口罩、呼吸机，客户利用Intel AI技术帮助进行口罩质量的监测。这既对企业进行灵活的柔性制造，利用智能化实现顺利转产提出了更高要求，也体现了我们对于智能化、自主的判断。

在医疗领域，我们合作伙伴利用英特尔的处理器产品和人工智能技术生产医疗领域的智能物流机器人。通过搭载英特尔的处理器产品和人工智能技术，实现对物体自动检测、自动避障，进而实现物流自动传送。还有一些合作伙伴利用英特尔人工智能技术，来实现CT片的综合判断，降低医生负荷，这都是目前疫情期间的成功应用案例。

此外，此次疫情对我们也提出了新的需求。各研究单位、合作伙伴、开发者都非常希望能够更快地推动工业物联网数字化转型。在与信通院的合作中，基于TSN的网络如何更好更快地满足工业领域信息化需求，我们看到了更强的紧迫性。因此，我们从硬件、软件和本地技术支持团队、技术资源等方面向这个领域做更多倾斜，更快地帮助国内合作伙伴在转型过程中推出相应的产品和方案。

支持“新基建”

现在中国政府“正当时”的提出“新基建”政策，即利用新技术，5G、人工智能、物联网技术推动工业互联网的转型，这和疫情之前我们对整个物联网尤其是工业互联网的趋势判断是一致的。新基建以工业为例，从互联到智能的数字化转型，是在恰当的时间点提出了一个非常适宜的政策方针。对英特尔而言，我们已为这种转型在做技术方面的储备，同时提供一些新的产品来推动整个趋势的发展。

在工业互联网方面可以看到，比如有更强的通信的要求、更强的算力的要求、更强的安全的要求，在这些方面英特尔长期提供相应的硬件和软件方案以及生态环境、合作伙伴的构建。

在通讯方面，我们看到不仅5G在工业物联网领域开始推广。工业物联网对于实时性有更高要求，与传统的在娱乐类的应用或者一些在线的零售类应用相比，工业物联网对于网络的实时性、低延时、低可耗的要求会更高。工业物联网领域在网络方面有一些特殊的要求，比如TSN的要求，对于这些新的工业互联网通信标准和相应的需求，我们也在积极推广硬件和软件方面的产品和方案。

在计算方面，这次疫情对于柔性制造，对工业自动化提出了更高要求，很多功能的实现实际上是需要通过软件定义的方式来实现。比如一个产线上所有功能都是通过固定硬件来实现的话，如果要及时地调产或者调整产线的生产内容，那它带来的要求和难度都比较高。所以软件定义是今后一个发展趋势，这方面英特尔一直在推动。

除了提供通用的计算芯片外，我们还在和合作伙伴一起开发一些针对于软件定义的工业软件的基础结构—EIS（Edge Inside Software）软件协议栈，它能够实现从底层的工业现场总线的数据采集到数据处理、数据存储以及数据转发。基于这样的软件协议栈或者中间件，开发人员可以很方便的利用中间件对收集上来的数据做应用方面的开发，根据不同使用场景开发不同的工业APP，来实现在相同基础架构上实现功能的快速转型。

工业智能化发展面临的挑战与机遇

工业智能化是人工智能的一个分支。工业领域的难点在于工业领域的应用场景比较碎片化，与交通领域、安防领域有很大不同，交通领域、安防领域识别的物体相对比较固定，场景也比较固定，针对这些场景收集大量数据得到网络模型以后，可以在这些场景做大面积推广。但工业领域的碎片化很明显，比如在纺织工厂、半导体工厂里做产品识别，它要检测的目标是不一样的，需要不同的样本、设计不同的网络结构，在设计方面用不同的方法进行调优。同时工业本身对准确度的要求很高，在工业领域推广人工智能有很长的路要走。但我们也看到很多成功案例，比如在疫情期间，合作伙伴运用人工智能的方式做口罩监测，一些合作伙伴用人工智能做产品质量检测。可以预见，随着时间的推演以及我们在人工智能的算力、数据以及在理论方面的进一步完善，工业领域的人工智能发展前景非常广阔。

此次疫情像是一面镜子，不同厂家的不同表现显示出他们的差异性。疫情发生之初以及复工复产前期，企业不可避免面临生产力问题，有些企业员工不能及时到位恢复生产。而恢复比较快的企业，往往是在前期智能化程度较高的企业，这些企业通过工业机器人、工业以太网等等方式使得产线快速实现自动化，相较于采用智能技术不那么普遍的企业，他们的恢复能力更强，恢复速度也更快。

另一个例子是柔性制造，疫情期间很多企业根据市场需求调整生产的产品。那些在信息化调整过程中走得靠前的企业，它的柔性制造实现的更容易。原来做精加工的工厂也可以做口罩，国外像戴森等这样吸尘器厂家也开始生产呼吸机。从这些例子我们可以看到，一些工业自动化水平较高的企业对于新需求反应速度会更快。可以预见，随着市场对工业的要求越来越多样化，对工业产品响应速度要求越来越高，那些自动化水平相对比较高的企业，或者更早拥抱IT、OT融合的企业才能在市场竞争中取得优势地位。

推动工业智能化多维度发展

智能化、自动化是很大的话题，工业智能化也是一个很大的话题。工业相对来说比较复杂，有过程自动化、离散行业等，每个行业的问题并不完全一样。工业对于准确度、高性能的要求相较于其他的行业更高。

从工业发展来看有几个问题需要考量：第一，政策层面。工业智能化在政策维度上政府可以为工业智能化的发展提供很好的政策导向和指引。工信部这几年在大力推动企业上网、工业互联网APP的应用做了很多工作。最近的“新基建”政策导引对整个工业智能化、自动化的发展有非常好的指向作用。

第二，理论研究层面。工业智能化、自动化里面还有很多问题需要解决。比如IT和OT如何融合，在通信领域TSN系统应该满足什么特性，定义哪些新标准。这些标准不同于传统的以太网的标准，怎么在标准制定过程中充分考虑工业的具体要求，以及IT、OT的参考架构等等方面，这都是现在研究领域很重要的工作。

第三，产业开发层面。对于生产领域工业自动化的标准问题，首先我们要了解问题在哪儿。生产企业应该把他们在生产领域过程中遇到的自动化和智能化问题梳理出来，共享给相应的研究单位和一些开发人员，让开发人员利用最新的技术比如人工智能技术、5G技术以及最新的标准制定相应的解决方案。同时这些解决方案再回馈给生产企业，在生产过程中进行适用，以及不断的迭代和完善。