原標題：專訪 ｜ 展灣科技CEO唐櫟：利用邊緣計算支撐人工智能的工業落地

撰文 ｜ 夏一哲

編輯 ｜ 余欣婷

在工博會場館中的咖啡館里，展灣科技的CEO唐櫟接受了億歐新制造的采訪。唐櫟在采訪中一直掛著自信的微笑，聊起自家產品展灣智慧通更是滔滔不絕。

對于工業互聯網的發展前景，唐櫟十分自信：“工業互聯網對中國來說，是一個必然的過程。靠低級的生產力，靠成本去競爭，在中國已經不現實了。”

中國的工業互聯網已經逐步進入快車道。根據知名研究機構IDC的預測，中國將成為工業互聯網支出最高的國家，而2019年企業ICT轉型的支出，也將由2017年的2300億美元增長到3100億美元。

在市場蓬勃增長的另一面，是競爭狀況的加劇。不同行業和背景的公司紛紛入局，創業公司如雨后春筍般破土而出，而且逐漸向建立平臺、構建生態的方向發展。

在唐櫟看來，涵蓋邊緣層、平臺層和應用層的展灣智慧通是實現工業互聯網的標準架構。展灣智慧通就以一體機的形式對接生產設備，讓操作人員能夠在其搭載的平臺上實時了解設備的運行狀況。

邊緣計算：實現數據支撐的必要環節

工業互聯網按照從基礎設備到行業應用來劃分，基本可以分為設備、平臺和應用三層，分別對應IaaS、PaaS和SaaS。目前，由于云存儲行業集中度較高，阿里云、華為云等頭部廠商已經跑出，因此工業互聯網企業往往進入的是平臺層和應用層。

在數據的存儲和應用之前，有將數據提取到IT系統的邊緣層。這一層主要實現的是設備接入、協議解析和邊緣數據處理三個功能。

就工業數據采集本身來說，技術難度不高、進入門檻較低。在工業互聯網還沒有大行其道的時候，就有很多設備廠商制造數據采集模塊，主要實現設備端的數據采集。

隨著工業互聯網的興起，這些設備廠商也面臨著轉型的壓力，他們有的成為邊緣層的代工廠，也有的通過自研或合作的形式，開始提供數據可視化等新功能，甚至尋求平臺層的合作與發展。這也是大量初創型公司大量涌入邊緣層的原因。

邊緣計算技術的崛起，則是終結粗放型數據采集形式的開始。邊緣計算將計算推至靠近數據源的位置，解決面向數據傳輸、計算和存儲過程中的計算負載和帶寬問題。

在數據儲存上，相比嵌入式存儲系統，邊緣計算存儲系統具有低延遲、大容量、高可靠性等特點。這種特性解決了過去數據傳輸延遲的缺陷，讓實時數據形成的看板更有價值。

對于展灣來說，邊緣計算網關正是其發力點。唐櫟認為，正是因為后續算法的應用需要高質量的數據，所以展灣必須進入邊緣層。

實現高質量數據的采集難點首先在采集頻率上，因為很多場景中，有效數據的間隔很短。比如在展灣所擅長的焊接過程軌跡跟蹤中，數據采集的周期就至少要達到100毫秒一次。

還有一些高精密加工行業，刀具接觸加工面的時間很短，如果數據采集周期過長，往往只能采集到設備空轉的狀態，這樣的數據對于后續應用沒有價值。如果將數據收集和平臺層、應用層分開，很難達到理想的效果。

邊緣層對邊緣計算的要求也越來越高，因為在很多工業場景中，想傳輸所有數據不僅帶寬不夠，云計算的延遲也會影響系統本身的及時性。展灣智慧通一體機的屏幕就搭載在設備旁邊，內置了算法和應用，操作人員能直接在本地實現設備的監測，從而作出及時反應。

未來邊緣層的競爭，將不會停留在支撐數據可視化的數據收集功能上，而是在數據清洗和計算上。已經進入精密加工等多個復雜場景的展灣，邊緣計算網關是其重要優勢之一。

利用數據庫和算法，解決制造“know-how”難題

在邊緣網關完成數據的采集和初步計算后，平臺層和應用層的競爭主要在數據的應用上。

數據最基礎的應用是數據可視化，工業互聯網平臺也摸索出多個發力的方向。解決數據傳輸的延遲，增強數據時效性是一種方法；摸索數據間關聯，展示“更有價值”的數據是另一種方法；改善數據展現的形式，如用產線的模擬圖像代替以往的數字、圖表，也是一個方法。

為了滿足實效性的需求，展灣首先提供了實時數據庫。顧名思義，這個數據庫一般會保存工廠一天所有機器的數據，利用內存實現每秒百萬級的數據存儲和提取，目的是減少數據采集和統計到看板的延遲，彌補磁盤存儲的數據在讀取速度上的不足。

其次，針對歷史數據，展灣提供了時序數據庫。因為工業生產的數據具有時序性，一些人工智能的算法也要基于時序來提供模型。數據被邊緣計算網關傳輸到平臺層后，系統會對數據在時間區間進行封裝。最后提供的關系型數據庫，則是在歷史數據的基礎上，將結構化數據進行存儲。

唐櫟介紹說，展灣是一個基于數據收集和分析的公司。因此，數據量越大，對展灣建立算法模型和應用的場景就會越多和越容易。目前，展灣在工程機械和汽車及零部件等行業里，已經建立了機器人焊接、機加工、沖壓、數控切割等場景化算法模型。

制造企業目前發展的痛點之一，就是對生產過程的把握依然是經驗性的。尤其對于中小企業來說，一些生產狀況的判斷往往依賴于工程師的判斷。

很多工廠通過機器學習等人工智能技術，在原有生產數據技術上構建生產模型，實現對“know-how”的掌握，將生產經驗固化，變得有跡可循的知識體系。

展灣通過其數據分析內核DAC平臺用大數據深度分析實時和歷史數據，構建工廠的生產和工藝模型，在SaaS層實現產品質量和設備故障的診斷和預警，最終指導工廠生產的執行和調整。

工業互聯網：賦能人，解放人

當工業互聯網已經能通過人工智能等技術，支撐工廠生產的決策調整，人的作用似乎被降低了。機器人替代產線工人，人工智能替代工程師……人們一邊期待新技術對原有生產環節的改造升級，另一邊也擔心新技術會取代自己的工作。

在唐櫟看來，人工智能對于“工業4.0”來說并不算是一次革命。因為人工智能并不能減少生產制造環節需要花費的成本，也不會減少原材料的成本，它更多的是減少了額外損耗的成本。

比如在焊接場景中，靠人工去發現焊接偏移后，重新下線、檢測和打磨，這些都是可以避免的額外損失。人工智能一方面能解決及時監測焊接狀況，另一面能通過機器學習預測可能產生的狀況。

人工智能本質上是幫助人將本來無序的經驗變成有序的知識，從而釋放出人的時間和智力去完成更多創造性的工作。

在人工智能等新興技術逐步賦能制造企業的同時，落地成本也成為企業關注的焦點。相較于研發資金相對充裕的大型企業，中小企業落地工業互聯網資金上有些捉襟見肘。

針對這種情況，展灣提供了較為靈活的服務。因為中小企業沒有研發上的需求，因此可以應用那些已經在大型企業成功落地算法模型來緩解成本壓力。唐櫟認為，中小企業想與大型企業競爭，只能從價格和效率上入手。

工業互聯網無疑是中國制造業發展的趨勢之一，雖然距離標準的統一和大規模的普及還有一段距離，但像展灣這樣的企業正通過研發和推廣，不斷推動人工智能在工業的落地和應用。返回搜狐，查看更多

責任編輯：