专访 ｜ 展湾科技CEO唐栎：利用边缘计算支撑人工智能的工业落地

撰文 ｜ 夏一哲

编辑 ｜ 余欣婷

在工博会场馆中的咖啡馆里，展湾科技的CEO唐栎接受了亿欧新制造的采访。唐栎在采访中一直挂着自信的微笑，聊起自家产品展湾智慧通更是滔滔不绝。

对于工业互联网的发展前景，唐栎十分自信： “工业互联网对中国来说，是一个必然的过程。靠低级的生产力，靠成本去竞争，在中国已经不现实了。”

中国的工业互联网已经逐步进入快车道。根据知名研究机构IDC的预测，中国将成为工业互联网支出最高的国家，而2019年企业ICT转型的支出，也将由2017年的2300亿美元增长到3100亿美元。

在市场蓬勃增长的另一面，是竞争状况的加剧。不同行业和背景的公司纷纷入局，创业公司如雨后春笋般破土而出，而且逐渐向建立平台、构建生态的方向发展。

在唐栎看来，涵盖边缘层、平台层和应用层的展湾智慧通是实现工业互联网的标准架构。展湾智慧通就以一体机的形式对接生产设备，让操作人员能够在其搭载的平台上实时了解设备的运行状况。

边缘计算：实现数据支撑的必要环节

工业互联网按照从基础设备到行业应用来划分，基本可以分为设备、平台和应用三层，分别对应IaaS、PaaS和SaaS。目前，由于云存储行业集中度较高，阿里云、华为云等头部厂商已经跑出，因此工业互联网企业往往进入的是平台层和应用层。

在数据的存储和应用之前，有将数据提取到IT系统的边缘层。 这一层主要实现的是设备接入、协议解析和边缘数据处理三个功能。

就工业数据采集本身来说，技术难度不高、进入门槛较低。在工业互联网还没有大行其道的时候，就有很多设备厂商制造数据采集模块，主要实现设备端的数据采集。

随着工业互联网的兴起，这些设备厂商也面临着转型的压力，他们有的成为边缘层的代工厂，也有的通过自研或合作的形式，开始提供数据可视化等新功能，甚至寻求平台层的合作与发展。这也是大量初创型公司大量涌入边缘层的原因。

边缘计算技术的崛起，则是终结粗放型数据采集形式的开始。边缘计算将计算推至靠近数据源的位置，解决面向数据传输、计算和存储过程中的计算负载和带宽问题。

在数据储存上，相比嵌入式存储系统，边缘计算存储系统具有低延迟、大容量、高可靠性等特点。这种特性解决了过去数据传输延迟的缺陷，让实时数据形成的看板更有价值。

对于展湾来说，边缘计算网关正是其发力点。唐栎认为，正是因为后续算法的应用需要高质量的数据，所以展湾必须进入边缘层。

实现高质量数据的采集难点首先在采集频率上，因为很多场景中，有效数据的间隔很短。比如在展湾所擅长的焊接过程轨迹跟踪中，数据采集的周期就至少要达到100毫秒一次。

还有一些高精密加工行业，刀具接触加工面的时间很短，如果数据采集周期过长，往往只能采集到设备空转的状态，这样的数据对于后续应用没有价值。如果将数据收集和平台层、应用层分开，很难达到理想的效果。

边缘层对边缘计算的要求也越来越高，因为在很多工业场景中，想传输所有数据不仅带宽不够，云计算的延迟也会影响系统本身的及时性。展湾智慧通一体机的屏幕就搭载在设备旁边，内置了算法和应用，操作人员能直接在本地实现设备的监测，从而作出及时反应。

未来边缘层的竞争，将不会停留在支撑数据可视化的数据收集功能上，而是在数据清洗和计算上。 已经进入精密加工等多个复杂场景的展湾，边缘计算网关是其重要优势之一。

利用数据库和算法，解决制造“know-how”难题

在边缘网关完成数据的采集和初步计算后，平台层和应用层的竞争主要在数据的应用上。

数据最基础的应用是数据可视化，工业互联网平台也摸索出多个发力的方向。 解决数据传输的延迟，增强数据时效性是一种方法；摸索数据间关联，展示“更有价值”的数据是另一种方法；改善数据展现的形式，如用产线的模拟图像代替以往的数字、图表，也是一个方法。

为了满足实效性的需求，展湾首先提供了实时数据库。顾名思义，这个数据库一般会保存工厂一天所有机器的数据，利用内存实现每秒百万级的数据存储和提取，目的是减少数据采集和统计到看板的延迟，弥补磁盘存储的数据在读取速度上的不足。

其次，针对历史数据，展湾提供了时序数据库。因为工业生产的数据具有时序性，一些人工智能的算法也要基于时序来提供模型。数据被边缘计算网关传输到平台层后，系统会对数据在时间区间进行封装。最后提供的关系型数据库，则是在历史数据的基础上，将结构化数据进行存储。

唐栎介绍说，展湾是一个基于数据收集和分析的公司。因此，数据量越大，对展湾建立算法模型和应用的场景就会越多和越容易。目前，展湾在工程机械和汽车及零部件等行业里，已经建立了机器人焊接、机加工、冲压、数控切割等场景化算法模型。

制造企业目前发展的痛点之一，就是对生产过程的把握依然是经验性的。尤其对于中小企业来说，一些生产状况的判断往往依赖于工程师的判断。

很多工厂通过机器学习等人工智能技术，在原有生产数据技术上构建生产模型，实现对“know-how”的掌握，将生产经验固化，变得有迹可循的知识体系。

展湾通过其数据分析内核DAC平台用大数据深度分析实时和历史数据，构建工厂的生产和工艺模型，在SaaS层实现产品质量和设备故障的诊断和预警，最终指导工厂生产的执行和调整。

工业互联网：赋能人，解放人

当工业互联网已经能通过人工智能等技术，支撑工厂生产的决策调整，人的作用似乎被降低了。机器人替代产线工人，人工智能替代工程师……人们一边期待新技术对原有生产环节的改造升级，另一边也担心新技术会取代自己的工作。

在唐栎看来，人工智能对于“工业4.0”来说并不算是一次革命。 因为人工智能并不能减少生产制造环节需要花费的成本，也不会减少原材料的成本，它更多的是减少了额外损耗的成本。

比如在焊接场景中，靠人工去发现焊接偏移后，重新下线、检测和打磨，这些都是可以避免的额外损失。人工智能一方面能解决及时监测焊接状况，另一面能通过机器学习预测可能产生的状况。

人工智能本质上是帮助人将本来无序的经验变成有序的知识，从而释放出人的时间和智力去完成更多创造性的工作。

在人工智能等新兴技术逐步赋能制造企业的同时，落地成本也成为企业关注的焦点。相较于研发资金相对充裕的大型企业，中小企业落地工业互联网资金上有些捉襟见肘。

针对这种情况，展湾提供了较为灵活的服务。因为中小企业没有研发上的需求，因此可以应用那些已经在大型企业成功落地算法模型来缓解成本压力。唐栎认为，中小企业想与大型企业竞争，只能从价格和效率上入手。

工业互联网无疑是中国制造业发展的趋势之一，虽然距离标准的统一和大规模的普及还有一段距离，但像展湾这样的企业正通过研发和推广，不断推动人工智能在工业的落地和应用。

推荐阅读

亿欧带你看工博：赋能产业新发展，在奔跑中寻求场景落地

工业数字化转型正当时，中小制造业企业如何“趁势上车”？

编辑：余欣婷

版权声明

本文来源亿欧，经亿欧授权发布，版权归原作者所有。转载或内容合作请点击 转载说明 ，违规转载法律必究。