“芮勇：让智能边缘计算下沉到领域场景，更靠近数据产生的地方”

年10月28日，联想集团高级副总裁、首席技术官勒内博士在联想创新科技大会演讲中表示，随着人工智能和5g等新兴技术的飞速发展，智能化的应用场景越来越丰富，新的处理方案层出不穷。 由于这些新的处理场景和应用场景对实时计算能力的要求越来越高，使得计算和智能陷入领域场景，接近数据产生地点的智能边缘计算应运而生。

参加联想创新科技大会的朋友们，早上好。

我是芮。 很高兴在这里与大家分享联想最新的技术创新成果。 虽然已经是充满智能的新时代，但联想正在成为智能化变革的领导者和能力赋予者

刚才，原庆在演讲中提到了联想“端边云网智”的战术安排，指出联想已经积累了大量的“建材”和“模块”，致力于构建领域智能化的处理方案。

随着人工智能和5g等新兴技术的迅速发展，智能化的应用场景越来越丰富，新的处理方案层出不穷。 这些新的处理场景和应用场景对实时计算能力的要求越来越高，因此智能边缘计算应运而生。 因此，我今天要向大家报告的主题是智能边缘计算。 就是让ai“边缘”在你身上。 这里的“边缘”表示边缘计算，必须将计算和智能沉浸在区域场景中，接近数据产生的地方。

边缘计算不是“边缘”。 在领域智能化新诉求的吸引下，“边缘”越来越成为“主流”。 也是联想技战术布局的重要行业之一。 联想在边缘计算行业的领先地位有三个层面。 首先是边缘计算设备这个级别。 设备是联想以前流传下来的优势，产品布局非常丰富，所以无法展开讨论。

今天，我想向大家介绍联想智能边缘计算的技术基础——硬件设备上的两层。

首先，让我们看看边缘基础设施层。 如上所述，现在更多领域的APP需要更低的延迟、更灵活的部署、更高的适应性和更安全的数据隐私保护。 在这种情况下，以前流传下来的云基础架构可能无法满足诉求。 从云到边缘，需要更加扩展的增强基础架构。 联想开发了业界领先的边缘计算平台联想计算平台lecp (联想笔记本电脑平台)。 联想与联想的各种边缘设备深入融合，为边缘场景下的业务提供互联网和计算力的实时动态感知调度，可以统一自主运维管理。

当然，光靠边缘基础设施是不够的。 我们还需要顶层，即边缘智能层，以支持各行业的智能APP和诉求。 联想开发的边缘ai平台根据边缘设备和场景数据训练适合场景的ai模型，实现模在云-边-端之间的协调推理，更有效地发挥边缘侧的计算力，更广泛的场景感知

这两层中包含了很多重要的技术，但由于时间的关系，我们将在各个层中选择重要的技术进行介绍。

首先，让我们来看一下混合轻量级虚拟化引擎，它是边缘基础架构层的关键技术之一。

当云计算能力陷入领域场景时，往往会存在设施空之间、功耗等诸多限制因素，从而限制了基础资源(如计算存储)的规模。 这是因为需要在此基础上运行的边缘计算平台正在向轻量化方向迅速发展。 另一方面，边缘平台必须配备在原始云中的多个边缘智能APP。 这些APP中有些需要在容器上运行，有些需要在虚拟机上运行。 如何满足这些多样性虚拟化的诉求？ 以前传递的虚拟机和容器通常由两个独立的虚拟化堆栈单独实现。 但是，在这种虚拟机和容器两种情况下，虚拟化开销大，资源利用率低，同时无法混合组织和管理。 因此，联想在业界首次开发了混合轻量的虚拟化引擎，实现了虚拟机和容器在虚拟化引擎层的深度融合。 一个虚拟化执行程序可以虚拟化轻量级虚拟机和安全容器，从而大大减少了虚拟化的开销和启动时间。 效率和性能大幅提高。

让我们看看边缘智能层。 首先，联想开始了渐近模型优化技术。 云端模型由于追求精度，通常体积较大，如果在边侧运行，则必须根据可用资源修剪模型。 以深度学习的卷积神经互联网模型为例，该技术可以自适应地调整卷积层的裁剪比例，并根据场景逐步优化模型。 模型分发到边缘端后，我们的ai任务协同计算技术不是将云端视为分割的资源，而是将云端视为统一的资源池，通过感知资源池内的计算、存储和互联网的整体情况，来实现云端 另外，云端训练的模型无法预知边缘端特有的数据特征。 为此，我们使用终身学习技术更新了预载模型的参数，使模型更好地适合场景。

阐述了这些核心技术，接下来，我想通过商飞大型飞机制造的实例，具体介绍其在联想智能边缘计算领域的应用。

这里是商飞的飞机零部件涂装工厂。 飞机需要涂装的零部件达到数百种，在以前流传的自动涂装实践中，机械臂的示教和调试需要几个星期； 但是，如果使用人工涂装，质量取决于工人的操作方法，也不容易保证一致性。

这些棘手的问题将在联想智能边缘计算的帮助下解决。 联想生产的晨星机器人在强大的边缘计算力和智能的支持下，可以帮助工人通过机器人准确地执行远程喷涂工作。 现在请看演示。

首先，机器人在空之间扫描感知整个工厂，数据实时对边缘侧的虚拟机进行三维绘图和渲染，通过集装箱化的slam技术导航定位，然后放到指定的涂装台上 机器人的双目立体摄像机实时将操作台的工件和周边状况收集到边缘服务器。 然后，边缘服务器将3d视频流实时推送到ar眼镜上。 工人用ar眼镜和方向盘远程操作机器人同时执行涂装，手感和在现场完全一样。 这样操作一次自然后，该零件的涂装能力会残留在边缘侧，之后机器人可以对相同规格的零件进行自主涂装。 另外，机器人还可以通过计算机视觉进行涂装质量的自动检查。

让我们来看看刚才提到的几个关键技术是如何实现这个场景的。 飞机零部件的涂装既需要用于支持ar模型渲染的虚拟机，也需要用于支持机器人涂装、油漆检测等APP化的容器。 传统方法要求在多台计算机上运行不同的虚拟化堆栈，以便分别提供虚拟机和容器资源。 问题是，这两种方案增加了系统开销，APP之间的数据传输性能低，不能满足多个终端实时同时渲染的延迟指标。 怎么说呢，联想的混合轻量虚拟化引擎可以将这些APP安装在一台机器上，提供轻量虚拟机和安全容器，实现了两者的深度融合，比较有效地提高了系统资源的利用率

另外，涂装质量检查需要将深度学习互联网模型压缩配置在边缘一侧。 传统的做法通常采用固定裁剪比，边缘计算力不能完全利用。 联想创新的模型优化技术通过渐近搜索截断比，实现了模型精度和计算力资源的细粒度匹配，将多而复杂的模型优化配置在边缘，实现了更有效的质量检测。

此外，涂装质量检测不仅存在常见缺陷，还存在经常超出检测范围的新缺陷种类，无法通过云分发的培训模式进行应对。 因此，我们通过终身学习技术在边缘侧不断更新模型，使机器人学会解决新问题，扩展新的检测能力。

联想智能边缘计算技术的应用不仅仅是智能制造。 此外，还将为京东智慧园区、洛阳5g智慧门景区等提供低延迟、高可靠的智能服务。 我相信智能边缘计算将有力地推动新基础设施的快速发展，促进人工智能成为普适的资源，渗透到各行各业。 一个个智慧工厂、一个个智慧园区层出不穷，人类的生活和生产将更加智能、便利、高效。 智力，为了一切可能性！

这是我今天的复印件。 之后是精彩的新基础设施圆桌论坛。 谢谢你。