2019-02-22 11:30

　　张华良：谢谢各位来宾，我是中国科学院沈阳自动化研究所的张华良，下面代表边缘计算联盟为大家介绍一下边缘计算参考架构3.0、边缘计算产生的背景以及需求、边缘计算价值与概念、边缘计算参考以及ECC产业实现的简单的Demo。

　　张总提到企业数字化的转型或者我们社会的数字化转型，这确实是我们边缘计算产业联盟以此作为一个边缘计算产生的宏观大背景，各个方向上，实际上都在产生大量的数据，工业现场以及社会生活中，另外在做数字孪生、深度强化学习做一些训练，大量的过程中产生大量的数字，这种数字化通过网络化，通过连接，最终做智能化的分析，产生各种各样的创造经济和社会的价值。

　　实现的过程中，实现了4个转变：

　　（1）把物理世界和数字世界联系起来，实现一个协作的融合。

　　（2）运营决策也从没有数字化的方式变为的基于数字化模型化的科学流程。

　　（3）这种流程也实现了基于数字化的全流程协作。昨天还在所里面和吉利研究院人交流，他说实现数字化难度很大，一个焊接过程在不同维度实际上有不同数据化的表达，比如说CED环节是位置，在工艺环境要求这个焊接电流以及时间，在物流管理环节可能是焊丝的材料以及成分，再生产外部环境可能跟这个焊接设备一系列环节串联起来的，这种数据和工艺的结合之后，需要全流程的协同。另外，通过这种转变也要实现行业的单边创新到这个行业生态多边创新，现在由于这个数字化引出了各个方向的专业化，单一的一个企业不可能在所有的方向上都实现以自己为主的工作，需要有一些生态，这些事情怎么样实现？实现四个转变需要连接数据模型，实现四个转变也存在着多方面的挑战，物理世界和云端世界的连接，目前存在着时延、带宽、安全、可靠性方面的问题，边缘计算就应运而生。物端要实现自主化，通过数字孪生的方式实现物端、云端、物物之间的协同，物和本地系统的协同，实现广泛的协同，最终实现物的自主化和协作化。边缘计算也就在这个背景之下产生的分布式开放式的平台，在网络的边缘侧靠近数据源，不管是实际物理数据源还是通过仿真的过程形成的数据源，提供这种网络计算存储服务满足转型在连接实时智能方面的诉求，要有一个边缘计算的系统。也有人说一听到什么边缘就不太好，是不是说成前沿好点，也有这样的探讨，我们觉得现在云计算大行其道，这个网络的边缘大家还是比较容易理解的。

　　边缘计算通过水平解藕以及纵向集成协作实现IT和OT的结合。现在很多物联网行业都有很多数据，在IT领域现在又通过云计算以及操作系统的实现，很大程度上已经解决了诉求的问题，实现了很多程度水平解藕，提供共性平台的支持，OT领域这些方面还是比较弱，所以我们边缘计算目的也主要在OT领域实现解决数据问题，解决碎片化问题，实现一个集成的创新，最终实现IT和OT的融合。

　　边缘计算参考架构，就是为了实现边缘计算的目标和愿景，先从这个参考架构层面进行一定的设计，因为参考架构现在来讲还是比较重要，工业4.0是大家比较熟悉的参考架构，对于推进这个相关技术总体设计以及落地都有非常重要的意义。现在边缘计算参考架构主要体现了两个方面，一个是模型驱动的参考架构，另外一个是体现了技术迁移和创新！

　　边缘计算参考架构主要分为几个维度，纵向集成的维度，包括现场设备边缘层、云层，在顶层有一个模型驱动统一服务框架综合流程，在侧面实际上是多方面的管理，管理层各种服务，包括了管理服务、数据生命周期的服务还有安全服务，整个参考架构的呈现我们采用了基于ISO、IEC42010，是系统以及软件架构描述，这个架构定义了如果想创建和维护一个系统架构的话应该采用什么样的方法论来进行，实际上主要规定了四种：从顶到下，从最顶层实现分为商业视图、使用视图、功能视图以及部署视图，下面逐层看看，各个视角之下，各个视图之下边缘计算参考架构是一个什么样的历程，商业视图主要描述了从商业场景、商业实现角度上来看，各个参与方都有什么场景，从场景中提炼出价值，从价值出又明确出来了目标，这样的话我们可以从这个企业决策者，从系统工程师、产品经理不同利益相关方定义这样一个商业视图，这是比较宏观的顶层边缘计算的视角。

　　使用视图是各种角色如何使用边缘计算参考价值，这里面可以通过定义角色，不同角色有不同的权限，可以跟边缘计算系统到底是一个什么样的具体关联，每一个角色，包括执行系统功能的过程中有什么样的流程，什么样的场景要素，场景之间的关联是什么样，如何推进业务，最终并且如何落实功能模块上这是一个使用视图。使用视图从使用者的角度来看的，在使用之前更多还是设计到功能，功能视图实际上是边缘计算参考架构一个核心视角，我们可以在纵向上提出几个资源，基础资源层，边缘计算管理层以及边缘服务层，后面逐层看一下这样一个边缘计算的架构。

　　基础资源层，包含网络计算存储虚拟化各种能力，对这个能力进行描述以及定义，进而细化这个边缘计算系统的功能。更顶层就是功能领域，包含的控制分析优化，比如说现在做一个边缘计算机器人控制系统，它可能包含了各种各样的控制功能，包括感知、执行、进一步的实体抽象，顶层强化学习建模等等一些过程，还包含了它的分析功能，还有它的优化功能，可以进行具体的优化。在顶层是边缘的管理，可以基于模型、基于业务编排，基于模型编排的好处是可以和底层进行抽象以及分割，基于模型编排将来可以实现，比如说制造智能领域可以实现基于模型软件定义模型的重组。还有直接资源调用的管理功能，还有这个边缘服务侧面包含了数据全生命周期服务如何定义数据，定义这个数据生命周期，在各个生命周期中如何从异构各个层面抽出面向功能层面的功能，另外包括这种管理功能，面向终端的服务，面向功能设计方面的具体管理功能。边缘安全服务，无安全不能使用。一个机器人就算笨一点，但是如果不安全，不管是信息安全还是功能安全都影响了核心使用。

　　部署试图跟物理形态、物理功能更接近了，包括现场层、边缘层、云计算层这样一些具体的物理形态，这是一个边缘计算的部署方面，这个具体切入可能还要从这个部署环节上切入。边缘计算的产业发展实现。这方面我们正在做一个中德技术合作项目，比如说面向大规模AGV实时调度与规划，我们如何通过这个截然分开的调度和机器人的控制能够通过这个边缘节点引入，实现一个混合的决策与控制，进一步的提升，通过边缘计算的方式，提升AGV混合调度中的效率，这些方面有一些初创公司也在做大量的工作。

　　这些方面有具体的实现，实际上把一定的模型以及计算控制功能、计算仿真功能抽取到这个基于功能块分布式节点中，通过边缘结算实时分析以及调度实现了最终的高效率的AGV的协同控制。

　　谢谢各位。