這背后是海量數據藍海。根據IDC預測，2025年全球物聯網連接數將增長至270億個，物聯網設備數量將達到1000億臺，全球數據總量預計2025年將達到163個ZB，而未來超過70%的數據和應用將在邊緣產生和處理。正因如此，幾乎所有數據中心的廠商都紛紛入場邊緣計算，唯恐錯過下一場數據盛宴。
伴隨5G與AI持續釋放的效應，智能邊緣計算在快速崛起，也將迎來大量應用場景。那么，智能邊緣計算當前面臨哪些機遇？對芯片設計帶來哪些影響？英特爾作為數據中心和PC端的老牌優勢玩家，又將如何推動智能邊緣的發展？
在2020中關村論壇上，英特爾中國舉辦了“未來智能邊緣計算論壇”，期間，<與非網>就這些問題采訪了英特爾中國研究院院長宋繼強。
邊緣計算是萬物智能實現的關鍵
邊緣計算其實是1990年創立的概念，來源于數據內容傳輸網絡，用來服務網頁和視頻內容，當時是從端側服務器所產生的服務，可以更加靠近用戶。
而今天，在云、邊、端融合的大趨勢中，“邊緣計算是萬物智能實現的關鍵”，宋繼強談到，“而邊緣計算的機會又與數據的變化密不可分，主要包括數據的量變與質變。”
英特爾中國研究院院長 宋繼強
過去幾代IT產業不斷給萬物云化、智能化帶來新的推動力，現在已經到了一個把萬物都智能化的關鍵階段。這意味著這些物品都要具備感知、處理、通訊能力和存儲能力，計算需求龐大了許多，數據量大約以25%的年復合增長率在上升。
而“質”的方面也有巨大變化。以過去三十年的變遷來看，最早期是人產生數據（比如廣播、電視媒體等），到現在大量的用戶都在產生數據，還有機器產生的數據，以及元數據（描述數據的數據），因為AI大量應用，用來描述AI模型的參數，這些數據必須要靠近處理數據的地方。這些都導致了數據類型越來越多元化，遠非傳統CPU或GPU就可以處理的。
相對于數據指數級的量變和多元化的質變，核心網帶寬和云處理的能力難以匹配，因此需要在邊緣對大量來自于新型終端設備的數據進行預處理和消化過濾，也正是如此，宋繼強強調了邊緣計算的重要性，“它是未來能否真正支持萬物智能化的關鍵點”。
邊緣計算的好處是延時低、傳輸距離短、可以定制更大的帶寬、敏感數據無需離開本來的場所，除此之外，宋繼強談到，“邊緣意味著數據有聚集性，相關數據一起處理，可以構造更好的互聯技術。有關智能邊緣價值的市場預期非常好，未來幾年會翻倍，達到650億美元以上的大市場。”
未來智能邊緣計算：
多設備合作+在線學習能力
如何理解智能邊緣在解決當前挑戰時所發揮出來的價值？宋繼強表示，云邊端融合是大趨勢，可以把終端設備、邊緣和云，虛擬成大的計算設備看待，而邊緣計算就相當于把真實世界和虛擬世界連通起來。真實世界有很多數據，比如工業制造、駕駛、機器人等，有很多傳感器，數據可以通過邊緣計算捕捉到計算系統中，形成數字系統中的映射，更好地進行處理和觀察。同樣，也可以把知識儲存下來，在多個不同領域和區域分享。
未來，虛擬世界會有更多讓計算發揮空間的地方。當智能系統都具備感知、決策和行動的能力，就實現了自主智能系統。這對計算也帶來了更高的要求，主要包括并行計算、串行計算、實時計算等，未來的計算系統，既需要多個設備之間的合作，也需要在線學習的能力。
車路協同、機器人是當前非常典型的兩個智能邊緣的應用場景。宋繼強以機器人為例介紹，英特爾中國研究院當前在該領域主要有兩大方向：一是把邊緣計算引入智能機器人的場景中，提高機器人的學習能力；二是提高多機器人之間的協同工作能力。攻克了這兩大挑戰，能夠更好地將機器人用在商用場景、醫院場景，以及工業物流和倉儲等場景。
因為在機器人的學習能力方面，它如果要具備長期的、并且可以逐步提高的服務能力，就需要從場景中逐漸學習、構造對場景的理解。在此基礎上，要進一步分析場景中的相互關聯，形成機器人自己的記憶，才能進行后續的能力提升。但是，本身靠機器人自己完成的話，對硬件的要求太高，這就需要用到邊緣計算，一方面將不需要即時響應的計算卸到邊緣計算上，另一方面也可以利用邊緣計算進行存儲。通俗地說，智能邊緣就相當于讓機器人這類小型前端設備，能夠具備更大的存儲和計算容量。
在協同工作方面，由于每個機器人都是一個物理的個體，它所觀察到的都還是局部空間，要實現一個更加完整的、應用級別的規劃時，通常需要全局的調度能力，這時邊緣計算就是很好的方式，它實時性好，能夠高速調度機器人之間的互相協作，能夠在機器人具備局部自主能力的同時，又克服了它是一個物理實體的局限性。
據了解，英特爾中國目前已經開始構建場景中的知識圖譜，相當于為機器人構建記憶，支持它逐漸學習，甚至進行任務規劃。
超異構計算成為關鍵驅動力
來自端側的應用需求千差萬別，大量的數據和處理需求，有的要實時，有的要稀疏，有的要并行，有的需要矩陣。有這么多種不同的計算同時發生，而且要形成一個閉環，滿足一定的實時性要求；這么多架構要同時存在，并且要無縫融合，帶寬、體積和成本都要盡量優化。
因此也可以說，一個架構“包打天下”的時代已經過去了。“架構創新的輝煌十年，超異構計算將成為關鍵的創新驅動力”，宋繼強表示。也正是如此，英特爾強調其XPU架構的價值，這個“X”指的是至少會包含CPU、GPU、專用加速器以及FPGA的混合架構，至于選擇哪種架構，則是與應用強相關的。
不過，要真正獲得硬件異構之后的超級性能提升，沒有好的軟件是不行的，宋繼強認為，英特爾的oneAPI實際是在為業界搬一塊大石頭。
這樣說的依據何在？他表示，不同架構上的編程人員分布非常不均勻，CPU最多，GPU也不少，但能在FPGA上編程的人，一下就少了很多，到ASIC就更有針對性了。未來架構中常常會有異構的情況，卻沒有辦法讓一個程序員學會所有東西。
oneAPI就是英特爾搭建軟件生態的一個實踐。作為跨XPU架構統一編程模型，oneAPI包含工具鏈、性能庫、編譯器、調試、編程、程序移植等，可以幫助開發人員有效減少跨架構程序開發時間和成本。
“架構和軟件是要搭配的，架構要體現出不同的架構都能玩得轉，同時做出來的硬件還要能讓別人用軟件快速使用。如果新的架構出來，沒有一個很好的軟件能夠把它生態化，那就還是起不來”，宋繼強強調。
智能邊緣需要更多元、靈活的設計策略
圖源 | 網絡
今天的數據復雜度和產品設計周期都與以往大有不同，英特爾最新提出的“分解設計”策略尤為適用。特別是在邊緣側，能夠應對未來異構計算的大趨勢。
宋繼強表示，英特爾其實一直有分解設計的嘗試，這次將它專門作為一個策略提出，意在強調通過多節點的產品或IP，能夠快速完成產品構造，滿足當前的應用需求。這是一種“化整為零”的設計思路，例如把原來的整個SoC芯片由大變小，先做成幾個大的部分，比如CPU、GPU、I/O，再將SoC的細粒度進一步提升，將以前按照功能性組合的思路，轉變為按照晶片IP進行組合。
假如客戶在超薄PC中需要結合高性能計算部件、超低功耗計算部件、以及Wi-Fi 6這樣的通信部件等，如果這些整合都要在10nm節點上重新設計一款芯片，時間周期比較長。如何快速達到客戶需求？就可以通過“分解設計”的方法來實現。例如用10nm計算芯片的內核配合14nm超低功耗的芯片，再組合其他外設或加速器芯片，通過Intel的2.5D或3D封裝技術組合在一個封裝中，同時保證它們之間的帶寬足夠高，就像在一個芯片中工作一樣。這樣就既能夠滿足產品性能、功耗、尺寸要求，同時大幅縮短產品設計時間。
相比于以往的芯片整體設計思路，分解設計的好處在于，不僅能夠提升設計效率、降低產品化時間，并且能夠減少復雜設計帶來的bug數量。“原來一定要放到一個晶片上的方案，現在可以轉換成多晶片來做。不僅可以利用Intel的多節點制程工藝，也可以利用合作伙伴的工藝。給客戶更多選項，在每個選項下進行最優組合，而不僅局限于單一節點”，宋繼強指出。
而不僅如此，隨著工藝制程的演進，新工藝節點對設計、驗證的要求越來越高，并且耗時更長，研發代價也更大。分解設計策略能夠帶來更大的靈活性，甚至，在英特爾提供給客戶的芯片中，不排除有其他合作伙伴小Die的可能。可以看出，“分解設計”策略是英特爾戰略上的一大改變，體現出了極大的靈活度和包容性。
邊緣計算直接面向很多應用場景，場景的極度碎片化也催生了邊緣計算的多樣性和豐富內涵。在這個百億級大市場爆發的前夜，英特爾有了一個不錯的開頭，面向眾多垂直場景，生態合作伙伴的賦能、自我的顛覆和重建、云邊端融合的優勢，都在幫助它找到并抓住智能邊緣的重大機遇。正如英特爾最新版的logo，比上一版最顯著的區別就是少了最外面的一個“圈”，這讓我忍不住調侃——站在智能時代的拐點，英特爾開啟破“圈”之旅。