“2020年海峡两岸经贸论坛”由海峡两岸经贸交流协会、厦门市商务局(会展局)、厦门市工业和信息化局共同指导,由厦门市智能制造产业协会、厦门国贸会展集团有限公司共同承办。论坛将围绕“新基建·新智能,赋能新时代智造”为主题,围绕工业人工智能、工业互联网、云技术展开主题演讲,邀请了两岸相关产业学术专家、政府机构、优秀企业、行业协会代表参加会议共同探讨。

以下为IBM混合云资深技术顾问俞黎敏先生在本次论坛上的精彩演讲,由云现场整理。

 

   大家好,我是俞黎敏,来自IBM。现在我跟大家探讨一下,我们在工业物联网时代的时候,IBM能够提供哪些对应的平台和技术给大家,同时也希望从各位在制造业各方面,能够有更多的一些探讨性的内容出来,为我们本身的提供平台的厂家一起来探讨,怎么样把这个工业物联网做得更好。

   主要讲三个部分,第一个部分讲IBM和RedHat合作,助力工业4.0的发展。第二部分,工业制造企业应用上云之路。IBM提供的是什么样的技术能力,让他能够快速方便的上到云平台上面来。第三个部分讲一下边缘计算,就涉及到各个方面的制造业,或者是我们日常使用到的一些相关的设备,比如说物联网的相关设备,或者是传感器上的设备,在各个层面,在制造业上怎么去用它。通过它的数据收集,平台后端怎么样对它模型更改,或者是对一个新的训练完之后,模型下发到传感器上面来了,进行一个生命周期迭代的一个过程。

   大家都应该知道阿波罗登月计划,这个计划当初IBM提供了很多的技术支持。这张图片,IBM实验人员在实验控制中心里面,在很早之前,IBM会跟很多制造相关的,去提供后台的技术支持,这个技术支持实际上是一个长期互动的过程。就是说我可能本身没有对应这个行业上面的制造能力,或者是相关的一些发明能力,但是我提供这些软件、算法,计算相关的,来协助你把另外一个行业的技术实现起来,完成一个比较惊天的成绩。这是对于航天事业上的发展,IBM在早期有一个非常好的贡献。

   IBM本身是一个不断发展的过程,在发展过程当中,现在工业、信息化不断发展,IBM原本可以制造服务器,制造我们最早的大家比较清楚的IBM笔记本电脑,PC服务器这种,现在慢慢步入新的时代以后,IBM会从大型服务器,大型服务的后台,从认知等各个方面怎么样去实现?所以这个脚步是不会停止下来的,现在会走到人工智能,走到互联网相关的时代。

   对于IBM本身来讲,是一家什么样的公司?实际上很多在谈到IBM的时候,有时候说IBM不是被收购了吗?很多人会有这样的一个理解。IBM是把PC服务器给联想收购了,是把这一块给联想了。在IBM本身比较大的一个地方,每年的这种专利的贡献,会有很多实验室的人员,每年都大量研究,研究完了之后再去做一些实践,所以提交的专著论文相当多的。对于IBM本身落地到中国来讲,在97年就在福建设立了一个分公司来服务我们海峡两岸技术人员的支持。

   对IBM本身来讲,从11年成立到现在,走过的一个过程,和中国本身发展的过程是比较贴合的。刚开始是为中国制造,比如说原来的电脑,服务器服务,会慢慢落到中国,在北京设立办公室,更重要是后面去设立了研究院,大量的中国人才在IBM研究院里面做大量的产品开发,普及到全世界,把这个产品对外提供服务。对中国本身研发人员,有很多高校的研究人才,我经常和实验室人接触的时候,会看到中国实验室本身会提交很多专利的一个过程。所以在中国,我们有很多的研发人才做对应的研发。

   在2011年的时候,是一个一百年企业,能不能在新的时代有一个更好的发展,本身来讲是一个很大的挑战。在中国同创的过程中,我们有很多的服务或者是设备提供给不同的厂家或者是企业来使用,实际上对根源落地到本土,就是IBM本身跟中国本土的企业,比如说我们IBM和浪潮合资做一个服务器,落地到本土。还有我们可以做医疗相关的一些健康,包括早上谈的比较多的人脑相关的。IBM在医疗这一块,投入了很大的资源去做相关的研究,把这个研究成果辅助医院去做对应的诊疗过程。

   息息相关的就是零售业相关的,在做食品安全溯源方面,IBM和京东、清华大学实验室,沃尔玛相关的,零售的企业联合去,通过区块链技术去做食品安全溯源系统。IBM在区块链本身上面就贡献出来了区块链开发的平台搭建,在本身区块链的研究上面投入了大量的精力。所以无论是从前身的一个发展,到今后慢慢落地到本土去结合起来企业的一个发展,IBM是一直不断挑战自己,不断将自己的能力慢慢发挥起来。

   在不断地发展过程当中,IBM现在专注的一个点,就是专注在人工智能认知方面有大量的云平台。其实“云”的概念是IBM最早提出来的。在前几天我刚好去翻我的一些资料,翻我的资料我看到说,我当初进IBM的时候,有一个培训的表,我看到里面有一条“云战略”,那时候是在2008年。2008年大家去谈云就会说,为什么这个时候谈“云”?不会说云今后发展这么好、这么迅速的阶段。IBM提出来的很多战略,会有一些超前的点,这些点,随着计算机的本身发展,随着信息化的建设,随着人才的培养深化,提出来的概念会不断超前的点。

   对于IBM很大的一块,就是做行业上面的一个咨询,比如说制造业、零售业,或者是银行相关的,或者是大量的去做咨询行业。对于IBM本身来讲,从认知人工智能,不断推进自己的发展。

   在IBM重金收购RedHat这一个事件上面是为了补充一个比较大的点,随着开源技术的不断发展,包括IBM本身也是开源技术的一个本身贡献者,这里面如果说是做开发的,可以知道说最早IBM贡献出来一个编码的工具,这当时是一个很大的事件,在开源史上是比较大的贡献。IBM会把自己很多的问题贡献出来,同时也会从开源社区好的东西吸取回来,形成了一个循环。从eclipse到openliberty,到eclipse,等等项目不计其数。

   RedHat的话,是提供服务给你,通过提供服务的过程,达到商业的过程。通过开放源代码给你,通过技术支撑的服务过程,把你作为我的一个长期合作伙伴。IBM联手RedHat,更多情况下会专注在边缘计算和5G,怎么把对应的两个部分的技术结合起来,来为我们客户服务。

   在工业互联网的时代,从刚开始做大量的数据,可能就收集回来,记录下来,慢慢的分析做分类,随着信息化的发展,对应的时间和内容,肯定会做更多,能不能做预测,能不能做更多的洞察,能不能很快地通过人工智能的学习,可以自动适应现在检测到哪些数据存在异常,对应做哪些动作。在类似于应急处理里面的一个东西的自适应关系,或者是类似于编程代表的时候,什么条件做什么样的动作,可以12345,12345对应的做什么东西。还有其他情况是什么?未知的情况,怎么样通过收集大量的数据完之后,做对应的学习动作,来去实现对应的内容。

   在实施过程当中,传统企业的决策方式,通过人与流程实现事后决策。随着我们做了很多的积累,我们可能就做数字化的一个改进。我现在有很多对应的东西,我能不能做很实时的一些决策,或者是我这个实时决策,是人工智能的学习,经过大量的数据,可以预先去判断趋势,是这样的一个过程。这样一个过程是我们信息化过程当中,利用数据不断提升,能给我们带来的好处。原来可能要迭代很多的时间,现在有很多的数据,有很多的预先动作做好了,可以提供给你去做决策。这些都是一个辅助性,或者是快速的响应我们的需求。

   在物联网时代,我们会有这样一个过程,现在很多开发的应用,比如说今天要上一套应用,基于这个物联网,基于功能本身的系统架构去慢慢搭。这时候会想,我们现在的支持方案,是从公有云到私有云的过程,是基于服务方式来去做我应用的本身开发,并不是说做每一个系统就要购买这个服务器,而是在云上需要到对应的数据库就拿过来,或者是我需要IOT介入的一些服务,就把它接进来。在IT建设本身过程中的一个转变,慢慢从功能型转到服务型的概念。这个当中,是混合时期,我可能既有功能型的部分,也有应用型的部分。更多的是利用云架构的东西,利用云架构带来的东西,利用云本身高弹性,快速实现高并发。更多的情况下,利用这个底层,把你所有对应的能力利用起来,更多关注在应用本身上面,所以利用这个云平台,上面构建这个运用,把运用作为一个标准化,对应到你的客户上面。

   通过平台,通过你的业务系统不断做演进,或者是利用现在的敏捷开发系统,把你的系统做得更好,适用大量用户请求高并发的情况。我们的用户量一大,会想到说我这个系统能不能满足这么大的学习?如果这个系统仅仅是在自己的内部系统来使用,比如说慢一个几秒没有什么感觉,但是这个系统是面对很大的互联网用户的时候,这时候人家点开一个系统,可能没有一个耐心等待一个系统,这是比较忌讳的一个点。

   在系统演变过程当中,IBM能做哪些东西?能做的就是帮你从云开始规划,包括构建云平台,包括现有的系统去做迁移到云平台上面,包括后面的管理到治理和优化的过程。当你在哪一个阶段,IBM帮你去切入,帮你把企业上到云上面来。

   这个层面,我们很多是原生云的开发,要做系统,然后做测试,然后做部署,这是原生云的开发。在系统开发的时候,会看到自己的平台上面,不断去运行,会收集很多的数据反馈出来,实际上你开发,跟着运维集成,更多情况下面中间会收集出来很多行业的服务。

   刚刚讲的是重新创造一个云的应用程序。现在有很多的系统,可能要上到云平台上去,IBM提供什么样对应的能力给你?会帮你评估你现有的系统,做一个云的迁移,这个情况下无论是说云本身的应用,会给出相应的建议,这都是IBM提供对应的工具,或者是说提供了企业级的一个云平台,让你在上面完整地去运行这个云平台。

   同时还会有一个对应的研发工具,研发工具会涉及到研发方面,在运行的时候,收集了很多的数据,通过数据的一个收集,收集完成之后,后端是加了机器学习的一个能力。通过机器学习的能力,帮你把这应用拆解成服务的一个架构。本来是单体的应用,通过单体转微服务工具之后,会帮你梳理出来,哪几个模块要做对应的微服务,在逻辑云平台上面去运行。所以后台会通过机器学习,不断的改善这一个微服务的建议架构。最后系统在做拆解的时候,还是运维人员去做这个拆解。

   在边缘计算,在制造业里面,我们的一些应用场景是什么样的?包括我们现在碰到了哪些问题?我们IBM团队会怎么样进行解决?在边缘计算里面,有大量的设备,实际上IBM在2015、2016年的时候的自行车比赛,从成都到拉萨这个过程中,厦门有一个爬坡的自行车比赛,我也去参加了,因为我对自行车比较爱好,所以我参加了。你在骑行的时候,你的所有的数据,实际上这个距离或者是爬坡,对运动员本身来说,收集的数据有60多项,比如你的海拔,你的坡度,你的心跳,你的速度等等,当你在成都到拉萨的过程当中,如果碰到一个运动员速度为0,心跳在180以上,这个时候是有问题的。当你碰到这个情况的时候,你需要做什么动作,这时候是通知最近,接近他的一个救护车赶到他的那个点。所有运动员过程当中,都会有记录的,这个时候就可以把对应的数据反馈给指挥中心。当你有大量运动员的时候,就会涉及到这个。

   工业4.0,边缘计算面临新挑战。目前有150亿台设备,到2022年,设备预计将增长至550亿台。第二设备差异,数十亿台设备导致设备类型、大小和协议等等都个有不同。第三设备端数据,无数设备导致您需要自动控制重要数据。第四数据处理,边缘设备使得企业需要能智能响应数据的解决方案。

   对于制造业来讲,制造业里面,涉及到的自行车的一个制造厂,自行车的制造有很多的不同步骤,要压制车架,做轮子,这个车做好了,还要传输等等。这样的一个步骤,如果是一个高度的集中化的过程,就要每一个工作都是完整的,不能出问题。但是谁也不能保证说每一个步骤不能出问题,都是好的,这时候很多传感器的设备,很多信息可以收集的话,可以在后台预测说有可能哪个传输带皮带要更新了,要不然下一个皮带可能会断掉了,因为已经上亿次了,这时候可以预测哪里会发生问题,把问题提前解决掉,就减少损失。这是和我们制造业企业是息息相关的。

   如果是说对于一个C端,比如说有一些AR设备,虚拟现实设备,这个更重要的是说,你这些数据,或者是传输的时间,能不能达到最快?如果中间有延迟什么的,体验感就会比较差。这个时候,能不能做这些的运维内容的支持?

   很多情况下我们在制造业也好,或者是在平时应用行业也好,都会涉及到很多边缘计算的东西,包括它的传感器,或者是我要收集对应的内容,或者是生产装备的生产线上。

   怎么样去界定边缘计算会在哪一个层面?更多情况下,我到底装了哪些设备,很多设备在我的生产流水线上面,或者是在我的某一些运动设备商,有很多的关系。在生产流水线上面,可以更多的关注传感器的一个过程。在不同的传感器也好,摄像头也好,拍视频的设备也好,对应的都会最接近我们要监控的设备端,这个设备端更多情况下负责收集数据,收集数据的过程,随着硬件设备的提升,收集的设备很多就慢慢把自己的计算能力提升了,里面可以运行更多的一些程序,或者是更多的一些模型。这个模型跑出来之后,这些都是边缘云端。原来有很多的设备只能说就通过协议传回来很小的数据,但是现在中间模块很多,数据会变得很大,要看你的后端处理能力能达到多少。边缘端有很多的数据处理和数据收集,或者是预收集或者是预处理,传到更后端去,后端去建立数据中心,或者是在数据中心会调到公有云或者是其他第三方的服务,再传达回来。

   它的一个过程,可以看到,对于整个管理中心来讲,我们可以安装我的这个应用,发布我的应用,包括做一个安装、部署、管理。对应的边缘计算的点,是获取这个服务,相当于订阅一个APP服务一样,APP服务在运行的时候我去拉一下,或者是更新的时候去拉一下对应的APP下来,是这样的一个过程。我在做很多的设计,我设计就把服务发布到管理平台上面来,很多传感器边缘计算的节点,从中心上去拿这个对应的内容。

   下面演示一下大概的过程,场景是这样子,左边是工厂,右边是数据中心,中间有边缘计算的服务器。这个时候我工厂里面有质检人员,这个时候在服务端是有发布很多对应的应用,或者是对应的和程序相关的。这个时候,可能底下订阅了这个服务,或者是对应的某一个工厂或者是某一个生产线对应了符合我的这个业务。这个时候就会把模型,相关的内容拉取到边缘服务器端,这个之后,会说对应的东西有了,有了就可以下发到我真正的一个生产线上来,比如说我的边缘计算相关的设备商来。下发完之后,前端的边缘计算的设备可以通过现有的模型收集数据也好,或者是收集数据根据边缘计算做一个预测。这样把边缘计算那一端做了一个预先的处理,如果发现有问题之类,可以进行一个预报。这个是一个整个在边缘计算的一个过程里面,平台提供了哪些能力?平台对应会根据对应发布的一个模型,发布给边缘计算去使用。

   这个过程当中,IBM要通过不同的平台来实现这一点,IBM本身来讲,是最底层有一个基础云架构平台,在这之上提供所有的安全相关、存储相关的一些内容,再之上做AI相关的部署内容,再这之上,就是各个行业根据不同的底下相关的人工处理,或者是云平台服务,来开发更多行业相关的云平台服务。

   IBM提供很多公有云本身的能力包括私有云上面的能力,是全方位的一个能力,包括自动化的管理,包括机器人的管理,包括AI的分析管理,都是通过平台上面来提供这样的一个能力。

   另外一个能力,刚刚可以看到,IBM说到红帽,在红帽大件云平台,有了这样的服务,来完成我所有的要开发应用所需要的基础能力给你,说我自己要去构造一个什么样的程序,或者是边缘计算相关的能力在这个平台上面进行呈现。

   对于这样的一个场景来讲,这里平台本身有大量的应用,在这个平台上面,无论你是在私有区域中心还是公有区域中心,更多是在数据采集完之后,后续要分发的一个过程,这样的一个过程要完善你本身这个制度流水线、生产线对应的AI过程,或者是模型创建的过程,或者是预防一些可能发生故障的问题。

   对于提供的边缘计算带来的价值,IBM通过自主性,本身在云计算或者是边缘计算能力,这个工作上怎么样进行从头到尾全生命周期的一个管理,需要一个完整的过程,包括开发完之后,入驻到这个平台。这个过程当中,我要保证你的安全性,你的模型会不会出现问题,被攻击等等。IBM在安全层面上做了很大的努力,对于企业来讲,或者是开发很多的产品上面来讲,安全性上面做了很多额外的工作,来保证系统本身的安全。比如说中间件,很多是基于云平台层面,来保证企业级是安全的。

   所有边缘计算对应的内容,直接在云平台上面预先安装好的,很方便的,就相当于在一个平台上的插件一样,装上去就可以使用。边缘计算,IBM可以同在座的各位一起同行。边缘计算更多的点会使说我这个点怎么样更接近我的设备端,我把这个做到最前,后面就可以做很多数据预处理过程之后,可以做后面很多的动作。边缘计算,这个点是很关键的点。同时由这个点往前推进之后,就可以缩短时间,还有可以节省成本。所以如果把这边缘计算往前端移的话,可以节省很多的时间,后端进行分析的时候,有很多空余的空间。从整体来讲,通过边缘计算建立我的成本,整个人工智能相关的后端来运行,在中间时间的一个建立,很多去分析、见解的能力,也可以得到一个提升。

   通过这三个部分来讲一下IBM在边缘计算提供的能力,怎么样去做,包括对应的一些案例。后面有一些对应的资源链接内容,大家有兴趣可以扫一下进去看。

   我今天的内容就到这里,谢谢大家!