如果说，每隔一个时代就会有一次工业革命，在当前传统工业制造遭遇成本上升、利润太低这些企业发展中的“拦路虎”，迫切需要转型的境况下，第四次工业革命在新一代信息技术的催化下正在发生。而工业互联网作为第四次工业革命的重要基石，正在颠覆传统制造模式、生产组织方式和产业形态等。
作为一个国际级芯片厂商，英特尔如何将自己的影响力延伸到这一波工业互联网浪潮？
9月下旬，英特尔再推出两款面向工业互联网的芯片，一款为凌动®x6000E系列的产品，另一款为酷睿处理器Tiger Lake UP3（第三代）。
据了解，工业互联网和其它的应用场景相比，对计算、存储、通讯的实时性、功能安全等有不一样的要求。因此凌动处理器和最新的酷睿处理器，都提供了实时性功能，简称TCC（时序协调运算）和TSN（时间敏感网络）功能。这些功能可以帮助用户实现不同设备之间的时间同步和数据及时传输。
中国的工业在全球的产业链中起到至关重要的作用，同时也面临着巨大的产业升级和变革的需求。当前，英特尔包括本地团体和工业的全球团队，都在朝着工业互联网这个方向发力。近期，雷锋网就英特尔在工业互联网领域更多的布局，和他们进行了深度的交流。
英特尔的“三纵两横”
在英特尔的物联网战略中，可以用“三纵两横”来进行描述。
雷锋网了解到，所谓的“三纵”，第一个战略是针对不同物联网行业的需求，专门开发有计算能力的芯片等。比如近期推出的酷睿处理器以及凌动处理器，此外还提供人工智能加速芯片，包括去年推出的第二代Movidius人工智能加速芯片，以及未来的第三代Movidius人工智能加速芯片。
第二个战略是推动在边缘侧新的使用模式的创新。英特尔发现，随着软件定义作为物联网发展的重要趋势，越来越多的物联网功能是通过软件进行实现的，而这些功能并不是只跑在单一的硬件平台上，往往是若干个功能在同一个硬件平台上进行整合，他们称之为负载整合。因此，英特尔会推出支持这些负载整合的硬件和软件，比如Hypervisor这样的软件等。
第三个战略是视觉的应用。在当前，视觉应用已经变成了一个水平化的应用，从最早的智慧城市等这样的一些视觉应用，开始拓展到工业互联网以及零售等不同的垂直行业。在工业互联网里，他们认为机器视觉已经变成了非常重要的应用，他们会把英特尔一些跟人工智能视觉相关的硬件和软件解决方案分别面向不同的垂直行业。
对于“两横”，即两个水平方向的战略，英特尔物联网事业部中国区首席技术官兼首席工程师张宇博士表示：
“第一个水平方向的战略是我们通过提供更方便的软件工具来给用户提供无缝开发的体验。这些软件工具包括像我们之前已经推出的OpenVINO这样一些软件，来帮助开发者方便使用英特尔所提供的硬件计算资源，同时也包括一些软件的参考实现，包括刚推出的像EIS、ECS，以及刚发布的边缘软件中心，这些软件都可以帮助不同类型的开发者方便地使用英特尔的资源，以及方便找到英特尔相应的资源。”
“第二个水平方向的战略是生态构建。通过像MRS、RRK等这样的一些计划，来帮助我们的客户伙伴，把他的好的产品和解决方案，通过英特尔的渠道，更方便有效的介绍给整个行业，在行业里得到一个更加广泛、快速的应用，这是我们不遗余力在做的另外一个工作。”
雷锋网了解到，工业互联网作为英特尔重点布局的垂直行业，一方面他们通过战略布局去支持整个工业互联网的发展，另一方面，从工业互联网客户这边得到的很多需求，会体现在他们今后的硬件和软件的产品设计过程当中。同时，他们也以自身作为“试炼场”，亲自参与到工业互联网的建设中来。
工业互联网的“摩尔定律”
张宇博士曾表示：“我们认为工业互联网的发展将经历‘互联’、‘智能系统’、‘自主系统’三个阶段，我们把这三个阶段比喻成‘工业互联网领域的摩尔定律’。“
对此，他解释到：
“英特尔作为一家半导体公司，我们不仅设计芯片，同时也生产芯片，并在全球有芯片工厂。在这些芯片工厂中，我们已经开始运用很多的最新技术去实现生产自动化。这里我们所提到的‘互联’、‘智能系统’、‘自主系统’是我们基于生产过程当中的经验总结，一些我们看到的问题以及我们在用的一些问题的解决办法。”
雷锋网了解到，比如在大连工厂，这是英特尔在整个亚洲的一个比较先进的晶圆生产工厂，在生产过程当中，他们已经开始应用基于机器视觉的方式去做产品缺陷自动检测，通过这样的新技术来推动整个生产的智能化和自主性。
晶圆的生产是整个半导体生产的基础，整个生产流程包含几千步工序，英特尔已开始利用智能边缘技术，利用英特尔的处理器、OpenVINO等工具，以及专门的人工智能算法，去实时、准确地处理每一幅晶圆的图片，将检测的效率提升100倍。此外，他们还设计了一个基于半监督的自动标准的方法，大大提升了模型训练的精度和效率。
正是由于智能边缘的辅助，英特尔才能不断地提升生产效率，也是基于这些生产方面的不断的经验积累，他们提出了对整个工业互联网发展趋势的判断：是从互联到智能，从智能到自主。
边缘计算的碎片化现状
据了解，边缘计算的整个生态和云计算比起来，其碎片化程度非常高，比如计算架构和OS、工业协议数量、DevOps、业务场景等。
在工厂中，不同的工厂对最终问题解决的要求是不一样的。以机器视觉为例，纺织工厂的纺织品检测，往往是布匹上印的各种花纹；而到铝合金加工厂，它往往检测的是产品表面印的一些字符，所以检测内容差别是很大的。正是这些不同，造成了解决方案也会有些许的不同。
谈及这种碎片化现状要如何破解，以及英特尔的应对措施，张宇表示：
“我们要把用户的需求，如果说从解决方案的角度来看，我们可以把它分成一些共性的需求，还有一些是差异化的需求，跟一些具体垂直行业相关的特定需求。”
雷锋网了解到，共性的需求，比如不管用户是做什么样的机器视觉的处理，都有一个数据采集的过程，都是需要把采集到的图片以某种方式传递到一个计算平台，都要在这个计算平台上对接收到的数据做解码的处理。解码之后，都需要把这些数据通过一些内部总线的方式，来交互给其它的一些用户，这些都是一致的。
而个性化的地方，往往是具体做哪方面的算法处理，解决什么样的问题，这是不一样的。为了解决这种碎片化，英特尔提供了很多的软件参考实现，这些参考实现就像现在的边缘洞见软件。在这些参考实现当中，它把一些共性的问题已经给了实现方案，在边缘洞见软件中解决了数据的采集、存储、分析、内部交互，甚至还提供了OpenVINO这样的软件工具来帮助开发者。
如果说它的人工智能网络模型设计好了之后，可以快速调用英特尔所提供的各种人工智能加速的硬件资源，来快速实现他的算法。
而具体的算法部分，也就是一些碎片化最明显的部分，实际上英特尔是交给最终的开发者，他们可以根据不同垂直行业的要求，去开发不同的算法，设计不同的网络模型，训练这样的网络模型。
在训练完了之后，可以利用OpenVINO这样的一些工具，把这些模型快速下载到相应的英特尔平台上来进行执行，也可以调用英特尔所提供的边缘洞见软件去实现数据的收集、存储等这样的一些基础性的功能。
因此，英特尔解决这种碎片化问题，是通过他们的硬件和软件去解决一些共性的问题，然后把一些个性化、碎片化的问题交给相应的软件合作伙伴让他们进行解决。雷锋网雷锋网
,
