引言/導讀

(一) 本測試床提出背景和存在的難題、挑戰(zhàn)

云端訓練模型，下發(fā)到邊緣端推理：直接將云端算法遷移到邊緣設(shè)備上執(zhí)行，對邊緣設(shè)備的算力、功耗和散熱要求高；云端和邊端缺乏模型持續(xù)優(yōu)化更新協(xié)同框架，只能進行簡單的協(xié)同，無法保證模型長期準確率。

大規(guī)模數(shù)據(jù)需要上傳至云端：增大企業(yè)定制網(wǎng)運行負荷和網(wǎng)絡(luò)占用；企業(yè)大量數(shù)據(jù)有數(shù)據(jù)加密需求，不能直接上傳至云端，導致多用戶同一模型以及模型持續(xù)優(yōu)化問題。

業(yè)務(wù)場景多樣化，未形成標準的協(xié)同推理解決方案：工廠智能生產(chǎn)的業(yè)務(wù)碎片化，對軟硬件的需求各不相同，目前各大軟硬件廠商（如各大AI算法廠商和算力芯片廠商）未形成標準的協(xié)同推理解決方案，以解決碎片化場景問題。智慧工廠的云邊協(xié)同平臺未來發(fā)展趨勢

云端和邊緣端互相補充，協(xié)同訓練推理，構(gòu)建云端和邊緣端連續(xù)的學習循環(huán)，保證業(yè)務(wù)長期可靠穩(wěn)定地運行。

1.        云邊協(xié)同訓練推理，解決工業(yè)邊端算力不足

?     云邊協(xié)同推理：云邊模型切割、模型壓縮等方案實現(xiàn)協(xié)同推理。

?     增量學習：模型在云端或邊緣進行自適應(yīng)優(yōu)化，邊用邊學，模型越來越準確。

2.        數(shù)據(jù)無需上傳云端，解決工業(yè)客戶數(shù)據(jù)隱私問題

?      聯(lián)邦學習：邊緣本地訓練，參數(shù)云上聚合，保護數(shù)據(jù)隱私，減少網(wǎng)絡(luò)帶寬。

?      遷移學習：云上保留原始模型信息，邊緣新訓練集進行學習更新，得到適用于新場景的模型。

3.        AI協(xié)同服務(wù)按需定制，解決工業(yè)智能化場景碎片化問題

?      特定業(yè)務(wù)特殊定制：企業(yè)根據(jù)業(yè)務(wù)需求，定制合理的AI協(xié)同服務(wù)。

?      靈活自主，資源有效利用：可靠性增強，節(jié)約能耗，環(huán)境適應(yīng)性強，解決工業(yè)環(huán)境差異大問題。

一、  關(guān)鍵詞

邊云協(xié)同平臺、邊緣智能、協(xié)同推理、模型優(yōu)化

二、  測試床項目承接主體

2.1.       發(fā)起公司和主要聯(lián)系人聯(lián)系方式

中國電信：丁鵬，dingpeng6@chinatelecom.cn 

2.2.       合作公司

瑞斯康達：提供智能工廠典型應(yīng)用場景環(huán)境，參與現(xiàn)場測試床驗證

三、  測試床項目目標

(一) 測試床項目目標

基于柔性制造PCB焊點質(zhì)量檢測驗證場景：已有大量PCB焊點質(zhì)量檢測數(shù)據(jù)集，在此基礎(chǔ)上建立PCB焊點質(zhì)量檢測模型，通過測試床進行模型的持續(xù)優(yōu)化，為柔性制造PCB焊點質(zhì)量檢測提供基于5G MEC+邊緣智能的AI跨邊云協(xié)同訓練推理測試床。

提供定制化AI協(xié)同服務(wù)：基于智能邊緣設(shè)備，實現(xiàn)基于5G MEC+邊緣智能的AI邊云協(xié)同訓練和協(xié)同推理，就近為端側(cè)提供算力支持和模型持續(xù)優(yōu)化支持，保護數(shù)據(jù)隱私，為用戶持續(xù)提升智能化品質(zhì)。

(二) 測試床計劃解決哪些問題、價值點

保障企業(yè)保密數(shù)據(jù)本地化：保障企業(yè)數(shù)據(jù)不出邊緣節(jié)點即可參與模型訓練。

讓服務(wù)可定制，降低資源消耗：提供適合業(yè)務(wù)需求的智能邊緣設(shè)備AI協(xié)同服務(wù)，即裝即用，降低資源消耗。

提升模型效果：云邊協(xié)同，循環(huán)促進的訓練推理模式，保證模型的長期可靠運行。

四、  測試床方案架構(gòu)

4.1.       測試床應(yīng)用場景

測試床在企業(yè)本地部署通用服務(wù)器或MEC，也可使用運營商云主機或公用MEC平臺，作為測試床云端，使用定制化的智能邊緣設(shè)備作為邊緣端，兼容現(xiàn)有的AI框架，提供跨云邊協(xié)同訓練推理框架，并使用增量學習、聯(lián)邦學習和遷移學習等能力提供可優(yōu)化的AI模型服務(wù)。使用模型壓縮等技術(shù)實現(xiàn)云邊協(xié)同推理，保證業(yè)務(wù)的穩(wěn)定可靠運行。

測試床適用于支撐智能工廠中的工業(yè)智能應(yīng)用場景，例如焊點檢測、產(chǎn)品質(zhì)量檢測、工人非法越界檢測、安全帽檢測、工服檢測、人臉識別等。

4.2.       測試床架構(gòu)

1.        在體系架構(gòu)的位置

本測試床在工業(yè)互聯(lián)網(wǎng)功能視圖平臺體系框架中的位置如下圖所示，通過邊緣層的數(shù)據(jù)接入、數(shù)據(jù)預處理和智能分析實現(xiàn)邊緣側(cè)的數(shù)據(jù)處理和分析，通過PaaS層和應(yīng)用層的資源部署與管理、數(shù)據(jù)管理與服務(wù)、模型管理與服務(wù)和工業(yè)創(chuàng)新應(yīng)用實現(xiàn)模型優(yōu)化和更新、協(xié)同推理。過程實現(xiàn)數(shù)據(jù)的優(yōu)化閉環(huán)，形成云邊模型連續(xù)的學習循環(huán)。。

2.        在實施框架的位置

工業(yè)互聯(lián)網(wǎng)平臺實施框架中，本測試床內(nèi)容包含邊緣層的數(shù)據(jù)預處理和邊緣智能應(yīng)用部分，企業(yè)層在企業(yè)MEC上部署平臺的云端包括數(shù)據(jù)模型、工業(yè)模型的管理等。在產(chǎn)業(yè)層提供多企業(yè)MEC協(xié)同接口，支撐開展資源配置優(yōu)化和產(chǎn)業(yè)生態(tài)的構(gòu)建。實施架構(gòu)如下圖所示：

3.        本測試床架構(gòu)

本測試床主要提供低成本、高性能、易使用、隱私保護的邊緣智能，滿足企業(yè)數(shù)據(jù)本地化（數(shù)據(jù)不出廠區(qū)）和即裝即用的定制化服務(wù)。測試床架構(gòu)如下圖所示：

4.3.       測試床方案

基于5G MEC+邊緣智能的AI跨邊云協(xié)同訓練推理測試床功能架構(gòu)如下圖所示：

1.        自動化異構(gòu)邊緣適配

定制化邊緣AI服務(wù)與邊緣智能設(shè)備、邊緣智能硬件廠商進行適配，實現(xiàn)自動化的邊緣資源適配。

2.        實現(xiàn)邊緣AI基礎(chǔ)框架

實現(xiàn)邊緣AI 管理，數(shù)據(jù)集管理，數(shù)據(jù)預處理，跨云邊數(shù)據(jù)同步，配置管理等。

3.        云邊協(xié)同訓練和協(xié)同推理

高效利用云邊各類資源。利用模型壓縮、困難樣本發(fā)現(xiàn)等技術(shù)實現(xiàn)協(xié)同推理；利用遷移學習、增量學習、聯(lián)邦學習技術(shù)實現(xiàn)邊緣AI可長期可靠穩(wěn)定的使用 。實現(xiàn)高性能、低成本、隱私安全的邊緣AI系統(tǒng)?；?G MEC+邊緣智能的AI跨邊云協(xié)同訓練推理測試床技術(shù)實施方案如下圖所示：

4.4.       方案重點技術(shù)

? 模型優(yōu)化技術(shù)：解決邊緣AI模型的訓練優(yōu)化問題，保證模型長期穩(wěn)定運行。

? 邊云協(xié)同訓練、協(xié)同推理技術(shù)：基于現(xiàn)有的邊云協(xié)同平臺打造邊云協(xié)同訓練和協(xié)同推理框架，保證業(yè)務(wù)對時間延時和精度的需求。

? 輕量化模型分割技術(shù)：通過DNN模型壓縮技術(shù)和模型拆分技術(shù)，實現(xiàn)輕量化的邊緣模型，適用邊緣算力較低的設(shè)備

4.5．  應(yīng)用場景

1.        協(xié)同推理

在焊點質(zhì)量檢測場景中如何使用跨云邊協(xié)同推理服務(wù)。由于邊緣資源有限，焊點質(zhì)量檢測性能較低。但是，協(xié)同推理服務(wù)可以提高整體性能，將通過困難樣本挖掘識算法將困難樣板上傳到云并進行推理。

2.        聯(lián)邦學習

隱私保護、數(shù)據(jù)安全：不同工廠的焊接技術(shù)是屬于加密技術(shù)，焊點成像采集的圖像不能用于共享訓練數(shù)據(jù)，通過聯(lián)邦學習技術(shù)，無需分享本廠的成像數(shù)據(jù)，保證數(shù)據(jù)的隱私性和安全性。

解決數(shù)據(jù)孤島問題：單一工廠的數(shù)據(jù)數(shù)量有限，焊點技術(shù)單一，不能包括多種質(zhì)量問題的類型，通過云上的參數(shù)服務(wù)模塊對全局模型進行優(yōu)化合并，充分利用各節(jié)點資源，提高模型的精度。

3.        遷移增量學習

條件允許的情況下，使用全部數(shù)據(jù)重新訓練模型的效果是最佳的。真實的生產(chǎn)環(huán)境是開放并且復雜多變的，在訓練模型之前無法獲得所有可能情形的有效信息作為訓練數(shù)據(jù)。隨著終端運行不斷生產(chǎn)數(shù)據(jù)，新的類別不斷產(chǎn)生，已有類別的新實例不斷出現(xiàn)，智能邊緣能夠在獲得新數(shù)據(jù)時，重新訓練數(shù)據(jù)，保證不斷優(yōu)化學習的能力。

4.5.       方案自主研發(fā)性、創(chuàng)新性及先進性

技術(shù)創(chuàng)新：平臺兼容現(xiàn)有的AI框架，通過遷移學習、聯(lián)邦學習、增量學習和模型壓縮等技術(shù)實現(xiàn)協(xié)同訓練和協(xié)同推理，解決邊緣數(shù)據(jù)樣本少，冷啟動、邊緣數(shù)據(jù)隱私問題等，讓模型越用越精確。

模式創(chuàng)新：5G MEC下沉，降低業(yè)務(wù)時延；平臺在產(chǎn)業(yè)層實現(xiàn)多企業(yè)MEC協(xié)同接口，匯聚產(chǎn)業(yè)資源，優(yōu)化資源配置，有助于構(gòu)建產(chǎn)業(yè)生態(tài)。

應(yīng)用創(chuàng)新：結(jié)合不同層級不同環(huán)境的計算設(shè)備承擔不同算力需求的任務(wù)，結(jié)合企業(yè)需求，提供定制化的AI協(xié)同服務(wù)。

五、  測試床實施部署

5.1.       測試床實施規(guī)劃

本測試床實施分為三個階段：

?   第1階段：2021.02-2021.03

開展測試床場景梳理、可行性評估、測試床架構(gòu)設(shè)計等工作。

?   第2階段：2021.04-2021.07

開展測試床實施方案設(shè)計、設(shè)備選型與環(huán)境建設(shè)、測試床平臺功能測試等工作。

?   第3階段：2021.08-2022.01

開展測試床部署、典型應(yīng)用場景驗證、輸出針對焊點檢測常間的實施方案等工作。

5.2.       測試床實施的技術(shù)支撐及保障措施

本測試床參與方分工協(xié)作，共同支撐與保障本測試床的實施工作：

中國電信股份有限公司研究院負責基于5G MEC+邊緣智能的AI跨邊云協(xié)同訓練推理測試床部署與驗證。

瑞斯康達科技發(fā)展股份有限公司負責提供智能工廠典型應(yīng)用場景環(huán)境，參與現(xiàn)場測試床驗證等工作。

5.3.       測試床實施的自主可控性

          本測試床實施各項關(guān)鍵技術(shù)均為自主研發(fā)，具有良好的自主可控性。

六、  測試床預期成果

6.1.       測試床的預期可量化實施結(jié)果

1.        適配異構(gòu)邊緣AI設(shè)備適配

實施前：目前的模型在某些硬件平臺上無法直接運行，與硬件環(huán)境有強依賴。

實施后：與硬件設(shè)備廠商開展合作，適配設(shè)備環(huán)境，實現(xiàn)自動化資源適配。

2.        邊緣AI協(xié)同基礎(chǔ)框架實現(xiàn)

實施前：目前平臺的云邊協(xié)同平臺未支持各種AI框架、未實現(xiàn)對數(shù)據(jù)集和模型的管理。

實施后：云邊支持TensorFlow、pytorch等AI端框架、數(shù)據(jù)集管理、模型管理、跨云邊數(shù)據(jù)同步等。

3.        跨邊云協(xié)同訓練推理構(gòu)建

實施前：云端訓練，邊緣推理，邊端不支持大模型的運行。

實施后：合理利用云邊資源，根據(jù)負載，對應(yīng)用類型實時調(diào)度，實現(xiàn)高性能、低成本、數(shù)據(jù)安全。

4.        增量學習、聯(lián)邦學習和遷移學習驗證

實施前：缺少跨邊云AI協(xié)同優(yōu)化框架實施情況

實施后：支持多種模型優(yōu)化方案，保證AI模型長期穩(wěn)定可靠運行。

6.2.       測試床的商業(yè)價值、經(jīng)濟效益

首個具有增量學習、聯(lián)邦學習、遷移學習框架、協(xié)同訓練推理的平臺：解決邊緣智能跨云邊協(xié)同訓練推理落地推廣中遇到的AI模型訓練等棘手問題。

讓工廠用得方便的邊緣智能：提供定制化的服務(wù)，實現(xiàn)企業(yè)的智能化生產(chǎn)與監(jiān)控，持續(xù)優(yōu)化提升工廠的智能化水平，節(jié)約資源，提升效率。

6.3.       測試床可推廣性

1.        形成可推廣解決方案

可基于5G定制網(wǎng)，以邊緣智能為核心，形成面向智慧工廠的AI定制協(xié)同服務(wù)解決方案：

l  邊緣智能AI跨邊云協(xié)同服務(wù)框架

l  AI跨邊云協(xié)同服務(wù)產(chǎn)品：工業(yè)智能邊緣設(shè)備+定制化AI跨邊云協(xié)同服務(wù)

l  面向智慧工廠集成產(chǎn)品：端+網(wǎng)+云+AI協(xié)同管理

2.        可推廣垂直行業(yè)

以瑞斯康達測試床為基礎(chǔ)，向柔性制造行業(yè)推廣，如網(wǎng)關(guān)設(shè)備制造、MEC設(shè)備制造等。

以焊點檢測場景實施為基礎(chǔ)，向其他工業(yè)智能場景推廣，如產(chǎn)品質(zhì)量檢測、防靜電服檢測、人臉識別、安全模識別檢測等。

3.        推廣路徑

?    技術(shù)推廣：牽頭制定行業(yè)標準、測試床推廣、典型案例推廣

?    產(chǎn)品推廣：不斷豐富邊云協(xié)同訓練推理框架在智慧工廠場景的實施部署

?    服務(wù)推廣：打造面向智慧工廠邊云協(xié)同平臺培訓/展示服務(wù)，帶動更多行業(yè)和企業(yè)部署

七、  測試床成果驗證

7.1.       測試床成果驗證計劃

本測試床部署在工廠車間內(nèi)，在此進行測試床成果的測試與驗證。具體時間計劃見測試床實施規(guī)劃時間表。

7.2.       測試床成果驗證方案

1.        邊緣智能服務(wù)部署驗證內(nèi)容

?    適合工廠特定場景的自研輕量級邊緣模型和云模型

?    實現(xiàn)模型管理和數(shù)據(jù)集管理

?    具有與邊緣模型相匹配算力的智能邊緣設(shè)備

2.        跨云邊協(xié)同訓練推理平臺驗證內(nèi)容

?    兼容現(xiàn)有的AI框架

?    具備聯(lián)邦學習、遷移學習、增量學習模型的協(xié)同訓練框架

?    具備云邊協(xié)同推理框架

八、  與已存在AII測試床的關(guān)系

      無關(guān)系

九、  測試床成果交付

9.1.       測試床成果交付件

?  具備可定制的邊緣智能AI跨邊云協(xié)同服務(wù)，適用于企業(yè)/園區(qū)等特定場景的需求

? 自研跨邊云協(xié)同訓練推理平臺，普遍適用于工廠智能生產(chǎn)，智能監(jiān)控等場景

? 典型工廠焊點檢測、安全帽識別和人臉識別等場景的跨云邊協(xié)同訓練和協(xié)同推理的智能AI邊緣部署方案

9.2.       測試床可復制性

本測試具有較好的復制推廣性。一方面以瑞斯康達測試床為基礎(chǔ)，向柔性制造行業(yè)復制推廣，如網(wǎng)關(guān)制造、MEC設(shè)備制造等；另一方面，以焊點檢測場景實施為基礎(chǔ)，向其他場景推廣，如產(chǎn)品質(zhì)量檢測、防靜電服檢測、人臉識別、安全帽識別等。

9.3.       測試床開放性

本測試床可開放給更多通訊提供商、運營商和制造企業(yè)共同參與測試床驗證與推廣工作。

十、  其他信息

10.1.   測試床使用者

歡迎所有的AII成員企業(yè)參與和使用本測試床項目。然而，在初始階段，由于試驗站點的訪問權(quán)限有限，本測試床將僅限于現(xiàn)有的合作伙伴。之后，本測試床將逐步開放給更多AII成員企業(yè)使用。

10.2.   測試床知識產(chǎn)權(quán)說明

         中國電信與瑞斯康達科技發(fā)展股份有限公司共同對測試床的建設(shè)、運營以及使用擁有產(chǎn)權(quán)。

10.3.   測試床運營及訪問使用

         測試床的部署和運營將在瑞斯康達工廠進行?，F(xiàn)階段訪問控制和管理權(quán)限僅限于測試床參與企業(yè)。

10.4.   測試床資金

測試床的資金將來自于測試床參與企業(yè)。

10.5.   測試床時間軸

第1階段（2021.01-2021.03）：完成測試床場景梳理、可行性評估、測試床架構(gòu)設(shè)計等工作。

第2階段（2021.01-2021.07）：完成測試床實施方案設(shè)計、設(shè)備選型與環(huán)境建設(shè)、測試床平臺功能測試等工作。

第3階段（2021.08-2022.01）：完成測試床部署、測試床典型應(yīng)用場景驗證、輸出針對焊點檢測場景的實施方案等工作。