基于5G MEC+邊緣智能的AI跨邊云協(xié)同訓練推理測試床
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備上執(zhí)行，對邊緣設備的算力、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，構建云端和邊緣端連續(xù)的學習循環(huán)，保證業(yè)務長期可靠穩(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)同服務按需定制，解決工業(yè)智能化場景碎片化問題
? 特定業(yè)務特殊定制：企業(yè)根據(jù)業(yè)務需求，定制合理的AI協(xié)同服務。
? 靈活自主，資源有效利用：可靠性增強，節(jié)約能耗，環(huán)境適應性強，解決工業(yè)環(huán)境差異大問題。
一、 關鍵詞
邊云協(xié)同平臺、邊緣智能、協(xié)同推理、模型優(yōu)化
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焊點質量檢測驗證場景：已有大量PCB焊點質量檢測數(shù)據(jù)集，在此基礎上建立PCB焊點質量檢測模型，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：基于智能邊緣設備，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。
(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。
讓服務可定制，降低資源消耗：提供適合業(yè)務需求的智能邊緣設備AI協(xié)同服務，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
4.1. 測試床應用場景
測試床在企業(yè)本地部署通用服務器或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。使用模型壓縮等技術實現(xiàn)云邊協(xié)同推理，保證業(yè)務的穩(wěn)定可靠運行。
測試床適用于支撐智能工廠中的工業(yè)智能應用場景，例如焊點檢測、產(chǎn)品質量檢測、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
1. 在體系架構的位置
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)邊緣側的數(shù)據(jù)處理和分析，通過PaaS層和應用層的資源部署與管理、數(shù)據(jù)管理與服務、模型管理與服務和工業(yè)創(chuàng)新應用實現(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，本測試床內容包含邊緣層的數(shù)據(jù)預處理和邊緣智能應用部分，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)的構建。實施架構如下圖所示：
3. 本測試床架構
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。測試床架構如下圖所示：
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如下圖所示：
1. 自動化異構邊緣適配
定制化邊緣AI服務與邊緣智能設備、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實施方案如下圖所示：
4.4. 方案重點技術
? 模型優(yōu)化技術：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：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)務對時間延時和精度的需求。
? 輕量化模型分割技術：通過DNN模型壓縮技術和模型拆分技術，實現(xiàn)輕量化的邊緣模型，適用邊緣算力較低的設備
4.5． 應用場景
1. 協(xié)同推理
在焊點質量檢測場景中如何使用跨云邊協(xié)同推理服務。由于邊緣資源有限，焊點質量檢測性能較低。但是，協(xié)同推理服務可以提高整體性能，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是屬于加密技術，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，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，焊點技術單一，不能包括多種質量問題的類型，通過云上的參數(shù)服務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，有助于構建產(chǎn)業(yè)生態(tài)。
應用創(chuàng)新：結合不同層級不同環(huán)境的計算設備承擔不同算力需求的任務，結合企業(yè)需求，提供定制化的AI協(xié)同服務。
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、測試床架構設計等工作。
? 第2階段：2021.04-2021.07
開展測試床實施方案設計、設備選型與環(huán)境建設、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鍵技術均為自主研發(fā)，具有良好的自主可控性。
六、 測試床預期成果
1. 適配異構邊緣AI設備適配
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：與硬件設備廠商開展合作，適配設備環(huán)境，實現(xiàn)自動化資源適配。
2. 邊緣AI協(xié)同基礎框架實現(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，對應用類型實時調度，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，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)同服務解決方案：
l 邊緣智能AI跨邊云協(xié)同服務框架
l AI跨邊云協(xié)同服務產(chǎn)品：工業(yè)智能邊緣設備+定制化AI跨邊云協(xié)同服務
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，向柔性制造行業(yè)推廣，如網(wǎng)關設備制造、MEC設備制造等。
以焊點檢測場景實施為基礎，向其他工業(yè)智能場景推廣，如產(chǎn)品質量檢測、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
? 服務推廣：打造面向智慧工廠邊云協(xié)同平臺培訓/展示服務，帶動更多行業(yè)和企業(yè)部署
七、 測試床成果驗證
本測試床部署在工廠車間內，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. 邊緣智能服務部署驗證內容
? 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備
2. 跨云邊協(xié)同訓練推理平臺驗證內容
? 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
無關系
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，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，向柔性制造行業(yè)復制推廣，如網(wǎng)關制造、MEC設備制造等；另一方面，以焊點檢測場景實施為基礎，向其他場景推廣，如產(chǎn)品質量檢測、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。
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、運營以及使用擁有產(chǎn)權。
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、測試床架構設計等工作。
第2階段（2021.01-2021.07）：完成測試床實施方案設計、設備選型與環(huán)境建設、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、測試床典型應用場景驗證、輸出針對焊點檢測場景的實施方案等工作。
聲明
本報告所載的材料和信息，包括但不限于文本、圖片、數(shù)據(jù)、觀點、建議，不構成法律建議，也不應替代律師意見。本報告所有材料或內容的知識產(chǎn)權歸工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟所有（注明是引自其他方的內容除外），并受法律保護。如需轉載，需聯(lián)系本聯(lián)盟并獲得授權許可。未經(jīng)授權許可，任何人不得將報告的全部或部分內容以發(fā)布、轉載、匯編、轉讓、出售等方式使用，不得將報告的全部或部分內容通過網(wǎng)絡方式傳播，不得在任何公開場合使用報告內相關描述及相關數(shù)據(jù)圖表。違反上述聲明者，本聯(lián)盟將追究其相關法律責任。
AII微信公眾號
AII頭條號