半导体巨头重棋落子，能否破解工业物联网发展困境？

算力为王的时代，处理器市场从来不缺看点。

英特尔近来更是动作频频，先是亮出 10nm SuperFin、曝光最新 CPU 微架构、Xe 图形架构，接着针对轻薄本首发第 11 代酷睿“Tiger Lake”处理器。从制程到架构再到产品的发布一气呵成，似乎都在宣告着多重技术支柱打造的算力城堡依然坚固无比。

针对工业物联网的诸多挑战，例如边缘计算复杂性、总体拥有成本（TCO）以及环境条件限制等，英特尔最新推出了两款处理器——凌动 x6000E 系列、第 11 代酷睿处理器，号称是其“迄今为止面向物联网迈出的最重要一步”。

 工业物联网当前最大的痛点是什么？为什么要针对该市场专门推出处理器产品？英特尔如何看待工业物联网下一步的发展和创新？带着这些问题，<与非网>专访了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。

 
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

应对工业物联网挑战而生

据张宇介绍，功能安全、实时性、图形和媒体处理、虚拟化、AI 视觉等方面都是当前工业应用中的普遍需求，凌动 x6000E 系列和第 11 代酷睿虽然都是基于传统的 X86 架构，但是专门针对工业场景的特定需求进行了性能增强。因此既具备传统处理器的通用计算能力和图形化能力，也能够满足工业应用中的这些特定需求。

凌动 x6000E 系列处理器（研发代号 Elkart Lake），是一款从零构建、专为工业物联网打造的处理器，能够以紧凑外形实现更高水平的性能以及图形和媒体处理。与上一代产品相比，单线程性能最高提升 1.7 倍，多线程性能提升 1.5 倍，3DMark 11 显卡性能提升 2 倍，主打低功耗特性，可提供双核 / 四核选项。主要有以下四方面突出性能：

第一，足够的性能功耗比，可以满足不同行业对计算的要求。
第二，较强的图形和媒体处理能力。因为对集成显卡进行了更新，拥有更多 EU 单元（执行单元），能够提供更强的图形和媒体处理相关的算力。
第三，实时性更强，集成了英特尔时序协调计算（TCC）技术和 2.5GbE 时间敏感网络（TSN）技术。
第四，功能安全方面，提供了相应的工具“安全岛”（safety island）。能够监控芯片当前的工作状态，或者配置和安全相关的功能。据了解，该芯片能够达到国际上功能安全认证 SIL2 级别。如果几个芯片协同工作，整个系统可以达到 SIL3 级别。

凌动 x6000E 用在工业领域，可为工业机器人、化学、石油、能源电网等行业的控制程序提供符合功能安全要求的实时控制系统和设备，或是运输领域实现半自动驾驶客车、火车、轮船和卡车多个传感器和直接动作输入同步的车辆控制、车队监测与管理系统，以及医疗健康、零售与服务业等。
 

与凌动 x6000E 相比，第 11 代酷睿处理器算力更强，采用了英特尔第三代 10nm 微架构，在 CPU、图形 / 媒体 / 显示、人工智能和深度学习性能有全面突破。这款处理器也是近期发布的客户端处理器的优化版本，针对高速处理、计算机视觉、低延迟计算等关键物联网应用需求进行了优化。与第 8 代酷睿处理器相比，单线程性能可提升 23%，多线程性能可提升 19%，显卡性能可提升高达 2.95 倍。双视频解码器可以 1080p 30 帧 / 秒的速度同时处理多达 40 个视频流，可输出最多 4 路 4K 或 2 路 8K 视频。人工智能和深度学习推理可运行于 96 个图像处理单元（INT8），或运行于集成了 VNNI 指令集的 CPU。在英特尔时序协调计算（TCC）技术和时间敏感网络（TSN）技术的支持下，这款处理器能够提供满足多种应用场景需求的实时计算性能，例如在工业领域构建关键任务控制系统（PLC、机器人等）、工业 PC、人机交互界面等，也可用于零售、银行、酒店服务业、医疗健康、智慧城市等领域。

结合这两款最新处理器，英特尔还提供工业边缘洞见软件包（EIS），它可以跨工业物联网生产环境中的各类硬件节点，加速工作负载和应用的开发与部署，并支持几乎实时的事件驱动型控制。结合 OpenVINO 工具套件分发版，能够支持高性能推理，实现机器视觉缺陷实时检测、设备维护、质量控制和安全监控等工作负载。此外，还有工业边缘控制平台（ECS），可在虚拟化和容器化环境中为独立流程用例提供实时控制。

要从底层平台解决“IT、OT 融合老大难”

在工业领域，管理业务流程及分析的信息技术（IT）和管理实际工厂设备的运营技术（OT）的融合已经成为一个老生常谈的话题，但融合之路走得并不平坦。融合的关键点或难点究竟是什么？

张宇认为，IT 和 OT 的要求有着根本的差别。IT 更多解决的是工厂如何管理、订单如何管理等问题，处理的数据量很大，但是对实时性要求并没有那么高；而 OT 对实时性要求很高，但是单一节点的数据量可能没有那么大。所以 IT 和 OT 的融合，关键在融合的节点上。如果在节点以下是纯 OT 的，现有方案已经可以了；或是节点之上纯 IT，也有解决方案。但是难就难在需要融会贯通的节点上，既要有足够的计算能力解决大数据问题，同时又要满足一定的实时性要求。

英特尔在推出两款最新处理器时，就进行了这两方面的考虑，CPU、集成显卡能力都有提升，同时也考虑到了实时性要求。配合 TCC、TSN 技术，处理器的实时响应能力得到了提升。

“IT 和 OT 的融合是成功实施工业物联网系统所必需的”，张宇表示，“通过硬件+工具能够提供对计算和网络方面实时性综合能力的提升，把它作为 IT、OT 融合的底层平台，在此之上，可以给开发者构建不同的 IT、OT 融合应用。此外，针对 IT 问题有 EIS（边缘洞见），针对 OT 问题有 ECS（边缘控制），综合利用人工智能、分布式计算、实时计算和灵活工作负载整合的技术，来全面解决 IT 和 OT 问题。”

紧扣工业“实时性”痛点需求

工业领域对实时性、协同工作的要求很高，对延时几乎零容忍。张宇指出，实时性不仅要求计算的实时性，还包括数据传输的实时性。因为工业中往往是一个系统而不是单一节点在运行，要求各个节点之间的协同工作。这不可避免要进行数据的传输和分享，在确定的延时范围之内，保证数据从一个节点到达另一个节点，这也是实时性的体现。

凌动 x6000E 系列和第 11 代酷睿这两款处理器，在设计时都对实时性进行了特定的考量。时序协调计算（TCC）、时间敏感网络（TSN）是实时性得以实现的关键，这也是英特尔首次在这两大处理器家族中提供 TCC、TSN 的能力支持。

TSN 在很多方面都作为 IT 和 OT 网络之间的重要沟通桥梁，是由 IEEE 802.1 工作组的时效性网络任务组所制定的一系列标准，旨在为网络连接提供准确的时间同步和时间关键数据及时性的保证，因此对从传感器接收数据的控制系统、计算机视觉应用程序等来说是非常理想的选择。

这两款处理器把支持 TSN 的 MAC 集成到芯片中，实现了对网络中数据链路层的支持，辅以 TCC 工具来协调不同节点之间的协同工作，从而实现了实时传输和协同工作。

将工业生产比作一个交响乐团，张宇提到，正如合力完成一场完美的演奏一样，第一步要保证不同节点的时间是同步的；第二个要求，每个人必须要在指定时间内完成各自的任务，不可能长也不能短，这就是一个实时性要求；第三个要求则关于实时性传输，就像演奏一样，有先后顺序，前一个人演奏完毕后，下一个人接收到这个信息才能继续。

张宇指出，第三点要求目前挑战最大，因为现在已经习惯于用互联网来做信息传递，传递基础是互联网协议。而这些协议有一个很致命的问题，就是它们本质上都是 try best 的方式，即尽可能以达到要求的方式去传递数据，但是从协议本身对数据传输的延迟是没有任何保证的。假如 A 给 B 发数据，一旦出现数据丢失，B 并不能及时知晓，而是一段时间发现 B 没有收到，认为数据丢失，A 再发一遍。这种情况在工业中是不可想象的，因此有 TSN 的特定要求，确保在规定的时延范围内，数据可以有效进行传输。

AI 处理器是否会超越传统处理器担纲大任？

在工业物联网极度碎片化的应用场景中，负载类型也非常多样化，异构计算能够充分发挥专用和通用处理器的优势，无疑将发挥重大作用。不过，从算力提升的角度来看，传统通用处理器受先进工艺制程等影响，代际性能提升受限较大。反倒是各类从底层架构开始创新的 AI 处理器，在算力、功耗等方面整体优化幅度较大。那么，未来 AI 处理器会不会在工业物联网计算中成为更重要的角色？

张宇认为，一方面，这与负载类型有关，现在很难说未来的负载中 AI 比重到底有多大。另一方面，物联网对芯片的要求不同于数据中心，物联网边缘计算设备，能够接受的功耗、能够支撑的算力都是有限的。边缘计算绝对不是把数据中心搬到边缘，一定是在有限的资源下达到最佳的效果。在这个前提下看 AI 处理器的应用，如果需要 AI 算力的负载足够多，很可能专门针对这种负载使用专用芯片，再和通用处理器进行配合，即异构架构。如果工作负载比较固定，完全可以通过专门的架构达到最佳的性能功耗比，这也是可行的一条路。

未来的边缘训练如何实现？

边缘训练是一个必然的发展趋势，因为工业应用中对模型更新的即时性要求越来越高，如果放在云端更新时间会很长。此外，出于敏感数据保护的原因，很多工厂并不愿意把数据分享到云端，这些诉求都在推动边缘训练的发展。要实现边缘训练还需解决哪些挑战？云边如何更好地协同？这是业界当前关注的热点。

张宇表示这也是他个人近期的关注点之一，IEEE 在进行相应的标准制定，他本人在工作组中。边缘训练有不同的身份节点，有的是提供数据的，还有的是做训练的 Server 节点。因此，节点间的角色如何划分、如何进行通讯、通讯协议如何制定，都是当前正在进行的讨论。

“边缘训练不是简单的把数据中心的训练拿到边缘，一定是在算法和架构方面有它自己的特点”，张宇强调，“当前要解决的问题，一是训练样本的问题，在小量的数据样本下，如何达到媲美与数据中心大量样本训练后的效果，这需要一些创新；二是要解决算力问题，在边缘算力有限的条件下，如何通过算法的优化，通过不同节点间的协同去满足用户对于时间、功耗的要求，这些问题在数据中心是不会遇到的，却是在边缘训练中要解决的。

他补充，在一些训练场景中，比如字符识别等，酷睿可以承担这方面的工作，可以通过若干个节点协同完成，这也符合 IEEE 当前在进行标准制定时考虑的方向。

写在最后

随着工业物联网纵深发展，智能化成为了工业物联网进一步释放赋能价值的关键要素。但是，基础设施日益增长的复杂性、边缘侧对高性能计算的强需求，对实时性、功耗的高要求，无一不在拷问产业界的综合水平。

就像 IDC 中国电信与物联网研究部高级研究经理崔凯所说，随着物联网场景的个性化、多元化、碎片化的不断深化，解困产业的需求痛点是对综合能力的考验。一方面体现在解决计算、存储、传输方面的软硬件技术能力考验，另一方面也是对生态能力的考验。他认为，英特尔这次推出的凌动 x6000E 和第 11 代酷睿两款处理器新品，通过边缘洞见平台和边缘控制平台，整合上下游生态资源，为用户提供更为实用的参考设计。这样的技术与生态的组合，为物联网产业打造创新方案奠定了扎实的基础。

根据 IDC 预测，到 2023 年，超过 50%的企业 IT 基础设施将会在边缘部署，而现在这个比例不到 10%。预计到 2024 年，边缘应用的数量将增加 800%。

巨大的市场前景下，竞争对手的产品路线图也昭示出了对这一市场的巨大野心，再加之 BAT 等互联网大厂的入局，以及传统工业巨头在垂直应用领域的发力，可以预见边缘侧接下来的竞争将会越来越激烈。

英特尔在物联网领域的三大支柱战略是高性能计算、边缘赋能、视觉（视频）推理。作为定位于“以数据为中心”的公司，英特尔接下来如何直面多重行业挑战，继续拓展生态合作，深挖数据的潜力和价值，推动从云到端的智能化部署，仍有许多值得期待的创新。