联想在11月14号Tech World大会上提出了3S战略,及其体系架构:端、边、云、网、智。它们到底是什么呢? 

什么是3S战略?

即三个以Smart(智能)单词打头的战略(首字母都是S),它们是:

Smart IoT:智能物联网

Smart Infrastructure:智能基础架构

Smart Vertical:行业智能三个维度。

simditor-img

用来支持3S战略的体系架构是什么?

即由端、边、云、网、智五个层面组成的架构体系,具体而言就是:

端:智能物联设备的终端

边:边缘计算

云:云计算

网:以5G为代表的数据传输的网络

智:行业智能的解决方案

simditor-img

其中,边、云、网构成了智能化的基础架构。

联想在端、边、云、网、智上有哪些技术积累和优势?

【端】

联想拥有丰富的智能物联终端产品的组合,在智能物联网设备方面,它所产生的数据为智能化的变革提供了取之不竭的燃料。

simditor-img

联想一方面正在让现有的设备,包括电脑、平板、手机等等变得更加智能,能够实时的连接,永远在线,和其他的设备能够相互协作,也能够用自然的语言互动,能够主动适应用户的需求。

simditor-img

另一方面,联想还致力于让他们能够适应不同的行业智能的场景,从而成为新型的智能物联网的终端。比如让平板电脑能够成为保险业销售人员的得力助手。除此之外我们还在围绕着智能制造、智慧城市、智慧医疗、智慧零售、智慧教育等等这些场景开发更多的商用物联网的终端,让具有computing能力的设备,包括数据采集的传感器,数据接入的网关和数据计算的模组。以及基于垂直行业场景的一站式物联网的解决方案。这些设备所产生的数据将会源源不断地进入到统一的物联网平台,通过对数据进行智能化的分析,就可以让数据能够焕发出新的价值。

simditor-img

【边】

边缘计算的未来是基于场景的,它不是一个简单的服务器,需要面向不同环境进行定制化;同时它对边缘端也需要非常强大的数据处理的功能,其中包括高可用、包括对于数据本地的存储、包括对于本地数据AI的推理等等。

simditor-img

在边缘计算方面,联想拥有可以满足低功耗、高性能、严酷环境适应力边缘服务器,以及边缘计算云平台产品,这些产品可以满足在智能仓储、智能安防这样的场景中对于近端实时计算,实时反馈的需求。

此外,联想还有非常强的研发能力,可以根据不同客户需要的针对这些产品进行度身定做,比如说工作温度从零下-35 零上70,同时还具备防尘、防电磁干扰等等一系列的,满足客户对于不同的边缘端的不同的环境的需要。

【云】

在云计算方面,目前多数企业的基础架构正在从传统的架构向私有云和公有云结合,或者叫混合云的形态转移。私有云就是自有数据中心的领域,这个是联想有传统优势的地方,联想能够给企业核心应用来提供计算、存储和网络设备,联想也为更需要敏捷弹性的这些客户提供软件定义的基础架构,为科学计算和人工智能的应用提供高性能计算。

simditor-img

此外,在公有云领域里面,联想为全球顶尖的TOP10云计算公司提供了Hyperscale,也就是超大规模数据中心的设备,和基础架构的整体解决方案。同时我们还可以提供多云管理的产品和解决方案,可以满足客户数据中心算力和公有云算力互联互通的需求,从而能够实现算力的集中管理和分配。

【网】

联想的5G智能互联,能够为前端计算和后端计算之间,提供高速率、低时延和海量接入能力的物联通道,也可以为企业、为园区、为运营商等客户提供端到端的5G构建方案。

我们将重点放在接入网和边缘计算,或者边缘数据中心的融合上面。联想在5G领域做了多年的投资,目前我们已经申请的5G标准必要的专利数已经超过了600件,不仅在行业内率先发布了像5G PC5G手机,还组建了云网融合事业部,专注于5G网络技术和应用。

simditor-img

【智】

如果把各行各业的智能化变革比喻成是搭建一座座智能化大厦的话,那么智能物联网设备、智能基础架构只是建筑智能化大厦必不可少的"建筑材料" 。而要完成这一座座大厦的建设,首先需要设计师根据企业的业务痛点和业务需求,设计出建筑的蓝图,然后还需要有施工队运用各种各样的建筑材料按照图纸来完成施工。非常幸运,经过过去这么多年的积累,赋予了联想得天独厚的优势,我们具备了端、边、云、网、智各项要素资产,可以说是构建智能化大厦能力最完备的公司。联想不但拥有最齐全的建筑材料,同时我们也在力图成为设计师和施工队,可以为企业的智能化转型设计蓝图、施工建造。

simditor-img

作为一家全球化高科技的制造企业,早在2011年联想自己就身体力行启动了以数据智能为核心的智能化转型,利用我们自有的技术,我们形成了覆盖研、产、供、销、服,全价值链的智能技术以及管理体系,实现制造的提质增效,可以更好地满足客户个性化、定制化的需求。

simditor-img

2016年起,联想也开始输出自身的智能化转型的经验,还有我们先进的技术,为其它企业的转型赋能。现在我们已经在汽车、3C、能源等多个行业,为上百家大企业的客户提供了智能化解决方案,帮助他们提质增效,实现更精确的业务洞察和决策。

端、边、云、网、智之间是怎样互相协同的

【端 + 边协同】

智能物联网的发展,让更多具有数据采集功能的终端设备可以接入到网络,产生了海量的数据,并且要求进行低延时的智能算法处理,这个推动了计算力从后端的中心算力向前端的边缘算力的下沉。

simditor-img

联想的智能路灯,路口的边缘计算站,负责管理本路段的所有智能路灯,内置MEC边缘云平台和联想的边缘服务器,对各类数据进行汇聚、解析和转换。同时在边缘端我们预制了AI的算法,同时将推理结果推送到路灯的显示屏上,同时传输到后端的指挥调度中心。因此,智能路灯和边缘计算站之间,形成了非常典型的端边协同。路灯,即为,边缘计算站,即为

【边 + 网协同】

边网协同解决的问题是基于端边传输特性,其中包括数据流量、实时性、协议等,动态提供与之匹配的网络资源,比如说大带宽、低延迟等等。

simditor-img

智能路灯上有不同类型的传感器,对于5G的需求也是非常丰富的,每个通道对于网络带宽延时性有不同的需要是多通道的。

比如视频类数据要求的是大带宽、低丢包率;而边缘计算站所要求的是低延时。联想基于5G 网络切片技术,很好地解决了对于网络资源的有效分配,也解决了边网协同的问题。

【边 + 云协同】

边缘计算虽然很好的解决了端响应的及时性,实现了端的智能化管理,但是总体上整个边缘端计算是有限的,没有满足海量数据处理。而边云协同有效地解决了这两个问题。

simditor-img

在上海变电站的附近部署了边缘化、模块化的机房,联想采用了40台的服务器,组成了强大的边缘计算技术,支撑前端监控变电站上百路摄像头的视频流数据,以及AR眼镜、巡检机器人所获得的对于图像数据的本地化存储和预处理。

联想同时承载了本地变电站人工智能推理,实现了包括设备表盘的表计识别、设备闸口开关状态识别以及设备缺陷识别等等,在这个项目当中,联想的同事跟电力行业的专家设计了近40类场景。以往数据要传送到云端,再进行判断,按照以往的方案,时延在35秒。用了联想这样人工智能的平台,我们可以把识别时间压缩到毫秒级,提高用户的操作体验,但是更重要提高了他的管理效率。

同时在在区域总控数据中心,通过持续收集上海各变电站运营数据,能够实现对于变电站历史运营数据的持久保存。并结合这些数据,加速了AI算法的训练和优化,针对变电站设备缺陷识别、人员行为识别和环境识别,提高了精准度和有效性,同时也进一步提升了边缘端变电站的智能化的管理水平。

【端 + + 云协同】

在网络方面,5G是推动智能化各要素发展的催化剂,它使得端、边、云可以更加紧密的联系,协同工作。不仅更多的终端设备可以介入物联网,大量的计算、分析、判断可以在边缘实时的完成。网络基础设施也将走向软件化、虚拟化,从而实现云网融合。NFV或者叫网络功能虚拟化这样子的技术就应运而生,这个技术可以大大降低5G建设成本,增强网络的灵活性。未来5G可以被切片成一个个适应不同应用环境需要的虚拟的专网。

simditor-img

【端 + + + + 智协同】

风力发电的风场都分布在交通闭塞的偏远地区,受制于自然条件,工程师的团队只能常驻在异地研发中心,难以在现场对风机的设备进行运维。而大型发电装备的风机内部结构又相对复杂,风场本地管理人员往往专业度不够,无法很好进行风机故障的预测、维护、性能改进,从而造成设备维护成本居高不下,运营的成本也相对较高。一家国内大型风力发电企业就面临这样的难题。

simditor-img

为此,联想为他们打造了一套端到端的解决方案,通过我们物联网和边缘计算的技术,风电设备的转速、功率、风向、轴片的温度等超过1500个点位的数据信息实现了实时采集,依托于具有边缘算力计算,我们能够对数据进行现场的综合分析,并且会筛选出来设备状态变化和异常等信息,传回到中心的工业互联网平台,这个中心的平台再通过PB级的数据分布式存储,以及分析能力,能够建立设备的预测性维护和健康检测的模型。

simditor-img

通过这样的解决方案,我们帮助这家风电企业实现了数百台风力发电设备的远程的运维,千里之外,可以秒级响应,千里之外的工程师也可以远程感知风机健康状态,分析故障原因,优化日常巡检模式。同时风机的利用率和发电效率也得到了大大提高,从而为企业降低了5%以上的运营成本。这是一个很好的案例。通过端、边、云、网、智的协同整合,我们正在为越来越多的企业客户的智能化转型提供支撑。

这篇文章还没有评论
版权所有©️联想集团保留一切权利 蜀ICP备15066888号