年10月28日，聯想集團高級副總裁、首席技術官勒內博士在聯想創新科技大會演講中表示，隨著人工智能和5g等新興技術的飛速發展，智能化的應用場景越來越豐富，新的處理方案層出不窮。 由于這些新的處理場景和應用場景對實時計算能力的要求越來越高，使得計算和智能陷入領域場景，接近數據產生地點的智能邊緣計算應運而生。

參加聯想創新科技大會的朋友們，早上好。

我是芮。 很高興在這里與大家分享聯想最新的技術創新成果。 雖然已經是充滿智能的新時代，但聯想正在成為智能化變革的領導者和能力賦予者

剛才，原慶在演講中提到了聯想“端邊云網智”的戰術安排，指出聯想已經積累了大量的“建材”和“模塊”，致力于構建領域智能化的處理方案。

隨著人工智能和5g等新興技術的迅速發展，智能化的應用場景越來越豐富，新的處理方案層出不窮。 這些新的處理場景和應用場景對實時計算能力的要求越來越高，因此智能邊緣計算應運而生。 因此，我今天要向大家報告的主題是智能邊緣計算。 就是讓ai“邊緣”在你身上。 這里的“邊緣”表示邊緣計算，必須將計算和智能沉浸在區域場景中，接近數據產生的地方。

邊緣計算不是“邊緣”。 在領域智能化新訴求的吸引下，“邊緣”越來越成為“主流”。 也是聯想技戰術布局的重要行業之一。 聯想在邊緣計算行業的領先地位有三個層面。 首先是邊緣計算設備這個級別。 設備是聯想以前流傳下來的優勢，產品布局非常豐富，所以無法展開討論。

今天，我想向大家介紹聯想智能邊緣計算的技術基礎——硬件設備上的兩層。

首先，讓我們看看邊緣基礎設施層。 如上所述，現在更多領域的APP需要更低的延遲、更靈活的部署、更高的適應性和更安全的數據隱私保護。 在這種情況下，以前流傳下來的云基礎架構可能無法滿足訴求。 從云到邊緣，需要更加擴展的增強基礎架構。 聯想開發了業界領先的邊緣計算平臺聯想計算平臺lecp (聯想筆記本電腦平臺)。 聯想與聯想的各種邊緣設備深入融合，為邊緣場景下的業務提供互聯網和計算力的實時動態感知調度，可以統一自主運維管理。

當然，光靠邊緣基礎設施是不夠的。 我們還需要頂層，即邊緣智能層，以支持各行業的智能APP和訴求。 聯想開發的邊緣ai平臺根據邊緣設備和場景數據訓練適合場景的ai模型，實現模在云-邊-端之間的協調推理，更有效地發揮邊緣側的計算力，更廣泛的場景感知

這兩層中包含了很多重要的技術，但由于時間的關系，我們將在各個層中選擇重要的技術進行介紹。

首先，讓我們來看一下混合輕量級虛擬化引擎，它是邊緣基礎架構層的關鍵技術之一。

當云計算能力陷入領域場景時，往往會存在設施空之間、功耗等諸多限制因素，從而限制了基礎資源(如計算存儲)的規模。 這是因為需要在此基礎上運行的邊緣計算平臺正在向輕量化方向迅速發展。 另一方面，邊緣平臺必須配備在原始云中的多個邊緣智能APP。 這些APP中有些需要在容器上運行，有些需要在虛擬機上運行。 如何滿足這些多樣性虛擬化的訴求？ 以前傳遞的虛擬機和容器通常由兩個獨立的虛擬化堆棧單獨實現。 但是，在這種虛擬機和容器兩種情況下，虛擬化開銷大，資源利用率低，同時無法混合組織和管理。 因此，聯想在業界首次開發了混合輕量的虛擬化引擎，實現了虛擬機和容器在虛擬化引擎層的深度融合。 一個虛擬化執行程序可以虛擬化輕量級虛擬機和安全容器，從而大大減少了虛擬化的開銷和啟動時間。 效率和性能大幅提高。

讓我們看看邊緣智能層。 首先，聯想開始了漸近模型優化技術。 云端模型由于追求精度，通常體積較大，如果在邊側運行，則必須根據可用資源修剪模型。 以深度學習的卷積神經互聯網模型為例，該技術可以自適應地調整卷積層的裁剪比例，并根據場景逐步優化模型。 模型分發到邊緣端后，我們的ai任務協同計算技術不是將云端視為分割的資源，而是將云端視為統一的資源池，通過感知資源池內的計算、存儲和互聯網的整體情況，來實現云端 另外，云端訓練的模型無法預知邊緣端特有的數據特征。 為此，我們使用終身學習技術更新了預載模型的參數，使模型更好地適合場景。

闡述了這些核心技術，接下來，我想通過商飛大型飛機制造的實例，具體介紹其在聯想智能邊緣計算領域的應用。

這里是商飛的飛機零部件涂裝工廠。 飛機需要涂裝的零部件達到數百種，在以前流傳的自動涂裝實踐中，機械臂的示教和調試需要幾個星期； 但是，如果使用人工涂裝，質量取決于工人的操作方法，也不容易保證一致性。

這些棘手的問題將在聯想智能邊緣計算的幫助下解決。 聯想生產的晨星機器人在強大的邊緣計算力和智能的支持下，可以幫助工人通過機器人準確地執行遠程噴涂工作。 現在請看演示。

首先，機器人在空之間掃描感知整個工廠，數據實時對邊緣側的虛擬機進行三維繪圖和渲染，通過集裝箱化的slam技術導航定位，然后放到指定的涂裝臺上 機器人的雙目立體攝像機實時將操作臺的工件和周邊狀況收集到邊緣服務器。 然后，邊緣服務器將3d視頻流實時推送到ar眼鏡上。 工人用ar眼鏡和方向盤遠程操作機器人同時執行涂裝，手感和在現場完全一樣。 這樣操作一次自然后，該零件的涂裝能力會殘留在邊緣側，之后機器人可以對相同規格的零件進行自主涂裝。 另外，機器人還可以通過計算機視覺進行涂裝質量的自動檢查。

讓我們來看看剛才提到的幾個關鍵技術是如何實現這個場景的。 飛機零部件的涂裝既需要用于支持ar模型渲染的虛擬機，也需要用于支持機器人涂裝、油漆檢測等APP化的容器。 傳統方法要求在多臺計算機上運行不同的虛擬化堆棧，以便分別提供虛擬機和容器資源。 問題是，這兩種方案增加了系統開銷，APP之間的數據傳輸性能低，不能滿足多個終端實時同時渲染的延遲指標。 怎么說呢，聯想的混合輕量虛擬化引擎可以將這些APP安裝在一臺機器上，提供輕量虛擬機和安全容器，實現了兩者的深度融合，比較有效地提高了系統資源的利用率

另外，涂裝質量檢查需要將深度學習互聯網模型壓縮配置在邊緣一側。 傳統的做法通常采用固定裁剪比，邊緣計算力不能完全利用。 聯想創新的模型優化技術通過漸近搜索截斷比，實現了模型精度和計算力資源的細粒度匹配，將多而復雜的模型優化配置在邊緣，實現了更有效的質量檢測。

此外，涂裝質量檢測不僅存在常見缺陷，還存在經常超出檢測范圍的新缺陷種類，無法通過云分發的培訓模式進行應對。 因此，我們通過終身學習技術在邊緣側不斷更新模型，使機器人學會解決新問題，擴展新的檢測能力。

聯想智能邊緣計算技術的應用不僅僅是智能制造。 此外，還將為京東智慧園區、洛陽5g智慧門景區等提供低延遲、高可靠的智能服務。 我相信智能邊緣計算將有力地推動新基礎設施的快速發展，促進人工智能成為普適的資源，滲透到各行各業。 一個個智慧工廠、一個個智慧園區層出不窮，人類的生活和生產將更加智能、便利、高效。 智力，為了一切可能性！

這是我今天的復印件。 之后是精彩的新基礎設施圓桌論壇。 謝謝你。