数字世界如何构建？云边一体化平台打造数字化物理世界

讲者：丁险峰

编辑：肖琴

在 Gartner 发布的 2019 年10大战略性技术趋势报告中，“边缘计算”和AI驱动的开发、区块链、量子计算等前沿技术趋势一起，名列其中。

Gartner 2019十大战略性技术趋势

边缘计算已成为物联网的重要趋势。因为实施物联网解决方案的公司已经发现，在将数据发送到云之前，通过边缘计算处理数据有很大的好处。

最近的一项调查证实了这一趋势。调查发现，53%的受访者预计，未来三年他们将在边缘分析复杂的数据集。

因此，有人甚至大胆预测“边缘计算将吞掉云计算”。

边缘计算为何如此受到推崇？它能解决工业物联网用例中的哪些关键问题？

3 月 27 日，在新智元 “智能云 · 芯世界”AI 技术峰会上，阿里云首席智联网科学家丁险峰先生发表了题为《边缘 AI 计算平台让看见，更有价值》的演讲，回答了这些问题。

丁险峰从电子工程系、计算机系、控制系和物联网系对物联网和边缘计算的理解，剖析了云边端如何协同实现AI，介绍了阿里云物联网云平台的总体架构和应用场景。

丁险峰认为，边缘计算是普适计算的重要实现，云端下发、边缘推理，为各种物联网边缘计算场景提供了解决方案。

以下是丁险峰的演讲内容：

电子工程系如何理解物联网？

我分享一下阿里云对物联网这个新时代的理解。因为物联网当中最重要的核心平台就是边缘计算、边缘 AI，我就先花十分钟左右把物联网讲一讲。

我是中科院自动化所毕业的，中科院自动化有两个国家级重点实验：一个是模式识别国家重点实验室，另一个是复杂系统管理与控制国家重点实验室，这是由钱学森创立的，现在是由王飞跃老师负责。王飞跃老师也是新智元的一位非常好的合作伙伴，我就是王飞跃老师坚定的支持者。

从电子工程系的角度来看，过去一百多年来，通信领域完成了连接的协议和网络的协议，比如 2G、3G、4G、5G，蓝牙，ZigBee，这些都是连接协议。TCP、HTTP 都属于网络协议。

物联网时代，电子工程系最想要做的事情就是物与物的社交、物与物的沟通，物在数字世界将会有数字孪生体。那么我们一定要构建一套机器可以沟通的语言和通讯的标准。这是电子工程系的逻辑，下面这一层是连接层，再往下一层是网络层，这个六层架构的最上面，最重要的是要建立一套机器可以通讯的语言。

计算机系：物联网就是要建立一个物理世界抽象层

计算机系是什么观点呢？Android 和 PC 都成功了，Android 最主要的成功在硬件抽象层，所以微信在你的华为、小米、OPPO 和 VIVO 手机都可以跑，所以 Android 最伟大的地方就在于隔绝了所有硬件的差异，让所有应用变成一张网络。网络的意义要比单个硬件的价值大很多，把硬件跟软件隔离，建立了一个虚拟的网络世界，由数字的虚拟机构成十亿级的网络世界，所以它极其强大。

计算机系认为，物联网时代是要建立一个物理世界抽象层，隔绝整个物理世界和数字世界的差别。刚才休息的时候我们也在聊，现在我天天都在交付项目，累死了，几百个项目，为什么不能用 APP 分发一下？这样不就容易多了吗？为什么物联网每个项目都要重做一遍？所以计算机系的人认为，一定要建立一个数据抽象层。汽车就是一个汽车的模型，消防栓就是一个消防栓的模型，智能家庭就是一个智能家庭的模型，所有的智能家庭都是一个数据标准，发一个 APP 过去就可以搞定，这是我们计算机系的观点。物联网是一场认知革命，我们把物理世界抽象到数字世界之后，在数字世界进行数据挖掘，IP就是财富。

计算机系认为要做一个ipv6，每个东西都要连接上云，从小数据到大数据汇集到云上面，给每个物一个 IP，每个物一个数字孪生体，形成一个完整的数字世界。CCF 有一个重要的专委会，叫做叫做普适计算专委会，它要建立一个计算的网络，就是从传感器到边缘一直到云，然后再和服务打通。从我们的观点来讲，肯定不希望未来的物联网时代只有 1+8 入口，应该是无处不在的入口。

无处不在的入口意味着一定会被无处不在的计算所支撑，张三、李四、王五家的音箱都应该能够听懂你的意图，如果张三家的音箱能够听懂你的意图，李四家的到了办公室就听不懂你的意图，你觉得这个体验会很好吗？硬件一定是会被软件隔离掉，这是可以肯定的。

控制系：把物理世界抽象到模型世界

这是控制系的观点，物联网要把物理世界抽象到模型世界，来更深地认知物理世界。我们要把物理世界用一个仿真软件完全仿真到模型世界去。比如吉利现在全部仿真一辆车，不需要再做碰撞实验，直接就可以上，所以仿真软件模型加上传感器就叫做数字孪生体，数字孪生体可以让每一辆车都活在数字世界。这种数字世界的车有什么价值呢？它可以告诉你什么时候换油、什么时候放点音乐、什么时候跟你聊天、什么时候给你放点笑话，这才是一个 Avatar。到了数字世界，这种车辆将会产生大量的数据，所以允许大量的深度学习，学习以前从来没有得到过的知识。