海康威视的AI Cloud 以“云边融合”为发展理念
单纯依靠云计算的架构不适合大规模物联网建设。在互联网行业中,云计算是一种常用的建设模式,但随着物联网规模的扩大,各类终端产生的海量的异构数据如果全部汇聚到云计算中心进行集中处理,不仅不能满足业务快速响应的需求,还将在网络带宽、存储资源、计算能力等方面面临巨大压力。以一个接入 10 万支摄像机的视频网络为例,按照每路摄像机平局 1Mb/s 码流计算,每个月产生的视频数据可达到约 30PB (1 PB=1024TB=1048576 GB),如果这些原始数据都要汇聚到云中心进行处理,不仅会极大提升建设成本,还会影响业务相应的敏捷性,使其缺乏可行性。
2017 年海康威视针对物联网应用提出 AI Cloud 计算架构。海康的 AI Cloud 可以概括为“云边融合”,由边缘节点、边缘域和云中心构成,遵循“边缘感知、按需汇聚、多层认知、分级应用”的核心理念。AI Cloud 中的边缘节点和边缘域位于智能物联网中,充分利用边缘计算能力;云中心位于智能物联网或信息网中,形成跨云端计算能力。从分工上而言,边缘节点侧重多维感知数据采集和前端智能应用;边缘域侧重感知数据汇聚和智能应用;云中心侧重跨网数据融合及宏观综合应用。
AI Cloud 以“边缘节点”为经络,以“云中心”为大脑。以视频监控为例,既需要就近存储原始视频流并进行智能分析,也需要实现结构化数据的按需汇聚和大数据分析,还需要对各类物联网和 IT 设备进行统一的管理和运维,类似于人体系统,连接感知末梢与大脑有序运作的是复杂的经络体系,而不是简单的信息通道。因此需要一个既能实现边缘计算,又能按需集中处理海量异构数据的智能架构,以实现人工智能、大数据、云计算和终端设备的有机融合。
从“两池一库四平台”到“物信融合数据平台”的进阶
基于 AI Cloud,海康秉持“开放、合作、共赢”原则打造能力开放的完整体系。海康 AI Cloud涉及产业的诸多方面,需要算法、算力、产品、数据、训练系统、软件平台、应用软件等各方共同参与,为此海康积极协同合作伙伴在各行业推广落地基于 AI Cloud 架构的行业解决方案。与此同时,面对多样化的物联网应用场景,用户需要的不仅仅是技术,更重要的是对数据的理解、对业务的理解,对如何按需采集数据、如何融合各类数据、如何应用数据处理的结果提供系统的解决方案,为此海康在近两年持续优化自身的数据组织形式,实现了从“两池一库四平台”到“物信融合数据平台”的进阶。
2018 年初期,公司尝试通过“两池一库四平台”实现“资源可调度”、“数据可融合”。“两池一库四平台”是实现海康 AI Cloud 融合计算框架具体的软硬件系统产品,其中两池是指“计算存储资源池、数据资源池”,“一库”是算法仓库,“四平台”是资源管理调度平台、数据资源平台、智能应用平台、运维服务平台。通过算力算法资源的按需调度,能够让 AI 从“可用”变成“好用”,通过数据的按需汇聚和融合关联,则能够有效提升数据的应用价值。
物信融合是智能化时代的数据经络,将打开智能物联网与信息网之间的数据通道。在云边融合的计算架构基础上,海康在 2019 年又深化和整合了 AI Cloud 和“两池一库四平台”产品线,发布了 AI Cloud 物信融合的数据架构。从概念上而言,物信融合就是把智能物联网的数据,与具体业务中信息网的数据相融合,支持跨智能物联网和信息网的资源治理、数据治理、数据融合、数据服务与数据应用,为客户一站式解决数据规范缺失、数据质量不高、数据汇聚治理困难、数据挖掘力度不足、数据管理成本太大等难题,帮助用户快速实现数据平台落地交付,支撑数据融合与应用。
物信融合数据平台实现了数据的组合、复用,在物联网基础设施建设过程中充分发挥了规模效应。具体而言,以车牌识别技术为例,这一技术能够在特定的点位识别出车辆信息。但是用户想要获取车辆信息背后的业务逻辑可能非常多样,可能是希望通过车牌识别来进行快捷收费;也可能是希望结合车型信息、车主信息综合分析车辆是否“套牌”、车主是否“失驾”等。由此可见,对于物联网某一边缘节点上获取的数据可能存在多场景复用的情况,而为了避免信息的重复采集、硬件设施的重复铺设、充分发挥 AI 及大数据的分析能力,就需要物信融合数据平台的建设,从而避免“用一个技术点解决单一场景”的问题。
评论前必须登录!
立即登录 注册