流动计算、机器学习迎来软件定义的自主化时代

   上海热线财经讯： 2018（第七届）民用飞机航电国际论坛（CAIF 2018）于2018年4月17日至18日在上海召开，同期举办由中国商用飞机有限责任公司上海飞机设计研究院和风河公司承办的“机载软件与机载电子硬件专业分论坛”，吸引了来自国内外政府局方、行业协会、科研院所、大学院校、行业媒体和企业近600名嘉宾，约20家展商参加论坛。

    在论坛举办的前一天，风河公司特别举行了记者见面会，风河公司首席战略官Gareth Noyes分享了自己对于航空电子系统发展趋势的看法，介绍了风河公司在工业物联网时代的战略定位。

    未来属于软件定义的自主化世界

    包括航空业在内，全球的工业界都面临着这样的困境——客户被极少数厂商死死地绑定着，只能采用他们提供的专用、缺乏灵活性的系统，就算是好多年不更新换代，安全性危机日趋严重，还是束手无策。反观IT产业，早已形成了基于开放标准的供应链和生态系统，云计算和雾计算如火如荼。Gareth说，“我们已经看到，传统的出租车业已经被Uber这个行业外来者颠覆了，传统的旅馆业已经被Airbnb颠覆了。这一切都说明，任何传统行业如果自以为自己可以永远垄断，不思进取，它很快就会被互联网思维所颠覆。而且，不像富于情感的人类会留恋传统的思维，物联网、机器学习和人工智能的颠覆与超越将会是无情的。”

    物联网（IoT)最初是脱胎于机对机（M2M）技术，如今不仅已被各行各业的企业机构列为头等大事，而且已经好几年了。尽管如此，这个概念距离达到成熟期还有很长的路要走。这条道路将技术、经济和社会等诸多因素汇聚起来，共同创造新的数字化舞台，服务于我们的生活、工作和娱乐。这是一个长远的愿景，我们目前仅仅只是走在旅程的起步阶段。

    大多数企业机构都把物联网看作是由多个阶段构成的整体。大致的思路都是先把设备连接起来，然后使它们智能化，最后使它们自主化。例如，自动驾驶汽车就是典型的自主化。早期人们首先关注的是把各种设备通过网络互连起来。但是，当你注意到它是一个整体系统之后，就会发现其背后所潜藏的其他组成部分，也就是更多的技术需求和业务需求。

    目前的现状是，所有这些组成部分都还不那么成熟，甚至还有些技术尚未找到适当的方式，使其能够有效地支持物联网愿景中的智能化和自主化的需求。例如，计算资源的布局方法就是一个值得讨论的方面。

    机器学习的普及离不开计算能力的流动化

    计算资源究竟应该部署在整个物联网的哪些部位，这是一个十分重要的议题。计算能力在过去的四十年中一直在集中式于分布式之间摇摆，而最新的趋势是云计算——这也是一种集中化的方法。市场上有一种观念，认为人们正在回到分布式计算模式，但Gareth不认为这种情况必然会发生。他说，“是的，我们需要把更多的计算能力部署到网络边缘，但为了充分发挥物联网的应有潜力，真正需要实现的是流动计算（Fluid Computing）。”

    为了让物联网充分发挥其潜力，系统需要能够以流动为基础来获取和使用计算资源。在云端，企业级的虚拟化能力推动了弹性计算，于是企业可以让应用软件运行在任何可利用的计算资源之上，而不论这些资源位于何处。

    让计算能力在边缘、雾和云之间流动起来

    风河公司一直在与客户一起规划未来，并向他们展示如何接受流动计算的概念并加以扩展，目标就是在物联网的边缘、雾和云之间实现工作负载的最佳均衡。创建一个拓扑结构，允许企业以流动的方式使用任何层次的计算资源，这样就可以按照需要将工作负载部署到最佳的计算资源之上。

    最终，这将创造一种环境，其中的计算资源可以满足各种应用需求，并且实现资源利用效率的最大化。然而，这是很复杂的工程，对于许多人来说，它代表了一个全新的IT愿景。

    一段时期以来，嵌入式系统开发人员已经在左右横向坐标轴上实现了工作负载的综合化。他们已经能够实现嵌入式虚拟化技术在联合制系统中的综合运用，从而降低了整体成本。下一个挑战就是，如何实现纵向上下坐标上（边缘、雾和云之间）实现工作负载的和协调和综合。

    其中一个关键是云架构的利用，而不是继续构建客户定制的嵌入式解决方案。要做到这一点并不容易，而更大的挑战在于如何有效地做到这一点，同时保持关键基础设施所必须达到的系统完整性、性能和确定性。

    以软件定义推动自主式商业模式转型

    风河公司一直专注于帮助客户应对计算资源方面的挑战，努力实现物联网的愿景，同时也关注着未来市场将会创造出的商业模式。Gareth说，“随着我们在物联网完整体系上的加速推进，必须考虑到实质上的商业模型转型。推动云计算和电信数据中心向软件定义网络（SDN）和网络功能虚拟化（NFV）的转型，这已经对传统设备供应商的商业模式产生了深远的影响。他们以往的盈利策略都是与专用解决方案紧紧捆绑在一起的。”

    最终用户正在推动计算平台、软件基础设施、应用软件和业务流程的解耦（Decoupling），这将对供应链造成颠覆性的重大变化，迫使企业解决方案的供应商重新思考他们将如何创造和获取价值。例如，大家现在看到，思科的转型就是这种演变的典型例子。 

    这种趋势同样也发生在传统的嵌入式领域，如工业控制市场。生产制造和流程加工企业的拥有者正在努力让原有的设备在新的物联网环境中继续发挥作用，并且以创新的方式来应对新的市场变化，同时还必须进一步降低成本。他们正在探索如何利用虚拟化和拓扑结构来实现解耦，以便能够灵活地部署创新的技术。

    工业系统正在向电信系统学习

    在过去的50年里，工业自动化系统的服务方式可以概括为“插上插头之后只能祷告（Plug and Pray）”。也就是说，每当人们在系统中添加一件新的设备，就只能向上帝祷告祈求它正常工作，不要出现任何问题。因为一旦发生问题，维修和更换的成本是不可估量的。例如，安装在核反应堆之中的发电机组就属于这种情况。在物联网时代，我们既有可能也应该获得新的方法来解决这类问题。

    当今的技术创新发展迅速，工业企业如果不了解如何运用这些新技术来加快应变速度、降低运营成本，必将在竞争中处于劣势。我们在这里探讨就是，工业企业已经感受到压力，发现自己可以了解评估一下，在云计算和电信数据中心已经发生的拓扑结构变迁，以便确定哪些新技术可以应用在自己所在的领域。

    这些方法在工业市场传统供应商的商业模式之下有可能让人感到迷惑，与我们在云计算和电信市场出现的情况十分类似，不必恐慌。我们已经看到，工业控制企业正在积极尝试从相邻行业中学习，调整转变自己的价值主张，同时重新思考伴随着这种转变应该采取的盈利策略。他们开始认识到，自己的价值将越来越多地在应用程序和业务流程的层级产生，而不是在计算平台、软件基础设施这两个层级。

    机器学习迎来自主化时代

    作为一项具备转型意义的关键技术而被广泛讨论的是机器学习，这是实现物联网崇高愿景的关键。

    Gareth介绍说，“机器学习在20世纪40年代以及艾伦图灵之后就已经存在了。早期的方法是使用符号编程，依靠机器规则作为学习的基础。如今，算法的发展已经转向了模式识别，应用精细化的学习技术。随着机器学习朝着这个方向发展，我们已经看到应用效率的巨大提升。当然它还处于新生阶段，但发展速度是惊人的，其影响将是具备转型意义的。”

    然而，支持机器学习必然会需要更大的计算资源。我们遇到的主要挑战是将计算资源远远地推到产生数据的网络边缘，这样就可以让设备自身在更短的时间内做出在关键性的决策，而不会因为要将数据传送到云端而产生时间延误。最终，企业会希望实现流动计算的模式，以便为在任何需要的地方和需要的时间为设备赋予智能。于是，我们将真正能够充分利用机器学习的力量，迎来机器自主化的时代。

    为机器设备赋予高度智能的自主化能力，也就是让它们可以自己做出最聪明的决定，这其实会让一些担心——人类会不会反而被机器所主宰？而风河的使命就是：“确保自主化的世界是一个安全的世界。”

声明：本网站所提供的信息仅供参考之用,并不代表本网赞同其观点，也不代表本网对其真实性负责。您若对该稿件内容有任何疑问或质疑，请尽快与上海热线联系，本网将迅速给您回应并做相关处理。联系方式:shzixun@online.sh.cn