企业级智能数据中台与云边协同解决方案

基于AI中台+边缘设备的跨平台云边协同应用解决方案

随着细分场景视觉算法需求的不断挖掘,边缘计算设备作为细分场景AI应用落地的最佳载体,也逐步展现出高速成长的趋势.而不同品牌的AI芯片平台都有独立的开发架构,算法厂商的移植工作不能普遍适用于不同品牌的算力芯片,这就大大限制了算法厂商对边缘算力的选型,造成资源的浪费.本方案基于英码科技AIoT中台,结合跨品牌的涵盖高中低算力的软硬一体边缘计算设备,通过"N个硬件平台+1套管理中台+N种场景算法"的方式,在日益碎片化的边缘场景,为用户提供算法能力快速落地的全套解决方案.

基于工业互联网的人工智能中台系统架构

随着技术的不断突破,人工智能(Artificial Intelligence, AI)为工业带来了新的可能性.但人工智能存在高投入,高门槛的特点,因此资源与成果的有效利用尤为关键.对于集团型工业企业,需要一套人工智能中台系统,将行业专家的专业知识和业务经验沉淀为各类智能成果.文章提出了一种基于工业互联网的架构设计,将平台划分为模型引擎,人工智能数据资源库,模型工厂,模型市场,云边协同,工业模型库等模块,形成面向整个行业的解决方案,为行业数智化转型提供示范.

5G边云协同实时数据计算架构的研究

3GPPR15协议的冻结,标志着面向IMT-2020的第一版5G协议正式发布.R15以及后续R16的标准细化将催化增强型带宽(eMBB),高可靠低延时通讯(uRLLC)和大规模设备通信(mMTC)三大场景的商业应用.实时计算在CT领域目前被广泛应用在OSS域位置类计算,网络KPI指标,BSS域实时订单归集以及实时指标计算等方面;而5G网络架构的变革对实时计算提出了新的要求,部分超低延时的计算将从数据中心下推至边缘;受限于边缘计算中心的计算资源,实时数据中台系统需要合理的将实时计算类型在边缘和中心协同管理与编排;同时,实时计算也需要与5G网元等系统进行互操作,充分利用网络能力的演进提升实时计算能力而增强对更多场景的适用性.基于这样的背景,本文提出了一种面向5G特性的边云协同实时计算架构,将传统中心化的实时处理扩展为边缘,云端协同实时处理,从而适应5G业务快速响应,实时决策的需求,提升实时处理的效率.

基于动态数据汇聚与AIoT协同的智慧园区管理系统设计与实现

在"双碳"战略与数字经济发展双重驱动下,针对园区数字化转型面临的数据孤岛引致的决策效能衰减,系统刚性引致的响应迟滞,能效失衡推高的碳足迹膨胀等结构性矛盾,本文提出一种基于动态数据驱动的智慧园区智能决策系统架构.通过构建多模态数据动态汇聚模型与AIoT协同优化体系两大核心引擎,设计了包含基础设施层,数据底座层,能力中台层,应用服务层和场景创新层的五维垂直架构体系,实现物理空间到数字空间的虚实映射与协同优化.在技术实现层面,采用"云–边–端"三级分布式架构,通过数字孪生底座实现全域要素数字化建模,集成开发智慧能源管理,巡检运维,智能安防联动等核心功能模块,并引入无人机协同巡检与AI场景自适应服务机制.研究成果应用于国家级数据中心园区,有效验证架构设计的科学性与实践有效性,为破解园区数字化转型的架构性困境提供了解决方案,为新型智慧园区建设提供了可复制的理论范式和技术路径.Driven by the dual driving of the "dual carbon" strategy and the development of the digital economy, in response to structural contradictions such as the attenuation of decision-making efficiency caused by data silos, response hysteresis caused by system rigidity, and carbon footprint expansion driven by energy efficiency imbalance, this paper proposes a smart park intelligent decision-making system architecture based on dynamic data-driven. By building two core engines of multimodal data dynamic aggregation model and AIoT collaborative optimization system, a five-dimensional vertical architecture system including infrastructure layer, data base layer, capability middle platform layer, application service layer and scenario innovation layer is designed to realize virtual and real mapping and collaborative optimization from physical space to digital space. At the technical implementation level, a three-level distributed architecture of "cloud-edge-end" is adopted to realize digital modeling of all-area factors through digital twin bases, integrate and develop core functional modules such as smart energy management, inspection operation and maintenance, and intelligent security linkage, and introduce a UAV collaborative inspection and AI scenario adaptive service mechanism. The research results are applied to national data center parks, effectively verifying the scientificity and practical effectiveness of architectural design, providing solutions to solve the architectural dilemma of digital transformation of parks, and providing replicable theoretical paradigms and technical paths for the construction of new smart parks.

基于"云-边-端"协同的煤矿火灾智能化防控体系建设

针对智能矿山火灾防控子系统建设过程中数据采集及执行层不全面,边缘计算功能未体现,综合防控平台建设标准不明确等问题,对照国家及地方煤矿智能化建设标准中火灾防控相关条款,提出了基于"云-边-端"协同的架构体系.增设光纤测温,MEMS温度传感器,巡检机器人等火灾数据感知装置及灌浆,注氮,自动洒水,巷道快速封闭装置等火灾执行控制装置,形成数据感知与执行控制层,负责感知火灾数据信息以及执行云计算中心或边缘侧下发的控制命令;增加边缘计算装置,形成边缘计算层,实现对现场防灭火装置的联动控制;以"智能矿山基础信息平台"为中台底座,建立智能矿山火灾防控业务应用,形成平台防控层,融合专家知识库,对火灾防控关键指标进行专业分析.形成云平台层智能分析,边缘层就近分析控制,感知执行层数据采集及执行的综合防控体系,且辩证分析了"云-边-端"火灾防控体系三层之间的对立统一关系.探讨了无线低功耗火灾传感器,巡检机器人,火灾危险区域监测点部署优化,边缘侧配套物理装置,边缘侧火灾预警算法,决策边缘计算算法,边缘节点部署策略,综合防控平台,火灾数据治理,火灾预警及决策模型等关键装置及技术.

交通行业AI能力中台探索与实践

交通行业的发展趋势是智能化和信息化的,然而目前交通人工智能应用体系缺乏创新和突破,传统的"烟囱式""项目制"研发模式导致数据孤岛和资源浪费,阻碍了业务快速发展.人工智能技术的不断进步为交通行业的发展提供了新的机遇,因此探索构建高效,规范的AI能力中台成为一个新的方向.AI能力中台基于AI应用层,表现层,存储层,持续集成层和硬件设备层构建,采用微服务,大数据,云原生等技术实现,提供数据处理,模型开发,训练和管理等功能.本文通过构建AI能力中台,以促进数据共享,模型复用和业务创新,并快速响应AI业务需求.