云计算与边缘计算

       在企业工厂中，需要处理机器视觉系统带来的大量图像数据，并在这些数据的海洋中挖掘有效的数据，如在海量的图像数据中挖掘微弱的散斑、形变等图像信号实现缺陷检测和分类，通过对大量数据的相关分析，构建知识图谱结构，进行逆向溯源，实现质量管理和风险管控。这一系列需求都需要对海量数据存储能力以及高速的计算能力，特别是深度学习的算法的不断提升，对算力的要求呈指数级增长。此外，由于产线对效率的要求要将这些复杂的运算控制在极短的时间下，甚至需要实时检测。为了满足这种苛刻的算力要求，云计算的概念相继提出，云计算是依托于互联网所诞生的新兴技术，是指将互联网上的资源通过特定的方式与模式来为企业工厂提供互联网服务，这种资源往往是虚拟化的，其模式包括了交付和使用。厂商在互联网中可以通过云计算技术来获取自己所需且易扩展的虚拟化资源。由于云端具备数以万计的超强算力单元，其计算能力大幅提升，厂商只需将数据上传云端，通过云端即可通过庞大的算力资源，进行快速的计算，达到企业厂商所指定的算力要求。

       为了应对海量终端快速增长的高算力需求，通过计算卸载等方法利用云计算的海量计算资源实现计算需求，这种云计算的模式能够实现超强算力，解决企业的算力不达标的痛点。但是这种云到端的计算模式由于海量的数据上传产生的高延时性使通信过程中的数据通量和数据时延成为了新的问题。为了满足这种低时延的实时运算需求，边缘计算概念应用而生。边缘计算通过将计算需求转移至靠近用户的一侧，利用网络边缘的计算资源承载云计算服务，利用数据上行和计算下行的方式，突破了终端和数据中心两级架构的局限性，可以满足厂商对时延及数据通量的需求。边缘计算利用其独特的地理位置优势以低时延、高带宽的方式提供信息技术服务环境和云计算能力，是满足智能制造中算力需求的关键支撑技术之一。

       机器视觉融合 AI 已成为未来的一大趋势，云端智能计算将为机器视觉系统提供结合深度学习、云计算和行业知识图谱技术的智能计算技术，助力检测系统的数据传输效率、海量数据计算力以及检测准确性。

       物联化、智能化和互联化是“智能工业”云平台的基础，它将物联网、云计算、大数据、移动互联等技术与传统工业深度融合，让工业设备变得更节能、更环保、更安全。

       物联网云平台为所有连网设备提供了一个“汇聚点”，并用于收集和处理它们通过网络传递的数据。

       云计算通过实现数据中心的大众化和彻底改变企业的运作方式，引发了行业变革。

       云平台在企业中被普遍使用并且推广，不仅现在发展迅速，云平台在未来的发展和使用也是具有巨大的潜力的。

       云化视觉平台目前主要包含两用运行模式，前端处理 + 后端数据挖掘和前端采集 + 后端处理判定。其中第一种模式（云边融合）融合了边缘计算和云端计算的双重优势，逐渐在应用中凸显。