Репортаж от Wedoany，30 июня восемь ведомств, включая Министерство промышленности и информатизации КНР, опубликовали «Рекомендации по высококачественному развитию промышленного интернета», в которых предложено повысить уровень вычислительной поддержки и обеспечить единое планирование и синхронное строительство инфраструктуры промышленного интернета и вычислительной инфраструктуры, включая объекты интеллектуальных и суперкомпьютерных вычислений. В документе также предлагается изучить возможность создания сетевой системы промышленных вычислений, усилить динамическую координацию многоуровневых вычислительных мощностей на конечных устройствах, периферии и в облаке, чтобы удовлетворить потребности предприятий, платформ, промышленных парков и отраслевых субъектов в вычислительных сетях, хранении и использовании данных в ходе операционной деятельности.
Данное решение объединяет строительство промышленного интернета и вычислительной инфраструктуры в единую рамку планирования. Ранее промышленный интернет в большей степени акцентировался на подключении устройств, интеграции платформ, идентификации и анализе, сборе данных и переносе систем в облако. Однако теперь промышленные большие языковые модели, промышленные интеллектуальные агенты, цифровые двойники и промышленная метавселенная начинают внедряться непосредственно в производственные процессы. Одного лишь традиционного сетевого подключения уже недостаточно; производственным предприятиям требуется интеллектуальная вычислительная поддержка, максимально приближенная к заводам, оборудованию и производственным линиям.
Типы данных в промышленной среде сложны и включают параметры работы оборудования, временные ряды данных с датчиков, изображения визуального контроля, технологическую документацию, записи о качестве, а также производственные графики, данные об энергопотреблении, данные цепочек поставок и журналы технического обслуживания. Разные данные предъявляют различные требования к расположению вычислительных мощностей, задержке, пропускной способности и безопасности. Некоторые задачи целесообразно выполнять локально на предприятии или на периферийных устройствах, в то время как обучение некоторых моделей и межзаводской анализ требуют поддержки облака или центров интеллектуальных вычислений. Предложенная восемью ведомствами динамическая координация многоуровневых вычислительных мощностей на конечных устройствах, периферии и в облаке направлена на то, чтобы периферийные вычислительные ресурсы, региональные промышленные облака, объекты интеллектуальных вычислений и суперкомпьютерные ресурсы могли комбинироваться и распределяться в соответствии с требованиями конкретных задач, сокращая узкие места передачи данных и повышая скорость отклика и эффективность обработки промышленных AI-приложений.
Включение единой вычислительной сети в задачи высококачественного развития промышленного интернета означает, что промышленные вычисления больше не являются делом исключительно центров обработки данных или облачных сервис-провайдеров. Промышленные парки, ведущие производственные предприятия, платформы промышленного интернета, поставщики оборудования и разработчики программного обеспечения должны перепроектировать свою инфраструктуру с учетом подключения к вычислительным мощностям, циркуляции данных, развертывания моделей и работы приложений.
В документе предлагается, опираясь на единую вычислительную сеть, усилить взаимосвязь и взаимодействие вычислительных мощностей, улучшить согласованное предоставление интеллектуальных и периферийных вычислительных ресурсов, а также повысить способность к высокоскоростной обработке и глубокому анализу огромных объемов гетерогенных данных. Это требование напрямую соответствует таким сценариям, как обучение больших промышленных языковых моделей и обеспечение интерактивности в реальном времени в промышленной метавселенной. Промышленные большие языковые модели требуют большого объема отраслевых данных, технологических знаний и данных о состоянии оборудования для обучения и тонкой настройки; промышленная метавселенная требует моделирования, рендеринга и взаимодействия в реальном времени с оборудованием, производственными линиями, цехами, логистикой и действиями персонала. Оба типа сценариев предъявляют более высокие требования к вычислениям, сетям, хранению и безопасности, что также стимулирует спрос на сопутствующее оборудование, такое как периферийные серверы, промышленные шлюзы, интеллектуальные контроллеры, устройства сбора данных, высокопроизводительные системы хранения, GPU-серверы и платформы промышленного программного обеспечения.
Для производственных предприятий суть политики заключается не просто в «наращивании вычислительных мощностей». Более важно разместить вычислительные мощности в нужных местах и обеспечить подключение данных к моделям и приложениям доступным, контролируемым и отслеживаемым способом. Задачи с высокими требованиями к реальному времени должны обрабатываться вблизи производственной линии; межзаводская оптимизация и обучение моделей требуют более мощных централизованных вычислительных ресурсов; а анализ качества, прогностическое обслуживание и оптимизация энергопотребления требуют формирования непрерывного цикла данных между периферией и облаком. После синхронного строительства инфраструктуры промышленного интернета и объектов интеллектуальных и суперкомпьютерных вычислений цифровая трансформация предприятий перейдет от «подключения оборудования» к этапу, когда «данные поддаются вычислению, модели доступны для использования, а приложения могут быть внедрены».
Данные рекомендации также повлияют на направление развития платформ промышленного интернета. В будущем компаниям-операторам платформ необходимо будет одновременно обладать способностью подключать устройства, агрегировать данные, вызывать вычислительные мощности, развертывать модели и поддерживать отраслевые приложения, не ограничиваясь лишь панелями мониторинга данных и управлением устройствами. По мере постепенного формирования сетевой системы промышленных вычислений такие отрасли, как металлургия, химическая промышленность, автомобилестроение, электроника, машиностроение, энергетика и горнодобывающая промышленность, смогут получить более стабильную базовую вычислительную поддержку для обучения моделей, имитационного моделирования, оптимизации производства и удаленного технического обслуживания.
