2016年，一場風風火火的人機大戰，谷歌旗下DeepMind的圍棋程序AlphaGo以5局4勝的大比分贏得勝利，掀起了全世界人民，尤其是中國老百姓，對于AI前所未有的熱潮，深度學習的概念也從實驗室、教科書首次進入了普通大眾的視野。不少人通過互聯網，第一次了解到AI的魅力。但是，AI的應用遠不止互聯網企業這么簡單，它已經滲透到安防、公安ISV、研究機構、金融、醫療等各行各業。

縱觀整個2017年，互聯網圈里提到最多的一個詞一定是“人工智能”，而且這個“人工智能”已經不僅是2016年那個很會下棋的AlphaGo，它成了無所不能的助手管家，能和你對話（智能音響），能幫公安抓人（人臉識別），也開始搶老司機的活兒（無人駕駛）。如今的人工智能早已不再是70多年前的那個“它”了。

中國制造2025——智能制造工程

中國制造2025戰略中，智能制造是一個非常關鍵的奮斗目標。到2020年，制造業重點領域智能化水平顯著提升，試點示范項目運營成本降低30%，產品生產周期縮短30%，不良品率降低30%。到2025年，制造業重點領域全面實現智能化，試點示范項目運營成本降低50%，產品生產周期縮短50%，不良品率降低50%。

智能制造工程推動制造業智能轉型，推進產業邁向中高端;高端裝備創新工程以突破一批重大裝備的產業化應用為重點，為各行業升級提供先進的生產工具。重點聚焦“五三五十”重點任務，即：攻克五類關鍵技術裝備，夯實智能制造三大基礎，培育推廣五種智能制造新模式，推進十大重點領域智能制造成套裝備集成應用。

那么，如何加速智能制造的發展進度？盡快實現廣泛的行業領域應用呢？

容錯服務器專家的觀點認為，以邊緣計算引領人工智能的發展，將有力的推動制造智能化進程，并且讓人工智能更加“聰明”。

目前，受過訓練的人工智能系統，在特定領域的表現已可超越人類，而相關軟件技術迅速發展的背后，邊緣計算解決方法的運用讓人工智能變得更加強大。物聯網（IoT）將可望進化成AIoT（AI+IoT）。 智能機器人的遍地開花可能還只是個開端，人工智能終端的邊緣運算能力，其所將帶來的價值更讓人引頸期盼。

容錯邊緣計算團隊認為，基于邊緣計算解決方案的人工智能終端，將在各行各業帶來變革，從而改變未來的走向。傳統人工智能運算的硬件架構，主要包括中央處理器（CPU）、圖型處理器（GPU）、現場可編程數組（FPGA）等。

特定領域的專用人工智能系統，由于應用背景需求明確、深厚之領域知識、模型建立計算簡單可行，在單項測試之智能水平，目前已可超越人類智能，在許多領域取得具體成效。如今的技術挑戰在于，如何發展低功耗、高準確率的認知計算，包括新型運算架構電路設計、算法等。 未來人工智能將由特定的算法加速器，來加速包括卷積神經網絡（Convolution Neutral Network）、遞歸神經網絡（Recursive Neutral Network）在內的各種神經網絡算法。邊緣計算推動人工智能實現變革性發展，這是實現智能制造必須跨過的一步。

雖然目前人工智能領域的主流研究是在服務器上的人工智能運算，但有越來越多應用產品須在終端上進行實時運算，此種技術便是邊緣運算的運用。這個發展趨勢將改變整體人工智能運算系統架構的設計與技術需求。

容錯專家認為，人工智能在邊緣側的不斷擴展，是駕馭數據洪流的關鍵環節之一，也是物聯網未來發展的重要趨勢。隨著人工智能如火如荼的發展，海量數據需要快速有效地分析和提取洞察，這也大大加強了對于邊緣計算的需求。

兩個問題值得思考，首先是邊緣側趨向負載整合。以前的數據很多都是結構化數據，可以通過Excel表格或者簡單的關系型數據庫對其進行維護和管理。但今后會有越來越多的非結構化數據需要進行處理并借此發現內在關聯，這時就需要邊緣計算和人工智能技術。

其次，構建邊緣協同的端到端系統。在一個邊緣協同的端到端系統中，由于不同網源的功耗、計算性能和所能承擔的成本各不相同，因此在選取硬件架構時往往會有特定要求。要根據用戶需求提供不同架構的解決方案，涵蓋至強處理器、至強融核處理器、Movidius/Nervana神經網絡處理器和FPGA、網絡以及存儲技術等硬件平臺，以及多種軟件工具及函數庫，優化開源框架，來讓他們進行自主選擇。

容錯服務器及容錯軟件，具有ftServer 的Lock Step和 everRun Check Point技術， 在實時性，可靠性，安全私密性上有獨特的優勢，在已經有廣泛的工業自動化 （IA） 客戶應用的基礎之上， 助力邊緣計算產業創新技術的落地。

容錯服務器，在中國制造2025的奮斗目標下，協助邊緣計算產業聯盟建立開放與創新的平臺、行業踐行與示范的平臺。攜手人工智能技術，加速中國制造2025實現進程。