電工隨著5G的落地、IoT設(shè)備數(shù)量的爆發(fā)、邊緣計算概念的提出，使得工業(yè)生產(chǎn)的各個要素，得以深度整合。這將促進制造效率提高、產(chǎn)品質(zhì)量改善、產(chǎn)品成本和資源消耗的降低，并將傳統(tǒng)工業(yè)提升到智能工業(yè)的新階段。
從當(dāng)前技術(shù)發(fā)展和應(yīng)用前景來看，物聯(lián)網(wǎng)在工業(yè)領(lǐng)域的供應(yīng)鏈管理、生產(chǎn)過程工藝優(yōu)化、產(chǎn)品設(shè)備監(jiān)控管理、環(huán)保監(jiān)測及能源管理、工業(yè)安全生產(chǎn)管理等方面，都發(fā)揮了巨大作用，其幫助人類實現(xiàn)了工控系統(tǒng)、通信系統(tǒng)和信息化系統(tǒng)的智能化融合。
通過物聯(lián)網(wǎng)+方案，制造企業(yè)將實現(xiàn)設(shè)備自動化、搬送自動化和排產(chǎn)自動化，進而實現(xiàn)柔性制造。同時，工廠上下游制造產(chǎn)線能實時調(diào)整和協(xié)同。這將大幅提升工廠的生產(chǎn)效率、及企業(yè)的盈利能力。對產(chǎn)值數(shù)十萬億、乃至數(shù)百萬億的工業(yè)產(chǎn)業(yè)而言，提高5%-10%的效率，就會產(chǎn)生數(shù)萬億人民幣的價值。所以，物聯(lián)網(wǎng)+工業(yè)，必將在2020年迎來爆發(fā)。AI+物聯(lián)網(wǎng)，使機器間大規(guī)模協(xié)作成為可能傳統(tǒng)單體智能，無法滿足協(xié)調(diào)大規(guī)模智能設(shè)備共同完成實時感知和決策等工作。但隨著物聯(lián)網(wǎng)協(xié)同感知技術(shù)、5G高速通信技術(shù)的發(fā)展，多智能體之間的協(xié)同合作，將會成為可能。多智能體協(xié)同，將使物聯(lián)網(wǎng)進一步智能化，并進一步強化智能系統(tǒng)的價值。比如，大規(guī)模智能交通燈調(diào)度，將實現(xiàn)動態(tài)實時調(diào)整;倉儲機器人協(xié)作，將完成貨物分揀的高效協(xié)作;無人駕駛車可以感知全局路況;群體無人機協(xié)同，將高效打通最后一公里配送，超大規(guī)模的智能終端合作成為可能。
目前，深度學(xué)習(xí)需要采用規(guī)模非常龐大的網(wǎng)絡(luò)、存儲很多參數(shù)以及完成大量計算。同時，在這些計算過程中，會生成大量數(shù)據(jù)。
為完成這些計算，芯片設(shè)計中，會增加很多運算單元，如幾千到幾萬個運算單元。隨著運算單元數(shù)目的增加，每個運算單元能夠使用的存儲器的帶寬和大小都在減小。因此，存儲器會成為計算瓶頸。由于深度學(xué)習(xí)并不屬于通用計算的范疇，馮·諾伊曼(John von Neuman)架構(gòu)的存儲和計算分離，已經(jīng)不適合數(shù)據(jù)驅(qū)動的人工智能應(yīng)用需求。頻繁的數(shù)據(jù)搬運，導(dǎo)致的算力瓶頸以及功耗瓶頸，已經(jīng)成為更先進算法探索的限制因素。類似于腦神經(jīng)結(jié)構(gòu)的存內(nèi)計算架構(gòu)，將數(shù)據(jù)存儲單元和計算單元融合為一體，這樣能顯著減少數(shù)據(jù)搬運，提高計算并行度和能效。而計算存儲一體化，在硬件架構(gòu)方面的革新，也將突破AI算力瓶頸。
