制造业是个很广的行业，装备制造业看上去是制造业的子行业，其实包含了七个大类，47个中类，185个小类，在这七个大类里，大家可以看到有金属制品业、装备制造业、交通运输设备制造业、电器机械器材制造、电池通讯的制造，仪器仪表的制造等。这里面包括了通用装备制造业，通用装备制造业又涵盖非常广阔，像锅炉、起重机、金属的铸、锻，都在通用装备制造业里。

装备制造业的发展水平是国家综合国力的重要体现，国家的重大装备制造更是事关国家经济、安全、国防安全的战略性产业。中国是工程机械设备的制造大国，几个大的龙头企业在国际上也打出了一片天下，在风光的背后，中国工程机械行业还是有困扰多年的隐痛，这个隐痛是什么呢?一些关键的零部件，还一直受制于人。我们希望做大，做强，高精尖。就装备制造业而言，两化融合，信息化和工业化的高层次深度融合，其核心是以信息化为支撑的，追求可持续化的发展模式。针对我国装备制造业的发展现状，装备制造业在未来可以说是在下面这三个方向实现与信息化更好地融合，技术的融合，产业的融合和管理的融合，内容很多，今天时间有限，在短短20分钟里，我们没办法一一地展开，所以先说说技术融合环节里，戴尔科技集团能够提供的技术助力。

到了2022年，两年以后，企业数字业务产生的数据，75%的数据不会再是来自于传统的数据中心，是在边缘产生进行处理，在2020年，大家觉得这个比例是小的，但是增长速度非常快。现在不到10%，可能两三年后增长到75%，是很夸张的增长速度。数据已经不再中心化了，能不能有方式管理、处理、保护，这是IT带来的新挑战。同时我们也看到移动，无线，到2025年全球的移动手机45%会使用5G，同样到2025年，无线的IOT的连接可以超过24B，在流数据和非结构化数据，超过41%是采用流处理去取代的，实时数据，AI实时处理数据会达到33%。

我们怎样拥有自己的边缘计算呢?这幅图里，我们可以看到，一个数据创建的时候，对应的实时价值是最高的，随着时间的推移，数据的实时价值是会逐渐地降低，我们也做了很多事，比如快速的推断。数据的创建和访问点来自哪儿?不是来自于数据中心，是来自于边缘，恶劣环境的边缘地方。对于我们来说，需要解决边缘计算的挑战，不仅仅只是一个地方或者是事务，而是系统范围内的计算，同时带来的数据创建有好多约束，比如数据创建的时候物理挑战、恶劣环境下带宽和网络连接挑战，因为是工业环境，很多又属于尘土很大的，要放计算相应的IT设备，对应的尺寸空间又很狭窄，没有空间可以放，电器要求里也非常苛刻，电源不太理想，冷却条件又不太理想，运营角度来说，又没有这么多熟练的IT员工，边缘的环境都是远离的，安全的角度也是，本身是需要控制和监控数据中心以外的安全性。

以上说的限制，会限制生成实时数据的时候对应当前实时价值的能力，希望针对这些约束，尽可能优化，使得计算分析的时候，功能越来越提早接近于数据的创建点。数据在边缘的地方创建出来之后，就开始进行各种的处理压缩，开始往后端进行传递，进行对应的数据汇集、归档。因为有数据湖，集中的存储，就开始进一步走BI和AI的应用，从而产生新的见解和新的业务模式。这就是数据价值的变化，和时间变化的展现。

接下来再用一个动画举例在工业传感器里数据异常的检测。各个生产流程中，有很多传感器的数据，传统传输的时候，自己做数据的采集、批处理，同时做实时处理，然后再做交互式的分析，实际上在做这些的时候，我们经常被卡住，被什么卡住?从边缘层过来的实时数据都是带着时间戳标签的，一秒钟产生一个，这么多的控制传感器、数据，时序数据流对应的时序数据库，我们怎么去做批处理，都是各种各样的挑战。

为什么在EMC有一整套的流数据的平台，可以直接在边缘层很好地进行数据的采集，采集的时候，往后端做汇聚，可以进行整合式的处理和整理式的分析。这是从大家相对容易理解的角度数据来说，从左到右，左边是各种工业传感器，产生了很多数据，实时数据对应往后传，往后传的时候，希望快速往后，一般来说有各种可以用到带IOT的定位、网关转化，收集，带的IOT网关在SAP的大数据平台里，全球第一个获得SAP的认证。当然也有一些企业觉得可以不用带的网关，可以用其他的，本身就是中控或西门子的，这些品牌也都带着自己的工业软件服务器，可以直接把对应的数据往后传，往后传不是传到数据中心，而是直接传到流分析平台，流存储平台，还是在边缘，有一个很小的机柜扔在那里，当数据采集的时候，马上就进行对应的分析，分析完之后，对应的操作指令，马上开始响应、执行。对应的平台有几个特点，是安全、整合、高效、弹性和可扩展的。这里面涉及到了底层的VMI和超融合一体机，数据在边缘段里进行了计算分析之后，才开始真正地往后端的数据中心里面来进行汇集，这就是大家经常见到的数据湖，分阶段对应持久化的存储。

另外一个角度来看，有结构化的数据和非结构化的数据，结构化的有ERP的系统，MES等等，这些都是数据库里面的数据。非结构化数据是有CCTV的视频监控、文档、日志，这些统一汇聚到数据湖里，然后再抽取出来做对应的BI，生成各种BI的报表，还有管理驾驶舱，大屏幕去看，可以很好地看到当前产线、全国分布，这也是装备制造业的企业当前都很喜欢去做的。要做这些，前面有很多需要先进行部署，不是今天要上BI，你上个BI，难道不用数据采集和汇聚吗?采集汇聚到后端的时候，是不是前端已经有很多东西变化了，BI到AI也提到了工业产品，视觉检测，后面有例子，会介绍，产品数据检测、故障检测与健康管理、智能排产与物流优化、工业机器人等，这是IOT的平台再加BI、AI整个数据流对应的图。

戴尔科技集团是持续推动边缘计算的变革与创新，有全面的解决方案，满足各种边缘计算和网络和存储的需求。同时支持从边缘到核心到云每一个数据流的工厂，边缘环境中，保证对应的安全性、可控等新的功能。

稍微解释一下边缘部分，都是实打实的设备，有S1的S20，还有放在边缘的小型数据中心，针对恶劣环境的。一个小的机柜里，服务器存储，交换机等等，一站式都在里面。同时还有升级过的SR2，是针对崎岖的边缘环境去启用的。

还记得刚刚给大家介绍实时数据产生的时候有个价值流这张图可以看到，通过戴尔EMC可以找到想要的边缘计算，从最左边的边缘应用到数据采集到边缘应用分析到实时分析，AI深度学习，都提供了一站式的、端到端的解决方案。

戴尔EMC为AI及数据分析的一体式的HPC的架构，给大家展示一下架构里面有什么内容，大家可以看到涉及计算节点，横向扩展，文件服务器等等。

最后的时间，我给大家分享一下戴尔，戴尔本身是一个装配台式机、笔记本，有很大的流水线。笔记本里面面板的组装线里，也用了对应的AI，AI机器视觉识别，进行数据建模，在产线一前一后有对应的边缘计算，用AI检测，最终的效果提升良品率，降低了故障率，这都是当前已经做到的。

回到刚刚给大家介绍的边缘计算，流数据的平台，在边缘AI计算的方式，如果大家想更深入地去了解的话，欢迎大家联系对应的戴尔科技集团的客户经理，我们会线下一一地详细介绍，谢谢。