מיכאיל צבטקוב- מנהל טכני של אינטל ברוסיה. עובדת בתחום הטכנולוגיות האלקטרוניות למעלה מ-15 שנה.
שמיעה חיישנים סוללה
- מהם הכיוונים העיקריים של הפיתוח של אינטל?
- כיום אינטל היא חברת Data-Centric.מצד אחד הגענו למעמד הזה מתעשיית המיקרו-אלקטרוניקה - המפעלים שלנו לא נעלמו, אינטל היא עדיין אחת הספקיות המובילות של בסיס המוליכים למחצה של העולם הדיגיטלי המודרני. מצד שני, כבר צמחנו ממעמד של יצרנית של מיקרו-מעבדים בלבד והפכנו ליוצר עולמי של רכיבים לכל התשתית הדיגיטלית. החל מדברי IoT המשמשים לאיסוף נתונים ראשוניים, ועד למרכזי הנתונים החזקים ביותר שבהם הנתונים הללו חיים, מעובדים והופכים ממספרים לידע. לכן, אנו פותרים את כל משימות המפתח העומדות בנתיב זה של התפתחות הנתונים. איסוף, אחסון ושידור - הן קוויות והן אלחוטיות ברשותנו חבילה גדולה של טכנולוגיות בתחום התקשורת הסלולרית 4G, LTE, 5G, ערוצים אופטיים.
לדוגמה, אחת הטכנולוגיות המבטיחות ביותר- Intel® Silicon Photonics, אשר ירחיב ויעמיד לרשותו ערוצים במהירות גבוהה בעתיד הקרוב. וכמובן, אלמנטים עיבוד. מעבד ה- Intel הישן והטוב - הן בפלח השרת והן בלקוח הלקוח, עדיין נשאר המחשב הרב-תכליתי והמבוקש ביותר עבור מגוון רחב של משימות. בנוסף, השטח החשוב ביותר הוא אחסון נתונים. עכשיו אינטל מייצרת הרבה SSDs: מ SSATA SSD מוגדרים על ידי המשתמש כדי Ultra- מודרני NVMe SSD עבור מרכזי נתונים, כולל כבר על הפיסיקה החדשה ביסודה של 3D XPoint. זה עדיין לא העלו את הנושא של נהיגה אוטונומית.
- אתה עושה את זה?
- אישית, אני - לא, אבל יש לנו יחידה נפרדת, אינטל אוטונומית נהיגה. אינטל מחפשת תשומת לב רבה ועובדת על זה.
- האם אתה מפתח תשתיות מתחילתו ועד סופו - זהו איסוף נתונים, כלומר, חיישנים ועיבוד? האם אלה מערכות עבור תעשיות ספציפיות?
- לא, פריסה ספציפיתתשתיות IoT הן עבודת אינטגרציה. אינטל כמעט ואינה אינטגרטור. אנחנו מפתחי טכנולוגיה. לדוגמה, אנחנו עושים משדרים, שבבי עבור Bluetooth ו- Wi-Fi קישוריות. רוב המחשבים הניידים מכילים את כל שבבי ה- Wi-Fi או ה- Bluetooth שלנו. פיתוח פרוטוקולים אלה, אנו מעבירים טכנולוגיות מעולם ה- IT לעולם התעשייתי.
צילום: אנטון קרלינר / "הייטק"
לדוגמה, עמיתים שלנו אינטל היופיילוט מעניין מאוד נערך באחד המפעלים לצורך פריסה של רשת אלחוטית של 150 חיישנים שעקבו אחר ציוד, לחץ, נוכחות של זיהומים בגזים שונים באוויר. זה היה ייצור מוליכים למחצה, אשר משתמשת במספר רב של רכיבים כימיים. ואת היעילות הגבוהה של Bluetooth אנרגיה נמוכה (BLE) הוכח - טופולוגיה למרחקים קצרים, כ 15 מ 'מן המקלט, אפילו בחדר כזה קשה כמו אולם הייצור. על פי הערכות פנימיות של שירות ה- IT שלנו, התברר כי העלות של רשת זו היה רק 10% לעומת חיישנים קווית קלאסית, כולל החיווט ותחזוקה של תשתית חוטית בחדר המופעל כבר.
התשתית הבאה נפרסה שם:בחדר מפעל גדול היו שני שערי IoT, בעצם מחשב אינטל עם אינטל Bluetooth ומודול Wi-Fi, וחיישנים אלחוטיים נתלו. השערים חוברו בכבלים לרשת ה-Ethernet ובאמצעות Wi-Fi. תיתכן הפרעה בין תקני אלחוטי שונים מכיוון שהם משתמשים באותו טווח תדרים. BLE ו-Wi-Fi פועלים שניהם בפס 2.4 GHz. אבל בניגוד למשפחות אחרות של פרוטוקולים, למשל, IEEE 802.15.4, שבו דו-קיום עם Wi-Fi אינו מיושם היטב, Bluetooth ו-Wi-Fi משולבים בצורה הרמונית, הם חולקים משאבי תדר בצורה יעילה למדי ועמידים בפני השפעה הדדית על כל אחד מהם. אַחֵר. והכי חשוב, כתוצאה מבדיקת מערכת זו, שנמשכה שנה וחצי, הושגה אמינות של 99 אחוזי תקשורת עם חיישנים, ויציבות הפעולה הייתה צפויה מאוד. אם החיישן לא פעל, אז הוא לא פעל מיד כי הוא הוצב בצורה לא נכונה, למשל, מאחורי עמוד או רחוק מדי. אבל אם הגיאומטריה הייתה כזו שניתן ליצור חיבור, החיישן פעל כשורה והחיבור היה אמין.
חיישנים הראו את יכולתם לחיותסוללות ב 620 mAh עבור 452 ימים. זה טוב, אבל זה לא הגבול, כי סוללה 620 mAh הוא סוללה עבור מכשיר שמיעה, ו, למשל, אצבע AA הוא כבר איפשהו בסביבות 2,000 mAh.
קומקומים כמקור למידע לא טריוויאלי
- האם ברוסיה, האם R&D מעורב איכשהו ב-IoT?
- IoT אינו דבר כדורי נפרד בואקום, זה חלק ממחזור החיים של הנתונים, המחולל האוטומטי שלהם. האנושות מייצרת נתונים על ידי העלאת תמונות והקלדת טקסט, אך שיטה זו להשגת מידע אינה מספקת תמונה הוליסטית של העולם. על מנת לנתח את העולם ביתר פירוט יש צורך באוטומציה. ההתקדמות הטבעית של כל עסק הכרחי היא אוטומציה. כדי להפוך את איסוף הנתונים לאוטומטי, נפרסת תשתית של חיישנים.
פעם אמרתי שחיישן ה-IoT הטוב ביותר הואזו מצלמת וידאו. זרם וידאו הוא מקור כל כך עשיר של מידע, והכי חשוב, הוא אינטואיטיבי לבני אדם. אם ניקח בחשבון את ה-IoT בנפרד מהתפיסה הכללית של Data-Centric, אז ברוב המקרים זה לא מאוד מעניין.
היכולת להפעיל את הקומקום על טלפון סלולרי- אפשרות טובה, אבל יותר מן הקטגוריה של אפשרויות נוספות של מכשירי חשמל ביתיים, ולא באינטרנט של דברים. אבל היכולת לנתח מידע ממיליון דומות יכולה לתת ידע חדש לגמרי לא טריוויאלי על איך העומס ברשת משתנה, על איך אנשים שותים תה בבוקר, כי רוב תושבי הבתים עם תנורי גז מעדיפים להרתיח תה חשמלית לשלם עוד כסף על זה.
- ב IoT תעשייתי ברור מי הבעלים של הנתונים. ואם נאמר, על תנאי, על קומקומים, IoT ביתי, אז מי יהיה אלה נתונים כאשר הם נאספים ממכשירים אישיים?
- אני חושב בכל מקרה מסוים זה ייקבע על ידי חוזה כי אדם חותם ישירות עם המפעיל של הנתונים שלו.
- יצרן המכשיר?
- לא נחוץ.ספק השירות אליו מתחבר אדם יכול להיות יצרן מכשירים, חברת אינטרנט, או אפילו סטארטאפ נפרד. בכל מקרה, לאדם (כנושא קבלת החלטות) - כך עולה משינויי החקיקה האחרונים - תהיה הזכות לנהל את נתוניו ולהביע את החלטתו בטופס המחייב את המפעיל. נציג השירות יידרש למלא אחר החלטה זו.
צילום: אנטון קרלינר / "הייטק"
סוגיית הנתונים מחולקת לשני חלקים: זהו ארגון פיזי / טכנולוגי של רכישת נתונים וחברתיים / משפטיים. החלק החברתי והמשפטי טמון יותר בתחום המדינה והאדם עצמו, ואנחנו, חברת טכנולוגיה, צריך פשוט לספק הזדמנות נוחה וחסכונית ליישום כל החלטה.
הצבת שומר מול 24 קירות היא פשוט אכזרית
- האם זה יהיה בעיקר איסוף נתונים אלחוטית?
- המגמה כעת היא לעבור לאלחוטיטכנולוגיות. טלמטריה עצמה היא תחום ידוע של אוטומציה כבר חצי מאה. ממשק ה-RS-485 הוא משפחה של ממשקים טוריים, וה-Ethernet, שהחליף אותו, הוא לא סיפור חדש בכלל. אבל קנה המידה של מערכות אלה הוגבל על ידי גורמים כמו הצורך בהנחת כבלים. הנחת כבלים היא משימה רצינית הדורשת תכנון בשלב בניית המבנה. קשה מאוד פשוט לבוא ולהתקין 100 חיישנים קוויים. אני לא אומר שזה בלתי אפשרי, אבל זה מאוד קשה. אבל הופעתם של חיישנים זולים ועמידים להפרעות עם מחזור חיי סוללה ארוך יכולה להפוך כמות לאיכות חדשה. במקרה זה, כאשר החיישנים יגיעו לסף מסוים, ויהפכו לאלחוטיים, הם יהיו אותה תכונה טבעית של כל חלל כפי שהתאורה נמצאת כעת.
RS-485 (אנגלית: תקן 485 מומלץ)- תקן שכבה פיזית לאסינכרוניממשק. תקן צברה פופולריות רבה והפכה את הבסיס ליצירת משפחה שלמה של רשתות תעשייתיות בשימוש נרחב אוטומציה תעשייתית.
EIA יש בעבר תווית כל הסטנדרטים שלה.קידומת "RS" (תקן מומלץ של היצרן - תקן מומלץ). מהנדסים רבים ממשיכים להשתמש ייעוד זה, אולם EIA / TIA רשמית החליף RS עם EIA / TIA על מנת להקל על זיהוי המקור של הסטנדרטים שלהם.
תכונה מעניינת - התפתחות של IoT נזכרחוק הפיתוח של הנדסה מוליכים למחצה. בהתחלה, כאשר אין שוק עדיין, שבבי חתיכת לצאת במצב טייס, הם יקרים מאוד, כי הפיתוח עולה הרבה כסף. אבל עם כניסתו של דוחן ועלייה במספר השבבים המיוצרים, המחיר ליחידה פוחתת. לכן, על פי חוק מור, הפיתוח המהפכני של הטכנולוגיה אפשרה עולם חדש של מחשבים אישיים לצאת, עם מחיר המיקרו של פחות מ -1,000 דולר. אותו הדבר נעשה ב 80-90s קורה עכשיו בעולם של דברים IoT. כאשר העלות של המרכיבים ואת מערכת IoT הוליסטית להתגבר על סף פיצוץ מסיבי נפץ, אז היצרן יהיה רווחי להשקיע בפיתוח של מערכות חדשות, כי הוא יראה את השוק, והמשתמשים יוכלו ביעילות להפוך את כל ההיבטים של חייהם.
- מתי זה יקרה?
- זה כבר קורה.כעת תחום מעקב הווידאו צומח במהירות רבה, לא רק בתחום האבטחה, אלא גם בדמות AI - מעקב וידאו אינטליגנטי טוב עם זיהוי מצב, ספירת מספר האנשים בתורים, תעבורה. לדוגמה, מעקב וידאו בתעשייה החליף למעשה את בקרת האיכות בקווי הייצור. כלומר, עכשיו כבר אין צורך להכריח אדם להסתכל ברציפות על חלקי העבודה שעפים לפניו על המסוע כדי לקבוע פגמים. הרבה דברים מעניינים קורים בתחום הזה, ומיד עולה השאלה הנכונה: מה לעשות עם מבול המידע הזה? הכלים הקלאסיים הקיימים לעיבוד נתונים כבר אינם חסרי תועלת. שוב, אי אפשר להושיב צופה מול קיר של 24 מסכים ולדרוש ממנו כל הזמן להתרכז ולחלץ מידע מהזרמים הללו. זה פשוט אכזרי.
AI הוא גם לא נושא חדש, מעת לעת"מודיעין על סיליקון" מטופל מאז שנות ה-50. אפילו אני תפסתי את הגל של 2000 כשכתבתי את עבודת הקורס שלי על הטמעת רשתות עצביות ב-FPGAs. אבל באותו רגע הפלטפורמה לא הייתה מוכנה לצמיחה מהירה, לזינוק איכותי. עדיין היו כמויות גדולות של נתונים וציוד פרודוקטיבי. קולמוגורוב גם חקר בעיות בינה מלאכותית. הוא אמר שהוא לא ראה מכשולים מתמטיים ליצירת יצורים חיים מן המניין הבנויים לחלוטין על מנגנוני עיבוד מידע דיגיטליים.
אנדריי ניקולאיביץ 'קולמוגורוב- מתמטיקאי סובייטי, מגדולי המתמטיקאים של המאה ה-20.
Kolmogorov - אחד המייסדים של המודרניתתיאוריה הסתברותית, הוא השיג תוצאות בסיסיות בטופולוגיה, גיאומטריה, לוגיקה מתמטית, מכניקה קלאסית, תורת מערבולות, תורת המורכבות של אלגוריתם וניתוח פונקציונלי.
צילום: אנטון קרלינר / "הייטק"
אבל הביצועים של מחשב של 60s היהלא מספיק כדי לעבוד כמעט שימושי רשת עצבית. ורק במחצית השנייה של 2010, הביצועים של מחשבים למטרות כלליות הגיעו לסף הנדרש לשיגור רשתות עצביות רב שכבתיות עם מיליוני פרמטרים. והכי חשוב, האינטרנט צבר מספיק מידע עבור ערכות נתונים גדולות, ציבוריות, מתויגות סמנטית, כגון ImageNet, כדי להופיע. וכאן, בבקשה, קפיצת דרך מהפכנית - רשת AlexNet ב- ImageNet לא הראתה את דיוק ההכרה באובייקטים בתצלומים, השווה לזו של אדם. ואנחנו רגילים לחיות עם טעויות אנוש.
"בקרוב הוועדה 3GPP יהיה שמה של הוועדה 5GPP"
- אינטל עוסקת גם ב 5G. באיזה שלב העבודה עכשיו?
- עכשיו המפרט הוא רשמי. הפריסות הראשונות יופיעו קרוב יותר למחצית השנייה של 2019, ברחבי העולם, ונפוצו בשנת 2020. 5G מה זה טוב? זה פותר שלוש משימות מפתח בבת אחת - איסוף יעיל של נתונים רלוונטיים, ההעברה שלהם ועיבוד. 5G הוא פתרון לבעיה של העברת נתונים המונית, וידאו חזק הזרמים נמוך כמיסות. כי IoT הוא לא רק טלמטריה, אלא גם אותות למפעילים. זמן אחזור נמוך בעת ניהול אובייקטים מכניים, מחשוב בזמן אמת. שם, מרווחי זמן נמדדים במילי-שניות, ועיכובים נוקשים כאלה אינם ניתנים במערכות הקיימות. אחד subgroups של 5G מובטחת זמן ריבוי צוות. ואת הנקודה השלישית היא צמיחה נפץ של התקנים מחוברים. ב LTE, קיבולת תחנת הבסיס הוא קטן יחסית. חיבור עשרות אלפי משתמשים עולה על היכולות של טכנולוגיות 4G מודרניות. ואת האזור השלישי שבו 5G הוא פעיל בפיתוח היא להגדיל את קיבולת בסיס המנוי. כדי שהמפעילים יוכלו להתחבר בזול לרשתות חיישנים נמוכות ומשתנות נמוכות.
- מה אתם מפתחים בהקשר זה?
- אנחנו מפתחים מודמים.אינטל היא יצרנית של מודמים 4G, 3G ועכשיו 5G טובים. מודם XMM 8160 5G החדש שהוצג לאחרונה מתכונן לשימוש עולמי. עבודת תקינה מתבצעת במסגרת ועדת 3GPP המפתחת מפרטי סלולר. יש בדיחה ששמה של ועדת 3GPP תשנה בקרוב לוועדת 5GPP. הוועדה מורכבת מעמיתינו מניז'ני נובגורוד, אנו משתתפים באופן פעיל בפיתוח התקן הזה. אבל התרומה הטובה ביותר היא יצירת מוצר.
אלקטרונים דוהרים, qubits ומינוס אלף קלווין
- אם תמשיך את נושא הנתונים ואת הגידול שלהם, אתה רואה כל גבול לפיתוח של אחסון נתונים?
- עד כה, הגבול אינו גלוי. עכשיו זה מציאותי לדבר על אחסון petabyte בשרת 1U. זה כמעט שלנו מחר, אם לא כבר היום. ואם כבר מדברים יותר גלובלית, אני פוחדת לעשות תחזיות פסימיות, כי לאורך כל ההיסטוריה של 50 שנה עשינו רק שהפצנו ספקנים והתקדמנו הלאה. אבל במקביל, עם לקוחות פוטנציאליים עתידיים, אינטל מפתחת בתחום מחשוב קוונטי, ועכשיו הם הגיעו 49 qubits בשיתוף עם מוסדות אקדמיים.
- ברוסיה?
- לא, באירופה, יחד עם הולנדמרכז מחקר קוויטק. בעיות מאוד לא טריוויאליות של שמירה על qubits במצב יציב בטמפרטורות שונות מאפס מוחלט על ידי רק חלק קטן של תואר נפתרות שם. אנחנו גם חוקרים ארכיטקטורות חדשות, למשל, כגון מחשוב נוירומורפי. עכשיו, מודלים של רשתות עצביות מלאכותיות על מעבדים רק לחקות את העבודה של הנוירונים של העולם החי, פיזית זה הכפל של מטריצות על מכפילים דיגיטליים. בניגוד להם, הכמות הנוירומורפית מדמה את הפיזיקה של הנוירון. אינטל יצרה עוד שבב דיגיטלי, אבל כבר אסינכרוני ליישום מודלים כאלה.
- מחשוב קוונטי, למשל, ב- IBM, מבוסס על מוליכות, האם יש לך טכנולוגיה דומה?
- אנו לחקור תופעות שונות. עכשיו יש בערך שש גישות, על בסיס אשר הם מנסים לעשות מחשב קוונטי העל. אינטל משתמשת בקוויט ספין יציב גם בטמפרטורה של 1 קלווין, שהוא די חם בהשוואה למוליכות-על.
צילום: אנטון קרלינר / "הייטק"
- יציב כמה אלפיות השנייה?
כן, כמה מילי-שניות. תיאורטיקנים אומרים כי מחשב קוונטי יוכל להראות תוצאות ישימות כמעט על מספר qubit מאלף או יותר. אבל האם 49 אמות כל כך קטן? לדוגמה, כאשר שבב הזיכרון הדו-קוטבי הראשון בעולם, שנוצר על ידי אינטל ב -1969, הופיע, קיבולת הזיכרון שלו הייתה רק 64 סיביות. אבל הוא השיק אבולוציה מהירה, פשוטו כמשמעו שנה לאחר מכן, שבב CMOD DRAM של 1024 סיביות נוצר. התהליך הושק, הטכנולוגיה קיבלה התחלה בחיים. במחשוב קוונטי, הרבה עבודה נעשית במקביל בחלק התיאורטי. משימות מתבקשות כי נפתרות באופן עקרוני מהר יותר מאשר על ארכיטקטורת המחשב המסורתי.
ללא משאבי מחשוב, אף אחד לא עורך ניסויים קליניים.
- אינטל מעורבת בתחום הבריאות הדיגיטלית. אתה אפילו השיקה כמה מוצרים, בסיס שעונים שעונים, אשר בוטלו בשנת 2016.
- זה לא היה כל כך שירותי בריאות כמותעשיית הכושר. שירותי הבריאות, על כל הדרישות והאתגרים שלו, הם תחום נפרד, אנחנו עובדים איתו באופן פעיל, במיוחד במונחים של פיתוח תשתיות וטכנולוגיות עיבוד נתונים. הרפואה הייתה מאז ומתמיד תחום עתיר ידע ועתיר נתונים של פעילות אנושית, וכעת, כאשר ניתן לבצע אוטומציה של איסוף ועיבוד מידע, מתפתחת באופן אקטיבי רפואה אנליטית מבוססת נתונים.
אנחנו חייבים לחלוק כבוד לרופאים, הם היו מאודעבד טוב עם נתונים סטטיסטיים. עכשיו יש לנו הציג AI לניתוח התמונה. הרשת העצבית לא יכולה לבנות אבחנה, אבל זה יכול לשמש כלי ייעוץ עבור הרופא. אוסף של מידע וסטטיסטיקות על בתי חולים, על מערכות בריאות בתוך הארץ ובעולם, מספק כמות עצומה של מידע לניתוח. ניסויים קליניים של תרופות חדשות הן חלק גדול וקשה של מחקר רפואי. שם זה בלתי אפשרי לצפות כי ב -100% מהמקרים התוצאה תהיה חוזרת. התוצאות הן תמיד סטטיסטיות בטבע, אתה תמיד צריך לחפש מתאמים, כדי להבין היכן את הקשר האמיתי, והיכן מקרה מיוחד. וכאן, בלי משאבים חישוביים, אני חושב שאף אחד כבר לא עורך ניסויים קליניים.
- הזכרת הרבה מכשולים שונים שיש לטפל בהם בתחום הנתונים. מהו הדבר הכי קשה שמתפתח עכשיו בכיוון הזה? מה חסר?
- אנשים רבים אוהבים להתלונן כי הםמשהו חסר. עכשיו אני מנסה לחשוב על מה להתלונן, וזה לא עובד. יש כמות עצומה של עבודה לכל הכיוונים, והכי חשוב, מה שחסר הוא הזמן.