837
我们正在快速进入新的智能机器经济时代。在软件定义和人工智能驱动的环境中，机器已经成为智能化的参与者，但并不会取代人类。
为了促进这个时代的蓬勃发展，我们需要开启数字化转型的第二波浪潮。许多企业经历了数字化转型的第一波浪潮，已经对企业信息技术做出了大量的投入。第一波转型浪潮让我们能够使用浏览器或移动设备进行搜索、采购或执行业务交易，让我们能够借助于协作工具来提高效率，也使远程工作成为可能，还开启了许多其他功能，强化了许多方面的能力。第一波浪潮主要是关注于人类如何使用技术来处理信息、与他人协同并更高效地工作。
数字化转型的第二波浪潮也是做同样的事情，但参与者从人类换成了机器，朝着云原生和人工智能驱动的应用演进，投资的方向从企业IT（信息技术）系统转向了OT（运营技术）领域。特别是我们周围物理世界的设备和机器，跨越多个行业，包括航空航天、汽车、国防、工业、医疗和电信等。
经过多年来关于IT的数字化转型——主要关注信息流，现在是时候开始把焦点转向机器了。麦肯锡全球数字制造专家调查报告显示，大多数制造业企业（具体来说是68%）认为互连、智能和灵活的自动化是他们的首要任务。根据《财富商业洞察》的研究报告，全球工业自动化市场规模到2027年预计将达到3261.4亿美元。
发掘智能边缘的无限机遇
独立的设备，比如心脏监测器，它的专一功能就是测量心率，而不会去做别的事情，这是我们早就熟知的，显然不是什么新技术。然而，当今的设备都具备采集和分析数据的功能，而且可以彼此沟通，并根据数据来采取行动。
心脏监测设备可以将患者的数据传输给医生，或者在发现可能危及健康时实时发出警报。自动驾驶汽车可以与道路基础设施实时沟通，实时感知附近的其他汽车，并根据这些信息采取行动，从而避免事故发生。人工智能驱动的电网可以自动管理多个分布式发电机组的运转和电力配送。
为了执行这些互连应用，网络非常依赖云计算、分析、人工智能和机器学习，而5G是实现这些应用的互联机制——所有这些新机遇都蕴藏于智能边缘。
边缘是一种场所而非设备——它定义了数据被感知并进行处理的场所。网络的边缘是距离中央数据中心最远的场所，处于机器内部或非常接近机器的地方，例如汽车、飞机或机器人等。嵌入于机器中的传感器产生数据，其中有些数据需要在现场处理，也就是在边缘处理，这就形成了智能边缘，而其他数据可以推送到云端进一步处理。
运行在智能边缘的多台机器和设备彼此共享信息，也会与数据中心交互，从而形成数字环路。这种数字环路与大数据系统相关联，就可以实现预测性断供规避、跨子系统运作故障事件关联、软件自动化和监督、事件检测及处理等功能。
面向智能机器经济时代的开发方法
智能系统的复杂性意味着嵌入式系统提供商必须进行数字化转型，以支持此类系统的开发、部署、运作和服务。为此，需要对工具、能力和流程做出调整，包括：
- 原生云和边缘友好的开发技术和工具。这是加快上市速度、解决系统复杂性和资源短缺问题所必需的。随着我们向边缘计算的演进，云托管平台也需要调整以便成为边缘友好型或改为边缘原生型。边缘原生平台将保留云平台的功能，同时还将满足边缘所产生的新需求。Wind River Studio就为关键任务智能系统的开发、部署、运作和服务提供了云和边缘原生平台。这些云原生工具还允许开发人员随时随地运用各种工具开展工作，无论是在办公室、远程、PC端还是平板电脑上。
- 高水平的软件自动化。对于智能系统，在边缘部署通常意味着需要把有效载荷大规模部署在数百甚至数万个不同的地理位置，采用人力手工作业是不可能完成的。自动化是降低部署分布式边缘系统成本的关键，不论是对于设备还是对云基础设施来说都是如此。
- DevOps是智能边缘嵌入式软件的关键要素。传统上，由嵌入式软件开发人员来编写代码。在代码编写完成、应用通过了质量检验之后，再把嵌入式“Ops”（生产）安装进入系统。 这样的“瀑布”模式对于智能边缘来说过于缓慢，难以适应实时性要求。在DevOps的旗帜下，嵌入式开发人员的不同角色（例如平台开发人员、应用开发人员、操作员、数据科学家或DevOps工程师）以齐头并进的方式工作。他们是敏捷型团队，推出软件新版本的速度非常快，也需要将Ops和QA（质量保证、测试）团队整合到开发流程之中。
- 持续集成和持续开发工具（CI和CD工具）。如今的工作方式是将新代码直接放入生产应用中，而不停止任何功能的运行。代码发布节奏的持续加快——许多代码发布只是对现有应用的小更新——以至于每天进行大规模的卸载/重新安装已经没有什么意义了。为了解决这个问题，业界引入了持续集成（CI）和持续部署（CD）方法。这就如同我们对于汽车曾经产生过的概念——边跑边换轮胎。但是我们真的做到了。
- *认证。关键基础设施软件的开发已经采用基于云的敏捷DevOps原则。然而，这类软件的安全认证仍然遵循着老旧的方式，并依赖于昂贵的手工作业，这就导致每行代码的成本很高，阻碍了新功能的快速引入，也延缓了部署和运作。为了降低认证成本，加快上市速度，我们需要有新的认证方法。这种新方法可以与现代DevSecOps方法相一致，并使用自动化、AI/ML和数字反馈回路将其集成到持续交付过程中。不断发布新代码会产生安全风险，而开发团队已经开始在软件开发和交付过程中增添安全实践，以便在启动、运行时和休息期间保护高价值资产。其结果便是形成了DevSecOps工作流。
新的智能机器经济不仅有望释放经济价值，还将使生活更轻松、更安全。为了取得成功，嵌入式系统提供商必须走上第二波数字化转型，并运用现代化的数字边缘友好型平台、工具和流程。
