AI技术如何快速应用与生产线边，需要如何打造架构？

架构的搭建需要结合产线的实际需求，比如：
a、数据吞吐量的大小；
b、生产节拍的要求；
c、产线的实际数量；
基于上述需求来灵活选配我们的AI平台架构，如果生产节拍过高，基于现有的5G+工业互联网技术也是无法满足实时生产的需求，那么就需要完全边缘化训练推理架构模式并与产线设备通过PLC进行实时通信；
另外，如果说产线数量多，数据量大，需要频繁进行AI训练，且也需要满足实时生产的需求，那么可以采用云训练+边缘推理的架构模式，实现数据的集中管理和训练，降低硬件投入和管理成本，同时AI推理下沉至边缘侧，满足实时推理的需求；

部署的化，一般需要考虑如下几点：

• AI平台各服务组件是否能够容器化部署？容器化部署才能既保证平安高可用性、自动扩缩容性也可以保证业务的快速交付性；
• 平如一旦涉及制造，一般需要考虑实现云边协同技术，是否有支撑类似 kubeedge，superedge，openyurt 等云边协同框架的部署及软硬件环境
• GPU虚拟化是否可以很好的实现？因为这个才是提高GPU利用率的关键所在