關(guān)于萬(wàn)物互聯(lián)的概念，我們當(dāng)下提到比較多是AIoT，可以稱為萬(wàn)物智聯(lián)。但是從IoT到AIoT的發(fā)展路徑中，我們似乎很難找到一個(gè)十分明顯的爆發(fā)點(diǎn)來(lái)證明萬(wàn)物互聯(lián)是如何進(jìn)入智聯(lián)化階段。
這種智能化階段產(chǎn)生最本質(zhì)的原因就是AI的深度應(yīng)用，而AI的應(yīng)用也是需要遵循物聯(lián)網(wǎng)碎片化的客觀屬性和特定場(chǎng)景需求，所以以場(chǎng)景應(yīng)用為導(dǎo)向的AIoT依然處于一個(gè)發(fā)展階段。在這個(gè)階段，AI算法和模型正在逐步完善，并與IoT軟硬件設(shè)備進(jìn)行深度融合匹配，這一點(diǎn)也就解釋了為什么我們難以找到一個(gè)具備明顯特征的AIoT爆發(fā)的節(jié)點(diǎn)。
不過(guò)這都無(wú)關(guān)緊要，最重要的是我們看到了智能網(wǎng)聯(lián)的趨勢(shì)不可逆，尤其是邊緣AI和云端AI的發(fā)展更是當(dāng)下包括芯片、模組、云平臺(tái)以及各類AI算法企業(yè)的重要布局領(lǐng)域。
特別是在工業(yè)領(lǐng)域，智能制造、工業(yè)互聯(lián)網(wǎng)是企業(yè)在數(shù)字化、智能化進(jìn)程中提到的相當(dāng)頻繁的詞匯，但是深入到智能化能力方面，邊緣AI其實(shí)仍然有很多市場(chǎng)空間。其中，有相當(dāng)一部分原因是云端市場(chǎng)已經(jīng)飽和，同時(shí)部分工業(yè)硬件終端和設(shè)備對(duì)于數(shù)據(jù)的安全性考量需要進(jìn)行邊緣部署。
在數(shù)據(jù)表現(xiàn)上，邊緣計(jì)算正在快速發(fā)展。根據(jù)Gartner預(yù)測(cè)，到2025年將有75%的數(shù)據(jù)產(chǎn)生在邊緣側(cè)，龐大的數(shù)據(jù)量配合著AI算法和模型的逐漸成熟，我們可以合理預(yù)見(jiàn)，接下來(lái)各行業(yè)對(duì)邊緣AI的軟硬件與解決方案需求將會(huì)迎來(lái)爆發(fā)式增長(zhǎng)。
在工業(yè)企業(yè)的生產(chǎn)和運(yùn)營(yíng)中，“研”、“產(chǎn)”、“供”、“銷(xiāo)”、“服”幾大環(huán)節(jié)里，智能化生產(chǎn)一直是重點(diǎn)方向，在以工業(yè)機(jī)器人、AGV、AMR為代表的工業(yè)硬件終端產(chǎn)品在完成基礎(chǔ)運(yùn)動(dòng)能力和操作動(dòng)作搭建之后，未來(lái)的發(fā)展會(huì)聚焦于智能化。從市場(chǎng)裝機(jī)量來(lái)看，2021年，中國(guó)工業(yè)機(jī)器人新增裝機(jī)量達(dá)到21萬(wàn)臺(tái)，同比增長(zhǎng)20%，在亞洲市場(chǎng)占比超過(guò)2/3。
我們認(rèn)為，在疫情反復(fù)和人工成本持續(xù)提升的情況下，這種高趨勢(shì)將會(huì)繼續(xù)保持，機(jī)器換人的智能化趨勢(shì)也決定了企業(yè)不僅需要在人工層面替換，還需要重點(diǎn)兼顧整個(gè)智能工廠的連接。所以，作為智慧工廠的典型設(shè)備，工業(yè)機(jī)器人將會(huì)是Edge AI下一個(gè)端側(cè)應(yīng)用的重要市場(chǎng)。與此同時(shí)，在未來(lái)，云平臺(tái)、邊緣云以及邊緣智能終端將會(huì)成為云化研發(fā)設(shè)計(jì)、供應(yīng)鏈協(xié)同和智能化管理運(yùn)營(yíng)的重要結(jié)構(gòu)組成。
除了邊緣市場(chǎng)的趨勢(shì)，我們同樣需要關(guān)注AI能力的深度應(yīng)用。
從目前企業(yè)在AI應(yīng)用方面可以看到，工廠智能運(yùn)維、AI質(zhì)檢（偏視覺(jué)向）、行業(yè)AI大模型、工業(yè)數(shù)據(jù)智能、節(jié)能降碳、仿真系統(tǒng)、工業(yè)5G、工業(yè)邊緣、工業(yè)互聯(lián)網(wǎng)安全等環(huán)節(jié)是AI智能化賦能應(yīng)用較為豐富的幾大場(chǎng)景。以AI質(zhì)檢、工業(yè)數(shù)據(jù)智能等方向?yàn)槔?/FONT>IDC預(yù)測(cè)未來(lái)5年市場(chǎng)復(fù)合增長(zhǎng)率都達(dá)到30%左右。
所以，可以確定的是在AI智能化應(yīng)用方面，企業(yè)依然選擇較為“保守”的場(chǎng)景型應(yīng)用，主要是在機(jī)器換人、替人等方面，而真正落地到企業(yè)智能運(yùn)營(yíng)、管理以及大數(shù)據(jù)智能化處理方面不多，我們認(rèn)為導(dǎo)致這種情況的原因主要是由于數(shù)據(jù)量和應(yīng)用信任度不夠。
數(shù)據(jù)量的問(wèn)題或許需要交給時(shí)間解決，但是信任度是邊緣AI需要解決的問(wèn)題之一。雖然說(shuō)邊緣計(jì)算在某種意義上保證了本地化數(shù)據(jù)的安全性，但是AI的引入是否能夠提供行之有效且安全可靠的數(shù)據(jù)規(guī)則仍然是企業(yè)頭頂上的一個(gè)問(wèn)號(hào)。
真正意義上講，AI 未來(lái)大概率會(huì)以“不取代工作，取代的是任務(wù)”的形式在各行各業(yè)生根發(fā)芽。但是，工業(yè)機(jī)械、工控機(jī)控制的機(jī)床、軟件應(yīng)用和工業(yè)機(jī)器人雖然應(yīng)用了邊緣AI進(jìn)行智能化升級(jí)，但是主要集中的還是任務(wù)型的工作，對(duì)于輔助人員進(jìn)行決策和運(yùn)維依然沒(méi)有較為成熟的落地算法和模型應(yīng)用。
對(duì)于邊緣AI而言，會(huì)促進(jìn)大量的智能機(jī)器和設(shè)備換人，但是這并非數(shù)字工廠或者智能工廠的核心價(jià)值。
所以，不能為了黑燈工廠而黑燈，要看真正的設(shè)備和產(chǎn)線效率提升了多少，節(jié)省了人力投入，在這個(gè)基礎(chǔ)之上產(chǎn)生的經(jīng)濟(jì)價(jià)值，這或許才是智能工廠的意義所在，才能體現(xiàn)邊緣AI所帶來(lái)的數(shù)據(jù)聯(lián)通和邊緣側(cè)價(jià)值。
另外，不可否認(rèn)，邊緣AI是當(dāng)下所有計(jì)算模式中最為熱門(mén)的賽道之一。但是不能否認(rèn)的是，云平臺(tái)、云端AI的應(yīng)用將會(huì)和邊緣AI形成一種協(xié)同和制衡關(guān)系。因?yàn)?，邊緣端的一個(gè)主要缺陷就是需要在保持?jǐn)?shù)據(jù)處于邊緣和在必要時(shí)將數(shù)據(jù)帶入數(shù)據(jù)中心（云平臺(tái)），很多下游企業(yè)難以把握云與處理邊緣之間的平衡的尺度，這一點(diǎn)會(huì)影響到企業(yè)在成本、設(shè)備和云協(xié)同的效率。從大部分企業(yè)的做法來(lái)看，簡(jiǎn)單分析會(huì)留在邊緣側(cè)，而更為復(fù)雜的計(jì)算選擇了云端，而如何去定義簡(jiǎn)單和復(fù)雜是企業(yè)的痛點(diǎn)，也是邊緣和云端供應(yīng)商的市場(chǎng)機(jī)遇。
可以說(shuō)，具備邊緣AI軟硬件能力的企業(yè)需要更進(jìn)一步，更為細(xì)致、貼近客戶場(chǎng)景需求的服務(wù)能力是獲取未來(lái)市場(chǎng)另一個(gè)關(guān)鍵點(diǎn)。最后，我們認(rèn)為，邊緣AI是AIoT的智能化關(guān)鍵技術(shù)領(lǐng)域，同時(shí)也是企業(yè)為各產(chǎn)業(yè)提供智能化升級(jí)所必備的服務(wù)能力。
（轉(zhuǎn)載）
