核心摘要：
AI視覺產(chǎn)業(yè)背景：AI視覺又稱計(jì)算機(jī)視覺，得益于深度學(xué)習(xí)技術(shù)的快速發(fā)展，已于安防、金融、制造、零售等多領(lǐng)域?qū)崿F(xiàn)規(guī)模化商用。2022年，AI視覺相關(guān)投融資熱潮全面復(fù)蘇，通用技術(shù)、工業(yè)與零售賽道熱度高企，持續(xù)受到資本青睞。2021年我國AI視覺產(chǎn)品的市場規(guī)模占整個(gè)人工智能行業(yè)的49.6%，達(dá)到990億元。從資本熱度、市場規(guī)模、場景泛用、帶動作用來說，AI視覺已成為AI產(chǎn)業(yè)發(fā)展的主戰(zhàn)場，未來增量動力依然強(qiáng)勁。
端邊云協(xié)同的需求趨勢：數(shù)字經(jīng)濟(jì)時(shí)代，物聯(lián)網(wǎng)感知數(shù)據(jù)量激增，邊緣計(jì)算剛需場景涌現(xiàn)。邊緣計(jì)算可在本地提供IT服務(wù)、計(jì)算能力，減少上傳的數(shù)據(jù)量、節(jié)省網(wǎng)絡(luò)操作、服務(wù)交付的時(shí)間延遲，提高傳輸效率。企業(yè)可以選擇將算力下沉至更貼近設(shè)備端的邊緣計(jì)算，衍生出端-邊-云的協(xié)同新模式。
端邊云協(xié)同的AI視覺產(chǎn)業(yè)：產(chǎn)品模式一般可分為標(biāo)準(zhǔn)化SaaS產(chǎn)品與定制化解決方案兩類。行業(yè)客戶需根據(jù)自身IT信息化水平、需求定制化程度、產(chǎn)品付費(fèi)意愿、適用場景需求等因素考量選擇。具體到邊緣側(cè)部署上，AI攝像頭出于功耗、散熱等因素考量，不會內(nèi)置過多算法，可處理簡要前端場景；若對時(shí)延要求高且算法需求復(fù)雜的應(yīng)用場景，則需搭建邊緣盒子或邊緣服務(wù)器。本篇報(bào)告根據(jù)行業(yè)特點(diǎn)與場景需求，對安防、工業(yè)、零售、機(jī)器人、農(nóng)業(yè)領(lǐng)域展開討論。
端邊云協(xié)同的技術(shù)與生態(tài)趨勢：1）端邊云協(xié)同的AI視覺產(chǎn)業(yè)發(fā)展依賴于聯(lián)邦學(xué)習(xí)、增量學(xué)習(xí)、協(xié)同推理等邊緣AI技術(shù)發(fā)展；2）端邊云協(xié)同的AI視覺應(yīng)用對算力和網(wǎng)絡(luò)部署提出了要求，算力網(wǎng)絡(luò)技術(shù)發(fā)展將助力超低時(shí)延類AI視覺應(yīng)用；3）邊緣計(jì)算將進(jìn)入黃金發(fā)展期，在滿足靈活響應(yīng)、敏捷部署、時(shí)延成本的業(yè)務(wù)需求外，未來需進(jìn)一步關(guān)注邊緣服務(wù)的安全、可靠、可信等能力，構(gòu)建“可信邊緣計(jì)算”生態(tài)。
AI視覺關(guān)鍵任務(wù)
又稱計(jì)算機(jī)視覺，關(guān)鍵任務(wù)聚焦語義感知與定位追蹤
視覺使人類得以感知和理解周邊的世界，人類的大腦皮層約有70%都在處理視覺信息，可以說視覺是人類獲取信息最主要的渠道。而AI視覺即通過電子化的方式來感知和理解影像，讓機(jī)器或計(jì)算機(jī)可以像人類那樣“看”，甚至達(dá)到超越人類視覺智能的效果。如今AI視覺（計(jì)算機(jī)視覺）包括了語義感知、定位追蹤和幾何屬性等諸多不同研究方向。
AI視覺發(fā)展歷程
得益于深度學(xué)習(xí)技術(shù)，AI視覺處于商業(yè)應(yīng)用擴(kuò)展增速期
自2012年采用深度學(xué)習(xí)架構(gòu)的AlexNet模型以超越第二名10個(gè)百分點(diǎn)的成績在ImageNet競賽中奪冠。得益于深度學(xué)習(xí)所需專家分析和微調(diào)較少、能夠處理海量數(shù)據(jù)、具備高靈活性等優(yōu)勢，深度學(xué)習(xí)技術(shù)在目標(biāo)檢測、目標(biāo)跟蹤、圖像分割、場景分類、字符識別、人臉識別、姿態(tài)估計(jì)、動作與行為識別等方向上陸續(xù)取得了多項(xiàng)突破性成果。AI視覺在工業(yè)界逐步實(shí)現(xiàn)商用價(jià)值，步入規(guī)模化商業(yè)落地階段。同時(shí)，隨著相關(guān)設(shè)備能力的改善（如算力、內(nèi)存容量、能耗、圖像傳感器分辨率和光學(xué)器件），提升了視覺應(yīng)用的性能和成本效益，進(jìn)一步加快了AI視覺商業(yè)應(yīng)用的擴(kuò)展。
AI視覺資本市場之路
投融資熱潮全面復(fù)蘇，AI視覺的商業(yè)化前景得到資本認(rèn)可
創(chuàng)業(yè)企業(yè)是AI視覺市場的主要參與力量之一。行業(yè)在經(jīng)歷了三年的投融資低迷期后，2022年投融資數(shù)量和金額皆創(chuàng)歷史新高。截至2022年8月，我國AI視覺相關(guān)業(yè)務(wù)獲投企業(yè)數(shù)量已達(dá)292家，近半數(shù)屬于2020年10月以后的新增企業(yè)。投資熱潮全面復(fù)蘇，科創(chuàng)板順利落地為AI行業(yè)引入了中長期資金通道和市場關(guān)注度，加速推動一批擁有核心技術(shù)的廠商成長。從2021年開始，AI視覺領(lǐng)域的股權(quán)投資、轉(zhuǎn)讓、被收購、IPO事件數(shù)量開始增加。2022年云從科技，熵基科技等生物識別廠商集中上市表示AI視覺的行業(yè)成熟度和認(rèn)可度已進(jìn)入新階段。
通用技術(shù)、工業(yè)與零售賽道熱度高企，持續(xù)受到資本青睞
在統(tǒng)計(jì)期內(nèi)共有466起AI視覺投融資事件發(fā)生，累計(jì)有292家企業(yè)獲投，熱門賽道集中于通用技術(shù)、工業(yè)、零售、醫(yī)療。具備底層技術(shù)研發(fā)的廠商受到一級市場資本青睞，新能源電車與自動駕駛的熱潮帶動了一批主營自動駕駛系統(tǒng)、芯片、傳感器的技術(shù)廠商，通用技術(shù)熱門方向還包括生物識別、智能制造等。工業(yè)賽道熱度高源于產(chǎn)業(yè)鏈條長且場景多樣（裝配，質(zhì)檢，運(yùn)輸），AI視覺算法配合工業(yè)相機(jī)可實(shí)現(xiàn)生產(chǎn)自動化；而具備視覺分辨能力的機(jī)器人可以持續(xù)高效的完成重復(fù)動作，極大提高了生產(chǎn)效率。AI零售獲投企業(yè)數(shù)增長明顯，2022年截至8月份的獲投企業(yè)數(shù)（40家）已超過2019至2021年的投融資事件累計(jì)數(shù)量，AI零售產(chǎn)品門類則涉及智慧物流、協(xié)作機(jī)器人，無人化運(yùn)營等。
AI視覺商業(yè)化落地進(jìn)程
千億級大賽道初露端倪，成為人工智能產(chǎn)業(yè)規(guī)模的主戰(zhàn)場
通過對下游行業(yè)需求統(tǒng)計(jì)測算，2021年我國AI視覺產(chǎn)品的市場規(guī)模占整個(gè)人工智能行業(yè)的49.6%，達(dá)到990億元。和AI視覺有關(guān)的計(jì)算機(jī)通信設(shè)備銷售、醫(yī)療器械等專用設(shè)備銷售、工程建設(shè)、傳統(tǒng)業(yè)務(wù)效益轉(zhuǎn)化等帶動相關(guān)產(chǎn)業(yè)規(guī)模超過3079億元。從市場規(guī)模、場景泛用、帶動作用來說，AI視覺領(lǐng)域已成為人工智能產(chǎn)業(yè)規(guī)模的主戰(zhàn)場。AI視覺承接海量下游需求，未來增量動力依然強(qiáng)勁。
處理視覺信息實(shí)現(xiàn)自動化、智能化，下游應(yīng)用場景廣泛
AI視覺主要以圖像和視頻等高維、密集數(shù)據(jù)為主要處理對象，深度提取信息，在安防行業(yè)首先實(shí)現(xiàn)規(guī)模化落地，用于進(jìn)行人員數(shù)據(jù)的靜態(tài)查詢與動態(tài)比對，以及監(jiān)控視頻內(nèi)容的結(jié)構(gòu)化處理；金融行業(yè)更多通過人臉識別的身份驗(yàn)證保證操作行為的安全合規(guī)。此外，AI視覺還逐步賦能于零售、醫(yī)療、自動駕駛、泛工業(yè)、泛農(nóng)業(yè)等領(lǐng)域，應(yīng)用場景廣泛，商業(yè)價(jià)值不斷被挖掘。
AI視覺落地賽道探討
落地行業(yè)賽道特征與競爭策略問題
（1）針對泛安防（公安交通、社區(qū)樓宇）、金融等主管部門釋放了非常明確的利好信號或大額持續(xù)投資的行業(yè)，主要機(jī)遇在于將產(chǎn)品打磨到足夠精準(zhǔn)、魯棒性足夠強(qiáng)，以便進(jìn)入高門檻的準(zhǔn)入供應(yīng)池，同時(shí)通過解決高難度識別需求的硬實(shí)力卡位；（2）針對醫(yī)療、能源和制造等具有戰(zhàn)略意義、發(fā)展空間極大，但或陷入長審批周期、或限于審慎性難以快速釋放市場需求的行業(yè)，主要機(jī)遇在于搶先進(jìn)入行業(yè)生態(tài)圈，謀劃通過政府、核心集團(tuán)企業(yè)等途徑，積極參與公共服務(wù)平臺建設(shè)，建立從上向下拓展的先發(fā)優(yōu)勢，獲得大量訓(xùn)練數(shù)據(jù)與場景理解，形成產(chǎn)品提升的護(hù)城河；（3）針對零售、農(nóng)業(yè)等長尾需求頻發(fā)或數(shù)字化水平較低且對價(jià)格敏感的行業(yè)，主要機(jī)遇在于優(yōu)化產(chǎn)品成本、降低部署及運(yùn)維難度、打通渠道以占領(lǐng)市場份額；（4）針對機(jī)器人（AGV/AMR/機(jī)械臂）等技術(shù)融合應(yīng)用領(lǐng)域，除算法開發(fā)的硬實(shí)力外，視覺識別技術(shù)提供商也需具備聯(lián)合開發(fā)的軟能力。
AI視覺產(chǎn)學(xué)研熱點(diǎn)及趨勢
云端通用大模型+端側(cè)低功耗小模型
基于應(yīng)用場景的需求差異，云側(cè)部署的通用高效神經(jīng)網(wǎng)絡(luò)大模型和端側(cè)部署的加速小型化神經(jīng)網(wǎng)絡(luò)模型成為目前AI視覺廠商優(yōu)化解決方案的路徑之一。而隨著在自然語言處理領(lǐng)域大放異彩的Transformer模型應(yīng)用于CV領(lǐng)域，其與CNN結(jié)合的混合模型架構(gòu)也正逐步成為視覺任務(wù)的重點(diǎn)研究方向，以降低模型結(jié)構(gòu)的復(fù)雜性并提升可擴(kuò)展性和訓(xùn)練效率。未來，AI視覺技術(shù)在適應(yīng)三維世界、突破依賴標(biāo)注數(shù)據(jù)輸入的局限、降低算力能耗、多模態(tài)信息融合分析、與知識和常識結(jié)合解決高層次問題、主動感知與適應(yīng)復(fù)雜變化等上仍有待突破。此外“技術(shù)同質(zhì)化”卻并不意味著“算法同質(zhì)化”，AI視覺算法廠商的工程能力仍是技術(shù)工業(yè)落地的試金石。
端-邊-云協(xié)同的驅(qū)動因素
數(shù)據(jù)體量驟增，我國數(shù)據(jù)資源優(yōu)勢明顯
數(shù)字經(jīng)濟(jì)下，生產(chǎn)要素組合為數(shù)字、技術(shù)、資本、勞動力、土地，其中數(shù)字作為核心要素起到關(guān)鍵變革作用。人們對于海量數(shù)據(jù)的挖掘和運(yùn)用帶來新一波生產(chǎn)率增長與消費(fèi)者盈余浪潮。隨著人工智能、物聯(lián)網(wǎng)、云計(jì)算、邊緣計(jì)算等新興技術(shù)的快速發(fā)展，中國已憑借其網(wǎng)絡(luò)基礎(chǔ)設(shè)施、數(shù)據(jù)中心設(shè)施等數(shù)據(jù)資源優(yōu)勢，迎來數(shù)據(jù)體量的爆發(fā)。根據(jù)IDC預(yù)測，2018-2025年，中國數(shù)據(jù)圈將以30%的年平均增長速度領(lǐng)先全球，2025年預(yù)計(jì)數(shù)據(jù)量級將增長至48ZB，占全球數(shù)據(jù)圈的27.8%，成為全球最大的數(shù)據(jù)圈。
IoT廣泛連接，邊緣剛需場景涌現(xiàn)
根據(jù)艾瑞咨詢測算，中國物聯(lián)網(wǎng)連接量將從2019年的55億個(gè)增長至2025年的156億個(gè)。物聯(lián)網(wǎng)感知數(shù)據(jù)量激增，數(shù)據(jù)類型愈發(fā)復(fù)雜多樣。隨著智慧城市、自動駕駛、工業(yè)互聯(lián)網(wǎng)等應(yīng)用的落地，海量的終端設(shè)備實(shí)時(shí)產(chǎn)生數(shù)據(jù)，集中式云計(jì)算在帶寬負(fù)載、網(wǎng)絡(luò)延時(shí)、數(shù)據(jù)管理成本等方面將愈發(fā)顯得捉襟見肘，難以適應(yīng)數(shù)據(jù)頻繁交互的需求，邊緣側(cè)的價(jià)值將進(jìn)一步凸顯。
端-邊-云協(xié)同的支撐條件
多元化AI加速芯片、5G和Wi-Fi網(wǎng)絡(luò)、云原生技術(shù)等助力
1）算力芯片：FPGA架構(gòu)兼具強(qiáng)大的計(jì)算性能和超低的延遲，其低功耗的特性更適合部署在邊緣側(cè)，又不似ASIC般專為某種特定用途而定制，應(yīng)能夠有效應(yīng)對邊緣計(jì)算帶來的挑戰(zhàn)；專門為AI深度學(xué)習(xí)設(shè)計(jì)的AI神經(jīng)網(wǎng)絡(luò)專用加速芯片（NPU）也在邊緣計(jì)算場景嶄露頭角；
2）5G和Wi-Fi：5G是邊緣計(jì)算時(shí)代最重要的網(wǎng)絡(luò)技術(shù)，其大帶寬、低時(shí)延、廣連接的特性與邊緣場景相契合，尤其在自動駕駛等要求室外覆蓋、移動性的場景中具有不可替代性。但現(xiàn)階段5G行業(yè)終端的數(shù)量尚少，預(yù)計(jì)邊緣計(jì)算會隨著5G行業(yè)應(yīng)用的普及分階段落地。此外，Wi-Fi技術(shù)也在向著更高的吞吐量、更大的覆蓋面積和更低的時(shí)延發(fā)展，Wi-Fi在室內(nèi)場景中的優(yōu)勢使其成為5G的重要補(bǔ)充，兩者將共同助力邊緣云應(yīng)用；
3）云原生技術(shù)：包括容器、微服務(wù)、DevOps等在內(nèi)的云原生技術(shù)和理念強(qiáng)調(diào)松耦合的架構(gòu)和簡單便捷的擴(kuò)展能力，旨在通過統(tǒng)一標(biāo)準(zhǔn)實(shí)現(xiàn)不同基礎(chǔ)設(shè)施上一致的云計(jì)算體驗(yàn)。相比于虛擬主機(jī)，云原生更適合邊緣云計(jì)算的場景，可以為端邊云提供一體化的應(yīng)用分發(fā)與協(xié)同管理，解決邊緣側(cè)大規(guī)模應(yīng)用交付、運(yùn)維、管控的問題。
端-邊-云協(xié)同的趨勢演變
通過“邊緣”打通最后一公里，實(shí)現(xiàn)云邊協(xié)同與端側(cè)邊緣化
云計(jì)算最早通過網(wǎng)絡(luò)將分散的ICT資源集中起來，以云服務(wù)形式為客戶提供按需資源，極大改變了社會工作方式與商業(yè)模式。而借力于云端算力資源與端側(cè)數(shù)據(jù)處理的協(xié)同應(yīng)用，云端智能產(chǎn)品得到了快速發(fā)展。但隨著全球及中國數(shù)據(jù)量的爆發(fā)性增長，海量設(shè)備端數(shù)據(jù)向中心云進(jìn)行傳輸和處理時(shí)，需要超大的帶寬與回傳容量，將面臨帶寬負(fù)載、網(wǎng)絡(luò)時(shí)延、傳輸成本上的巨大壓力。邊緣計(jì)算可在本地提供IT服務(wù)、計(jì)算能力，減少上傳的數(shù)據(jù)量、節(jié)省網(wǎng)絡(luò)操作、服務(wù)交付的時(shí)間延遲，提高傳輸效率，讓海量數(shù)據(jù)實(shí)現(xiàn)本地存儲、處理、分析、決策和執(zhí)行。企業(yè)可以選擇將算力下沉至更貼近設(shè)備端的邊緣計(jì)算，衍生出端-邊-云的協(xié)同新模式。
端-邊-云的應(yīng)用需求分析
產(chǎn)品架構(gòu)選擇需對時(shí)延、成本、場景復(fù)雜度做多因素考量
在云計(jì)算時(shí)代興起以前，圖像數(shù)據(jù)主要為本地化處理，而隨著云計(jì)算服務(wù)發(fā)展，將端側(cè)設(shè)備部署在本地，算法放置在云端的產(chǎn)品架構(gòu)可以有效實(shí)現(xiàn)端側(cè)的空間節(jié)約、部署的成本降低及算法的實(shí)時(shí)更新。因此云端協(xié)同廣泛滲透到各行業(yè)產(chǎn)品應(yīng)用中，但該產(chǎn)品結(jié)構(gòu)下，端側(cè)數(shù)據(jù)均需回傳到云端做處理，適用場景需對時(shí)延要求較低，存在數(shù)據(jù)傳輸量大、能耗高等問題。深度神經(jīng)網(wǎng)絡(luò)的技術(shù)發(fā)展與模型應(yīng)用又進(jìn)一步加大了數(shù)據(jù)傳輸量，AI攝像頭便在此背景下應(yīng)運(yùn)而生，構(gòu)建起初步的云“邊”端協(xié)同，由內(nèi)置AI算法的攝像頭實(shí)現(xiàn)前置化的數(shù)據(jù)處理，初步成為邊緣側(cè)。值得注意的是，AI攝像頭出于功耗、散熱等因素考量，不會內(nèi)置過多算法，可處理簡要前端場景。若對時(shí)延要求高且算法需求復(fù)雜的應(yīng)用場景，則需搭建邊緣盒子或邊緣服務(wù)器，構(gòu)建邊緣側(cè)，實(shí)現(xiàn)云、邊、端的相互協(xié)同。本篇報(bào)告根據(jù)行業(yè)特點(diǎn)與場景需求，將安防、工業(yè)、零售、機(jī)器人、農(nóng)業(yè)領(lǐng)域劃定為產(chǎn)品應(yīng)用的研究范圍。
端邊云協(xié)同的AI視覺產(chǎn)業(yè)圖譜
端邊云協(xié)同的AI視覺產(chǎn)業(yè)模式
以端側(cè)智能化為切入點(diǎn)，協(xié)同云邊滿足多樣化業(yè)務(wù)需求
端邊云協(xié)同的AI視覺解決方案核心由硬件產(chǎn)品、軟件服務(wù)與應(yīng)用平臺構(gòu)成。底層硬件的攝像頭本機(jī)種類豐富，可分為槍型、筒型、球機(jī)、水下、全景等多種類型，應(yīng)用適配于不同終端場景。在集成神經(jīng)網(wǎng)絡(luò)算法與計(jì)算單元后變?yōu)锳I攝像頭后，再根據(jù)場景需求判斷是否附加到其他硬件產(chǎn)品上，以解決端側(cè)對圖像分析、動態(tài)視頻分析的簡單推理需求。軟件服務(wù)與應(yīng)用平臺需評估客戶的定制化需求程度，提供對應(yīng)的標(biāo)準(zhǔn)化SaaS服務(wù)或定制化平臺解決方案，滿足客戶在敏捷部署、時(shí)延帶寬、產(chǎn)品成本、數(shù)據(jù)安全等方面的多樣化業(yè)務(wù)需求。
端邊云協(xié)同的AI視覺解決方案
與通用AI產(chǎn)品模式相同，按需選擇標(biāo)準(zhǔn)或定制化產(chǎn)品方案
隨著人工智能深度學(xué)習(xí)算法的快速成熟，中國誕生了一批深耕于AI視覺算法技術(shù)的人工智能企業(yè)。總結(jié)來看，提供AI視覺產(chǎn)品的市場參與廠商眾多，主要包括大型云服務(wù)廠商（阿里云、騰訊云、百度云、華為云等）、AI視覺算法廠商（商湯、曠視、云天勵(lì)飛、進(jìn)化動力等）以及傳統(tǒng)安防廠商（海康威視、大華股份、宇視科技等）。各家以AI技術(shù)積累、渠道經(jīng)驗(yàn)、產(chǎn)品特性為市場切入點(diǎn)，選擇一個(gè)或多個(gè)垂直業(yè)務(wù)領(lǐng)域。以安防、零售、金融、車聯(lián)網(wǎng)、機(jī)器人、農(nóng)業(yè)等為例，提供端邊云協(xié)同架構(gòu)的AI視覺產(chǎn)品方案。AI視覺產(chǎn)品模式一般可分為標(biāo)準(zhǔn)化SaaS產(chǎn)品與定制化解決方案兩類，行業(yè)客戶需根據(jù)自身IT信息化水平、需求定制化程度、產(chǎn)品付費(fèi)意愿、適用場景需求等因素考量選擇，對應(yīng)完成端側(cè)、邊緣側(cè)及云側(cè)的產(chǎn)品部署。
行業(yè)應(yīng)用：安防領(lǐng)域
算力向邊緣側(cè)、端側(cè)前移趨勢明顯，減少后端處理壓力
公安交通作為AI視覺應(yīng)用于安防領(lǐng)域的重要支柱賽道，興起初期為大范圍的新建市場，重點(diǎn)為端側(cè)與中心側(cè)的AI相關(guān)基礎(chǔ)設(shè)施建設(shè)；現(xiàn)階段建設(shè)方向轉(zhuǎn)變?yōu)橹悄芑曨l監(jiān)控升級，一種是對原本不智能的系統(tǒng)進(jìn)行智能化升級，另一種是對已有的前端智能化視頻監(jiān)控系統(tǒng)進(jìn)行事前預(yù)警、判斷、處理的升級改造。邊緣側(cè)作為建設(shè)重點(diǎn)契合向綜合化、網(wǎng)格化管理模式轉(zhuǎn)變的需求，將分擔(dān)中心側(cè)的算力，將事前告警、分析能力等前移。此外在智慧社區(qū)及老舊小區(qū)改造的推動下，社區(qū)樓宇領(lǐng)域的智能視頻監(jiān)控系統(tǒng)鋪設(shè)正進(jìn)入加速階段，但單個(gè)項(xiàng)目對后端系統(tǒng)的需求不大，主要依靠端側(cè)AI相機(jī)進(jìn)行處理。
行業(yè)應(yīng)用：零售領(lǐng)域
AI視覺集中于對商品及消費(fèi)者進(jìn)行識別分析
零售場景中AI視覺技術(shù)應(yīng)用主要包括商品識別分析和消費(fèi)者行為洞察。前者主要體現(xiàn)在電商以圖搜圖、貨架陳列分析、自助結(jié)算/稱重等環(huán)節(jié)。通過圖像識別及分析技術(shù)理解貨品在零售場景中的狀態(tài)，助力精準(zhǔn)營銷及提高門店運(yùn)營管理效率；后者則是通過人臉識別、人體特征識別等技術(shù)獲得消費(fèi)者購買行為數(shù)據(jù)，實(shí)現(xiàn)對消費(fèi)者的行為洞察。在此融合基礎(chǔ)上，可對門店經(jīng)營情況、消費(fèi)者游逛行為等進(jìn)行數(shù)據(jù)量化，服務(wù)于精準(zhǔn)營銷、智能化運(yùn)營、門店管理等智慧零售應(yīng)用，助力零售企業(yè)降低人工成本、優(yōu)化運(yùn)營效率、提升消費(fèi)者購物體驗(yàn)、塑造新興業(yè)態(tài)等。對于實(shí)體零售企業(yè)，端邊云協(xié)同的部署模式可以保證自助結(jié)算、防盜損、門店運(yùn)營管理等對實(shí)時(shí)性及數(shù)據(jù)保密的要求；而自助稱重、自助結(jié)算、無人零售貨柜等對數(shù)據(jù)及算力要求較低的應(yīng)用場景，近端側(cè)解決方案具有低成本、靈活部署、易運(yùn)維等優(yōu)勢。
行業(yè)應(yīng)用：工業(yè)領(lǐng)域
端側(cè)數(shù)據(jù)采集，邊緣側(cè)實(shí)時(shí)性決策，云端AI訓(xùn)練
AI視覺在檢測方面由于適宜處理易混淆的問題、能夠直接判別缺陷如何處理，覆蓋了傳統(tǒng)工業(yè)機(jī)器視覺的功能盲區(qū)，尤其在3D尺寸及缺陷監(jiān)測任務(wù)中表現(xiàn)出明顯優(yōu)勢；且通過3D視覺傳感器等，可使工業(yè)相機(jī)具備深度學(xué)習(xí)檢測能力，無需再配備工業(yè)計(jì)算機(jī)，具有更高效率、開發(fā)簡易、硬件投資節(jié)約等優(yōu)點(diǎn)。基于以上優(yōu)勢，AI視覺可以完成工業(yè)智能運(yùn)維中的外觀異常檢測、儀表示數(shù)異常檢測，幫助實(shí)現(xiàn)預(yù)測性維護(hù)和智能運(yùn)維；也可以獨(dú)立應(yīng)用于生產(chǎn)環(huán)節(jié)的質(zhì)量質(zhì)檢、產(chǎn)品和組件裝配檢查等。具體部署層面，AI視覺技術(shù)可與激光設(shè)備、圖像讀碼器等現(xiàn)場工業(yè)裝備或工業(yè)相機(jī)、鏡頭等機(jī)器視覺系統(tǒng)集成應(yīng)用，亦可通過工業(yè)互聯(lián)網(wǎng)平臺實(shí)現(xiàn)端邊云一體化應(yīng)用。端邊云協(xié)同部署方案可以有效實(shí)現(xiàn)在線獲取數(shù)據(jù)、在線調(diào)試，快速實(shí)現(xiàn)模型的迭代優(yōu)化、實(shí)時(shí)下發(fā)至端側(cè)實(shí)時(shí)應(yīng)用，提升運(yùn)維人員的AI模型迭代效率的同時(shí)保證低時(shí)延、緩解通信鏈路帶寬壓力等要求。
行業(yè)應(yīng)用：機(jī)器人領(lǐng)域
3D視覺賦予機(jī)器人“視力”，邊緣計(jì)算確保響應(yīng)速度
近年來，AI視覺技術(shù)與機(jī)器人的“聯(lián)姻” 如火如荼。視覺SLAM導(dǎo)航技術(shù)在復(fù)雜應(yīng)用場景更具靈活性，并且設(shè)備投資和維護(hù)成本較激光SLAM技術(shù)有明顯優(yōu)勢。以AGV搬運(yùn)機(jī)器人為例，其可通過視覺自動導(dǎo)引技術(shù)對行駛區(qū)域環(huán)境進(jìn)行圖像識別，實(shí)現(xiàn)智能行駛、物體識別等動作，廣泛應(yīng)用在各大電商、物流、制造業(yè)倉儲環(huán)境中。邊緣計(jì)算實(shí)時(shí)處理技術(shù)可確保數(shù)據(jù)的低延時(shí)處理響應(yīng)，防止工作場所人員傷害且可實(shí)現(xiàn)數(shù)據(jù)不出場。類似的，也可應(yīng)用于工廠智能化產(chǎn)線以降低對高成本精密傳感器的依賴，通過端側(cè)圖像數(shù)據(jù)本地化處理并實(shí)時(shí)傳遞給智能機(jī)械臂，引導(dǎo)機(jī)械臂運(yùn)動路徑及抓取動作等，用于無序分揀與堆碼、上下料及焊接等。5G與邊緣計(jì)算技術(shù)發(fā)展為機(jī)器人產(chǎn)業(yè)帶來爆發(fā)機(jī)會：低時(shí)延可協(xié)調(diào)多設(shè)備聯(lián)動、提升智能設(shè)備與業(yè)務(wù)系統(tǒng)間實(shí)時(shí)通信能力、云邊協(xié)同可突破終端算力和存儲限制等。
行業(yè)應(yīng)用：農(nóng)業(yè)領(lǐng)域
為農(nóng)業(yè)生產(chǎn)防損增效，提升端側(cè)響應(yīng)能力與數(shù)據(jù)安全隱私性
隨著我國城鎮(zhèn)化率的不斷提升，農(nóng)村人口日益短缺，勞動力成本迅速增加。國家正積極開展數(shù)字鄉(xiāng)村建設(shè)，推進(jìn)物聯(lián)網(wǎng)、人工智能、區(qū)塊鏈等新一代信息技術(shù)與農(nóng)業(yè)深度融合，以加快農(nóng)業(yè)全產(chǎn)業(yè)鏈數(shù)字化轉(zhuǎn)型。通過對畜牧管理、農(nóng)作物管理、漁業(yè)管理等領(lǐng)域的深度賦能，實(shí)現(xiàn)農(nóng)業(yè)作業(yè)流程與生產(chǎn)效果的可視化呈現(xiàn)、全流程監(jiān)管、動態(tài)數(shù)據(jù)分析、智能決策優(yōu)化及生產(chǎn)防損增效。端邊云協(xié)同架構(gòu)助力AI視覺解決方案可以在靠近端側(cè)具備及時(shí)處理數(shù)據(jù)，并做出反饋的運(yùn)算推理能力，有效應(yīng)對資產(chǎn)防盜、生產(chǎn)巡檢等場景的及時(shí)化需求。另外，農(nóng)業(yè)生產(chǎn)數(shù)據(jù)豐富，可反映農(nóng)業(yè)廠商的生產(chǎn)工藝、SOP、核心競爭力等敏感信息，靠近端側(cè)的數(shù)據(jù)處理能力讓農(nóng)業(yè)數(shù)據(jù)的隱私安全性進(jìn)一步得到了保障。
端邊云協(xié)同的技術(shù)趨勢
端邊云協(xié)同的AI視覺產(chǎn)業(yè)發(fā)展依賴于邊緣AI技術(shù)發(fā)展
在端邊云協(xié)同的AI視覺解決方案部署架構(gòu)中，由于多端側(cè)場景下的訓(xùn)練數(shù)據(jù)通常以分布式形式產(chǎn)生和存儲在不同終端設(shè)備中。因此如何以較低的網(wǎng)絡(luò)成本、強(qiáng)收斂性、高安全性來進(jìn)行AI模型的分布式訓(xùn)練就非常關(guān)鍵。目前，面向邊緣智能的模型訓(xùn)練優(yōu)化技術(shù)主要包括聯(lián)邦學(xué)習(xí)、增量學(xué)習(xí)、協(xié)同推理等方向。此外，邊緣AI技術(shù)目前多集中在深度學(xué)習(xí)的圖像分類領(lǐng)域作為切入點(diǎn)，但在更多的AI視覺領(lǐng)域如目標(biāo)檢測、屬性分析、關(guān)鍵點(diǎn)檢測、行為分析、運(yùn)動狀態(tài)、重識別等研究較少，上述技術(shù)領(lǐng)域發(fā)展未來具有更高的商業(yè)應(yīng)用價(jià)值。
算網(wǎng)深度融合技術(shù)助力端邊云協(xié)同的AI視覺應(yīng)用落地
端邊云協(xié)同的AI視覺應(yīng)用對算力和網(wǎng)絡(luò)部署提出了要求。傳統(tǒng)的算力和網(wǎng)絡(luò)相互獨(dú)立，二者僅為簡單的連接關(guān)系。而以NFV/SDN為核心技術(shù)的下一代網(wǎng)絡(luò)規(guī)模部署，算力和網(wǎng)絡(luò)開始在基礎(chǔ)設(shè)施層面逐步融合，算力資源融入通信網(wǎng)絡(luò)。隨著5G+邊緣計(jì)算的飛速發(fā)展，進(jìn)一步驅(qū)動網(wǎng)絡(luò)開始感知算力位置，實(shí)現(xiàn)就近分流。未來，算網(wǎng)將在協(xié)議和形態(tài)層面進(jìn)一步融合，通過在網(wǎng)絡(luò)協(xié)議中引入算力信息，將應(yīng)用請求沿最優(yōu)路徑調(diào)度至算力節(jié)點(diǎn)；網(wǎng)絡(luò)設(shè)備通過共享自身算力，對數(shù)據(jù)進(jìn)行在網(wǎng)計(jì)算，降低通信延遲，具備低時(shí)延和按需使用的特征，將推動車聯(lián)網(wǎng)自動駕駛、超邊緣生產(chǎn)現(xiàn)場、公共安全、XR文娛等超低時(shí)延類AI視覺任務(wù)的應(yīng)用推廣。
端邊云協(xié)同的生態(tài)趨勢
建立可信邊緣，推進(jìn)邊緣計(jì)算產(chǎn)業(yè)發(fā)展新機(jī)遇
國家十四五規(guī)劃綱要指出，要“協(xié)同發(fā)展云服務(wù)與邊緣計(jì)算服務(wù)”，另外國務(wù)院印發(fā)的《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》同樣提出“加強(qiáng)面向特定場景的邊緣計(jì)算能力”，未來邊緣計(jì)算將進(jìn)入黃金發(fā)展期，在滿足靈活響應(yīng)、敏捷部署、時(shí)延成本的業(yè)務(wù)需求外，未來需進(jìn)一步關(guān)注邊緣服務(wù)的安全、可靠、可信等能力。對此，中國信通院云計(jì)算與大數(shù)據(jù)研究所發(fā)起“可信邊緣計(jì)算推進(jìn)計(jì)劃” ，匯聚產(chǎn)、學(xué)、研、用各界勢能，共同推動邊緣計(jì)算相關(guān)技術(shù)和方案高質(zhì)量發(fā)展，構(gòu)建“可信邊緣計(jì)算”生態(tài)，進(jìn)一步把握端邊云協(xié)同產(chǎn)業(yè)趨勢的發(fā)展新機(jī)遇。
免責(zé)聲明：凡注明為其它來源的信息均轉(zhuǎn)自其它平臺，目的在于傳遞更多信息，并不代表本站觀點(diǎn)及立場。若有侵權(quán)或異議請聯(lián)系我們處理。
