邊緣計算的爆發指日可待，而AI能力下沉到邊緣側也在很大程度上解決了場景的碎片化問題，使得邊緣解決方案能夠面向不同行業進行差異化開發。
“民以食為天，食以安為先”——近年來，人們對食品安全的關注推動了“明廚亮灶”應用的發展，越來越多的餐館、食堂都將后廚的隔墻替換為透明玻璃，亦或在就餐區放置顯示屏來實時展示烹飪區的監控圖像。然而，傳統的“明廚亮灶”監管大多采用人工肉眼抽查視頻監控的方式，容易出現漏查，即便是采用了AI審查平臺也仍舊存在實時性差的痛點，很難實現事前預防。而隨著AI能力下沉，邊緣側開始承擔更多復雜工作，在餐廳內即可完成實時的智能視頻分析，并及時針對不合規操作發出警告，將食品安全隱患扼殺在初期。
管中窺豹，“明廚亮灶”只是AI與邊緣計算融合賦能的一處縮影，隨著物聯網連接數激增、創新應用層出不窮，集中式的云平臺聯網設備規模大，但存在時效性差、高并發時段穩定性與安全性難以保障等挑戰，而這些亟待解決的痛點也成為了邊緣智能加速成長的重要推力。根據工信部數據，2021 年，國內邊緣計算市場規模達到 325 億元，同比增長 62.5%，2022年進一步增至530億元，增幅穩中有升，達 63.1%。
專干“苦活累活”的邊緣計算不再“邊緣”
2022年8月，我國率先迎來了“物超人”的歷史性時刻，即物聯網連接數超越了人聯網連接數，此外，根據IHS的預測，到2030年互聯設備的數量將超過750億個。全球數字經濟爆發式增長所帶來的豐富場景以及上億規模的聯網設備量在網絡邊緣側產生了大量的數據處理需求，可以說，產業端的實際痛點與需求為邊緣智能提供了優渥的成長土壤。
同時，在政策方面，國務院在2022年年初發布的《“十四五”數字經濟發展規劃》中明確提出要加強面向特定場景的邊緣計算能力，強化算力統籌和智能調度。隨后，各省市相繼出臺多項政策支持邊緣計算產業發展，邊緣計算開始不再“邊緣”，逐漸走到了數字經濟的主舞臺。
所謂的“邊”是相對于“中心”的概念，指的是貼近數據源頭的區域。而邊緣智能則是通過將AI處理能力下沉至更貼近數據源頭的網絡邊緣側，就近提供智能化服務，從而滿足當前市場對實時性、隱私性、節省帶寬等方面的需求。一直以來，AI作為數據分析、智能決策的基礎在云端大展拳腳，工作環境一般是在相對“舒適”的機房、數據中心內，相反，更加貼近應用現場的邊緣側則是專干“苦活累活”，往往處于惡劣的工作環境之中，例如工廠、室外，需要面臨穩定性、安全性等不同維度的考驗。同時，惡劣的工作環境也為邊緣架構部署提出了新的要求，如何在現場快速抓取數據、進行訓練并下發到設備上至關重要。
值得注意的是，數據雖然是AI應用升級迭代的關鍵，但在很多實際場景中，出于隱私與信息安全方面的考量，數據并不能回傳至實驗室、數據中心進行模型訓練，這無疑也是邊緣智能落地的一大挑戰。
總結來看：首先，邊緣環境經常會遇到高溫、高濕、高塵，電壓受限等情況，不同的地方會有直流電、 交流電，空間、承重、布線等都有受限的可能，甚至部分環境下不能插網線，只能用無線方式進行網絡連接。其次，由于邊緣服務器沒有放在數據中心，無專人看護，沒有進出限制，如何防范潛在的網絡攻擊，同時確保數據的一致、高可用、無泄露，就變得更加重要。更重要的是，在實際應用中，邊緣側往往要與云側及端側進行協同融合，對延時、穩定性及成本都非常敏感。
如今，當邊緣計算升級至邊緣智能，在新一輪的數字化浪潮中，邊緣側開始承接更重要的“智能任務”，責任與挑戰并行，在深化應用的過程中，一以貫之的邊緣方案已經難以適應不同部署環境、不同需求的豐富場景了。所以，面對嚴重碎片化的邊緣應用，能夠自學習、自迭代的行業解決方案才是良方，既能夠滿足數據安全，同時還能在保障AI能力的同時實現快速部署。
作為全球領先的智能物聯網產品和解決方案提供商，創通聯達自2018年起便已布局邊緣計算領域，發布了首款硬件產品，更是洞察了AI下沉邊緣的趨勢，基于邊緣計算盒子、IoT Harbor 設備管理平臺和ModelFarm 低代碼 AI 開發平臺打造了端邊云一體化的解決方案，目前已廣泛應用于工業、交通、樓宇、零售等行業。
創通聯達邊緣產品矩陣
創通聯達智能邊緣產品部總經理張樹安
創通聯達智能邊緣產品部總經理張樹安在接受智次方·物聯網智庫時表示，目前的邊緣計算市場中有很多類型的廠商，其中，純硬件廠商的邊緣設備在質量、穩定性等方面占據優勢，但是缺乏軟件能力；算法提供商大多是基于傳統GPU能力進行算法開發，雖然服務器資源充足，但在將算法應用到嵌入式邊緣設備時，尤其是在解決細分行業痛點的過程中，普遍缺乏行業經驗。而創通聯達作為以操作系統為核心的完整解決方案提供商，在硬件方面能夠提供滿足不同算力需求的邊緣智能網關及豐富的物聯網終端設備；在算法方面能夠基于對嵌入式設備的深刻理解，開發更加適配邊緣側部署的算法及組件，更好地適配不同協議；在平臺方面還提供了能夠自迭代、自學習的低代碼 AI 開發平臺ModelFarm。
既“授人以魚”也“授人以漁”
在5G浪潮的驅動下，智能駕駛、AR/VR、智能制造等對于實時性、本地性有著強需求的場景日益成熟，也為邊緣智能提供了更加廣闊的成長空間。然而，面向嚴重碎片化的應用場景，不同的行業、甚至是同一行業的不同企業在轉型過程中對于邊緣側能力的需求都存在極大差異化。
以時延敏感的智能交通場景為例，一部分客戶有利舊需求，即增強原有智能攝像頭、地磁、信號燈等智能化設備的邊緣側能力，而非重新部署終端及平臺；一部分客戶需要更迭終端并重新部署邊緣架構，但又涉及到新設備與原有設備的互聯，以及原有設備與新邊緣產品的對接問題……
此外，即使在智能交通場景下，不同城市以及城市內道路與高速道路也都可能存在差異化需求，如何快速接入并開發面向實際場景與真實需求的算法才是解決方案的價值所在。更重要的是，作為城市管理的核心，交通運營數據皆由政府有關部門統一監管，很難交由廠商進行模型訓練，而有關部門的算法開發能力又相對薄弱。
針對于此，創通聯達推出的全息路口解決方案覆蓋了智慧公交、智慧高速、智慧園區等等多種應用場景，提供了包括攝像頭，MEC，高精度感感知融合算法，云控平臺在內的軟硬件一體產品陣列。全息路口作為交通數字化應用的基礎底座以及道路數據可視化的重要支撐，可以通過路側感知設備和計算設備，結合云控平臺實時提供高精度、低時延的道路交通目標數據。
具體而言，全息路口解決方案基于創通聯達ModelFarm所提供的交通目標感知算法、交通流量統計算法、交通事件檢測算法，以及雷達和視頻的融合感知等算法，來為用戶提供持續不斷的算法優化和升級能力，同時滿足客戶場景化的算法定制。此外，通過AI相機+MEC能力，創通聯達的全息路口方案還實現了視覺目標感知算法前置，使得整體交通感知延時低于150毫秒，達到業界領先水平。
更重要的是，創通聯達全息路口解決方案中的OSWare.Road路測OS基于微服務架構開發的API、OTA等模塊，以及高可用設計架構，能夠快速接入周邊設備、適配第三方系統，應對各類應用場景的需求；而創通聯達自主研發的相機校正算法也能夠自動校正因振動、風吹等自然因素導致的圖像抖動和偏移，從而保證標定數據和檢測數據的準確性。
總結來看，創通聯達智慧交通解決方案一方面將其算法開發能力與嵌入式邊緣設備相融合，更好地適配行業的差異化需求；另一方面，隨著數據的累積疊加以及用戶需求的不斷升級，該方案還能夠基于ModelFarm平臺實現自升級、自迭代。換言之，創通聯達既可以為客戶提供直擊需求的算法與邊緣產品，也能夠將開發能力賦予客戶，在保障數據安全的前提下幫助用戶實現邊緣能力自升級，可謂是既“授人以魚”也“授人以漁”。
其中，ModelFarm作為一站式AI開發平臺，其功能覆蓋數據管理、數據標注、模型訓練評估、在線測試、模型下載等全部流程，可高效支持數據智能化分析場景，特別是其低代碼開發的特性，不但加快了模型訓練進度，還大幅降低了用戶的使用難度。在此基礎上，該平臺還自帶50余種預訓練模型，可供用戶自由選擇，極大地降低行業用戶AI轉型與升級的門檻。
創通聯達ModelFarm平臺架構圖
不難發現，創通聯達智慧交通解決方案逐一擊破了該領域多個細分場景下的痛點，為整個行業提供了完整的邊緣側能力。而在整個物聯網產業都難逃碎片化發展的大環境下，在“大行業”之外還有許多“小場景”也蘊藏著無限機遇——
創通聯達的明廚亮灶解決方案通過事前預警、事中告警、事后追責的三重服務機制，可深化應用智能視頻分析技術，從根源管控餐飲、食堂、中央廚房、集體配餐單位等餐飲操作區域行為規范化，切實保障人民群眾食品衛生安全。
創通聯達日前在科技消費類電子產品展CES上發布了智能貨柜解決方案，通過邊緣側的動態識別能力極大提升了整個消費過程中的用戶體驗與效率，同時還基于ModelFarm幫助商家簡化新增商品的模型訓練，提升識別準確率，加速商品迭代。
寫在最后
正如創通聯達智能邊緣產品部總經理張樹安所言，邊緣計算的爆發指日可待，而AI能力下沉到邊緣側也在很大程度上解決了場景的碎片化問題，使得邊緣解決方案能夠面向不同行業進行差異化開發。創通聯達扎根邊緣側已久，身處距離客戶最近的地方，更加能夠察變市場需求與發展趨勢，除了交通、工業等重點行業外，創通聯達觀察到，很多細分場景也確確實實存在智能化轉型需求，而邊緣智能也能夠切實解決部分行業痛點，所以，公司未來也將雙管齊下、點面兼顧，在大行業與小場景中不斷錘煉邊緣能力。
