核心(xin)摘要：
AI視(shi)覺產業背景(jing)：AI視覺又稱計算機視覺，得益于深度學習技術的快速發展，已于安防、金融、制造、零售等多領域實現規模化商用。2022年，AI視覺相關投融資熱潮全面復蘇，通用技術、工業與零售賽道熱度高企，持續受到資本青睞。2021年我國AI視覺產品的市場規模占整個人工智能行業的49.6%，達到990億元。從資本熱度、市場規模、場景泛用、帶動作用來說，AI視覺已成為AI產業發展的主戰場，未來增量動力依然強勁。
端邊云(yun)協同的需求(qiu)趨勢：數字經濟時代，物聯網感知數據量激增，邊緣計算剛需場景涌現。邊緣計算可在本地提供IT服務、計算能力，減少上傳的數據量、節省網絡操作、服務交付的時間延遲，提高傳輸效率。企業可以選擇將算力下沉至更貼近設備端的邊緣計算，衍生出端-邊-云的協同新模式。
端邊(bian)云協同的AI視覺產業(ye)：產品(pin)模式(shi)一般可(ke)分為標準化(hua)SaaS產品(pin)與定制化(hua)解(jie)決(jue)方案兩類(lei)。行業(ye)(ye)(ye)客戶(hu)需(xu)根據(ju)自身IT信(xin)息化(hua)水平、需(xu)求定制化(hua)程度、產品(pin)付費意愿、適用(yong)場(chang)景(jing)需(xu)求等因(yin)素(su)(su)考量選(xuan)擇。具體到邊(bian)緣(yuan)側部署上，AI攝像頭出于功耗(hao)、散熱等因(yin)素(su)(su)考量，不會內(nei)置過多算(suan)法，可(ke)處理簡要(yao)前端場(chang)景(jing)；若對時延(yan)要(yao)求高且算(suan)法需(xu)求復(fu)雜的應用(yong)場(chang)景(jing)，則需(xu)搭建邊(bian)緣(yuan)盒子或邊(bian)緣(yuan)服務器(qi)(qi)。本(ben)篇報告(gao)根據(ju)行業(ye)(ye)(ye)特點(dian)與場(chang)景(jing)需(xu)求，對安防、工業(ye)(ye)(ye)、零售、機器(qi)(qi)人、農業(ye)(ye)(ye)領域展開討(tao)論。
端邊云協(xie)同的(de)技術與(yu)生態趨勢：1）端邊云協(xie)同(tong)的AI視(shi)覺(jue)產業發(fa)(fa)展依賴于(yu)聯邦(bang)學習、增量學習、協(xie)同(tong)推理等(deng)邊緣AI技術發(fa)(fa)展；2）端邊云協(xie)同(tong)的AI視(shi)覺(jue)應(ying)用對算(suan)(suan)力和網絡部署提出了(le)要求，算(suan)(suan)力網絡技術發(fa)(fa)展將助力超低(di)時(shi)延(yan)類AI視(shi)覺(jue)應(ying)用；3）邊緣計算(suan)(suan)將進入黃(huang)金發(fa)(fa)展期，在滿足靈活響應(ying)、敏捷(jie)部署、時(shi)延(yan)成本的業務需求外(wai)，未來需進一步(bu)關注邊緣服務的安全(quan)、可靠(kao)、可信(xin)等(deng)能(neng)力，構建“可信(xin)邊緣計算(suan)(suan)”生態。
AI視覺(jue)關鍵任務
又稱(cheng)計算機視覺，關鍵任務(wu)聚(ju)焦(jiao)語(yu)義感知與定位追蹤
視(shi)覺(jue)(jue)(jue)使(shi)人(ren)類(lei)得以(yi)感知(zhi)和理解周邊(bian)的世界(jie)，人(ren)類(lei)的大腦皮層約有70%都在處(chu)理視(shi)覺(jue)(jue)(jue)信息，可以(yi)說視(shi)覺(jue)(jue)(jue)是(shi)人(ren)類(lei)獲取信息最(zui)主要的渠道(dao)。而AI視(shi)覺(jue)(jue)(jue)即通過電子化的方式來感知(zhi)和理解影像(xiang)，讓機器或計算機可以(yi)像(xiang)人(ren)類(lei)那樣(yang)“看”，甚(shen)至達到超越人(ren)類(lei)視(shi)覺(jue)(jue)(jue)智能(neng)的效(xiao)果。如(ru)今(jin)AI視(shi)覺(jue)(jue)（計算(suan)機(ji)視(shi)覺(jue)(jue)）包括了語(yu)義感知、定位追蹤和幾(ji)何屬性等(deng)諸多不同研究方向。
AI視(shi)覺(jue)發展歷程
得益于深度學習(xi)技術，AI視覺處于商業(ye)應用擴展增(zeng)速期
自(zi)2012年采用(yong)(yong)深(shen)度(du)(du)學(xue)(xue)習(xi)架構的(de)(de)(de)AlexNet模型以超越第(di)二名10個(ge)百(bai)分(fen)點的(de)(de)(de)成績(ji)在(zai)ImageNet競賽中奪冠。得(de)益于深(shen)度(du)(du)學(xue)(xue)習(xi)所(suo)需(xu)專家(jia)分(fen)析和微(wei)調較少、能夠處理海量數(shu)據、具備高靈活性(xing)等優勢(shi)，深(shen)度(du)(du)學(xue)(xue)習(xi)技術在(zai)目標(biao)檢(jian)測(ce)、目標(biao)跟蹤、圖(tu)像(xiang)分(fen)割、場景分(fen)類、字(zi)符識(shi)別(bie)、人臉(lian)識(shi)別(bie)、姿態估計、動作與行為(wei)識(shi)別(bie)等方向上陸續取得(de)了(le)多(duo)項突破性(xing)成果(guo)。AI視覺在(zai)工業界(jie)逐步(bu)(bu)(bu)實現商(shang)用(yong)(yong)價(jia)值(zhi)，步(bu)(bu)(bu)入規模化商(shang)業落(luo)地階段。同(tong)時(shi)，隨著相關(guan)設備能力的(de)(de)(de)改(gai)善（如算力、內存容量、能耗、圖(tu)像(xiang)傳(chuan)感器分(fen)辨率和光學(xue)(xue)器件(jian)），提升了(le)視覺應用(yong)(yong)的(de)(de)(de)性(xing)能和成本效益，進一步(bu)(bu)(bu)加快(kuai)了(le)AI視覺商(shang)業應用(yong)(yong)的(de)(de)(de)擴(kuo)展。
AI視覺資(zi)本市場之路
投融資(zi)(zi)熱(re)潮全面(mian)復蘇，AI視(shi)覺的商業化前(qian)景得到資(zi)(zi)本(ben)認可(ke)
創業(ye)(ye)(ye)(ye)(ye)企業(ye)(ye)(ye)(ye)(ye)是AI視(shi)(shi)覺(jue)(jue)市(shi)(shi)場(chang)的(de)主(zhu)要參與力量(liang)(liang)之一。行業(ye)(ye)(ye)(ye)(ye)在(zai)經歷了(le)三年(nian)(nian)的(de)投(tou)融資(zi)低迷期后，2022年(nian)(nian)投(tou)融資(zi)數(shu)(shu)量(liang)(liang)和金額皆創歷史(shi)新高。截至2022年(nian)(nian)8月(yue)，我國AI視(shi)(shi)覺(jue)(jue)相關(guan)業(ye)(ye)(ye)(ye)(ye)務獲(huo)投(tou)企業(ye)(ye)(ye)(ye)(ye)數(shu)(shu)量(liang)(liang)已達292家，近半數(shu)(shu)屬(shu)于2020年(nian)(nian)10月(yue)以后的(de)新增企業(ye)(ye)(ye)(ye)(ye)。投(tou)資(zi)熱潮全面(mian)復蘇，科(ke)創板順利落地(di)為AI行業(ye)(ye)(ye)(ye)(ye)引入了(le)中長期資(zi)金通(tong)道和市(shi)(shi)場(chang)關(guan)注度(du)，加(jia)(jia)速(su)推動一批擁有核心技術的(de)廠商成長。從2021年(nian)(nian)開始(shi)，AI視(shi)(shi)覺(jue)(jue)領(ling)域的(de)股權投(tou)資(zi)、轉讓、被收購、IPO事件(jian)數(shu)(shu)量(liang)(liang)開始(shi)增加(jia)(jia)。2022年(nian)(nian)云(yun)從科(ke)技，熵基(ji)科(ke)技等(deng)生物識別廠商集中上市(shi)(shi)表示AI視(shi)(shi)覺(jue)(jue)的(de)行業(ye)(ye)(ye)(ye)(ye)成熟度(du)和認可度(du)已進入新階段。
通用技術、工業(ye)與零售賽(sai)道(dao)熱度高企，持續受到(dao)資本青睞
在統計期內共有466起AI視覺投融資事件發生，累計有292家企業獲投，熱門賽道集中于通用技術、工業、零售、醫療。具備底層技術研發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、芯片、傳感器的技術廠商，通用技術熱門方向還包括生物識別、智能制造等。工業賽道熱度高源于產業鏈條長且場景多樣（裝配，質檢，運輸），AI視覺算法配合工業相機可實現生產自動化；而具備視覺分辨能力的機器人可以持續高效的完成重復動作，極大提高了生產效率。AI零售獲投企業數增長明顯，2022年截至8月份的獲投企業數（40家）已超過2019至2021年的投融資事件累計數量，AI零售產品門類則涉及智慧物流、協作機器人，無人化運營等。
AI視覺商業化落(luo)地進(jin)程
千億級大賽道初露(lu)端倪，成為人工智能產業規(gui)模(mo)的主戰場(chang)
通過對下(xia)游行業需(xu)求(qiu)統計測算，2021年我國(guo)AI視(shi)覺產品的(de)市場規模占整個人工智能(neng)行業的(de)49.6%，達(da)到990億(yi)元。和AI視覺有關(guan)的計算(suan)機通(tong)信設(she)備(bei)銷(xiao)售、醫療器械(xie)等專用(yong)設(she)備(bei)銷(xiao)售、工程建設(she)、傳(chuan)統(tong)業(ye)務(wu)效益轉化等帶(dai)動(dong)相關(guan)產(chan)業(ye)規(gui)模(mo)超過3079億元。從市場規(gui)模(mo)、場景泛用(yong)、帶(dai)動(dong)作用(yong)來說，AI視覺領域已成(cheng)為人工智能產(chan)業(ye)規(gui)模(mo)的主戰場。AI視覺承接海(hai)量(liang)下游需求，未來增量(liang)動(dong)力依然強勁。
處理視覺信息實(shi)現(xian)自(zi)動化、智能(neng)化，下游應用場景廣(guang)泛(fan)
AI視覺(jue)主要以(yi)圖(tu)像和視頻等(deng)高維、密集數(shu)據為主要處(chu)理(li)對象(xiang)，深度提取信息，在(zai)安(an)防行業首先實現(xian)規模化(hua)落地，用于進(jin)行人(ren)員數(shu)據的(de)靜(jing)態查詢與動(dong)態比(bi)對，以(yi)及監控視頻內(nei)容的(de)結構化(hua)處(chu)理(li)；金融(rong)行業更多(duo)通過(guo)人(ren)臉(lian)識(shi)別的(de)身份驗證保證操作行為的(de)安(an)全合規。此外，AI視覺(jue)還逐步賦(fu)能于零售(shou)、醫療(liao)、自(zi)動(dong)駕駛、泛(fan)工(gong)業、泛(fan)農業等(deng)領域，應用場(chang)景廣泛(fan)，商(shang)業價(jia)值不斷被挖掘(jue)。
AI視覺落地賽(sai)道探討
落地(di)行(xing)業賽(sai)道特征(zheng)與競爭策略(lve)問題
（1）針(zhen)對泛安(an)防（公(gong)安(an)交(jiao)通(tong)、社區(qu)樓宇）、金(jin)融等(deng)(deng)主(zhu)管(guan)部門(men)釋放(fang)了非(fei)常明確的(de)(de)利好信號或(huo)(huo)大額(e)持續投(tou)資的(de)(de)行(xing)(xing)業(ye)(ye)(ye)，主(zhu)要機遇(yu)在(zai)(zai)于(yu)(yu)(yu)將(jiang)產品(pin)打(da)磨(mo)到足夠精準、魯棒性(xing)足夠強，以便進入高門(men)檻的(de)(de)準入供應(ying)池，同時通(tong)過解決高難度(du)識別需(xu)求(qiu)的(de)(de)硬實(shi)力(li)卡位(wei)；（2）針(zhen)對醫療、能(neng)源和制造等(deng)(deng)具(ju)有戰略(lve)意義、發(fa)(fa)展空(kong)間(jian)極大，但(dan)或(huo)(huo)陷入長審批周期、或(huo)(huo)限于(yu)(yu)(yu)審慎性(xing)難以快速釋放(fang)市場(chang)(chang)需(xu)求(qiu)的(de)(de)行(xing)(xing)業(ye)(ye)(ye)，主(zhu)要機遇(yu)在(zai)(zai)于(yu)(yu)(yu)搶先(xian)進入行(xing)(xing)業(ye)(ye)(ye)生態圈，謀(mou)劃通(tong)過政府、核心集團企(qi)業(ye)(ye)(ye)等(deng)(deng)途徑，積(ji)極參與公(gong)共服務平臺建(jian)設，建(jian)立(li)從上向(xiang)下(xia)拓(tuo)展的(de)(de)先(xian)發(fa)(fa)優勢，獲得大量訓練(lian)數據(ju)與場(chang)(chang)景理解，形成(cheng)產品(pin)提升(sheng)的(de)(de)護城河(he)；（3）針(zhen)對零售、農業(ye)(ye)(ye)等(deng)(deng)長尾(wei)需(xu)求(qiu)頻發(fa)(fa)或(huo)(huo)數字(zi)化水平較低(di)(di)且對價格(ge)敏感的(de)(de)行(xing)(xing)業(ye)(ye)(ye)，主(zhu)要機遇(yu)在(zai)(zai)于(yu)(yu)(yu)優化產品(pin)成(cheng)本(ben)、降低(di)(di)部署及運維難度(du)、打(da)通(tong)渠道以占(zhan)領市場(chang)(chang)份額(e)；（4）針(zhen)對機器人（AGV/AMR/機械(xie)臂）等(deng)(deng)技術融合應(ying)用領域，除算(suan)法開發(fa)(fa)的(de)(de)硬實(shi)力(li)外，視覺識別技術提供商(shang)也需(xu)具(ju)備聯合開發(fa)(fa)的(de)(de)軟能(neng)力(li)。
AI視覺產學(xue)研熱(re)點(dian)及趨勢
云端通用(yong)大模型+端側低功耗小模型
基于應用(yong)場景的(de)需求差異，云側部署的(de)通(tong)用(yong)高效神經(jing)網(wang)絡大模(mo)(mo)型(xing)和端側部署的(de)加速(su)小型(xing)化(hua)(hua)神經(jing)網(wang)絡模(mo)(mo)型(xing)成為(wei)目前AI視覺廠(chang)商(shang)優(you)化(hua)(hua)解決(jue)方(fang)案的(de)路徑之一。而隨著在(zai)自然語言處(chu)理領域大放異彩的(de)Transformer模(mo)(mo)型(xing)應用(yong)于CV領域，其與CNN結(jie)合(he)(he)的(de)混合(he)(he)模(mo)(mo)型(xing)架構(gou)也正逐步(bu)成為(wei)視覺任務的(de)重點研究方(fang)向，以降低模(mo)(mo)型(xing)結(jie)構(gou)的(de)復雜(za)性(xing)并提升(sheng)可擴(kuo)展(zhan)性(xing)和訓練效率。未來，AI視覺技術在(zai)適(shi)應三維(wei)世界、突破(po)依賴標注數據輸(shu)入的(de)局限(xian)、降低算力能耗、多模(mo)(mo)態信(xin)息融合(he)(he)分(fen)析、與知識(shi)和常識(shi)結(jie)合(he)(he)解決(jue)高層(ceng)次(ci)問題、主動感知與適(shi)應復雜(za)變化(hua)(hua)等上仍有待突破(po)。此外(wai)“技術同質(zhi)化(hua)(hua)”卻并不意味著“算法同質(zhi)化(hua)(hua)”，AI視覺算法廠(chang)商(shang)的(de)工(gong)程(cheng)能力仍是技術工(gong)業(ye)落地的(de)試金石。
端-邊-云(yun)協同的驅(qu)動因素(su)
數據體量驟增，我國數據資源優勢明顯
數(shu)(shu)字經濟下，生(sheng)產要(yao)素(su)組(zu)合為數(shu)(shu)字、技術(shu)、資本、勞動力、土地，其中數(shu)(shu)字作為核(he)心要(yao)素(su)起(qi)到(dao)關鍵變革(ge)作用(yong)(yong)。人們(men)對于(yu)海(hai)量數(shu)(shu)據(ju)的(de)挖掘和運(yun)用(yong)(yong)帶來新(xin)(xin)一波(bo)生(sheng)產率增長與消費者盈余浪潮(chao)。隨著人工智能(neng)、物聯(lian)網(wang)、云計算(suan)、邊緣計算(suan)等(deng)新(xin)(xin)興技術(shu)的(de)快速發展，中國已(yi)憑借(jie)其網(wang)絡(luo)基礎設施、數(shu)(shu)據(ju)中心設施等(deng)數(shu)(shu)據(ju)資源優勢(shi)，迎(ying)來數(shu)(shu)據(ju)體量的(de)爆發。根據(ju)IDC預測，2018-2025年(nian)，中國數(shu)據(ju)圈將(jiang)以30%的年(nian)平均增長速度(du)領(ling)先全球(qiu)(qiu)，2025年(nian)預計(ji)數(shu)據(ju)量級將(jiang)增長至48ZB，占全球(qiu)(qiu)數(shu)據(ju)圈的27.8%，成為全球(qiu)(qiu)最大(da)的數(shu)據(ju)圈。
IoT廣泛連(lian)接(jie)，邊緣(yuan)剛需場景涌現
根據艾瑞咨詢測(ce)算，中國(guo)物聯(lian)網連接量將(jiang)從2019年的55億個增(zeng)長至2025年的156億個。物聯網感知數據量激增，數據類型愈發復雜多樣。隨著智慧城市、自動駕駛、工業互聯網等應用的落地，海量的終端設備實時產生數據，集中式云計算在帶寬負載、網絡延時、數據管理成本等方面將愈發顯得捉襟見肘，難以適應數據頻繁交互的需求，邊緣側的價值將進一步凸顯。
端-邊-云協同的支撐條件
多(duo)元化AI加(jia)速芯片、5G和Wi-Fi網絡(luo)、云(yun)原生(sheng)技(ji)術等(deng)助力
1）算力芯片：FPGA架(jia)構兼(jian)具強大的(de)計(ji)算(suan)性(xing)能(neng)和超低(di)的(de)延遲，其低(di)功耗(hao)的(de)特性(xing)更適合部署在邊緣(yuan)側，又不似ASIC般專為某種特定用途而定制，應能(neng)夠有效(xiao)應對邊緣(yuan)計(ji)算(suan)帶來的(de)挑戰(zhan)；專門(men)為AI深度學(xue)習設(she)計(ji)的(de)AI神經網絡專用加(jia)速芯片（NPU）也(ye)在邊緣(yuan)計(ji)算(suan)場景嶄露頭角；
2）5G和Wi-Fi：5G是邊(bian)(bian)緣計算(suan)時代(dai)最重(zhong)要(yao)的網絡技術，其(qi)大(da)(da)帶寬(kuan)、低時延、廣連接的特性與邊(bian)(bian)緣場(chang)景相契合，尤其(qi)在(zai)自動駕駛等(deng)要(yao)求室外覆蓋、移動性的場(chang)景中具有不可(ke)替(ti)代(dai)性。但現(xian)階(jie)(jie)段5G行(xing)業(ye)終(zhong)端的數(shu)量尚少，預計邊(bian)(bian)緣計算(suan)會(hui)隨著(zhu)5G行(xing)業(ye)應用(yong)的普及分(fen)階(jie)(jie)段落(luo)地。此(ci)外，Wi-Fi技術也在(zai)向(xiang)著(zhu)更(geng)高的吞(tun)吐量、更(geng)大(da)(da)的覆蓋面積和更(geng)低的時延發展，Wi-Fi在(zai)室內場(chang)景中的優(you)勢使其(qi)成為5G的重(zhong)要(yao)補(bu)充，兩者將共同助力邊(bian)(bian)緣云應用(yong)；
3）云原生(sheng)技術(shu)：包括容器、微服(fu)務、DevOps等(deng)在(zai)內的(de)云原生技術(shu)和(he)理念強調松耦合的(de)架構和(he)簡單(dan)便捷的(de)擴展(zhan)能力(li)，旨在(zai)通過統一(yi)標準實現不同(tong)基礎設施上一(yi)致(zhi)的(de)云計算體驗。相比于(yu)虛擬主(zhu)機(ji)，云原生更適合邊緣(yuan)云計算的(de)場景(jing)，可以為端邊云提(ti)供一(yi)體化的(de)應用分(fen)發與(yu)協同(tong)管理，解決邊緣(yuan)側(ce)大規模應用交付、運維、管控的(de)問題。
端-邊-云協同的(de)趨勢演變
通(tong)過“邊(bian)緣(yuan)”打通(tong)最(zui)后(hou)一公里，實現云邊(bian)協同與(yu)端(duan)側邊(bian)緣(yuan)化
云(yun)(yun)計算(suan)最早通過網絡將分(fen)散的(de)(de)ICT資(zi)源(yuan)集中起來，以云(yun)(yun)服務(wu)形(xing)式(shi)為客戶提供按(an)需資(zi)源(yuan)，極(ji)大(da)改變了社(she)會工作(zuo)方(fang)式(shi)與(yu)商(shang)業模式(shi)。而借力于云(yun)(yun)端(duan)算(suan)力資(zi)源(yuan)與(yu)端(duan)側數(shu)(shu)據(ju)處理(li)(li)的(de)(de)協同應用，云(yun)(yun)端(duan)智能產品得到了快速發展。但隨(sui)著全球及中國數(shu)(shu)據(ju)量(liang)(liang)(liang)的(de)(de)爆發性增(zeng)長(chang)，海(hai)量(liang)(liang)(liang)設備端(duan)數(shu)(shu)據(ju)向中心云(yun)(yun)進行傳(chuan)(chuan)(chuan)輸和(he)處理(li)(li)時(shi)，需要超大(da)的(de)(de)帶寬與(yu)回傳(chuan)(chuan)(chuan)容量(liang)(liang)(liang)，將面臨帶寬負載、網絡時(shi)延、傳(chuan)(chuan)(chuan)輸成本上的(de)(de)巨(ju)大(da)壓力。邊(bian)緣(yuan)計算(suan)可(ke)在本地提供IT服務(wu)、計算(suan)能力，減少上傳(chuan)(chuan)(chuan)的(de)(de)數(shu)(shu)據(ju)量(liang)(liang)(liang)、節省網絡操作(zuo)、服務(wu)交付的(de)(de)時(shi)間延遲，提高傳(chuan)(chuan)(chuan)輸效率，讓海(hai)量(liang)(liang)(liang)數(shu)(shu)據(ju)實現本地存儲、處理(li)(li)、分(fen)析、決策和(he)執行。企業可(ke)以選擇將算(suan)力下(xia)沉至更貼近設備端(duan)的(de)(de)邊(bian)緣(yuan)計算(suan)，衍生出端(duan)-邊(bian)-云(yun)(yun)的(de)(de)協同新(xin)模式(shi)。
端-邊-云的應(ying)用需(xu)求分析
產品架構(gou)選(xuan)擇(ze)需對時延、成本、場(chang)景復雜度(du)做(zuo)多(duo)因素(su)考量
在(zai)(zai)云(yun)計(ji)算(suan)(suan)(suan)時(shi)(shi)代興起以前(qian)(qian)，圖像(xiang)(xiang)數據(ju)主要為本(ben)地化處(chu)理(li)(li)，而隨著云(yun)計(ji)算(suan)(suan)(suan)服務(wu)發展，將端側(ce)設備部(bu)署(shu)在(zai)(zai)本(ben)地，算(suan)(suan)(suan)法(fa)(fa)(fa)放置在(zai)(zai)云(yun)端的產(chan)品(pin)(pin)架構(gou)可以有效實(shi)現端側(ce)的空(kong)間(jian)節(jie)約(yue)、部(bu)署(shu)的成(cheng)本(ben)降低(di)及算(suan)(suan)(suan)法(fa)(fa)(fa)的實(shi)時(shi)(shi)更新。因此云(yun)端協(xie)同廣泛滲(shen)透到(dao)各行業產(chan)品(pin)(pin)應用(yong)(yong)中(zhong)，但該產(chan)品(pin)(pin)結(jie)構(gou)下，端側(ce)數據(ju)均需回傳(chuan)(chuan)到(dao)云(yun)端做處(chu)理(li)(li)，適(shi)用(yong)(yong)場景(jing)需對時(shi)(shi)延要求(qiu)(qiu)較低(di)，存在(zai)(zai)數據(ju)傳(chuan)(chuan)輸量大、能耗高(gao)等(deng)問題。深度神經網(wang)絡(luo)的技術發展與模型(xing)應用(yong)(yong)又進一步加大了數據(ju)傳(chuan)(chuan)輸量，AI攝像(xiang)(xiang)頭便在(zai)(zai)此背景(jing)下應運而生，構(gou)建起初(chu)步的云(yun)“邊(bian)(bian)”端協(xie)同，由內(nei)(nei)置AI算(suan)(suan)(suan)法(fa)(fa)(fa)的攝像(xiang)(xiang)頭實(shi)現前(qian)(qian)置化的數據(ju)處(chu)理(li)(li)，初(chu)步成(cheng)為邊(bian)(bian)緣(yuan)側(ce)。值得注意的是，AI攝像(xiang)(xiang)頭出于功耗、散熱等(deng)因素考量，不會內(nei)(nei)置過(guo)多算(suan)(suan)(suan)法(fa)(fa)(fa)，可處(chu)理(li)(li)簡要前(qian)(qian)端場景(jing)。若對時(shi)(shi)延要求(qiu)(qiu)高(gao)且算(suan)(suan)(suan)法(fa)(fa)(fa)需求(qiu)(qiu)復(fu)雜的應用(yong)(yong)場景(jing)，則(ze)需搭建邊(bian)(bian)緣(yuan)盒子或(huo)邊(bian)(bian)緣(yuan)服務(wu)器(qi)，構(gou)建邊(bian)(bian)緣(yuan)側(ce)，實(shi)現云(yun)、邊(bian)(bian)、端的相互協(xie)同。本(ben)篇報告根據(ju)行業特點與場景(jing)需求(qiu)(qiu)，將安(an)防(fang)、工業、零售、機(ji)器(qi)人、農(nong)業領(ling)域劃定為產(chan)品(pin)(pin)應用(yong)(yong)的研究范圍(wei)。
端邊云(yun)協(xie)同(tong)的AI視覺產業圖(tu)譜(pu)
端邊云協同(tong)的AI視(shi)覺產業模式
以端側智能化為切(qie)入(ru)點，協同(tong)云(yun)邊滿足多樣化業務(wu)需求
端(duan)邊云協(xie)同(tong)的(de)AI視覺解決(jue)方案核心由硬(ying)件(jian)產品、軟件(jian)服務(wu)與(yu)應用平臺構成。底層硬(ying)件的(de)攝(she)像頭(tou)本機(ji)種類豐富，可分(fen)為(wei)槍型(xing)、筒型(xing)、球機(ji)、水下、全景(jing)等(deng)多種類型(xing)，應用適(shi)配(pei)于(yu)不同終端場景(jing)。在(zai)集(ji)成(cheng)神經網絡(luo)算(suan)法與計算(suan)單(dan)元后變為(wei)AI攝(she)像頭(tou)后，再根據場景(jing)需(xu)求(qiu)(qiu)判斷是否(fou)附加到其他硬(ying)件產品上，以解(jie)決端側對圖(tu)像分(fen)析(xi)、動態視(shi)頻分(fen)析(xi)的(de)簡單(dan)推理需(xu)求(qiu)(qiu)。軟件服務與應用平(ping)臺需(xu)評(ping)估客(ke)戶(hu)的(de)定(ding)制化需(xu)求(qiu)(qiu)程度，提供對應的(de)標準化SaaS服務或定(ding)制化平(ping)臺解(jie)決方(fang)案，滿足客(ke)戶(hu)在(zai)敏捷部署、時延帶寬、產品成(cheng)本、數據安(an)全等(deng)方(fang)面的(de)多樣化業務需(xu)求(qiu)(qiu)。
端邊云協同的AI視覺解決方案
與通用AI產(chan)品模式相(xiang)同，按需選擇標準或定制化產(chan)品方案
隨著人工智能(neng)(neng)深度學(xue)習算(suan)法的(de)快速成(cheng)熟，中國(guo)誕生(sheng)了一批深耕于AI視(shi)(shi)覺(jue)(jue)算(suan)法技術的(de)人工智能(neng)(neng)企業(ye)。總結來看，提供(gong)AI視(shi)(shi)覺(jue)(jue)產(chan)(chan)品(pin)的(de)市(shi)場參與廠(chang)(chang)商(shang)(shang)眾多，主要包括大型云(yun)服務廠(chang)(chang)商(shang)(shang)（阿里云(yun)、騰訊云(yun)、百度云(yun)、華為云(yun)等(deng)）、AI視(shi)(shi)覺(jue)(jue)算(suan)法廠(chang)(chang)商(shang)(shang)（商(shang)(shang)湯、曠視(shi)(shi)、云(yun)天勵(li)飛、進化(hua)(hua)動力等(deng)）以(yi)及(ji)傳統安防(fang)廠(chang)(chang)商(shang)(shang)（海康(kang)威(wei)視(shi)(shi)、大華股(gu)份、宇視(shi)(shi)科技等(deng)）。各家以(yi)AI技術積累、渠道(dao)經(jing)驗、產(chan)(chan)品(pin)特(te)性為市(shi)場切入點，選擇一個或多個垂直業(ye)務領域。以(yi)安防(fang)、零(ling)售、金(jin)融、車聯網、機器人、農業(ye)等(deng)為例，提供(gong)端(duan)(duan)邊云(yun)協同架構的(de)AI視(shi)(shi)覺(jue)(jue)產(chan)(chan)品(pin)方(fang)案(an)。AI視(shi)(shi)覺(jue)(jue)產(chan)(chan)品(pin)模式一般可分為標(biao)準化(hua)(hua)SaaS產(chan)(chan)品(pin)與定制(zhi)化(hua)(hua)解(jie)決方(fang)案(an)兩類，行業(ye)客戶需根據(ju)自(zi)身IT信息化(hua)(hua)水平(ping)、需求定制(zhi)化(hua)(hua)程度、產(chan)(chan)品(pin)付費意愿、適用(yong)場景需求等(deng)因素(su)考(kao)量選擇，對(dui)應完成(cheng)端(duan)(duan)側、邊緣側及(ji)云(yun)側的(de)產(chan)(chan)品(pin)部署。
行(xing)業應(ying)用：安防領域(yu)
算力向邊緣側、端側前移趨勢明顯，減少(shao)后端處理壓力
公(gong)安(an)交通作(zuo)為AI視(shi)覺應用于安(an)防領(ling)域的(de)(de)(de)重要支柱賽道，興起(qi)初(chu)期為大范圍的(de)(de)(de)新建市場，重點為端(duan)側與中(zhong)心(xin)側的(de)(de)(de)AI相(xiang)關基(ji)礎設(she)施(shi)建設(she)；現階段(duan)建設(she)方向轉變為智(zhi)能(neng)(neng)化視(shi)頻(pin)監(jian)(jian)控升級，一種(zhong)是對原本不智(zhi)能(neng)(neng)的(de)(de)(de)系統進(jin)行智(zhi)能(neng)(neng)化升級，另一種(zhong)是對已有的(de)(de)(de)前(qian)端(duan)智(zhi)能(neng)(neng)化視(shi)頻(pin)監(jian)(jian)控系統進(jin)行事前(qian)預警、判斷、處理的(de)(de)(de)升級改(gai)造(zao)。邊緣側作(zuo)為建設(she)重點契(qi)合(he)向綜合(he)化、網格(ge)化管理模(mo)式(shi)轉變的(de)(de)(de)需求，將(jiang)(jiang)分擔中(zhong)心(xin)側的(de)(de)(de)算力，將(jiang)(jiang)事前(qian)告警、分析(xi)能(neng)(neng)力等前(qian)移(yi)。此外在智(zhi)慧(hui)社(she)區(qu)及老舊小(xiao)區(qu)改(gai)造(zao)的(de)(de)(de)推動(dong)下，社(she)區(qu)樓宇領(ling)域的(de)(de)(de)智(zhi)能(neng)(neng)視(shi)頻(pin)監(jian)(jian)控系統鋪設(she)正進(jin)入加速階段(duan)，但單個項(xiang)目對后端(duan)系統的(de)(de)(de)需求不大，主要依靠(kao)端(duan)側AI相(xiang)機進(jin)行處理。
行業應用：零售領域
AI視覺(jue)集中于對商品及消費(fei)者進行識別分析
零(ling)售場景(jing)(jing)中(zhong)AI視覺(jue)技(ji)術(shu)應(ying)用(yong)主(zhu)要包括商品(pin)(pin)識(shi)別(bie)分析(xi)和消(xiao)(xiao)費(fei)者(zhe)行(xing)為洞(dong)察(cha)。前者(zhe)主(zhu)要體(ti)(ti)現(xian)在(zai)電商以(yi)圖搜圖、貨架陳列分析(xi)、自(zi)(zi)助(zhu)結算(suan)/稱重等(deng)(deng)(deng)(deng)環節(jie)。通過圖像識(shi)別(bie)及分析(xi)技(ji)術(shu)理解(jie)貨品(pin)(pin)在(zai)零(ling)售場景(jing)(jing)中(zhong)的狀(zhuang)態，助(zhu)力精(jing)準(zhun)營(ying)銷(xiao)(xiao)及提(ti)高門(men)(men)(men)店(dian)運(yun)營(ying)管(guan)理效率；后者(zhe)則是通過人(ren)(ren)臉識(shi)別(bie)、人(ren)(ren)體(ti)(ti)特征識(shi)別(bie)等(deng)(deng)(deng)(deng)技(ji)術(shu)獲得消(xiao)(xiao)費(fei)者(zhe)購買行(xing)為數據(ju)(ju)，實(shi)現(xian)對(dui)消(xiao)(xiao)費(fei)者(zhe)的行(xing)為洞(dong)察(cha)。在(zai)此(ci)融(rong)合(he)基礎上(shang)，可對(dui)門(men)(men)(men)店(dian)經營(ying)情(qing)況、消(xiao)(xiao)費(fei)者(zhe)游(you)逛行(xing)為等(deng)(deng)(deng)(deng)進行(xing)數據(ju)(ju)量(liang)化(hua)，服(fu)務于精(jing)準(zhun)營(ying)銷(xiao)(xiao)、智能化(hua)運(yun)營(ying)、門(men)(men)(men)店(dian)管(guan)理等(deng)(deng)(deng)(deng)智慧零(ling)售應(ying)用(yong)，助(zhu)力零(ling)售企(qi)(qi)業(ye)降低(di)人(ren)(ren)工成本、優化(hua)運(yun)營(ying)效率、提(ti)升消(xiao)(xiao)費(fei)者(zhe)購物體(ti)(ti)驗、塑造新興業(ye)態等(deng)(deng)(deng)(deng)。對(dui)于實(shi)體(ti)(ti)零(ling)售企(qi)(qi)業(ye)，端邊云協(xie)同的部(bu)署(shu)模式可以(yi)保(bao)證自(zi)(zi)助(zhu)結算(suan)、防盜損(sun)、門(men)(men)(men)店(dian)運(yun)營(ying)管(guan)理等(deng)(deng)(deng)(deng)對(dui)實(shi)時性及數據(ju)(ju)保(bao)密的要求；而自(zi)(zi)助(zhu)稱重、自(zi)(zi)助(zhu)結算(suan)、無人(ren)(ren)零(ling)售貨柜(ju)等(deng)(deng)(deng)(deng)對(dui)數據(ju)(ju)及算(suan)力要求較低(di)的應(ying)用(yong)場景(jing)(jing)，近端側解(jie)決方案具有低(di)成本、靈(ling)活部(bu)署(shu)、易運(yun)維等(deng)(deng)(deng)(deng)優勢。
行業(ye)應用：工業(ye)領(ling)域
端側(ce)數(shu)據采集，邊緣(yuan)側(ce)實時性決策，云端AI訓練(lian)
AI視(shi)(shi)覺(jue)(jue)(jue)在檢(jian)(jian)測(ce)方面由(you)于適宜處理易混淆的(de)(de)問題、能(neng)夠直(zhi)接判別缺陷(xian)如何處理，覆蓋(gai)了傳統(tong)(tong)工(gong)(gong)(gong)業(ye)(ye)機器視(shi)(shi)覺(jue)(jue)(jue)的(de)(de)功能(neng)盲區，尤其在3D尺(chi)寸及(ji)缺陷(xian)監測(ce)任務中表(biao)現(xian)(xian)(xian)出(chu)明顯優勢(shi)(shi)；且通過3D視(shi)(shi)覺(jue)(jue)(jue)傳感器等(deng)，可使工(gong)(gong)(gong)業(ye)(ye)相機具(ju)(ju)備(bei)深度學習(xi)檢(jian)(jian)測(ce)能(neng)力，無(wu)需再配備(bei)工(gong)(gong)(gong)業(ye)(ye)計(ji)算機，具(ju)(ju)有更高效率(lv)、開發簡易、硬件(jian)投資節約(yue)等(deng)優點。基于以上優勢(shi)(shi)，AI視(shi)(shi)覺(jue)(jue)(jue)可以完成工(gong)(gong)(gong)業(ye)(ye)智(zhi)能(neng)運(yun)維(wei)中的(de)(de)外觀異常檢(jian)(jian)測(ce)、儀表(biao)示數(shu)異常檢(jian)(jian)測(ce)，幫助(zhu)實(shi)(shi)現(xian)(xian)(xian)預測(ce)性(xing)維(wei)護和(he)智(zhi)能(neng)運(yun)維(wei)；也可以獨立應(ying)用(yong)于生產環節的(de)(de)質量質檢(jian)(jian)、產品和(he)組件(jian)裝(zhuang)配檢(jian)(jian)查等(deng)。具(ju)(ju)體部署層面，AI視(shi)(shi)覺(jue)(jue)(jue)技術可與(yu)激光設(she)備(bei)、圖(tu)像讀碼(ma)器等(deng)現(xian)(xian)(xian)場工(gong)(gong)(gong)業(ye)(ye)裝(zhuang)備(bei)或工(gong)(gong)(gong)業(ye)(ye)相機、鏡頭等(deng)機器視(shi)(shi)覺(jue)(jue)(jue)系統(tong)(tong)集成應(ying)用(yong)，亦可通過工(gong)(gong)(gong)業(ye)(ye)互聯(lian)網平臺實(shi)(shi)現(xian)(xian)(xian)端邊(bian)(bian)云一(yi)體化應(ying)用(yong)。端邊(bian)(bian)云協同部署方案可以有效實(shi)(shi)現(xian)(xian)(xian)在線獲取數(shu)據、在線調試，快速實(shi)(shi)現(xian)(xian)(xian)模型的(de)(de)迭(die)代優化、實(shi)(shi)時(shi)下發至端側(ce)實(shi)(shi)時(shi)應(ying)用(yong)，提(ti)升運(yun)維(wei)人員的(de)(de)AI模型迭(die)代效率(lv)的(de)(de)同時(shi)保證低(di)時(shi)延、緩解通信鏈路帶寬壓力等(deng)要(yao)求(qiu)。
行業應(ying)用：機(ji)器(qi)人領域
3D視覺(jue)賦予機器(qi)人“視力”，邊緣計算確(que)保響應(ying)速度
近年來，AI視覺(jue)技(ji)(ji)(ji)術(shu)與(yu)(yu)機(ji)器人(ren)(ren)的(de)(de)“聯(lian)姻” 如(ru)火如(ru)荼。視覺(jue)SLAM導(dao)航技(ji)(ji)(ji)術(shu)在復雜應用場景更(geng)具靈(ling)活性(xing)，并且(qie)設(she)(she)備投資(zi)和(he)維護成本(ben)較激(ji)光(guang)SLAM技(ji)(ji)(ji)術(shu)有(you)明顯優勢。以(yi)AGV搬運機(ji)器人(ren)(ren)為例，其可(ke)通(tong)過視覺(jue)自動(dong)導(dao)引技(ji)(ji)(ji)術(shu)對(dui)行(xing)駛(shi)區域環(huan)境進行(xing)圖(tu)像識(shi)別(bie)，實現(xian)智(zhi)能(neng)行(xing)駛(shi)、物(wu)體識(shi)別(bie)等(deng)(deng)動(dong)作，廣泛應用在各大電商、物(wu)流、制(zhi)(zhi)造(zao)業倉儲環(huan)境中。邊緣計算實時(shi)(shi)處理技(ji)(ji)(ji)術(shu)可(ke)確保數(shu)據的(de)(de)低(di)延時(shi)(shi)處理響應，防止工作場所(suo)人(ren)(ren)員傷(shang)害(hai)且(qie)可(ke)實現(xian)數(shu)據不出場。類(lei)似的(de)(de)，也(ye)可(ke)應用于工廠智(zhi)能(neng)化產線以(yi)降低(di)對(dui)高成本(ben)精密傳感器的(de)(de)依(yi)賴，通(tong)過端(duan)側圖(tu)像數(shu)據本(ben)地化處理并實時(shi)(shi)傳遞(di)給(gei)智(zhi)能(neng)機(ji)械(xie)臂，引導(dao)機(ji)械(xie)臂運動(dong)路徑(jing)及(ji)抓取動(dong)作等(deng)(deng)，用于無序分(fen)揀(jian)與(yu)(yu)堆(dui)碼(ma)、上下料及(ji)焊接等(deng)(deng)。5G與(yu)(yu)邊緣計算技(ji)(ji)(ji)術(shu)發展為機(ji)器人(ren)(ren)產業帶來爆發機(ji)會：低(di)時(shi)(shi)延可(ke)協調多設(she)(she)備聯(lian)動(dong)、提升智(zhi)能(neng)設(she)(she)備與(yu)(yu)業務系統間實時(shi)(shi)通(tong)信能(neng)力(li)(li)、云(yun)邊協同(tong)可(ke)突(tu)破終端(duan)算力(li)(li)和(he)存儲限制(zhi)(zhi)等(deng)(deng)。
行業應用：農(nong)業領域
為農業生產防損增效，提升端(duan)側(ce)響應能力與數據(ju)安全隱私(si)性
隨著我國城鎮化(hua)率(lv)的(de)(de)(de)不斷提(ti)升(sheng)，農(nong)村(cun)人口日益短缺，勞動力成本迅速增加。國家正(zheng)積極開展數(shu)(shu)(shu)字鄉村(cun)建設，推(tui)進物聯網、人工(gong)智能(neng)、區(qu)塊鏈(lian)等(deng)新一代(dai)信(xin)息技術與農(nong)業(ye)深度(du)融(rong)合，以(yi)(yi)加快(kuai)農(nong)業(ye)全(quan)產(chan)(chan)業(ye)鏈(lian)數(shu)(shu)(shu)字化(hua)轉型。通過對(dui)畜牧(mu)管理、農(nong)作物管理、漁業(ye)管理等(deng)領域的(de)(de)(de)深度(du)賦能(neng)，實現(xian)農(nong)業(ye)作業(ye)流(liu)程與生(sheng)產(chan)(chan)效(xiao)果(guo)的(de)(de)(de)可視化(hua)呈現(xian)、全(quan)流(liu)程監管、動態數(shu)(shu)(shu)據(ju)(ju)(ju)分(fen)析、智能(neng)決策優化(hua)及(ji)生(sheng)產(chan)(chan)防損增效(xiao)。端邊云協同(tong)架構助力AI視覺解決方案可以(yi)(yi)在(zai)靠近端側具備及(ji)時(shi)(shi)處(chu)理數(shu)(shu)(shu)據(ju)(ju)(ju)，并做出反(fan)饋的(de)(de)(de)運(yun)算推(tui)理能(neng)力，有效(xiao)應對(dui)資產(chan)(chan)防盜、生(sheng)產(chan)(chan)巡檢等(deng)場景的(de)(de)(de)及(ji)時(shi)(shi)化(hua)需求。另外，農(nong)業(ye)生(sheng)產(chan)(chan)數(shu)(shu)(shu)據(ju)(ju)(ju)豐富，可反(fan)映(ying)農(nong)業(ye)廠商(shang)的(de)(de)(de)生(sheng)產(chan)(chan)工(gong)藝、SOP、核(he)心競(jing)爭(zheng)力等(deng)敏感信(xin)息，靠近端側的(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju)(ju)處(chu)理能(neng)力讓(rang)農(nong)業(ye)數(shu)(shu)(shu)據(ju)(ju)(ju)的(de)(de)(de)隱私(si)安全(quan)性(xing)進一步得(de)到了(le)保障。
端邊云協同的(de)技術趨勢
端邊(bian)云協(xie)同的(de)AI視覺產(chan)業發(fa)展依賴于(yu)邊(bian)緣AI技術發(fa)展
在端邊云協同的AI視覺解決方案部署架構中，由于多端側場景下的訓練數據通常以分布式形式產生和存儲在不同終端設備中。因此如何以較低的網絡成本、強收斂性、高安全性來進行AI模型的分布式訓練就非常關鍵。目前，面向邊緣智能的模型訓練優化技術主要包括聯邦學習、增量學習、協同推理等方向。此外，邊緣AI技術目前多集中在深度學習的圖像分類領域作為切入點，但在更多的AI視覺領域如目標檢測、屬性分析、關鍵點檢測、行為分析、運動狀態、重識別等研究較少，上述技術領域發展未來具有更高的商業應用價值。
算網深度融合技術助(zhu)力端邊云協(xie)同的AI視覺應用(yong)落地
端(duan)邊(bian)(bian)云協(xie)同的(de)AI視覺應(ying)(ying)用對算(suan)(suan)(suan)力(li)和網絡(luo)(luo)部(bu)署提(ti)出了要求(qiu)。傳統(tong)的(de)算(suan)(suan)(suan)力(li)和網絡(luo)(luo)相(xiang)互獨(du)立，二(er)者僅(jin)為簡單的(de)連接關系(xi)。而以NFV/SDN為核(he)心技術的(de)下一(yi)代網絡(luo)(luo)規(gui)模部(bu)署，算(suan)(suan)(suan)力(li)和網絡(luo)(luo)開(kai)始(shi)在(zai)基礎設施(shi)層(ceng)面逐步(bu)(bu)(bu)融(rong)(rong)合，算(suan)(suan)(suan)力(li)資(zi)源融(rong)(rong)入(ru)通(tong)信(xin)網絡(luo)(luo)。隨著(zhu)5G+邊(bian)(bian)緣(yuan)計(ji)算(suan)(suan)(suan)的(de)飛速發展(zhan)，進(jin)一(yi)步(bu)(bu)(bu)驅動(dong)網絡(luo)(luo)開(kai)始(shi)感知算(suan)(suan)(suan)力(li)位置(zhi)，實現(xian)就(jiu)近分流。未來(lai)，算(suan)(suan)(suan)網將(jiang)在(zai)協(xie)議和形態層(ceng)面進(jin)一(yi)步(bu)(bu)(bu)融(rong)(rong)合，通(tong)過(guo)在(zai)網絡(luo)(luo)協(xie)議中引(yin)入(ru)算(suan)(suan)(suan)力(li)信(xin)息，將(jiang)應(ying)(ying)用請求(qiu)沿最優路徑調(diao)度至算(suan)(suan)(suan)力(li)節(jie)點；網絡(luo)(luo)設備通(tong)過(guo)共享自(zi)身算(suan)(suan)(suan)力(li)，對數(shu)據進(jin)行在(zai)網計(ji)算(suan)(suan)(suan)，降(jiang)低(di)通(tong)信(xin)延遲，具備低(di)時(shi)延和按需使用的(de)特征，將(jiang)推動(dong)車聯網自(zi)動(dong)駕駛、超(chao)邊(bian)(bian)緣(yuan)生產(chan)現(xian)場(chang)、公共安全(quan)、XR文娛等超(chao)低(di)時(shi)延類AI視覺任(ren)務的(de)應(ying)(ying)用推廣。
端邊云協(xie)同(tong)的生態趨勢
建立可信邊緣，推進(jin)邊緣計算產業(ye)發展新機遇
國家十(shi)四五規(gui)劃(hua)綱(gang)要指出，要“協同(tong)發(fa)(fa)展(zhan)(zhan)云(yun)服(fu)務(wu)與邊(bian)(bian)緣(yuan)計(ji)(ji)算(suan)(suan)(suan)服(fu)務(wu)”，另外國務(wu)院印發(fa)(fa)的(de)《“十(shi)四五”數(shu)字經濟發(fa)(fa)展(zhan)(zhan)規(gui)劃(hua)》同(tong)樣(yang)提出“加強(qiang)面向特定場景的(de)邊(bian)(bian)緣(yuan)計(ji)(ji)算(suan)(suan)(suan)能力”，未來(lai)邊(bian)(bian)緣(yuan)計(ji)(ji)算(suan)(suan)(suan)將進入黃金發(fa)(fa)展(zhan)(zhan)期，在滿足靈(ling)活響應、敏捷部署、時延(yan)成本的(de)業(ye)(ye)務(wu)需求(qiu)外，未來(lai)需進一步(bu)關注邊(bian)(bian)緣(yuan)服(fu)務(wu)的(de)安(an)全、可(ke)靠、可(ke)信等能力。對此，中國信通院云(yun)計(ji)(ji)算(suan)(suan)(suan)與大數(shu)據(ju)研(yan)(yan)究所發(fa)(fa)起“可(ke)信邊(bian)(bian)緣(yuan)計(ji)(ji)算(suan)(suan)(suan)推進計(ji)(ji)劃(hua)” ，匯聚產、學、研(yan)(yan)、用各界勢(shi)能，共同(tong)推動邊(bian)(bian)緣(yuan)計(ji)(ji)算(suan)(suan)(suan)相關技術(shu)和方案(an)高(gao)質(zhi)量發(fa)(fa)展(zhan)(zhan)，構建“可(ke)信邊(bian)(bian)緣(yuan)計(ji)(ji)算(suan)(suan)(suan)”生態，進一步(bu)把握(wo)端邊(bian)(bian)云(yun)協同(tong)產業(ye)(ye)趨勢(shi)的(de)發(fa)(fa)展(zhan)(zhan)新機遇。
免責聲明：凡注明為其它來源的信息均轉自其它平臺，目的在于傳遞更多信息，并不代表本站觀點及立場。若有侵權或異議請聯系我們處理。
