核心摘要：
AI視覺(jue)產業背景：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(tong)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。
端邊云協同的AI視覺產業：產(chan)品(pin)(pin)模式一般可分為標準化(hua)SaaS產(chan)品(pin)(pin)與定(ding)制化(hua)解(jie)決方案兩類。行(xing)業客戶(hu)需根(gen)(gen)據自身(shen)IT信息化(hua)水平、需求(qiu)定(ding)制化(hua)程(cheng)度、產(chan)品(pin)(pin)付費意愿、適(shi)用場(chang)(chang)(chang)景(jing)需求(qiu)等因(yin)素考量(liang)選擇。具體到邊(bian)緣(yuan)側部署上，AI攝像(xiang)頭出于功耗、散熱(re)等因(yin)素考量(liang)，不會內置(zhi)過(guo)多算(suan)法，可處理簡要(yao)前(qian)端場(chang)(chang)(chang)景(jing)；若對(dui)時延要(yao)求(qiu)高且(qie)算(suan)法需求(qiu)復雜的應用場(chang)(chang)(chang)景(jing)，則(ze)需搭建邊(bian)緣(yuan)盒子或邊(bian)緣(yuan)服務器(qi)。本篇報(bao)告根(gen)(gen)據行(xing)業特點與場(chang)(chang)(chang)景(jing)需求(qiu)，對(dui)安防、工業、零售(shou)、機器(qi)人、農(nong)業領(ling)域(yu)展開討論(lun)。
端邊(bian)云協同(tong)的技(ji)術與生態(tai)趨勢：1）端(duan)(duan)邊(bian)云協同的AI視(shi)覺產業(ye)發(fa)(fa)展依(yi)賴于聯邦學(xue)(xue)習、增量學(xue)(xue)習、協同推理(li)等邊(bian)緣AI技術發(fa)(fa)展；2）端(duan)(duan)邊(bian)云協同的AI視(shi)覺應(ying)(ying)用(yong)對算力(li)和網絡(luo)部署提出(chu)了要求，算力(li)網絡(luo)技術發(fa)(fa)展將助力(li)超低(di)時(shi)延(yan)類(lei)AI視(shi)覺應(ying)(ying)用(yong)；3）邊(bian)緣計(ji)算將進(jin)(jin)入(ru)黃金發(fa)(fa)展期(qi)，在滿足靈(ling)活響應(ying)(ying)、敏捷部署、時(shi)延(yan)成本的業(ye)務(wu)需求外，未來需進(jin)(jin)一步關注邊(bian)緣服務(wu)的安(an)全、可靠、可信等能(neng)力(li)，構建(jian)“可信邊(bian)緣計(ji)算”生態。
AI視覺關鍵任務
又稱計(ji)算機視覺(jue)，關(guan)鍵任務聚焦語義感知與(yu)定(ding)位追(zhui)蹤(zong)
視(shi)(shi)覺(jue)使人(ren)類(lei)(lei)得以感(gan)知和理(li)解周邊的(de)世界，人(ren)類(lei)(lei)的(de)大腦皮層約有70%都在處理(li)視(shi)(shi)覺(jue)信(xin)息，可以說視(shi)(shi)覺(jue)是(shi)人(ren)類(lei)(lei)獲(huo)取(qu)信(xin)息最(zui)主要的(de)渠道。而AI視(shi)(shi)覺(jue)即通(tong)過電子化(hua)的(de)方式來感(gan)知和理(li)解影像，讓機器或計(ji)算機可以像人(ren)類(lei)(lei)那(nei)樣“看”，甚(shen)至(zhi)達到(dao)超(chao)越人(ren)類(lei)(lei)視(shi)(shi)覺(jue)智(zhi)能的(de)效果。如(ru)今AI視覺(jue)（計算(suan)機視覺(jue)）包括了語義感知(zhi)、定位追蹤和幾何屬性等諸多不同研究方向。
AI視(shi)覺發(fa)展歷程
得益于深度學習技術，AI視覺處于商業應用(yong)擴展增(zeng)速期
自2012年采(cai)用(yong)深(shen)度學(xue)(xue)(xue)習(xi)架構的(de)(de)AlexNet模(mo)型以超越(yue)第二名10個百分點的(de)(de)成(cheng)績在(zai)ImageNet競賽中奪(duo)冠。得益(yi)于深(shen)度學(xue)(xue)(xue)習(xi)所需專(zhuan)家分析和微調較少、能夠處理海量數(shu)據(ju)、具(ju)備高靈活性等優勢，深(shen)度學(xue)(xue)(xue)習(xi)技術(shu)在(zai)目(mu)標檢測(ce)、目(mu)標跟蹤、圖(tu)(tu)像(xiang)分割、場景分類、字符識別、人(ren)臉識別、姿態估計、動作與行(xing)為識別等方(fang)向上陸續取得了(le)多項突破(po)性成(cheng)果。AI視(shi)覺(jue)在(zai)工業(ye)界逐步實現(xian)商用(yong)價值，步入規模(mo)化商業(ye)落地階(jie)段。同時，隨(sui)著相(xiang)關設備能力的(de)(de)改善(shan)（如算力、內存容量、能耗、圖(tu)(tu)像(xiang)傳感器分辨率和光學(xue)(xue)(xue)器件(jian)），提升(sheng)了(le)視(shi)覺(jue)應用(yong)的(de)(de)性能和成(cheng)本效(xiao)益(yi)，進一步加快了(le)AI視(shi)覺(jue)商業(ye)應用(yong)的(de)(de)擴展。
AI視(shi)覺資本市(shi)場之路
投(tou)融資熱潮(chao)全面復蘇，AI視覺的商業化前景得到資本認可
創業(ye)(ye)(ye)企(qi)業(ye)(ye)(ye)是AI視(shi)(shi)覺(jue)(jue)市場(chang)的(de)主要參與力量(liang)之一。行業(ye)(ye)(ye)在經歷(li)了(le)三年(nian)的(de)投融資低迷期(qi)后，2022年(nian)投融資數(shu)量(liang)和金(jin)額皆創歷(li)史新(xin)高。截至2022年(nian)8月，我國AI視(shi)(shi)覺(jue)(jue)相關業(ye)(ye)(ye)務獲投企(qi)業(ye)(ye)(ye)數(shu)量(liang)已達292家，近半數(shu)屬于2020年(nian)10月以后的(de)新(xin)增企(qi)業(ye)(ye)(ye)。投資熱(re)潮全面復蘇，科創板順利落地為AI行業(ye)(ye)(ye)引入(ru)了(le)中長期(qi)資金(jin)通(tong)道和市場(chang)關注度，加速推動一批擁有核心技術的(de)廠商成(cheng)長。從2021年(nian)開始，AI視(shi)(shi)覺(jue)(jue)領(ling)域的(de)股權投資、轉讓、被收購、IPO事件數(shu)量(liang)開始增加。2022年(nian)云從科技，熵基科技等(deng)生物(wu)識(shi)別廠商集中上市表示AI視(shi)(shi)覺(jue)(jue)的(de)行業(ye)(ye)(ye)成(cheng)熟度和認可度已進入(ru)新(xin)階(jie)段。
通(tong)用技術、工業與零售賽道熱(re)度高企，持續受到資本(ben)青睞(lai)
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(shi)覺(jue)商業化落地進程
千(qian)億級大賽(sai)道初露端倪，成為人(ren)工智(zhi)能產業規模(mo)的主戰場
通過(guo)對下游行業需求(qiu)統計測算(suan)，2021年我國(guo)AI視覺產品的市場(chang)規模占整個人工智能行業的49.6%，達(da)到990億元。和AI視覺有關的計(ji)算機通信設(she)備銷售(shou)、醫(yi)療器械等專用(yong)設(she)備銷售(shou)、工程(cheng)建設(she)、傳統業務效益轉化等帶動相關產業規(gui)模(mo)超過3079億元。從(cong)市場規(gui)模(mo)、場景泛用(yong)、帶動作(zuo)用(yong)來(lai)說，AI視覺領(ling)域已成為人工智能產業規(gui)模(mo)的主戰場。AI視覺承接海量下游需求，未來(lai)增量動力依(yi)然強勁(jing)。
處理視覺信息(xi)實(shi)現(xian)自動化、智能(neng)化，下游應用場景廣泛(fan)
AI視覺(jue)主要以(yi)(yi)圖像和視頻(pin)等(deng)(deng)高維、密集數據(ju)為主要處(chu)理對(dui)象(xiang)，深度提取信息，在安防行(xing)業(ye)(ye)(ye)首先實現規模化(hua)落地，用于進行(xing)人員數據(ju)的靜態(tai)(tai)查詢與動態(tai)(tai)比對(dui)，以(yi)(yi)及監控(kong)視頻(pin)內容的結構化(hua)處(chu)理；金(jin)融(rong)行(xing)業(ye)(ye)(ye)更多通過人臉(lian)識別的身份驗證保證操作(zuo)行(xing)為的安全合規。此外，AI視覺(jue)還逐步賦(fu)能于零售(shou)、醫(yi)療、自動駕駛、泛(fan)工業(ye)(ye)(ye)、泛(fan)農(nong)業(ye)(ye)(ye)等(deng)(deng)領域(yu)，應用場景廣泛(fan)，商(shang)業(ye)(ye)(ye)價值不斷被挖掘。
AI視(shi)覺落地賽道探討
落(luo)地行業賽道特征(zheng)與競爭策略問題
（1）針(zhen)對(dui)泛安防（公安交通(tong)、社區樓宇）、金融(rong)等主管部門釋放了(le)非常(chang)明確(que)的(de)(de)利好信(xin)號或(huo)(huo)大(da)額持續投資的(de)(de)行(xing)業，主要(yao)機(ji)遇在于(yu)將產品(pin)打磨到(dao)足夠精(jing)準、魯棒性足夠強(qiang)，以(yi)便進(jin)入(ru)高(gao)(gao)門檻的(de)(de)準入(ru)供(gong)應(ying)池，同時通(tong)過解決(jue)高(gao)(gao)難度識別需求的(de)(de)硬實力卡位；（2）針(zhen)對(dui)醫(yi)療(liao)、能(neng)源和制造等具有(you)戰略意義、發(fa)(fa)展(zhan)空間極大(da)，但或(huo)(huo)陷入(ru)長(chang)(chang)審批周期、或(huo)(huo)限于(yu)審慎性難以(yi)快速釋放市(shi)場(chang)需求的(de)(de)行(xing)業，主要(yao)機(ji)遇在于(yu)搶(qiang)先進(jin)入(ru)行(xing)業生態圈(quan)，謀劃通(tong)過政府、核(he)心集團企業等途徑，積極參與(yu)公共服務平臺(tai)建設，建立從(cong)上向下拓(tuo)展(zhan)的(de)(de)先發(fa)(fa)優(you)勢(shi)，獲得大(da)量訓練數據與(yu)場(chang)景理解，形成產品(pin)提升的(de)(de)護(hu)城(cheng)河(he)；（3）針(zhen)對(dui)零售、農(nong)業等長(chang)(chang)尾(wei)需求頻發(fa)(fa)或(huo)(huo)數字(zi)化(hua)水(shui)平較低且對(dui)價格(ge)敏感的(de)(de)行(xing)業，主要(yao)機(ji)遇在于(yu)優(you)化(hua)產品(pin)成本、降低部署及運維難度、打通(tong)渠(qu)道以(yi)占(zhan)領(ling)市(shi)場(chang)份額；（4）針(zhen)對(dui)機(ji)器(qi)人（AGV/AMR/機(ji)械臂）等技(ji)術(shu)(shu)融(rong)合應(ying)用領(ling)域，除(chu)算法開發(fa)(fa)的(de)(de)硬實力外，視(shi)覺(jue)識別技(ji)術(shu)(shu)提供(gong)商(shang)也需具備聯合開發(fa)(fa)的(de)(de)軟能(neng)力。
AI視覺產學研熱點及趨勢
云端(duan)(duan)通用大模(mo)(mo)型(xing)(xing)+端(duan)(duan)側低功耗小模(mo)(mo)型(xing)(xing)
基于應用場景的(de)需求差異(yi)，云側部署(shu)的(de)通用高效(xiao)神(shen)經(jing)網絡(luo)大模型(xing)和端側部署(shu)的(de)加速小型(xing)化(hua)神(shen)經(jing)網絡(luo)模型(xing)成為目前AI視覺(jue)廠(chang)商(shang)優化(hua)解決方(fang)案(an)的(de)路徑之(zhi)一(yi)。而隨著(zhu)在自然語言處理領域(yu)(yu)大放異(yi)彩的(de)Transformer模型(xing)應用于CV領域(yu)(yu)，其與(yu)CNN結(jie)合的(de)混合模型(xing)架構也正逐(zhu)步成為視覺(jue)任務的(de)重點(dian)研(yan)究方(fang)向，以降低模型(xing)結(jie)構的(de)復(fu)雜性并提(ti)升可擴展性和訓(xun)練效(xiao)率。未(wei)來，AI視覺(jue)技術在適應三維世界、突(tu)破依賴(lai)標注(zhu)數據輸入(ru)的(de)局限(xian)、降低算(suan)力能耗(hao)、多(duo)模態信息融合分析、與(yu)知識和常識結(jie)合解決高層次(ci)問題(ti)、主動感(gan)知與(yu)適應復(fu)雜變化(hua)等上仍有待突(tu)破。此外“技術同質(zhi)化(hua)”卻(que)并不意(yi)味著(zhu)“算(suan)法同質(zhi)化(hua)”，AI視覺(jue)算(suan)法廠(chang)商(shang)的(de)工程能力仍是技術工業落地的(de)試金石。
端(duan)-邊-云協同的驅動因素
數據(ju)體量驟增(zeng)，我國數據(ju)資源優(you)勢(shi)明顯
數(shu)(shu)(shu)(shu)字經濟下，生產要素(su)組合為(wei)數(shu)(shu)(shu)(shu)字、技術(shu)、資本(ben)、勞動力(li)、土(tu)地，其中數(shu)(shu)(shu)(shu)字作為(wei)核心(xin)要素(su)起到關鍵變革(ge)作用。人們對于海量數(shu)(shu)(shu)(shu)據的挖掘(jue)和(he)運(yun)用帶來新(xin)一波生產率增長與消費者盈余浪潮。隨(sui)著人工智能(neng)、物(wu)聯網、云計算(suan)、邊緣計算(suan)等新(xin)興技術(shu)的快速發展(zhan)，中國已憑借其網絡(luo)基礎(chu)設施、數(shu)(shu)(shu)(shu)據中心(xin)設施等數(shu)(shu)(shu)(shu)據資源優勢，迎(ying)來數(shu)(shu)(shu)(shu)據體(ti)量的爆(bao)發。根據IDC預測(ce)，2018-2025年，中國數(shu)據(ju)(ju)圈(quan)將以30%的(de)年平均(jun)增(zeng)長速度(du)領先全球(qiu)，2025年預計數(shu)據(ju)(ju)量(liang)級將增(zeng)長至48ZB，占全球(qiu)數(shu)據(ju)(ju)圈(quan)的(de)27.8%，成為全球(qiu)最(zui)大(da)的(de)數(shu)據(ju)(ju)圈(quan)。
IoT廣泛連接(jie)，邊緣剛需(xu)場景涌現
根據艾瑞咨詢(xun)測算，中國物聯網(wang)連接量將從2019年的55億(yi)個增長至2025年的156億(yi)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(yun)協(xie)同的(de)支撐條件
多元(yuan)化(hua)AI加速芯(xin)片(pian)、5G和Wi-Fi網(wang)絡、云原生技術等助(zhu)力
1）算力芯片：FPGA架構兼具(ju)強大(da)的計算性能(neng)和超(chao)低的延遲(chi)，其低功耗的特性更適合部署在邊緣側，又不似ASIC般專(zhuan)為某種特定用(yong)途而定制，應(ying)能(neng)夠有(you)效(xiao)應(ying)對(dui)邊緣計算帶來的挑戰(zhan)；專(zhuan)門為AI深度學(xue)習設計的AI神經網(wang)絡專(zhuan)用(yong)加速(su)芯(xin)片（NPU）也在邊緣計算場景嶄露頭角(jiao)；
2）5G和Wi-Fi：5G是邊(bian)(bian)緣(yuan)計算(suan)時(shi)代最重要的網絡技(ji)術(shu)，其大帶寬(kuan)、低時(shi)延(yan)(yan)、廣連(lian)接的特(te)性(xing)與邊(bian)(bian)緣(yuan)場(chang)景相契合，尤其在(zai)自動駕(jia)駛等要求室(shi)外覆蓋(gai)、移動性(xing)的場(chang)景中(zhong)具有不可替(ti)代性(xing)。但現階(jie)段(duan)5G行業(ye)終端的數量尚少，預計邊(bian)(bian)緣(yuan)計算(suan)會隨著(zhu)5G行業(ye)應用的普及分階(jie)段(duan)落(luo)地。此外，Wi-Fi技(ji)術(shu)也在(zai)向著(zhu)更(geng)高的吞吐(tu)量、更(geng)大的覆蓋(gai)面積和更(geng)低的時(shi)延(yan)(yan)發(fa)展，Wi-Fi在(zai)室(shi)內場(chang)景中(zhong)的優勢使其成(cheng)為5G的重要補充，兩者將(jiang)共同助力邊(bian)(bian)緣(yuan)云應用；
3）云原生技術：包(bao)括(kuo)容器(qi)、微服務、DevOps等在內的(de)(de)云原生(sheng)技(ji)術(shu)和理(li)念強(qiang)調松耦合(he)的(de)(de)架構(gou)和簡單便捷的(de)(de)擴展(zhan)能力，旨在通過(guo)統一(yi)標準實現不(bu)同基礎(chu)設施上(shang)一(yi)致的(de)(de)云計算體驗。相比于虛擬主機，云原生(sheng)更適(shi)合(he)邊緣(yuan)云計算的(de)(de)場景，可以為端邊云提供一(yi)體化的(de)(de)應(ying)用分發與協同管理(li)，解(jie)決邊緣(yuan)側大規模應(ying)用交付、運維、管控的(de)(de)問題(ti)。
端(duan)-邊-云協同的(de)趨勢演變
通過“邊緣”打通最(zui)后一公(gong)里，實現云(yun)邊協同與端(duan)側邊緣化
云(yun)計(ji)算(suan)(suan)(suan)最早通(tong)過網絡將分散的(de)(de)(de)(de)ICT資源集中(zhong)起來，以云(yun)服務形(xing)式為(wei)客(ke)戶(hu)提供按(an)需資源，極大改變了社會工作方式與商(shang)業(ye)模(mo)式。而借力(li)于云(yun)端(duan)算(suan)(suan)(suan)力(li)資源與端(duan)側數(shu)據(ju)(ju)處(chu)(chu)理的(de)(de)(de)(de)協同應用，云(yun)端(duan)智能產品得到(dao)了快速發展。但隨著全(quan)球及(ji)中(zhong)國數(shu)據(ju)(ju)量(liang)(liang)的(de)(de)(de)(de)爆發性增(zeng)長，海(hai)量(liang)(liang)設備端(duan)數(shu)據(ju)(ju)向中(zhong)心云(yun)進行(xing)傳輸(shu)和(he)處(chu)(chu)理時(shi)，需要超大的(de)(de)(de)(de)帶(dai)寬(kuan)與回傳容量(liang)(liang)，將面臨帶(dai)寬(kuan)負載、網絡時(shi)延、傳輸(shu)成本(ben)上(shang)的(de)(de)(de)(de)巨大壓力(li)。邊緣(yuan)(yuan)計(ji)算(suan)(suan)(suan)可在本(ben)地(di)提供IT服務、計(ji)算(suan)(suan)(suan)能力(li)，減(jian)少上(shang)傳的(de)(de)(de)(de)數(shu)據(ju)(ju)量(liang)(liang)、節省網絡操(cao)作、服務交付的(de)(de)(de)(de)時(shi)間延遲，提高傳輸(shu)效率，讓海(hai)量(liang)(liang)數(shu)據(ju)(ju)實現本(ben)地(di)存儲、處(chu)(chu)理、分析(xi)、決策和(he)執行(xing)。企業(ye)可以選擇將算(suan)(suan)(suan)力(li)下沉至更貼(tie)近設備端(duan)的(de)(de)(de)(de)邊緣(yuan)(yuan)計(ji)算(suan)(suan)(suan)，衍生出(chu)端(duan)-邊-云(yun)的(de)(de)(de)(de)協同新模(mo)式。
端(duan)-邊-云的應用需求分析
產品架構選擇需對時延(yan)、成本、場景復(fu)雜度做多因素考量
在(zai)云計算(suan)時(shi)代興起(qi)以前，圖像數據(ju)(ju)主要為本(ben)地(di)化處理，而隨著(zhu)云計算(suan)服務(wu)發展，將端(duan)(duan)(duan)(duan)側(ce)設備部(bu)署在(zai)本(ben)地(di)，算(suan)法放置(zhi)在(zai)云端(duan)(duan)(duan)(duan)的(de)(de)(de)(de)產(chan)品(pin)架構(gou)可以有效(xiao)實(shi)現端(duan)(duan)(duan)(duan)側(ce)的(de)(de)(de)(de)空(kong)間節約(yue)、部(bu)署的(de)(de)(de)(de)成本(ben)降低及算(suan)法的(de)(de)(de)(de)實(shi)時(shi)更新。因此云端(duan)(duan)(duan)(duan)協同(tong)廣泛滲透到各行(xing)業產(chan)品(pin)應(ying)(ying)用(yong)中(zhong)，但該產(chan)品(pin)結構(gou)下(xia)，端(duan)(duan)(duan)(duan)側(ce)數據(ju)(ju)均需回傳到云端(duan)(duan)(duan)(duan)做處理，適(shi)用(yong)場景(jing)需對時(shi)延(yan)要求較低，存在(zai)數據(ju)(ju)傳輸(shu)(shu)量大(da)、能耗高(gao)等(deng)問題。深度神經網絡(luo)的(de)(de)(de)(de)技術發展與(yu)模型應(ying)(ying)用(yong)又(you)進一步加大(da)了數據(ju)(ju)傳輸(shu)(shu)量，AI攝像頭便(bian)在(zai)此背景(jing)下(xia)應(ying)(ying)運而生，構(gou)建(jian)起(qi)初步的(de)(de)(de)(de)云“邊(bian)(bian)(bian)”端(duan)(duan)(duan)(duan)協同(tong)，由內置(zhi)AI算(suan)法的(de)(de)(de)(de)攝像頭實(shi)現前置(zhi)化的(de)(de)(de)(de)數據(ju)(ju)處理，初步成為邊(bian)(bian)(bian)緣側(ce)。值得注意的(de)(de)(de)(de)是，AI攝像頭出于功(gong)耗、散熱等(deng)因素考量，不會內置(zhi)過多算(suan)法，可處理簡要前端(duan)(duan)(duan)(duan)場景(jing)。若對時(shi)延(yan)要求高(gao)且算(suan)法需求復雜的(de)(de)(de)(de)應(ying)(ying)用(yong)場景(jing)，則需搭建(jian)邊(bian)(bian)(bian)緣盒子或邊(bian)(bian)(bian)緣服務(wu)器，構(gou)建(jian)邊(bian)(bian)(bian)緣側(ce)，實(shi)現云、邊(bian)(bian)(bian)、端(duan)(duan)(duan)(duan)的(de)(de)(de)(de)相互協同(tong)。本(ben)篇報告根據(ju)(ju)行(xing)業特點與(yu)場景(jing)需求，將安防、工業、零(ling)售(shou)、機器人、農業領(ling)域劃定(ding)為產(chan)品(pin)應(ying)(ying)用(yong)的(de)(de)(de)(de)研(yan)究范(fan)圍。
端(duan)邊云(yun)協同的(de)AI視覺產(chan)業圖譜
端(duan)邊云(yun)協(xie)同的AI視(shi)覺(jue)產業(ye)模式
以(yi)端側(ce)智(zhi)能化(hua)為切入點，協同云邊滿足多樣化(hua)業務需求
端邊云協同(tong)的AI視覺(jue)解決(jue)方案核心由硬件產品、軟件服務與應用平臺構成。底層硬件(jian)的(de)(de)攝(she)像(xiang)頭(tou)本機種類豐富(fu)，可分(fen)為槍型(xing)、筒型(xing)、球(qiu)機、水下(xia)、全景(jing)(jing)等多種類型(xing)，應用適配于不(bu)同終端(duan)場(chang)景(jing)(jing)。在集成(cheng)神經(jing)網絡算法與計算單元(yuan)后變(bian)為AI攝(she)像(xiang)頭(tou)后，再根據場(chang)景(jing)(jing)需求判斷(duan)是否附加到其他(ta)硬件(jian)產品上，以解決(jue)端(duan)側對圖像(xiang)分(fen)析(xi)、動態視頻分(fen)析(xi)的(de)(de)簡(jian)單推理需求。軟件(jian)服(fu)務與應用平臺(tai)需評估(gu)客(ke)(ke)戶(hu)的(de)(de)定(ding)制(zhi)(zhi)化(hua)(hua)(hua)需求程度，提供(gong)對應的(de)(de)標準化(hua)(hua)(hua)SaaS服(fu)務或定(ding)制(zhi)(zhi)化(hua)(hua)(hua)平臺(tai)解決(jue)方案，滿足客(ke)(ke)戶(hu)在敏捷部(bu)署、時延帶寬(kuan)、產品成(cheng)本、數據安全等方面的(de)(de)多樣化(hua)(hua)(hua)業務需求。
端邊云協同(tong)的AI視覺(jue)解決(jue)方案
與通用AI產品模式(shi)相(xiang)同，按需選(xuan)擇標準或定制化產品方案(an)
隨(sui)著人(ren)工智能深度學習算(suan)法(fa)的(de)快速成(cheng)熟，中國誕生了一批(pi)深耕于AI視(shi)覺(jue)算(suan)法(fa)技(ji)術的(de)人(ren)工智能企(qi)業。總(zong)結來看，提供(gong)AI視(shi)覺(jue)產(chan)品(pin)(pin)的(de)市場參與廠(chang)商(shang)眾多，主要包括大(da)型云(yun)服務廠(chang)商(shang)（阿里云(yun)、騰訊云(yun)、百度云(yun)、華為云(yun)等(deng)(deng)）、AI視(shi)覺(jue)算(suan)法(fa)廠(chang)商(shang)（商(shang)湯(tang)、曠視(shi)、云(yun)天勵飛、進(jin)化(hua)動(dong)力(li)等(deng)(deng)）以(yi)及傳統安防廠(chang)商(shang)（海(hai)康威視(shi)、大(da)華股份、宇視(shi)科技(ji)等(deng)(deng)）。各(ge)家(jia)以(yi)AI技(ji)術積累、渠道經驗(yan)、產(chan)品(pin)(pin)特性為市場切入點，選擇(ze)一個(ge)(ge)或多個(ge)(ge)垂直(zhi)業務領域。以(yi)安防、零售、金融、車聯網、機器人(ren)、農業等(deng)(deng)為例，提供(gong)端(duan)邊云(yun)協(xie)同(tong)架構的(de)AI視(shi)覺(jue)產(chan)品(pin)(pin)方案(an)。AI視(shi)覺(jue)產(chan)品(pin)(pin)模式一般可(ke)分(fen)為標準化(hua)SaaS產(chan)品(pin)(pin)與定(ding)制化(hua)解決方案(an)兩類，行業客戶需(xu)根據自身IT信息化(hua)水平、需(xu)求(qiu)定(ding)制化(hua)程(cheng)度、產(chan)品(pin)(pin)付費意愿、適用場景需(xu)求(qiu)等(deng)(deng)因素考量選擇(ze)，對(dui)應完成(cheng)端(duan)側、邊緣側及云(yun)側的(de)產(chan)品(pin)(pin)部(bu)署。
行業應用：安防領域
算力(li)向邊緣(yuan)側(ce)、端側(ce)前移趨勢明顯，減(jian)少(shao)后端處理壓(ya)力(li)
公(gong)安交通作為(wei)(wei)(wei)AI視覺應(ying)用(yong)于安防領域的(de)重要支柱賽道，興起初(chu)期為(wei)(wei)(wei)大范圍(wei)的(de)新建(jian)(jian)市(shi)場，重點為(wei)(wei)(wei)端(duan)側與(yu)中(zhong)心側的(de)AI相關基礎設(she)施(shi)建(jian)(jian)設(she)；現階(jie)段建(jian)(jian)設(she)方向轉(zhuan)變為(wei)(wei)(wei)智能化(hua)(hua)(hua)視頻監(jian)控升級，一種(zhong)是(shi)對(dui)原本不(bu)智能的(de)系統(tong)進(jin)行智能化(hua)(hua)(hua)升級，另一種(zhong)是(shi)對(dui)已有的(de)前(qian)端(duan)智能化(hua)(hua)(hua)視頻監(jian)控系統(tong)進(jin)行事前(qian)預警、判斷、處(chu)理(li)(li)的(de)升級改造。邊(bian)緣側作為(wei)(wei)(wei)建(jian)(jian)設(she)重點契(qi)合(he)向綜合(he)化(hua)(hua)(hua)、網格化(hua)(hua)(hua)管理(li)(li)模式(shi)轉(zhuan)變的(de)需求(qiu)，將分擔中(zhong)心側的(de)算力(li)，將事前(qian)告警、分析能力(li)等前(qian)移。此外在智慧社區及(ji)老舊小區改造的(de)推動(dong)下(xia)，社區樓宇領域的(de)智能視頻監(jian)控系統(tong)鋪設(she)正進(jin)入加速階(jie)段，但單個項目(mu)對(dui)后端(duan)系統(tong)的(de)需求(qiu)不(bu)大，主要依靠端(duan)側AI相機進(jin)行處(chu)理(li)(li)。
行業應用：零售(shou)領域
AI視覺集中(zhong)于對商品及(ji)消費者進行識別分(fen)析(xi)
零(ling)(ling)(ling)售(shou)(shou)場景(jing)中AI視覺技(ji)術應用主要(yao)包括商品識(shi)別(bie)(bie)分(fen)析和消費(fei)(fei)者行(xing)為洞(dong)(dong)察(cha)。前者主要(yao)體現在電商以圖搜圖、貨架陳列分(fen)析、自(zi)助(zhu)結算(suan)(suan)/稱重等(deng)(deng)(deng)環節。通過(guo)(guo)圖像識(shi)別(bie)(bie)及(ji)分(fen)析技(ji)術理解貨品在零(ling)(ling)(ling)售(shou)(shou)場景(jing)中的(de)(de)狀態，助(zhu)力精(jing)準營(ying)(ying)銷及(ji)提高(gao)門店(dian)運(yun)(yun)(yun)(yun)營(ying)(ying)管理效率；后(hou)者則是通過(guo)(guo)人(ren)臉識(shi)別(bie)(bie)、人(ren)體特征(zheng)識(shi)別(bie)(bie)等(deng)(deng)(deng)技(ji)術獲得消費(fei)(fei)者購買行(xing)為數據(ju)(ju)，實現對(dui)消費(fei)(fei)者的(de)(de)行(xing)為洞(dong)(dong)察(cha)。在此(ci)融合基礎上，可(ke)對(dui)門店(dian)經營(ying)(ying)情況、消費(fei)(fei)者游逛(guang)行(xing)為等(deng)(deng)(deng)進行(xing)數據(ju)(ju)量化(hua)(hua)，服務(wu)于(yu)精(jing)準營(ying)(ying)銷、智(zhi)能化(hua)(hua)運(yun)(yun)(yun)(yun)營(ying)(ying)、門店(dian)管理等(deng)(deng)(deng)智(zhi)慧零(ling)(ling)(ling)售(shou)(shou)應用，助(zhu)力零(ling)(ling)(ling)售(shou)(shou)企(qi)業降低人(ren)工成本、優(you)化(hua)(hua)運(yun)(yun)(yun)(yun)營(ying)(ying)效率、提升消費(fei)(fei)者購物體驗、塑造新興業態等(deng)(deng)(deng)。對(dui)于(yu)實體零(ling)(ling)(ling)售(shou)(shou)企(qi)業，端(duan)邊(bian)云協同(tong)的(de)(de)部署(shu)模式可(ke)以保證自(zi)助(zhu)結算(suan)(suan)、防(fang)盜損、門店(dian)運(yun)(yun)(yun)(yun)營(ying)(ying)管理等(deng)(deng)(deng)對(dui)實時性(xing)及(ji)數據(ju)(ju)保密的(de)(de)要(yao)求(qiu)；而自(zi)助(zhu)稱重、自(zi)助(zhu)結算(suan)(suan)、無人(ren)零(ling)(ling)(ling)售(shou)(shou)貨柜(ju)等(deng)(deng)(deng)對(dui)數據(ju)(ju)及(ji)算(suan)(suan)力要(yao)求(qiu)較低的(de)(de)應用場景(jing)，近端(duan)側(ce)解決方案具有低成本、靈(ling)活(huo)部署(shu)、易運(yun)(yun)(yun)(yun)維(wei)等(deng)(deng)(deng)優(you)勢。
行(xing)業(ye)應(ying)用(yong)：工業(ye)領域(yu)
端(duan)側數據采集，邊緣側實時性決策，云端(duan)AI訓練
AI視(shi)(shi)覺在檢(jian)測(ce)方(fang)面由于適(shi)宜處理易混淆的(de)(de)問題、能夠(gou)直接判別缺陷如何(he)處理，覆蓋了傳(chuan)統工(gong)業(ye)(ye)機(ji)器(qi)視(shi)(shi)覺的(de)(de)功能盲區，尤其在3D尺寸(cun)及缺陷監測(ce)任務中(zhong)表現(xian)(xian)(xian)出明顯優勢；且(qie)通過3D視(shi)(shi)覺傳(chuan)感器(qi)等，可使工(gong)業(ye)(ye)相(xiang)(xiang)機(ji)具(ju)備深度學(xue)習檢(jian)測(ce)能力，無需再配備工(gong)業(ye)(ye)計(ji)算機(ji)，具(ju)有更高效(xiao)率(lv)、開發(fa)簡易、硬件投(tou)資節約等優點。基于以(yi)(yi)上優勢，AI視(shi)(shi)覺可以(yi)(yi)完成工(gong)業(ye)(ye)智(zhi)能運(yun)維中(zhong)的(de)(de)外觀異常檢(jian)測(ce)、儀表示(shi)數異常檢(jian)測(ce)，幫(bang)助實現(xian)(xian)(xian)預測(ce)性維護和智(zhi)能運(yun)維；也可以(yi)(yi)獨立應(ying)(ying)用于生產環節的(de)(de)質量(liang)質檢(jian)、產品(pin)和組(zu)件裝(zhuang)配檢(jian)查等。具(ju)體部署層面，AI視(shi)(shi)覺技術(shu)可與(yu)激光設備、圖像讀碼器(qi)等現(xian)(xian)(xian)場(chang)工(gong)業(ye)(ye)裝(zhuang)備或(huo)工(gong)業(ye)(ye)相(xiang)(xiang)機(ji)、鏡頭等機(ji)器(qi)視(shi)(shi)覺系統集成應(ying)(ying)用，亦(yi)可通過工(gong)業(ye)(ye)互聯網平臺實現(xian)(xian)(xian)端(duan)(duan)邊云(yun)一體化應(ying)(ying)用。端(duan)(duan)邊云(yun)協同(tong)部署方(fang)案可以(yi)(yi)有效(xiao)實現(xian)(xian)(xian)在線(xian)獲(huo)取數據、在線(xian)調試，快速實現(xian)(xian)(xian)模(mo)型的(de)(de)迭(die)代優化、實時(shi)下(xia)發(fa)至(zhi)端(duan)(duan)側(ce)實時(shi)應(ying)(ying)用，提升運(yun)維人員的(de)(de)AI模(mo)型迭(die)代效(xiao)率(lv)的(de)(de)同(tong)時(shi)保證低時(shi)延、緩解(jie)通信(xin)鏈路(lu)帶寬壓力等要求(qiu)。
行業應用(yong)：機(ji)器人領域
3D視覺賦予機器人“視力”，邊緣計算確保(bao)響應速度
近年來，AI視(shi)覺技(ji)術與(yu)(yu)(yu)機器(qi)人的(de)(de)“聯(lian)姻” 如火如荼。視(shi)覺SLAM導航技(ji)術在復雜應用(yong)場(chang)景更具(ju)靈(ling)活(huo)性，并且(qie)設備(bei)(bei)投資和維護成本(ben)較激光SLAM技(ji)術有明(ming)顯優勢。以AGV搬運(yun)機器(qi)人為例(li)，其(qi)可(ke)通過視(shi)覺自動導引技(ji)術對(dui)行(xing)駛區域環境(jing)進行(xing)圖像識別(bie)，實(shi)現智能(neng)行(xing)駛、物體識別(bie)等(deng)(deng)動作，廣泛應用(yong)在各大電(dian)商(shang)、物流、制造業(ye)倉儲(chu)環境(jing)中。邊(bian)緣(yuan)計算(suan)實(shi)時(shi)(shi)(shi)處理(li)技(ji)術可(ke)確保(bao)數據(ju)的(de)(de)低延時(shi)(shi)(shi)處理(li)響應，防止工作場(chang)所人員傷(shang)害且(qie)可(ke)實(shi)現數據(ju)不出場(chang)。類似的(de)(de)，也可(ke)應用(yong)于(yu)(yu)工廠智能(neng)化(hua)(hua)產(chan)線以降低對(dui)高成本(ben)精密傳感器(qi)的(de)(de)依賴(lai)，通過端側圖像數據(ju)本(ben)地化(hua)(hua)處理(li)并實(shi)時(shi)(shi)(shi)傳遞給智能(neng)機械臂，引導機械臂運(yun)動路徑及(ji)抓取(qu)動作等(deng)(deng)，用(yong)于(yu)(yu)無序分揀與(yu)(yu)(yu)堆(dui)碼(ma)、上下料及(ji)焊接等(deng)(deng)。5G與(yu)(yu)(yu)邊(bian)緣(yuan)計算(suan)技(ji)術發(fa)展(zhan)為機器(qi)人產(chan)業(ye)帶來爆發(fa)機會：低時(shi)(shi)(shi)延可(ke)協調(diao)多設備(bei)(bei)聯(lian)動、提升智能(neng)設備(bei)(bei)與(yu)(yu)(yu)業(ye)務系統間實(shi)時(shi)(shi)(shi)通信能(neng)力、云(yun)邊(bian)協同可(ke)突破終(zhong)端算(suan)力和存儲(chu)限制等(deng)(deng)。
行業(ye)應(ying)用(yong)：農(nong)業(ye)領域
為農業(ye)生(sheng)產(chan)防損增效，提升端側響應能力(li)與數據安全隱(yin)私性
隨(sui)著(zhu)我國(guo)城鎮(zhen)化率(lv)的不斷(duan)提(ti)升，農(nong)(nong)村人口日益短缺，勞動力(li)成本迅速增加(jia)。國(guo)家正積(ji)極開展(zhan)數字鄉村建設，推進(jin)物(wu)聯網(wang)、人工智(zhi)能(neng)、區塊鏈等新一(yi)代信(xin)息技(ji)術與農(nong)(nong)業(ye)(ye)深度融(rong)合(he)，以加(jia)快農(nong)(nong)業(ye)(ye)全(quan)(quan)產(chan)(chan)(chan)業(ye)(ye)鏈數字化轉(zhuan)型(xing)。通過對(dui)(dui)畜牧管(guan)理(li)、農(nong)(nong)作物(wu)管(guan)理(li)、漁(yu)業(ye)(ye)管(guan)理(li)等領(ling)域的深度賦能(neng)，實現農(nong)(nong)業(ye)(ye)作業(ye)(ye)流程與生產(chan)(chan)(chan)效(xiao)(xiao)(xiao)果的可(ke)(ke)視(shi)化呈現、全(quan)(quan)流程監管(guan)、動態數據(ju)分析、智(zhi)能(neng)決策優化及生產(chan)(chan)(chan)防損增效(xiao)(xiao)(xiao)。端邊云(yun)協同架構助力(li)AI視(shi)覺解(jie)決方案(an)可(ke)(ke)以在靠(kao)近(jin)端側(ce)具備及時處(chu)(chu)理(li)數據(ju)，并做出反饋(kui)的運算推理(li)能(neng)力(li)，有(you)效(xiao)(xiao)(xiao)應對(dui)(dui)資產(chan)(chan)(chan)防盜、生產(chan)(chan)(chan)巡檢等場景的及時化需求(qiu)。另外，農(nong)(nong)業(ye)(ye)生產(chan)(chan)(chan)數據(ju)豐富，可(ke)(ke)反映農(nong)(nong)業(ye)(ye)廠商的生產(chan)(chan)(chan)工藝、SOP、核心(xin)競爭力(li)等敏(min)感信(xin)息，靠(kao)近(jin)端側(ce)的數據(ju)處(chu)(chu)理(li)能(neng)力(li)讓農(nong)(nong)業(ye)(ye)數據(ju)的隱(yin)私(si)安全(quan)(quan)性進(jin)一(yi)步得到(dao)了保障。
端邊云(yun)協同的技(ji)術趨勢
端邊(bian)云協同的(de)AI視覺產(chan)業發展依賴于邊(bian)緣(yuan)AI技術發展
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力端邊云(yun)協同的AI視覺應用落地
端(duan)邊(bian)云協(xie)同的AI視(shi)覺應用(yong)對(dui)算(suan)力(li)和(he)網(wang)(wang)(wang)(wang)絡(luo)部署(shu)提(ti)出(chu)了(le)要求。傳統的算(suan)力(li)和(he)網(wang)(wang)(wang)(wang)絡(luo)相互獨(du)立，二者僅為簡(jian)單的連接關系。而以NFV/SDN為核心技(ji)術的下(xia)一代網(wang)(wang)(wang)(wang)絡(luo)規模部署(shu)，算(suan)力(li)和(he)網(wang)(wang)(wang)(wang)絡(luo)開(kai)始(shi)在基礎(chu)設施層面逐步(bu)融(rong)(rong)合，算(suan)力(li)資(zi)源融(rong)(rong)入通信(xin)網(wang)(wang)(wang)(wang)絡(luo)。隨著5G+邊(bian)緣(yuan)計算(suan)的飛速(su)發展，進(jin)一步(bu)驅動(dong)網(wang)(wang)(wang)(wang)絡(luo)開(kai)始(shi)感知(zhi)算(suan)力(li)位置，實現(xian)就近分流(liu)。未來，算(suan)網(wang)(wang)(wang)(wang)將在協(xie)議和(he)形(xing)態層面進(jin)一步(bu)融(rong)(rong)合，通過(guo)在網(wang)(wang)(wang)(wang)絡(luo)協(xie)議中引入算(suan)力(li)信(xin)息，將應用(yong)請求沿(yan)最優路徑調度至算(suan)力(li)節點；網(wang)(wang)(wang)(wang)絡(luo)設備通過(guo)共享自(zi)身算(suan)力(li)，對(dui)數據進(jin)行在網(wang)(wang)(wang)(wang)計算(suan)，降低通信(xin)延遲，具(ju)備低時延和(he)按(an)需使用(yong)的特征(zheng)，將推(tui)動(dong)車聯網(wang)(wang)(wang)(wang)自(zi)動(dong)駕(jia)駛、超(chao)邊(bian)緣(yuan)生產現(xian)場(chang)、公(gong)共安全(quan)、XR文娛等超(chao)低時延類(lei)AI視(shi)覺任(ren)務的應用(yong)推(tui)廣(guang)。
端邊(bian)云協同的生(sheng)態(tai)趨勢
建立可信邊緣(yuan)，推(tui)進邊緣(yuan)計(ji)算產業發(fa)展新機遇
國家十(shi)四(si)五規劃綱要指出，要“協同(tong)發(fa)(fa)(fa)展(zhan)云(yun)服(fu)務與邊緣計(ji)(ji)算服(fu)務”，另外國務院印發(fa)(fa)(fa)的《“十(shi)四(si)五”數(shu)字經(jing)濟發(fa)(fa)(fa)展(zhan)規劃》同(tong)樣提出“加(jia)強面向(xiang)特定場景的邊緣計(ji)(ji)算能力(li)”，未來邊緣計(ji)(ji)算將進(jin)入(ru)黃金發(fa)(fa)(fa)展(zhan)期，在(zai)滿足靈活響應、敏捷部署、時延成本的業務需(xu)求(qiu)外，未來需(xu)進(jin)一步關注邊緣服(fu)務的安全、可(ke)靠、可(ke)信等能力(li)。對此，中(zhong)國信通院云(yun)計(ji)(ji)算與大數(shu)據研(yan)究所(suo)發(fa)(fa)(fa)起“可(ke)信邊緣計(ji)(ji)算推(tui)進(jin)計(ji)(ji)劃” ，匯聚(ju)產、學(xue)、研(yan)、用各界勢能，共同(tong)推(tui)動邊緣計(ji)(ji)算相關技(ji)術和方案(an)高質量發(fa)(fa)(fa)展(zhan)，構建“可(ke)信邊緣計(ji)(ji)算”生(sheng)態，進(jin)一步把握(wo)端邊云(yun)協同(tong)產業趨勢的發(fa)(fa)(fa)展(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。
