邊緣(yuan)(yuan)計算的爆(bao)發(fa)指日可待，而AI能力下沉到邊緣(yuan)(yuan)側也(ye)在(zai)很大程度上解決了場景的碎(sui)片(pian)化問(wen)題(ti)，使(shi)得邊緣(yuan)(yuan)解決方案能夠面向(xiang)不同行業進行差異(yi)化開發(fa)。
“民以食為(wei)天，食以安(an)為(wei)先”——近年來，人們對食品安(an)全的(de)關注(zhu)推動了“明廚亮灶”應用(yong)的(de)(de)(de)發展，越(yue)來越(yue)多(duo)(duo)(duo)的(de)(de)(de)餐館、食堂都(dou)將后(hou)廚(chu)的(de)(de)(de)隔墻替(ti)換為透明(ming)玻(bo)璃(li)，亦或在就餐區放(fang)置顯示屏來實時(shi)展示烹飪區的(de)(de)(de)監(jian)控圖像。然(ran)而，傳統的(de)(de)(de)“明(ming)廚(chu)亮灶”監(jian)管大多(duo)(duo)(duo)采用(yong)人工肉眼抽查視頻監(jian)控的(de)(de)(de)方式，容易出現漏查，即便是采用(yong)了(le)AI審查平臺也仍舊存在實時(shi)性差(cha)的(de)(de)(de)痛點，很難(nan)實現事前(qian)預(yu)防。而隨(sui)著AI能力(li)下沉，邊緣(yuan)側開始承擔更多(duo)(duo)(duo)復雜工作，在餐廳內即可(ke)完成實時(shi)的(de)(de)(de)智(zhi)能視頻分析(xi)，并及時(shi)針對不(bu)合規操作發出警(jing)告(gao)，將食品安全隱患扼殺在初(chu)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(jia)速(su)成長的重(zhong)要推力。根據(ju)工(gong)信部數據(ju)，2021 年，國內邊緣計算市場規模達到 325 億(yi)元，同比(bi)增(zeng)(zeng)長 62.5%，2022年進(jin)一(yi)步增(zeng)(zeng)至530億(yi)元，增(zeng)(zeng)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(ying)來了(le)(le)“物(wu)超人”的歷史性時刻(ke)，即物(wu)聯網(wang)連(lian)接數超越了(le)(le)人聯網(wang)連(lian)接數，此外，根(gen)據IHS的預測，到2030年互(hu)聯設備(bei)的數量將超過750億個。全(quan)球數字(zi)經濟(ji)爆發式(shi)增(zeng)長所帶來的豐(feng)富場景以(yi)(yi)及上億規(gui)模的聯網(wang)設備(bei)量在網(wang)絡邊緣側(ce)產(chan)生了(le)(le)大量的數據處理需求(qiu)，可以(yi)(yi)說，產(chan)業端的實際痛點與(yu)需求(qiu)為邊緣智能提供了(le)(le)優渥(wo)的成長土(tu)壤。
同時(shi)，在(zai)政策方面(mian)，國務(wu)院(yuan)在(zai)2022年(nian)年(nian)初發(fa)布的《“十四五”數(shu)字經濟發(fa)展規劃》中明確提出要加強面(mian)向特(te)定場景的邊(bian)緣(yuan)計算(suan)能(neng)力(li)，強化(hua)算(suan)力(li)統籌和智能(neng)調度。隨后，各省(sheng)市相繼出臺多項(xiang)政策支持(chi)邊(bian)緣(yuan)計算(suan)產業發(fa)展，邊(bian)緣(yuan)計算(suan)開始不再“邊(bian)緣(yuan)”，逐漸走到了數(shu)字經濟的主舞臺。
所謂的(de)(de)“邊”是(shi)相對于“中(zhong)心”的(de)(de)概念，指的(de)(de)是(shi)貼(tie)近(jin)數(shu)據(ju)源頭的(de)(de)區域。而(er)邊緣智能則是(shi)通(tong)過將AI處理能力下沉至(zhi)更貼(tie)近(jin)數(shu)據(ju)源頭的(de)(de)網絡邊緣側(ce)(ce)，就近(jin)提供(gong)智能化服務，從而(er)滿(man)足當前市場對實(shi)時(shi)性(xing)、隱私性(xing)、節省帶寬等方面的(de)(de)需(xu)求(qiu)。一(yi)(yi)直(zhi)以來，AI作(zuo)為數(shu)據(ju)分(fen)析(xi)、智能決(jue)策(ce)的(de)(de)基(ji)礎(chu)在云端大展拳(quan)腳，工(gong)作(zuo)環境(jing)一(yi)(yi)般是(shi)在相對“舒適”的(de)(de)機(ji)房、數(shu)據(ju)中(zhong)心內，相反，更加貼(tie)近(jin)應用現(xian)場的(de)(de)邊緣側(ce)(ce)則是(shi)專干“苦活(huo)累活(huo)”，往往處于惡(e)劣(lie)的(de)(de)工(gong)作(zuo)環境(jing)之中(zhong)，例如(ru)工(gong)廠、室外(wai)，需(xu)要面臨(lin)穩(wen)定性(xing)、安全(quan)性(xing)等不同維(wei)度的(de)(de)考驗。同時(shi)，惡(e)劣(lie)的(de)(de)工(gong)作(zuo)環境(jing)也為邊緣架構部署提出了新的(de)(de)要求(qiu)，如(ru)何在現(xian)場快速抓(zhua)取數(shu)據(ju)、進(jin)行訓練并下發(fa)到(dao)設備上至(zhi)關重要。
值得(de)注意的是，數據雖然是AI應用(yong)升級迭代的關鍵，但(dan)在(zai)很多實際場景中，出于隱(yin)私(si)與(yu)信息安全(quan)方面的考量，數據并不能(neng)回傳(chuan)至實驗室、數據中心進(jin)行模型訓練(lian)，這無疑也是邊緣智能(neng)落(luo)地的一大(da)挑戰(zhan)。
總結(jie)來看(kan)：首先，邊(bian)緣(yuan)環(huan)境經常會(hui)遇到高(gao)溫、高(gao)濕、高(gao)塵，電(dian)壓受限(xian)等情況，不同(tong)的(de)地方會(hui)有(you)(you)(you)直流(liu)電(dian)、 交(jiao)流(liu)電(dian)，空間、承重(zhong)(zhong)、布線(xian)等都有(you)(you)(you)受限(xian)的(de)可能，甚(shen)至部分環(huan)境下不能插網(wang)(wang)線(xian)，只能用無(wu)(wu)線(xian)方式進行網(wang)(wang)絡連(lian)接。其次(ci)，由于(yu)邊(bian)緣(yuan)服務器沒有(you)(you)(you)放在數據中(zhong)心，無(wu)(wu)專人(ren)看(kan)護，沒有(you)(you)(you)進出限(xian)制，如何(he)防范潛在的(de)網(wang)(wang)絡攻擊(ji)，同(tong)時確保數據的(de)一致、高(gao)可用、無(wu)(wu)泄露(lu)，就(jiu)變得(de)更(geng)加重(zhong)(zhong)要(yao)。更(geng)重(zhong)(zhong)要(yao)的(de)是，在實際應用中(zhong)，邊(bian)緣(yuan)側往(wang)往(wang)要(yao)與云側及端側進行協(xie)同(tong)融合(he)，對延時、穩定性及成本都非常敏感(gan)。
如(ru)今，當(dang)邊(bian)緣(yuan)計(ji)算(suan)升級至邊(bian)緣(yuan)智能(neng)(neng)(neng)(neng)，在新一輪的(de)數(shu)字化(hua)浪潮中，邊(bian)緣(yuan)側開始承(cheng)接(jie)更重要的(de)“智能(neng)(neng)(neng)(neng)任(ren)務”，責任(ren)與挑戰并行(xing)，在深化(hua)應(ying)用的(de)過程中，一以貫之的(de)邊(bian)緣(yuan)方案(an)已經難以適應(ying)不同(tong)部(bu)署環境(jing)、不同(tong)需(xu)求(qiu)的(de)豐富(fu)場景了。所以，面對嚴重碎片化(hua)的(de)邊(bian)緣(yuan)應(ying)用，能(neng)(neng)(neng)(neng)夠自學習、自迭代的(de)行(xing)業解決方案(an)才是良(liang)方，既能(neng)(neng)(neng)(neng)夠滿足數(shu)據安全(quan)，同(tong)時還(huan)能(neng)(neng)(neng)(neng)在保障(zhang)AI能(neng)(neng)(neng)(neng)力的(de)同(tong)時實現快速部(bu)署。
作為全球領先的智能物聯網(wang)產品(pin)和解(jie)決(jue)方案提供商，創通(tong)聯達自2018年起(qi)便已布局邊緣(yuan)計(ji)算(suan)領域，發布了(le)首款硬(ying)件產品(pin)，更是(shi)洞察了(le)AI下沉邊緣(yuan)的趨勢，基于邊緣(yuan)計(ji)算(suan)盒子、IoT Harbor 設備管理平臺(tai)和ModelFarm 低代碼 AI 開發平臺(tai)打造了(le)端(duan)邊云一體化的解(jie)決(jue)方案，目前已廣泛應用于工業(ye)、交通(tong)、樓宇、零售等行業(ye)。
創通聯(lian)達邊緣產(chan)品矩陣
創(chuang)通(tong)聯(lian)達智能邊緣產(chan)品(pin)部(bu)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(yi)時(shi)延敏(min)感的智能(neng)交通場景為例，一(yi)部(bu)(bu)分客(ke)戶(hu)有(you)利舊需求(qiu)，即增強原(yuan)有(you)智能攝像頭、地磁、信號燈等智能化設(she)(she)備的(de)邊緣(yuan)側能力，而非重新(xin)(xin)部(bu)(bu)署終(zhong)端(duan)(duan)及(ji)平臺；一(yi)部(bu)(bu)分客(ke)戶(hu)需要更迭終(zhong)端(duan)(duan)并重新(xin)(xin)部(bu)(bu)署邊緣(yuan)架構，但又涉及(ji)到新(xin)(xin)設(she)(she)備與原(yuan)有(you)設(she)(she)備的(de)互聯(lian)，以及(ji)原(yuan)有(you)設(she)(she)備與新(xin)(xin)邊緣(yuan)產品的(de)對接(jie)問題……
此外(wai)，即使在智(zhi)能(neng)交(jiao)(jiao)(jiao)通場景下，不同城(cheng)市以及城(cheng)市內道(dao)路與高速(su)道(dao)路也都可(ke)能(neng)存在差異化(hua)需(xu)求(qiu)，如何快速(su)接入并開發面(mian)向實際場景與真實需(xu)求(qiu)的算(suan)法才是解決方案的價值所在。更重要的是，作(zuo)為城(cheng)市管理的核心，交(jiao)(jiao)(jiao)通運營數據(ju)皆由政府有關部(bu)(bu)門(men)統一監管，很難交(jiao)(jiao)(jiao)由廠商(shang)進行模型訓練，而(er)有關部(bu)(bu)門(men)的算(suan)法開發能(neng)力又相(xiang)對薄弱。
針(zhen)對于(yu)此，創通聯達推(tui)出的全息路口(kou)解(jie)決方案覆(fu)蓋了(le)智慧公交(jiao)、智慧高速、智慧園(yuan)區等(deng)等(deng)多種應用場景(jing)，提(ti)供(gong)了(le)包括(kuo)攝像(xiang)頭，MEC，高精(jing)度感感知(zhi)融(rong)合(he)算法(fa)，云控(kong)平(ping)臺在內(nei)的(de)軟硬件一體產品陣(zhen)列(lie)。全息路(lu)口作為交(jiao)通(tong)(tong)數(shu)字化應用的(de)基礎(chu)底座以及道路(lu)數(shu)據可視化的(de)重要支撐(cheng)，可以通(tong)(tong)過路(lu)側感知(zhi)設備(bei)和(he)計算設備(bei)，結合(he)云控(kong)平(ping)臺實時提(ti)供(gong)高精(jing)度、低時延的(de)道路(lu)交(jiao)通(tong)(tong)目標數(shu)據。
具體(ti)而(er)言，全(quan)息(xi)路口解決方案(an)基于創通聯達ModelFarm所提供的(de)交通目標感知算(suan)(suan)(suan)(suan)法(fa)、交通流量統計算(suan)(suan)(suan)(suan)法(fa)、交通事件檢測算(suan)(suan)(suan)(suan)法(fa)，以及雷達和視頻的(de)融(rong)合感知等算(suan)(suan)(suan)(suan)法(fa)，來(lai)為用(yong)戶提供持續不斷的(de)算(suan)(suan)(suan)(suan)法(fa)優化(hua)和升級能(neng)力，同時滿足(zu)客戶場景(jing)化(hua)的(de)算(suan)(suan)(suan)(suan)法(fa)定制。此外，通過AI相機+MEC能(neng)力，創通聯達的(de)全(quan)息路口方(fang)案(an)還實(shi)現了視覺目標感知算(suan)(suan)(suan)(suan)法(fa)前置(zhi)，使得整(zheng)體交通感知延時低于150毫(hao)秒，達到業界領先(xian)水平。
更重要的(de)是(shi)，創通聯達全息路口解(jie)決方案(an)中的(de)OSWare.Road路測OS基于微服務架(jia)構開發的(de)API、OTA等(deng)模塊(kuai)，以及高可用設計架(jia)構，能夠(gou)快速接(jie)入(ru)周邊設備、適配第三(san)方系統，應(ying)對(dui)各類應(ying)用場景的(de)需(xu)求；而(er)創通聯(lian)達自主研(yan)發的(de)相機(ji)校正算法也能夠(gou)自動(dong)校正因振動(dong)、風吹等(deng)自然因素導致的(de)圖像抖動(dong)和(he)偏移，從而(er)保證(zheng)標(biao)定數據(ju)(ju)和(he)檢測數據(ju)(ju)的(de)準確性(xing)。
總結(jie)來看，創通聯達(da)智慧交通解決方案(an)一方(fang)面將其算法開發能力與嵌入式邊(bian)緣設備相融合，更好地(di)適配行(xing)業的差(cha)異化需求；另一方面，隨著數(shu)據的累積疊加以及用戶(hu)需求的不斷升(sheng)級(ji)，該方案還能夠基于ModelFarm平臺實現自(zi)升(sheng)級(ji)、自(zi)迭代。換言之，創通聯(lian)達既可(ke)以為(wei)客戶(hu)提供直擊需求的算法(fa)與邊緣(yuan)產(chan)品，也(ye)能夠將開發能力(li)賦予(yu)客戶(hu)，在保障數(shu)據安全的前提下(xia)幫助用戶(hu)實現邊緣(yuan)能力(li)自(zi)升(sheng)級(ji)，可(ke)謂(wei)是既“授人以魚”也“授人以漁(yu)”。
其中，ModelFarm作(zuo)為一站式AI開發平臺，其(qi)功(gong)能覆蓋(gai)數(shu)據管(guan)理、數(shu)據標(biao)注、模型訓(xun)練評估(gu)、在線測試、模型下載等(deng)全(quan)部(bu)流程，可高(gao)效支持數(shu)據智能化分(fen)析場景，特別是(shi)其(qi)低代碼開發(fa)的特性，不但加快了(le)模型訓(xun)練進度，還大(da)幅(fu)降(jiang)(jiang)低了(le)用戶(hu)的使用難(nan)度。在此基礎(chu)上，該平臺(tai)還自帶(dai)50余種預訓(xun)練模型，可供(gong)用戶(hu)自由選擇，極大(da)地降(jiang)(jiang)低行業用戶(hu)AI轉型與升級(ji)的門檻。
創通聯(lian)達ModelFarm平臺架構圖
不難發現，創通聯達智慧交通解決方(fang)案逐(zhu)一擊破(po)了該(gai)領域多個(ge)細(xi)分場景下的痛點，為整(zheng)個(ge)行(xing)業提供了完整(zheng)的邊緣側能力。而在(zai)整(zheng)個(ge)物聯網產業都難逃碎(sui)片(pian)化發展(zhan)的大環境下，在(zai)“大行(xing)業”之外還有許多“小場景”也(ye)蘊藏著無限機遇——
創通聯(lian)達的明廚亮灶解決方案通過事(shi)前(qian)預警、事(shi)中告警、事(shi)后追責的三重(zhong)服務機制，可深化(hua)應用(yong)智(zhi)能視頻分(fen)析技術(shu)，從根源管(guan)控餐飲、食(shi)堂、中央廚房、集體配(pei)餐單位等餐飲操(cao)作區(qu)域行(xing)為規范(fan)化(hua)，切實保障(zhang)人民群眾食(shi)品衛生安(an)全(quan)。
創通聯達日前在科技消費類(lei)電子產品展CES上發布了智(zhi)能貨柜解決(jue)方案，通過(guo)邊緣(yuan)側(ce)的(de)動態識別能力極大提升(sheng)了整個(ge)消費過(guo)程中的(de)用(yong)戶體驗與效率(lv)，同時還基于ModelFarm幫助(zhu)商家簡化新增商品的(de)模型訓練，提升(sheng)識別準(zhun)確率(lv)，加速商品迭(die)代。
寫在最后
正如(ru)創(chuang)通(tong)聯達智能(neng)邊(bian)緣(yuan)(yuan)(yuan)產品部總經理張樹安所言，邊(bian)緣(yuan)(yuan)(yuan)計(ji)算的(de)爆發(fa)(fa)(fa)指日可待，而AI能(neng)力(li)(li)下沉到(dao)邊(bian)緣(yuan)(yuan)(yuan)側(ce)(ce)也(ye)(ye)在(zai)(zai)很(hen)大程度上解決(jue)(jue)了場景(jing)的(de)碎片化(hua)(hua)問題，使得(de)邊(bian)緣(yuan)(yuan)(yuan)解決(jue)(jue)方案能(neng)夠面向(xiang)不同行業(ye)進行差異(yi)化(hua)(hua)開發(fa)(fa)(fa)。創(chuang)通(tong)聯達扎(zha)根邊(bian)緣(yuan)(yuan)(yuan)側(ce)(ce)已久，身處(chu)距離客戶(hu)最近(jin)的(de)地(di)方，更加能(neng)夠察變市場需(xu)求(qiu)與發(fa)(fa)(fa)展趨勢，除了交通(tong)、工業(ye)等重點(dian)行業(ye)外，創(chuang)通(tong)聯達觀察到(dao)，很(hen)多(duo)細(xi)分場景(jing)也(ye)(ye)確(que)確(que)實(shi)實(shi)存(cun)在(zai)(zai)智能(neng)化(hua)(hua)轉型需(xu)求(qiu)，而邊(bian)緣(yuan)(yuan)(yuan)智能(neng)也(ye)(ye)能(neng)夠切實(shi)解決(jue)(jue)部分行業(ye)痛點(dian)，所以，公司未(wei)來(lai)也(ye)(ye)將雙(shuang)管(guan)齊下、點(dian)面兼顧，在(zai)(zai)大行業(ye)與小場景(jing)中(zhong)不斷錘煉邊(bian)緣(yuan)(yuan)(yuan)能(neng)力(li)(li)。
