边缘计算的爆发指日可待，而AI能力下沉到边缘侧也在很大程度上解决了场景的碎片化问题，使得边缘解决方案能够面向不同行业进行差异化开发。

“民以食为天，食以安为先”——近年来，人们对食品安全的关注推动了“明厨亮灶”应用的发展，越来越多的餐馆、食堂都将后厨的隔墙替换为透明玻璃，亦或在就餐区放置显示屏来实时展示烹饪区的监控图像。然而，传统的“明厨亮灶”监管大多采用人工肉眼抽查视频监控的方式，容易出现漏查，即便是采用了AI审查平台也仍旧存在实时性差的痛点，很难实现事前预防。而随着AI能力下沉，边缘侧开始承担更多复杂工作，在餐厅内即可完成实时的智能视频分析，并及时针对不合规操作发出警告，将食品安全隐患扼杀在初期。

管中窥豹，“明厨亮灶”只是AI与边缘计算融合赋能的一处缩影，随着物联网连接数激增、创新应用层出不穷，集中式的云平台联网设备规模大，但存在时效性差、高并发时段稳定性与安全性难以保障等挑战，而这些亟待解决的痛点也成为了边缘智能加速成长的重要推力。根据工信部数据，2021 年，国内边缘计算市场规模达到 325 亿元，同比增长 62.5%，2022年进一步增至530亿元，增幅稳中有升，达 63.1%。

专干“苦活累活”的边缘计算不再“边缘”

2022年8月，我国率先迎来了“物超人”的历史性时刻，即物联网连接数超越了人联网连接数，此外，根据IHS的预测，到2030年互联设备的数量将超过750亿个。全球数字经济爆发式增长所带来的丰富场景以及上亿规模的联网设备量在网络边缘侧产生了大量的数据处理需求，可以说，产业端的实际痛点与需求为边缘智能提供了优渥的成长土壤。

同时，在政策方面，国务院在2022年年初发布的《“十四五”数字经济发展规划》中明确提出要加强面向特定场景的边缘计算能力，强化算力统筹和智能调度。随后，各省市相继出台多项政策支持边缘计算产业发展，边缘计算开始不再“边缘”，逐渐走到了数字经济的主舞台。

所谓的“边”是相对于“中心”的概念，指的是贴近数据源头的区域。而边缘智能则是通过将AI处理能力下沉至更贴近数据源头的网络边缘侧，就近提供智能化服务，从而满足当前市场对实时性、隐私性、节省带宽等方面的需求。一直以来，AI作为数据分析、智能决策的基础在云端大展拳脚，工作环境一般是在相对“舒适”的机房、数据中心内，相反，更加贴近应用现场的边缘侧则是专干“苦活累活”，往往处于恶劣的工作环境之中，例如工厂、室外，需要面临稳定性、安全性等不同维度的考验。同时，恶劣的工作环境也为边缘架构部署提出了新的要求，如何在现场快速抓取数据、进行训练并下发到设备上至关重要。

值得注意的是，数据虽然是AI应用升级迭代的关键，但在很多实际场景中，出于隐私与信息安全方面的考量，数据并不能回传至实验室、数据中心进行模型训练，这无疑也是边缘智能落地的一大挑战。

总结来看：首先，边缘环境经常会遇到高温、高湿、高尘，电压受限等情况，不同的地方会有直流电、 交流电，空间、承重、布线等都有受限的可能，甚至部分环境下不能插网线，只能用无线方式进行网络连接。其次，由于边缘服务器没有放在数据中心，无专人看护，没有进出限制，如何防范潜在的网络攻击，同时确保数据的一致、高可用、无泄露，就变得更加重要。更重要的是，在实际应用中，边缘侧往往要与云侧及端侧进行协同融合，对延时、稳定性及成本都非常敏感。

如今，当边缘计算升级至边缘智能，在新一轮的数字化浪潮中，边缘侧开始承接更重要的“智能任务”，责任与挑战并行，在深化应用的过程中，一以贯之的边缘方案已经难以适应不同部署环境、不同需求的丰富场景了。所以，面对严重碎片化的边缘应用，能够自学习、自迭代的行业解决方案才是良方，既能够满足数据安全，同时还能在保障AI能力的同时实现快速部署。

作为全球领先的智能物联网产品和解决方案提供商，创通联达自2018年起便已布局边缘计算领域，发布了首款硬件产品，更是洞察了AI下沉边缘的趋势，基于边缘计算盒子、IoT Harbor 设备管理平台和ModelFarm 低代码 AI 开发平台打造了端边云一体化的解决方案，目前已广泛应用于工业、交通、楼宇、零售等行业。

创通联达边缘产品矩阵

创通联达智能边缘产品部总经理张树安

创通联达智能边缘产品部总经理张树安在接受智次方·物联网智库时表示，目前的边缘计算市场中有很多类型的厂商，其中，纯硬件厂商的边缘设备在质量、稳定性等方面占据优势，但是缺乏软件能力；算法提供商大多是基于传统GPU能力进行算法开发，虽然服务器资源充足，但在将算法应用到嵌入式边缘设备时，尤其是在解决细分行业痛点的过程中，普遍缺乏行业经验。而创通联达作为以操作系统为核心的完整解决方案提供商，在硬件方面能够提供满足不同算力需求的边缘智能网关及丰富的物联网终端设备；在算法方面能够基于对嵌入式设备的深刻理解，开发更加适配边缘侧部署的算法及组件，更好地适配不同协议；在平台方面还提供了能够自迭代、自学习的低代码 AI 开发平台ModelFarm。

既“授人以鱼”也“授人以渔”

在5G浪潮的驱动下，智能驾驶、AR/VR、智能制造等对于实时性、本地性有着强需求的场景日益成熟，也为边缘智能提供了更加广阔的成长空间。然而，面向严重碎片化的应用场景，不同的行业、甚至是同一行业的不同企业在转型过程中对于边缘侧能力的需求都存在极大差异化。

以时延敏感的智能交通场景为例，一部分客户有利旧需求，即增强原有智能摄像头、地磁、信号灯等智能化设备的边缘侧能力，而非重新部署终端及平台；一部分客户需要更迭终端并重新部署边缘架构，但又涉及到新设备与原有设备的互联，以及原有设备与新边缘产品的对接问题……

此外，即使在智能交通场景下，不同城市以及城市内道路与高速道路也都可能存在差异化需求，如何快速接入并开发面向实际场景与真实需求的算法才是解决方案的价值所在。更重要的是，作为城市管理的核心，交通运营数据皆由政府有关部门统一监管，很难交由厂商进行模型训练，而有关部门的算法开发能力又相对薄弱。

针对于此，创通联达推出的全息路口解决方案覆盖了智慧公交、智慧高速、智慧园区等等多种应用场景，提供了包括摄像头，MEC，高精度感感知融合算法，云控平台在内的软硬件一体产品阵列。全息路口作为交通数字化应用的基础底座以及道路数据可视化的重要支撑，可以通过路侧感知设备和计算设备，结合云控平台实时提供高精度、低时延的道路交通目标数据。

具体而言，全息路口解决方案基于创通联达ModelFarm所提供的交通目标感知算法、交通流量统计算法、交通事件检测算法，以及雷达和视频的融合感知等算法，来为用户提供持续不断的算法优化和升级能力，同时满足客户场景化的算法定制。此外，通过AI相机+MEC能力，创通联达的全息路口方案还实现了视觉目标感知算法前置，使得整体交通感知延时低于150毫秒，达到业界领先水平。

更重要的是，创通联达全息路口解决方案中的OSWare.Road路测OS基于微服务架构开发的API、OTA等模块，以及高可用设计架构，能够快速接入周边设备、适配第三方系统，应对各类应用场景的需求；而创通联达自主研发的相机校正算法也能够自动校正因振动、风吹等自然因素导致的图像抖动和偏移，从而保证标定数据和检测数据的准确性。

总结来看，创通联达智慧交通解决方案一方面将其算法开发能力与嵌入式边缘设备相融合，更好地适配行业的差异化需求；另一方面，随着数据的累积叠加以及用户需求的不断升级，该方案还能够基于ModelFarm平台实现自升级、自迭代。换言之，创通联达既可以为客户提供直击需求的算法与边缘产品，也能够将开发能力赋予客户，在保障数据安全的前提下帮助用户实现边缘能力自升级，可谓是既“授人以鱼”也“授人以渔”。

其中，ModelFarm作为一站式AI开发平台，其功能覆盖数据管理、数据标注、模型训练评估、在线测试、模型下载等全部流程，可高效支持数据智能化分析场景，特别是其低代码开发的特性，不但加快了模型训练进度，还大幅降低了用户的使用难度。在此基础上，该平台还自带50余种预训练模型，可供用户自由选择，极大地降低行业用户AI转型与升级的门槛。

创通联达ModelFarm平台架构图

不难发现，创通联达智慧交通解决方案逐一击破了该领域多个细分场景下的痛点，为整个行业提供了完整的边缘侧能力。而在整个物联网产业都难逃碎片化发展的大环境下，在“大行业”之外还有许多“小场景”也蕴藏着无限机遇——

• 创通联达的明厨亮灶解决方案通过事前预警、事中告警、事后追责的三重服务机制，可深化应用智能视频分析技术，从根源管控餐饮、食堂、中央厨房、集体配餐单位等餐饮操作区域行为规范化，切实保障人民群众食品卫生安全。

• 创通联达日前在科技消费类电子产品展CES上发布了智能货柜解决方案，通过边缘侧的动态识别能力极大提升了整个消费过程中的用户体验与效率，同时还基于ModelFarm帮助商家简化新增商品的模型训练，提升识别准确率，加速商品迭代。

写在最后

正如创通联达智能边缘产品部总经理张树安所言，边缘计算的爆发指日可待，而AI能力下沉到边缘侧也在很大程度上解决了场景的碎片化问题，使得边缘解决方案能够面向不同行业进行差异化开发。创通联达扎根边缘侧已久，身处距离客户最近的地方，更加能够察变市场需求与发展趋势，除了交通、工业等重点行业外，创通联达观察到，很多细分场景也确确实实存在智能化转型需求，而边缘智能也能够切实解决部分行业痛点，所以，公司未来也将双管齐下、点面兼顾，在大行业与小场景中不断锤炼边缘能力。