作者：周雅

AI發展到今天，產業的態度出現了轉折。一個轉折點發生在市場端，另一個轉折點出現在技術端。

在市場端，是B端需求的分歧。如果說過去幾年，大模型熱潮如一場大型消費級狂歡，“ChatGPT們”讓C端用戶快速上手，那么現在真正的挑戰似乎出現在行業、企業。因為這些B端用戶的所需所急，一定不是簡單的說文解字、風格繪圖。

在技術端，則是算力響應的速度。“云端”曾經是AI落地的第一站，它提供了充沛而集中的計算資源；但是在某些場景，情況相對復雜，比如從工廠流水線上精密的質檢判斷，到交通事故現場的實時責任認定，等待云端的遠程計算結果已經顯得過于奢侈。還是那個例子，未來的自動駕駛汽車，不可能要等待云服務器決定切換到哪條車道。

所以在這種情況下，邊緣計算和邊緣AI開始從幕后走到臺前，它以更貼近現場、更迅速響應、更低時延的獨特優勢，成為解決行業真實痛點的主力軍。

沿著這一話題，研華科技產業云事業群副總經理鮑志偉(Magic Pao)接受了至頂科技&科技行者主編周雅的深度訪談，揭示邊緣AI如何完成從技術突破到產業場景爆發的“最后一躍”。

市場趨勢：從啟蒙到起飛

鮑志偉首先基于產業洞察，將邊緣AI進行了階段性總結：過去三年，第一年是邊緣AI的市場啟蒙期，第二年是市場導入期，而2025年是邊緣AI真正起飛的一年。

他提到，就在訪談的前一天，參加了研華在上海舉辦的研華邊緣AI產業應用論壇，邀集行業伙伴共同探討產業深入使用邊緣AI的可能性。“從會議中我發現，大家對產業深入使用邊緣AI的討論已經非常蓬勃，無論是技術可行性、成本還是落地實踐，都已經有了長足的進展，這是討論這個話題的絕佳時機。”

當被問及如何看待這一波邊緣AI發展時，鮑志偉從兩個維度進行了分析：

1、社會現象的變化。“過去兩三年的疫情期間，我們面臨大量勞動力減損，原本預期疫情過后勞動力會回歸市場。但國際勞動力數據顯示，整體勞動力市場參與度仍在下降。”他指出，這種勞動力不足的社會現象使自動化成為一種必然需求，需要采取立即行動：“我們觀察像日本、德國、意大利這些工業大國，勞動參與率持續下滑，這讓自動化變得更加重要。”

2. AI技術的實際落地。“生成式AI已經開始逐漸落地，與我們的生活息息相關。現在的關鍵問題是：生成式AI是否能在邊緣端實踐？從技術和成本層面看，我們已經達到了一個‘甜蜜點’的啟動階段。”

鮑志偉引用了李開復在年初的一次演講中提到的三個關鍵指標——AI智能每年增長30%，推理成本每年下降10-20倍，開源浪潮帶來的開發成本大幅降低。

“這三點非常重要，意味著過去在需求、技術和成本層面存在的門檻，到了2025年已經全面轉變，這正是邊緣AI即將起飛的主要原因。”鮑志偉強調。

應用場景：從輔助感知到獨立判斷

談及應用場景方面，鮑志偉分享了幾個已經成熟的邊緣AI落地案例：

首先是「交通領域」。他說，“過去我們用邊緣AI做車牌、車況、車型的辨識已經很普遍，但現在更進一步，它可以判別交通事故，當事故發生時，系統能及時識別并通知后端控制中心安排處理。更重要的是，它還能進行基本判別，確定事故的責任方，這已經是更高級的應用。”

其次是「工廠自動化」。“在工廠自動化領域，應用更為廣泛。過去我們說的生產自動化、工廠自動化，現在還有流程自動化，這三類自動化已經可以通過AI大幅改善。比如，我們可以用AI觀測每個工作站的操作人員是否有誤操作，過去需要小班長站在旁邊監督，現在AI可以自動判別并及時提醒，每個班次提醒一次，立即改善，從而提升生產效率。”

研華的邊緣AI“易速包”：縮短70%的開發與落地時間

針對傳統企業在擁抱邊緣AI時存在的技術薄弱問題，研華提出了自己的解決方案——“ISP易速包”（AI Solution Pilot），將垂直應用打包成可以快速上手的解決方案。

鮑志偉進一步解釋說，研華“易速包”包含兩個核心要素：首先是適合不同場景的硬件，因為不同應用場景需要不同功耗和算力的硬件；其次是軟件開發包SDK（Software Developer Kit），這些SDK很多來自原廠，比如NVIDIA最新的SDK。“對客戶來說，直接使用這些SDK并不容易，所以研華會提前進行預安裝、預測試、并開發應用范例。這些范例讓客戶能夠理解SDK如何在他們自己的場景中產生價值。在開發過程中，我們整合了各種傳感器，包括圖像、雷達等，將它們集成到硬件中。”

“研華的易速包可以為客戶節省70%的開發時間，原本需要3個月的開發項目，可以縮短到三周到一個月，讓客戶能夠快速迭代和復制。”鮑志偉說，“邊緣AI已經進入人人可開發的階段，研華的目標是將開發簡化到一定程度，讓垂直應用領域的客戶能夠快速接手和導入，加速實現落地。”

未來預測：邊緣AI的爆發點在哪里

談到未來走勢，鮑志偉分享了他對邊緣AI算力增長的觀察：“從2019年到2024年，在相同成本、相同大小和相同功耗的條件下，邊緣AI的算力已經增長了142倍。”

這種算力的快速迭代增加帶來了質的變化：“我們從過去認為邊緣應用僅限于簡單感知和處理，已經進化到可以在邊緣端運行大語言模型，真正實現邊緣智能。”

這種質變的核心在于，“它讓每個人都有機會開發自己的邊緣AI應用。我們有些農業客戶，過去想用AI改善牲畜飼養和健康監測，但一直依靠人力觀察。現在他們可以將深度AI模型部署到邊緣端，實時觀測狀況，并給出及時提醒，讓人們進行及時處理。這就是一個重要的質變。”

基于此，鮑志偉分享了他對邊緣AI的發展預測：“未來三年，各行各業都會導入邊緣AI，未來會有更多小型開發，這些開發不再需要依賴專業軟件公司，而是可以由企業內部的5-10位軟件工程師自行開發，優化企業內部流程。”

鮑志偉同時預測，未來三年將有三個場景快速導入邊緣AI：

首先是智慧城市。“智慧城市的所有應用場景，包括城市交通以及我們生活中的各種智慧城市應用，將是第一個被大幅改善的領域，因為這里存在大量的改善點。”

其次是智能設備。“產業應用通常較為保守，特別是公共領域，因為AI應用必須具有可預測性和可解釋性。當我們將AI導入產業時，必須確保一定程度的可靠性。經過4-5年的累積，這些可靠性已經得到提升，所以接下來應該是爆發階段。比如，智慧醫療設備已經通過FDA認證，這意味著它已經達到了足夠的可靠度。”

最后是千行百業的小型應用。“我相信各行各業都會找到更多的小型應用場景，過去這些小型應用因為成本高而難以實現，但現在成本降低了，開發變得可行。”

對于市場規模，鮑志偉還給出了明確的增長預期：“我預計整個邊緣AI從今年開始到未來三年，會出現「533」的情況——5年內增長3倍，相當于每年增長30%。根據過去的發展趨勢和全球市場分析，這個預測是合理的，而且很少有產業能在5年內增長3倍，所以這是一個非常值得期待的市場增長。”

從這個意義上看，我們正站在一個新的關口：邊緣AI不僅僅是技術的下一站，更是產業轉型的必由之路。這或許才是我們討論“邊緣AI最后一躍”的真正內涵——產業的數字化浪潮已經呼嘯而至，誰更貼近真實場景，誰就有機會掌握未來的主動權。