邊緣計算如何驅動AIOT產業落地？四位大咖觀點交鋒

本站原創，作者：章鷹，電子發燒友執行副主編。

現階段，中國AI芯片產業面臨的主要挑戰是芯片開發和算法迭代的錯配。芯片開發成本高，周期長，技術壁壘高，且需要企業有敏銳的市場洞察能力，對算法趨勢和演變有充分的前瞻性預判，使得經過一兩年研發的芯片在推出的時候，仍然能夠適應最新的主流算法。AIOT產業落地與應用場景開發，一直是行業內關注的焦點。

近日，在地平線旭日二代芯片發布會上，來自平安集團的首席科學家、集團執委肖京博士、96Boards創始人張旸博士，阿里云IoT兼AI@Edge技術負責人龍一民先生，地平線的戰略規劃與市場拓展副總裁李星宇先生圍繞AI芯片引領的邊緣計算驅動的產業落地與技術挑戰，展開了深入的交流和對話。

在AI和業務結合的落地方面取得了哪些進展？在未來2-3年內，您認為平安AI的技術發展戰略是什么？

肖京：平安金融使用AI，在四個核心業務場景都有應用。一是風控、反欺詐，二是獲客精準營銷，三是服務，金融本質是服務行業，四是運營。

比如說獲客，平安采用了用戶畫像方式，怎么在低頻的場景中，使用精準營銷、智能推薦些技術來幫我們提升，效果明顯，成倍提升轉化率；又比如風控，微觀的每個單據可能有風險，客戶總體是否有風險，可以采用各種人工智能技術來幫助我們降低風險。很多AI具體應用，效果明顯，給我們帶來了幾十億的成本降低或者是利潤提升。

人臉識別、微表情，看起來很常見的人工智能技術在金融領域發揮大作用，小額貸款，平安之前需要通過800多個門店完成，現在采用通用人臉識別和微表情，全部進行線上化，降低三分之二的違約率，十幾萬的客服減少。

未來，平安集團要在所有場景中充分使用AI技術，把業務和技術融合好，解決實際業務的問題，讓業務能力得到很大提高。AI不是獨立的產業，必須依托另外一個產品，賦能產業，降風險，降成本，提高效率和提高價值。

96 Boards是ARM生態系統里面最大的獨立第三方社區。在支持初創公司的商業化落地、培養AI生態方面，96 Boards有哪些成功的經驗可以分享給大家？

張旸：96 Boards支撐的不僅僅是ARM，我們是有很多其他的IP以及獨立的IP供應商，在96 Boards上面都有，包括英特爾在內都有96 Boards的平臺，96 Boards也是目前世界上最大的，也是唯一的一個獨立的芯片開放平臺組織。

我們有機會和全球范圍內的大型成熟企業，軟件、芯片公司合作，對于AI創新企業，我有兩點經驗分享。1、AI真正價值是給傳統行業帶來增值，有明確目標、專注差異化產品的公司會成長的比較好。2、光有差異化不夠，國內企業缺少什么，第一反應是自己研發和制造出來，這是比較耗費成本的。合作共贏的方式很多，尋找合作伙伴建立共贏關系非常重要。

云棲大會上，阿里云提出打造AIoT的基礎設施，能夠覆蓋從云、管、邊、端這樣的一個全鏈條，請分享一下阿里云在這塊的進展，同時阿里云和合作伙伴的業務邊界又在哪里？

龍一民：阿里云智能AIoT，實際上是在承擔為全行業打造一個AIoT和物聯網的基礎設施，同時在阿里巴巴集團內部，我們也承擔了一個AIoT和物聯網基礎設施角色。從設備連接開始，為MCU提供了RDO物聯網操作系統，面對CPU的這些設備，我們也提供了Link SDK連接的能力。上層有統一的邊緣計算平臺，這個平臺集成了三部分，低功耗廣域網、物聯網卡、視頻和AI部分邊緣計算能力，北向主要是有面向物聯網數據分析的能力，以及面向我們開發者生態的IoT Still的整個開發者平臺。

阿里云定位下不碰硬件，上不碰Saas。阿里打造平臺為硬件合作伙伴帶來機會，地平線的發布會接地氣，三款類型產品對于市場定位非常精準，對智能社區、智能硬件和智能IP，我們為地平線提供接入和云化能力。整體云化、商業化、策略化。幫助地平線上云，包括云存儲、點播和錄像。以往邊緣服務模式，我們會提供混合的模式，根據場景來下發服務模式。

AIoT商業化存在哪些挑戰？未來三年內，你看好哪些場景的商業化落地？

肖京：AIoT的商業化，需要首先回答三個問題。第一、首先找到行業的痛點，是否需要AIOT來助力；第二、你要做到什么程度？量化目標確定。第三、怎么做？如何去規劃和執行。

AIOT的場景比如智慧安防、智慧城市是比較清晰的。還有一些場景是不清晰的，需要公司定性定量來分析。我認為，AI未來在醫療、養老、環保等許多行業有機會，關鍵是技術是否成熟，能夠解決痛點問題。

張旸：我是非常樂觀的，AIOT帶來的市場機會，所有可以給生活和工業提供智能化的機會，都是有可能的。數字孿生的多維數據，有數據挖掘的地方都是有市場機會。AIOT是一個碎片化和長尾市場。對于芯片廠商、軟件廠商，策略不同，用什么策略來進入長尾市場？還有，AIOT從興起到成為紅海市場，在這個市場中如何讓企業健康存活下去？必須找到差異化的市場定位。

龍一民：三大挑戰：如何為行業客戶提供價值？如何為生態合作伙伴、硬件廠商、硬件方案解決商提供價值？如何為C端客戶提供價值？

比如為行業客戶提供價值。以前云計算主要是為了解決云化，接入，降低整個運維成本，從應用的分發、應用的部署、更新、遠程運維來提高它的效率?，F在最大的挑戰是在邊緣計算時候，最重要場景發生在客戶邊緣，在這種網絡環境下，用更少的人力解決應用分發、部署和遠程運維的能力。

C端用戶，AIOT除了高價值單品（智能音箱）外，還有哪些入口？視頻領域是否存在高C端用戶價值和用戶粘性的家庭入口。隨著SaaS的集成和多模態，我們認為未來也是有很大機會的。對于硬件合作伙伴，提供可持續發展生態和應用能力，讓軟硬件更加靈活，交付到客戶手中。

黃暢：需要關注兩個閉環：第一、業務閉環和商業閉環。AIoT領域賦能傳統行業，面臨的困境是缺乏開放性，讓信息真正流動起來，從定性評估逐步走向定量分析，找出瓶頸和痛點，然后去創造真實價值；第二、數據（業務數據和傳感器數據）閉環，這點對AI公司尤為關鍵。地平線關注基礎的感知數據閉環，如果能夠持續去獲取真實場景中的數據，不斷去迭代，從而形成一個感知的平臺，廣泛賦能各個業務場景中一些基礎的AI任務。

AIOT場景的碎片化帶來對技術需求多樣性，這對邊緣計算的硬件和算法帶來哪些挑戰？

肖兵：AI應用目前的兩大問題：第一、產品同質化嚴重，目前沒有一個很好的解決方案來覆蓋多樣的場景；第二、效率低。效率提升和隱私保護都可以通過邊緣計算來解決。

AIoT通過邊緣計算芯片來實現，尤其是原始數據不用上傳云端，通過邊緣AI芯片，數據脫敏，低功耗的邊緣計算芯片可以降低數據中心的使用量，提升數據中心的真正效率。我們覺得是通過底層的技術能力，一定要跟垂直領域的業務結合起來，然后形成一個中臺。中臺能力形成一些組件，才能解決碎片化的問題。前端只要簡單做一些組裝就能完成一個個場景，才能標準化快速擴展。

張旸：對于需求碎片和多樣性市場，產品開發和產品定制，企業要定義標準化的模塊，差異化的東西帶來利潤。大家都愿意做差異化產品。

龍一民：未來開放的地平線芯片，引入第三方算法，對于模型如何進行保護。云上的容器化和邊緣的容器化，Linux操作系統支持云，邊緣盒子，用容器化的東西來做支撐。容器化總目的還是希望解決應用分發、遠程運維的問題，來降低里面的成本。

黃暢：首先我們要做到開放，才容易形成閉環，因此我們加入了96 Boards這樣一個生態。加入生態，開放是前提；其次，中臺非常重要，阿里、平安等大型企業都非常關注中臺。AI中臺不同的是算法的中臺和數據的跳臺，數據如何形成標準化，形成算法模塊，最終這些算法模塊組合在一起，去面對各式各樣的碎片化的、長尾的需求。