作者：周雅

AI发展到今天，产业的态度出现了转折。一个转折点发生在市场端，另一个转折点出现在技术端。

在市场端，是B端需求的分歧。如果说过去几年，大模型热潮如一场大型消费级狂欢，“ChatGPT们”让C端用户快速上手，那么现在真正的挑战似乎出现在行业、企业。因为这些B端用户的所需所急，一定不是简单的说文解字、风格绘图。

在技术端，则是算力响应的速度。“云端”曾经是AI落地的第一站，它提供了充沛而集中的计算资源；但是在某些场景，情况相对复杂，比如从工厂流水线上精密的质检判断，到交通事故现场的实时责任认定，等待云端的远程计算结果已经显得过于奢侈。还是那个例子，未来的自动驾驶汽车，不可能要等待云服务器决定切换到哪条车道。

所以在这种情况下，边缘计算和边缘AI开始从幕后走到台前，它以更贴近现场、更迅速响应、更低时延的独特优势，成为解决行业真实痛点的主力军。

沿着这一话题，研华科技产业云事业群副总经理鲍志伟(Magic Pao)接受了至顶科技&科技行者主编周雅的深度访谈，揭示边缘AI如何完成从技术突破到产业场景爆发的“最后一跃”。

市场趋势：从启蒙到起飞

鲍志伟首先基于产业洞察，将边缘AI进行了阶段性总结：过去三年，第一年是边缘AI的市场启蒙期，第二年是市场导入期，而2025年是边缘AI真正起飞的一年。

他提到，就在访谈的前一天，参加了研华在上海举办的研华边缘AI产业应用论坛，邀集行业伙伴共同探讨产业深入使用边缘AI的可能性。“从会议中我发现，大家对产业深入使用边缘AI的讨论已经非常蓬勃，无论是技术可行性、成本还是落地实践，都已经有了长足的进展，这是讨论这个话题的绝佳时机。”

当被问及如何看待这一波边缘AI发展时，鲍志伟从两个维度进行了分析：

1、社会现象的变化。“过去两三年的疫情期间，我们面临大量劳动力减损，原本预期疫情过后劳动力会回归市场。但国际劳动力数据显示，整体劳动力市场参与度仍在下降。”他指出，这种劳动力不足的社会现象使自动化成为一种必然需求，需要采取立即行动：“我们观察像日本、德国、意大利这些工业大国，劳动参与率持续下滑，这让自动化变得更加重要。”

2. AI技术的实际落地。“生成式AI已经开始逐渐落地，与我们的生活息息相关。现在的关键问题是：生成式AI是否能在边缘端实践？从技术和成本层面看，我们已经达到了一个‘甜蜜点’的启动阶段。”

鲍志伟引用了李开复在年初的一次演讲中提到的三个关键指标——AI智能每年增长30%，推理成本每年下降10-20倍，开源浪潮带来的开发成本大幅降低。

“这三点非常重要，意味着过去在需求、技术和成本层面存在的门槛，到了2025年已经全面转变，这正是边缘AI即将起飞的主要原因。”鲍志伟强调。

应用场景：从辅助感知到独立判断

谈及应用场景方面，鲍志伟分享了几个已经成熟的边缘AI落地案例：

首先是「交通领域」。他说，“过去我们用边缘AI做车牌、车况、车型的辨识已经很普遍，但现在更进一步，它可以判别交通事故，当事故发生时，系统能及时识别并通知后端控制中心安排处理。更重要的是，它还能进行基本判别，确定事故的责任方，这已经是更高级的应用。”

其次是「工厂自动化」。“在工厂自动化领域，应用更为广泛。过去我们说的生产自动化、工厂自动化，现在还有流程自动化，这三类自动化已经可以通过AI大幅改善。比如，我们可以用AI观测每个工作站的操作人员是否有误操作，过去需要小班长站在旁边监督，现在AI可以自动判别并及时提醒，每个班次提醒一次，立即改善，从而提升生产效率。”

研华的边缘AI“易速包”：缩短70%的开发与落地时间

针对传统企业在拥抱边缘AI时存在的技术薄弱问题，研华提出了自己的解决方案——“ISP易速包”（AI Solution Pilot），将垂直应用打包成可以快速上手的解决方案。

鲍志伟进一步解释说，研华“易速包”包含两个核心要素：首先是适合不同场景的硬件，因为不同应用场景需要不同功耗和算力的硬件；其次是软件开发包SDK（Software Developer Kit），这些SDK很多来自原厂，比如NVIDIA最新的SDK。“对客户来说，直接使用这些SDK并不容易，所以研华会提前进行预安装、预测试、并开发应用范例。这些范例让客户能够理解SDK如何在他们自己的场景中产生价值。在开发过程中，我们整合了各种传感器，包括图像、雷达等，将它们集成到硬件中。”

“研华的易速包可以为客户节省70%的开发时间，原本需要3个月的开发项目，可以缩短到三周到一个月，让客户能够快速迭代和复制。”鲍志伟说，“边缘AI已经进入人人可开发的阶段，研华的目标是将开发简化到一定程度，让垂直应用领域的客户能够快速接手和导入，加速实现落地。”

未来预测：边缘AI的爆发点在哪里

谈到未来走势，鲍志伟分享了他对边缘AI算力增长的观察：“从2019年到2024年，在相同成本、相同大小和相同功耗的条件下，边缘AI的算力已经增长了142倍。”

这种算力的快速迭代增加带来了质的变化：“我们从过去认为边缘应用仅限于简单感知和处理，已经进化到可以在边缘端运行大语言模型，真正实现边缘智能。”

这种质变的核心在于，“它让每个人都有机会开发自己的边缘AI应用。我们有些农业客户，过去想用AI改善牲畜饲养和健康监测，但一直依靠人力观察。现在他们可以将深度AI模型部署到边缘端，实时观测状况，并给出及时提醒，让人们进行及时处理。这就是一个重要的质变。”

基于此，鲍志伟分享了他对边缘AI的发展预测：“未来三年，各行各业都会导入边缘AI，未来会有更多小型开发，这些开发不再需要依赖专业软件公司，而是可以由企业内部的5-10位软件工程师自行开发，优化企业内部流程。”

鲍志伟同时预测，未来三年将有三个场景快速导入边缘AI：

首先是智慧城市。“智慧城市的所有应用场景，包括城市交通以及我们生活中的各种智慧城市应用，将是第一个被大幅改善的领域，因为这里存在大量的改善点。”

其次是智能设备。“产业应用通常较为保守，特别是公共领域，因为AI应用必须具有可预测性和可解释性。当我们将AI导入产业时，必须确保一定程度的可靠性。经过4-5年的累积，这些可靠性已经得到提升，所以接下来应该是爆发阶段。比如，智慧医疗设备已经通过FDA认证，这意味着它已经达到了足够的可靠度。”

最后是千行百业的小型应用。“我相信各行各业都会找到更多的小型应用场景，过去这些小型应用因为成本高而难以实现，但现在成本降低了，开发变得可行。”

对于市场规模，鲍志伟还给出了明确的增长预期：“我预计整个边缘AI从今年开始到未来三年，会出现「533」的情况——5年内增长3倍，相当于每年增长30%。根据过去的发展趋势和全球市场分析，这个预测是合理的，而且很少有产业能在5年内增长3倍，所以这是一个非常值得期待的市场增长。”

从这个意义上看，我们正站在一个新的关口：边缘AI不仅仅是技术的下一站，更是产业转型的必由之路。这或许才是我们讨论“边缘AI最后一跃”的真正内涵——产业的数字化浪潮已经呼啸而至，谁更贴近真实场景，谁就有机会掌握未来的主动权。