关于万物互联的概念，我们当下提到比较多是AIoT，可以称为万物智联。但是从IoT到AIoT的发展路径中，我们似乎很难找到一个十分明显的爆发点来证明万物互联是如何进入智联化阶段。
这种智能化阶段产生最本质的原因就是AI的深度应用，而AI的应用也是需要遵循物联网碎片化的客观属性和特定场景需求，所以以场景应用为导向的AIoT依然处于一个发展阶段。在这个阶段，AI算法和模型正在逐步完善，并与IoT软硬件设备进行深度融合匹配，这一点也就解释了为什么我们难以找到一个具备明显特征的AIoT爆发的节点。
不过这都无关紧要，最重要的是我们看到了智能网联的趋势不可逆，尤其是边缘AI和云端AI的发展更是当下包括芯片、模组、云平台以及各类AI算法企业的重要布局领域。
特别是在工业领域，智能制造、工业互联网是企业在数字化、智能化进程中提到的相当频繁的词汇，但是深入到智能化能力方面，边缘AI其实仍然有很多市场空间。其中，有相当一部分原因是云端市场已经饱和，同时部分工业硬件终端和设备对于数据的安全性考量需要进行边缘部署。
在数据表现上，边缘计算正在快速发展。根据Gartner预测，到2025年将有75%的数据产生在边缘侧，庞大的数据量配合着AI算法和模型的逐渐成熟，我们可以合理预见，接下来各行业对边缘AI的软硬件与解决方案需求将会迎来爆发式增长。
在工业企业的生产和运营中，“研”、“产”、“供”、“销”、“服”几大环节里，智能化生产一直是重点方向，在以工业机器人、AGV、AMR为代表的工业硬件终端产品在完成基础运动能力和操作动作搭建之后，未来的发展会聚焦于智能化。从市场装机量来看，2021年，中国工业机器人新增装机量达到21万台，同比增长20%，在亚洲市场占比超过2/3。
我们认为，在疫情反复和人工成本持续提升的情况下，这种高趋势将会继续保持，机器换人的智能化趋势也决定了企业不仅需要在人工层面替换，还需要重点兼顾整个智能工厂的连接。所以，作为智慧工厂的典型设备，工业机器人将会是Edge AI下一个端侧应用的重要市场。与此同时，在未来，云平台、边缘云以及边缘智能终端将会成为云化研发设计、供应链协同和智能化管理运营的重要结构组成。
除了边缘市场的趋势，我们同样需要关注AI能力的深度应用。
从目前企业在AI应用方面可以看到，工厂智能运维、AI质检（偏视觉向）、行业AI大模型、工业数据智能、节能降碳、仿真系统、工业5G、工业边缘、工业互联网安全等环节是AI智能化赋能应用较为丰富的几大场景。以AI质检、工业数据智能等方向为例，IDC预测未来5年市场复合增长率都达到30%左右。
所以，可以确定的是在AI智能化应用方面，企业依然选择较为“保守”的场景型应用，主要是在机器换人、替人等方面，而真正落地到企业智能运营、管理以及大数据智能化处理方面不多，我们认为导致这种情况的原因主要是由于数据量和应用信任度不够。
数据量的问题或许需要交给时间解决，但是信任度是边缘AI需要解决的问题之一。虽然说边缘计算在某种意义上保证了本地化数据的安全性，但是AI的引入是否能够提供行之有效且安全可靠的数据规则仍然是企业头顶上的一个问号。
真正意义上讲，AI未来大概率会以“不取代工作，取代的是任务”的形式在各行各业生根发芽。但是，工业机械、工控机控制的机床、软件应用和工业机器人虽然应用了边缘AI进行智能化升级，但是主要集中的还是任务型的工作，对于辅助人员进行决策和运维依然没有较为成熟的落地算法和模型应用。
对于边缘AI而言，会促进大量的智能机器和设备换人，但是这并非数字工厂或者智能工厂的核心价值。
所以，不能为了黑灯工厂而黑灯，要看真正的设备和产线效率提升了多少，节省了人力投入，在这个基础之上产生的经济价值，这或许才是智能工厂的意义所在，才能体现边缘AI所带来的数据联通和边缘侧价值。
另外，不可否认，边缘AI是当下所有计算模式中最为热门的赛道之一。但是不能否认的是，云平台、云端AI的应用将会和边缘AI形成一种协同和制衡关系。因为，边缘端的一个主要缺陷就是需要在保持数据处于边缘和在必要时将数据带入数据中心（云平台），很多下游企业难以把握云与处理边缘之间的平衡的尺度，这一点会影响到企业在成本、设备和云协同的效率。从大部分企业的做法来看，简单分析会留在边缘侧，而更为复杂的计算选择了云端，而如何去定义简单和复杂是企业的痛点，也是边缘和云端供应商的市场机遇。
可以说，具备边缘AI软硬件能力的企业需要更进一步，更为细致、贴近客户场景需求的服务能力是获取未来市场另一个关键点。最后，我们认为，边缘AI是AIoT的智能化关键技术领域，同时也是企业为各产业提供智能化升级所必备的服务能力。
（转载）
