本文作者：劉學習/Fiyinghare
5G為邊緣計算落地掃清了低頻寬和高延遲的障礙，邊緣計算和邊緣雲服務正成為AIoT應用的基礎設施。
市場調研公司Forrester最近釋出的報告認為，2021年，邊緣計算將從一項實驗技術變成可實際應用的技術，主要受AI和5G的驅動。
2021年將會誕生將邊緣計算部署到生產環境中的新商業模式。雲平臺不得不與AI競爭，以及5G廣泛普及，兩大因素將使邊緣計算使用場景更具實用性。
Forrester預測，2021年，AI在邊緣計算中的使用將發生巨大變化：機器學習將開始在邊緣進行，而不單是在資料中心加以訓練。
邊緣應用智慧將在2021年蓬勃發展，加速數字化轉型，尤其是在必須實時連線物理世界和數字世界的行業。
1.AI與IOT造就AIoT市場
5G商用加速邊沿計算的發展。
一輛自動駕駛汽車每秒能產生1GB資料，同時需要對資料進行實時處理，並做出正確的動作。
如果將全部資料傳到雲端進行處理，響應時間會變得很長，而且支援某片區域內的眾多汽車同時工作，對當前的網路頻寬及可靠性是一個巨大的挑戰。
隨著萬物互聯時代的到來，網路邊緣裝置產生的資料量飛速增長，帶來了更高的資料傳輸頻寬需求。同時，新型應用也對資料處理的實時性以及資料儲存也提出了更高的要求。
邊緣計算就是在網路邊緣節點來處理、分析資料。它將資料的處理、應用的執行，甚至一些功能服務的實現，由雲中心伺服器下放到網路邊緣的節點上。
在5G創造的眾多商業機會中，邊緣計算可以說是一個將雲計算觸角延伸到使用者家門口的基礎設施。
2020年，不同的雲服務商陸續宣佈推出基於5G網路的邊緣雲計算服務，為使用者開發和部署高傳輸速度、低延遲的應用創造條件。
移動邊緣計算MEC與5G的結合，不僅驅動各行業加快業務模式創新，帶動了邊緣雲計算應用場景的創新，而且也倒逼5G網路部署和雲計算邊緣算力的進一步提升。
邊緣計算的發展為AIoT應用搭建一個新的基礎設施。
海量連線產生的互動及資料分析需求促使IoT與AI的更深融合。
物聯網為物理世界通往虛擬世界建立了通道，不同的使用者和終端透過物聯網連線協議互聯互通，然後將虛擬化的“現實世界”實時反饋至各個行業或場景，從而推動各領域效率和效益的提升。因此，先連線再爆發是物聯網實現“萬物互聯”終極形態的重要路徑。
伴隨物聯網技術的更迭，中國物聯網連線量開始一路高歌猛進，2018年中國物聯網連線量直逼30億，年複合增長率高達67%。
分析機構推測，2019年中國物聯網連線量將達45。7億，而後由於5G的商用，低功耗廣域物聯網的超廣覆蓋，中國物聯網連線量將增至2025年的199億。
目前，物聯網正處於連線高速增長的階段，未來數百億的裝置併發聯網產生的互動需求、資料分析需求將促使IoT與AI的更深融合。
AIoT市場擁有巨大的潛力。
對實體經濟的融合賦能，AIoT整體業務享有十萬億級市場空間。
2019年，受益於城市端AIoT業務的規模化落地及邊緣計算的初步普及，中國AIoT市場規模突破3000億元大關，直指4000億量級。
相比於物聯網連線數量的快速增長，目前AIoT在落地過程中重在重構傳統產業價值鏈，既需要適應傳統產業的特性，平衡傳統利益鏈條，也需要與生態合作伙伴共同搭建最適宜產業AI賦能的架構體系。
經過未來幾年的產品最佳化、渠道打通、商業模式驗證，AIoT將迎來高速增長。
2.AIoT市場發展為智慧應用發展平臺提供機會
智慧物聯絡統的爆發正是由於在很多領域跨過了硬體和組網成本越來越低和人工智慧技術帶來的共性資料解析能力越來越高共同作用的結果。
AIoT的核心是智，是如何將智嵌入到裝置、邊緣，乃至物和人的每個環節。這需要資料與連線的融合，需要模型與硬體的匹配，需要雲-邊-端的協同。
AIoT方案一般會兼顧雲邊端的任務分配和協同。
如道路中會有很多AI場景，包括像超速識別、闖紅燈、壓線、逆行等違章檢測，其背後都可以運用AI演算法進行識別，把這些識別結果上傳到雲端，實現處罰或跟蹤，就是一個AIoT應用。
實現AIoT會有三個重要的環節：
第一，連線，裝置端與邊緣端和雲端做連線，裝置把資料上傳到邊緣端和雲端。
第二，分工協同。在雲端主要完成兩部分功能，一是模型學習，二是模型結合新裝置發過來的資料推理以及後續的規則判斷，然後給出決策。
邊緣端佈設一個小型伺服器，靠近裝置端，完成與裝置的連線。在邊緣端可以部署模型，裝置把原始資料上傳到邊緣端，在邊緣端進行計算，再將原始資料進行過濾，產生高價值的重要資料再上傳到雲端，解決了上傳頻寬的壓力問題和資料延遲的問題。
裝置是不需要經過任何改造的，只要具備上傳過濾的能力就可以完成這樣一個AIoT的整體方案，這也是非常經濟高效的一種做法。
星環科技提供的AIoT方案中，在雲邊端組成的系統中，雲上建立機器學習模型，對模型進行訓練；訓練好的多種AI演算法模型部署到Sophon Edge中，對資料進行實時處理，管理端裝置的執行。
AIoT撬動新玩法，改變傳統業務邏輯。
AIoT應用集中在透過視覺識別、語音互動、預測規劃等核心技術實現效率的提升，這種以通用性核心技術為核心的特性使得產品設計邏輯將圍繞採集和分析有價值的通用資訊，產品形態不再有強烈的行業鴻溝，行業競爭圍繞著高價值通用資訊帶來的資料分析，相應的競爭業態也將更加複雜。
在此過程中，G端和C端場景問題可透過識別比對、便捷互動得到較大程度解決，AIoT在G端與C端率先受益，AIoT在企業級市場的應用尚不能觸及核心痛點，還有待提升其核心業務環節效率。
AIoT應用發展的上半場是IoT硬體的鋪設，而下半場將是AI 演算法與智慧決策的主場。
AI賦能物物相連，企業縱深發展看定位。
AIoT是一個綜合性市場，其容量足夠大，且目前呈現多層級、碎片化狀態，因此吸引了眾多從原賽道切入AIoT的玩家，主要有四大類：雲計算企業、AI公司、SI公司、IoT公司。
這四類企業積極構建AIoT生態合作圈，相互之間存在合作和競爭關係，它們均可提供較為完整的技術和業務解決方案，但各自的優勢有所差異，率先佈局的版塊也有差異。
雲計算企業與AI公司攜新生產要素AI入場，對人工智慧技術的前沿性研發相對較注重，並整合成模組化能力向合作伙伴和客戶輸出；而SI公司、 IoT公司貼近使用者，對技術整合到最終產品及使用者需求理解上有著天然的優勢。
3.星環科技邊緣智慧雲讓AIoT創造價值
星環科技Sophon Edge讓企業使用者拿起邊緣計算的敲門磚，開啟智慧化轉型的大門！
Sophon Edge“端-邊-雲”體系
為了讓AI幫助使用者在裝置端就能快速、靈活、穩定地實現“黑科技”的夢想，星環科技的邊緣計算平臺Sophon Edge基於“端-邊-雲”體系將使用者的裝置端與資料儲存、計算的雲端進行連線。
把雲端訓練好的多種AI演算法模型部署到Sophon Edge中，讓使用者在裝置現場即能進行實時的資料處理、實時的需求決策、實時的裝置管理等，滿足其低時延、大流量、高安全等降本增效的訴求。
星環的基於邊緣計算的AIoT解決方案主要核心會分兩塊：邊緣節點和資料中心。
對於資料中心，原始的訓練資料存在TDH或者TDC這樣的大資料平臺。平臺會給機器學習平臺做模型訓練，打包把這個模型上架，使用者可以直接在Sophon Base中模型上線，即提供API服務。
另外一條路徑是推到模型倉庫。模型倉庫可以將映象下發到指定的邊緣節點上，然後部署成API，執行在邊緣節點，即Sophon Edge的Node中，它會管理所有服務，包括分析、預測、影象的模型服務。
所有感測器會統一接入邊緣節點的閘道器，實現統一的分發，這樣可以提高資料傳輸效率。
在獲取到所有的原始資料後，會在規則引擎模組傳送給分析的模型服務，實現模型推理，最終輸出資料洞察。
該方案突出兩點：第一，更低的成本，無需改造任何傳統裝置，只要上傳資料就可以實現邊緣計算。
第二，更高的效率，因為邊緣節點部署在貼近資料來源的位置，響應非常及時。
應用場景越來越多，讓AI賦能企業使用者。
工地裡安全帽未戴好高空墜落後摔成重傷，工廠中安全操作不合規導致火災或爆炸，施工地人員工作散漫找人頂包導致工程進展緩慢……
基於Sophon Edge的 AIoT解決方案能夠讓可防的意外儘量避免發生！Sophon已經在某供電局和某地鐵工程施工現場落地了人臉識別和穿戴檢測方案，模型識別抓拍率高達99%，識別率高達95%，識別延遲為毫秒級。
另外還落地的有操作合規性檢測，糾正違規行為3000餘次，安全事故數為0。同時我們還能對打架等暴力行為，騷擾等犯罪行為進行識別與預警，全方面助力智慧安防。
Sophon已經聯合某市水務集團一同落地了違法傾倒汙水檢測方案，對汙水亂倒的違法行為進行不間斷監測識別，並對違法傾倒行為留存動圖證據，從而對傾倒汙水的商戶形成警示，保障城市水質，同時也能減少城市管理的部分人力投入。
Sophon和某交通部門合力在收費站落地車輛車流分析方案，對收費站附近的路況進行了分析，對附近車流進行了統計和預測，保障收費站的暢通無阻。
星環在某石油公司也落地了車輛識別分析方案，能夠對加油區車輛、車牌、車型、顏色、製造商進行識別，同時對車輛出入加油區域進行狀態的檢測，保障無人加油站的運營。
Sophon Edge三大優勢
Sophon基於底層的Sophon Base資料科學平臺、上層的Sophon CV影片/影象分析工具和Sophon Edge邊緣計算閘道器，提出了Sophon AIoT解決方案。
在邊緣計算大環境中，星環秉承著“幫助我們的客戶快速地用上AI用好AI”的理念，不斷最佳化平臺和方案，成功入選邊緣計算企業百強！
第一，高效。Sophon Edge目前能夠在不改造使用者裝置端的前提下，對接GB28181、MQTT、RTSP等覆蓋主流裝置的多種協議；
使用者可直接根據相關場景，以視覺化拖拉拽的方式，在幾分鐘內迅速搭建資料處理及分析規則；
使用者在Sophon Edge平臺中就能完成資料採集、清洗、分析和反饋等一系列過程。
第二，靈活。 Sophon CV中提供了圖片標註/分類、OCR識別和模型訓練的功能，訓練好的相關CV模型都能以映象的方式部署在Sophon Edge中。
批次標註、多類OCR無需分類自動匹配智慧模板、OCR印章識別等靈活功能讓你體驗完美。
而在Sophon Edge的模型市場中，可以將已成熟、孵化好、較穩定的CV模型固化。
為了不同使用者的使用場景的特殊場景需求，星環還提供了自定義函式模組。
當然，星環科技的邊緣節點也不受伺服器架構的限制，ARM架構、x86架構等都能進行部署，同時也支援大規模部署，單節點上30路攝像頭的批次操作以及模型的平行計算都不在話下！
第三，可靠。Sophon Edge檔案管理的資料治理功能可以對邊緣端資料進行篩選處理，重要的加密上傳雲端，其他資料定期刪除，緩解磁碟空間壓力，保障模型穩定執行。Sophon Edge提供7X24小時的不間斷支援服務。
在斷網情況下，邊緣端仍能獨立執行，進行實時的資料處理。同時為了更好地保證實時計算、保證資料安全並提高資料吞吐量，在模型推理中採用程序池方式部署，讓使用者體驗更佳！
Sophon Edge絕對不負使用者的重託，在5G時代AIoT發揮更大價值！
