边缘计算如何驱动AIOT产业落地？四位大咖观点交锋

本站原创，作者：章鹰，电子发烧友执行副主编。

现阶段，中国AI芯片产业面临的主要挑战是芯片开发和算法迭代的错配。芯片开发成本高，周期长，技术壁垒高，且需要企业有敏锐的市场洞察能力，对算法趋势和演变有充分的前瞻性预判，使得经过一两年研发的芯片在推出的时候，仍然能够适应最新的主流算法。AIOT产业落地与应用场景开发，一直是行业内关注的焦点。

近日，在地平线旭日二代芯片发布会上，来自平安集团的首席科学家、集团执委肖京博士、96Boards创始人张旸博士，阿里云IoT兼AI@Edge技术负责人龙一民先生，地平线的战略规划与市场拓展副总裁李星宇先生围绕AI芯片引领的边缘计算驱动的产业落地与技术挑战，展开了深入的交流和对话。

在AI和业务结合的落地方面取得了哪些进展？在未来2-3年内，您认为平安AI的技术发展战略是什么？

肖京：平安金融使用AI，在四个核心业务场景都有应用。一是风控、反欺诈，二是获客精准营销，三是服务，金融本质是服务行业，四是运营。

比如说获客，平安采用了用户画像方式，怎么在低频的场景中，使用精准营销、智能推荐些技术来帮我们提升，效果明显，成倍提升转化率；又比如风控，微观的每个单据可能有风险，客户总体是否有风险，可以采用各种人工智能技术来帮助我们降低风险。很多AI具体应用，效果明显，给我们带来了几十亿的成本降低或者是利润提升。

人脸识别、微表情，看起来很常见的人工智能技术在金融领域发挥大作用，小额贷款，平安之前需要通过800多个门店完成，现在采用通用人脸识别和微表情，全部进行线上化，降低三分之二的违约率，十几万的客服减少。

未来，平安集团要在所有场景中充分使用AI技术，把业务和技术融合好，解决实际业务的问题，让业务能力得到很大提高。AI不是独立的产业，必须依托另外一个产品，赋能产业，降风险，降成本，提高效率和提高价值。

96 Boards是ARM生态系统里面最大的独立第三方社区。在支持初创公司的商业化落地、培养AI生态方面，96 Boards有哪些成功的经验可以分享给大家？

张旸：96 Boards支撑的不仅仅是ARM，我们是有很多其他的IP以及独立的IP供应商，在96 Boards上面都有，包括英特尔在内都有96 Boards的平台，96 Boards也是目前世界上最大的，也是唯一的一个独立的芯片开放平台组织。

我们有机会和全球范围内的大型成熟企业，软件、芯片公司合作，对于AI创新企业，我有两点经验分享。1、AI真正价值是给传统行业带来增值，有明确目标、专注差异化产品的公司会成长的比较好。2、光有差异化不够，国内企业缺少什么，第一反应是自己研发和制造出来，这是比较耗费成本的。合作共赢的方式很多，寻找合作伙伴建立共赢关系非常重要。

云栖大会上，阿里云提出打造AIoT的基础设施，能够覆盖从云、管、边、端这样的一个全链条，请分享一下阿里云在这块的进展，同时阿里云和合作伙伴的业务边界又在哪里？

龙一民：阿里云智能AIoT，实际上是在承担为全行业打造一个AIoT和物联网的基础设施，同时在阿里巴巴集团内部，我们也承担了一个AIoT和物联网基础设施角色。从设备连接开始，为MCU提供了RDO物联网操作系统，面对CPU的这些设备，我们也提供了Link SDK连接的能力。上层有统一的边缘计算平台，这个平台集成了三部分，低功耗广域网、物联网卡、视频和AI部分边缘计算能力，北向主要是有面向物联网数据分析的能力，以及面向我们开发者生态的IoT Still的整个开发者平台。

阿里云定位下不碰硬件，上不碰Saas。阿里打造平台为硬件合作伙伴带来机会，地平线的发布会接地气，三款类型产品对于市场定位非常精准，对智能社区、智能硬件和智能IP，我们为地平线提供接入和云化能力。整体云化、商业化、策略化。帮助地平线上云，包括云存储、点播和录像。以往边缘服务模式，我们会提供混合的模式，根据场景来下发服务模式。

AIoT商业化存在哪些挑战？未来三年内，你看好哪些场景的商业化落地？

肖京：AIoT的商业化，需要首先回答三个问题。第一、首先找到行业的痛点，是否需要AIOT来助力；第二、你要做到什么程度？量化目标确定。第三、怎么做？如何去规划和执行。

AIOT的场景比如智慧安防、智慧城市是比较清晰的。还有一些场景是不清晰的，需要公司定性定量来分析。我认为，AI未来在医疗、养老、环保等许多行业有机会，关键是技术是否成熟，能够解决痛点问题。

张旸：我是非常乐观的，AIOT带来的市场机会，所有可以给生活和工业提供智能化的机会，都是有可能的。数字孪生的多维数据，有数据挖掘的地方都是有市场机会。AIOT是一个碎片化和长尾市场。对于芯片厂商、软件厂商，策略不同，用什么策略来进入长尾市场？还有，AIOT从兴起到成为红海市场，在这个市场中如何让企业健康存活下去？必须找到差异化的市场定位。

龙一民：三大挑战：如何为行业客户提供价值？如何为生态合作伙伴、硬件厂商、硬件方案解决商提供价值？如何为C端客户提供价值？

比如为行业客户提供价值。以前云计算主要是为了解决云化，接入，降低整个运维成本，从应用的分发、应用的部署、更新、远程运维来提高它的效率。现在最大的挑战是在边缘计算时候，最重要场景发生在客户边缘，在这种网络环境下，用更少的人力解决应用分发、部署和远程运维的能力。

C端用户，AIOT除了高价值单品（智能音箱）外，还有哪些入口？视频领域是否存在高C端用户价值和用户粘性的家庭入口。随着SaaS的集成和多模态，我们认为未来也是有很大机会的。对于硬件合作伙伴，提供可持续发展生态和应用能力，让软硬件更加灵活，交付到客户手中。

黄畅：需要关注两个闭环：第一、业务闭环和商业闭环。AIoT领域赋能传统行业，面临的困境是缺乏开放性，让信息真正流动起来，从定性评估逐步走向定量分析，找出瓶颈和痛点，然后去创造真实价值；第二、数据（业务数据和传感器数据）闭环，这点对AI公司尤为关键。地平线关注基础的感知数据闭环，如果能够持续去获取真实场景中的数据，不断去迭代，从而形成一个感知的平台，广泛赋能各个业务场景中一些基础的AI任务。

AIOT场景的碎片化带来对技术需求多样性，这对边缘计算的硬件和算法带来哪些挑战？

肖兵：AI应用目前的两大问题：第一、产品同质化严重，目前没有一个很好的解决方案来覆盖多样的场景；第二、效率低。效率提升和隐私保护都可以通过边缘计算来解决。

AIoT通过边缘计算芯片来实现，尤其是原始数据不用上传云端，通过边缘AI芯片，数据脱敏，低功耗的边缘计算芯片可以降低数据中心的使用量，提升数据中心的真正效率。我们觉得是通过底层的技术能力，一定要跟垂直领域的业务结合起来，然后形成一个中台。中台能力形成一些组件，才能解决碎片化的问题。前端只要简单做一些组装就能完成一个个场景，才能标准化快速扩展。

张旸：对于需求碎片和多样性市场，产品开发和产品定制，企业要定义标准化的模块，差异化的东西带来利润。大家都愿意做差异化产品。

龙一民：未来开放的地平线芯片，引入第三方算法，对于模型如何进行保护。云上的容器化和边缘的容器化，Linux操作系统支持云，边缘盒子，用容器化的东西来做支撑。容器化总目的还是希望解决应用分发、远程运维的问题，来降低里面的成本。

黄畅：首先我们要做到开放，才容易形成闭环，因此我们加入了96 Boards这样一个生态。加入生态，开放是前提；其次，中台非常重要，阿里、平安等大型企业都非常关注中台。AI中台不同的是算法的中台和数据的跳台，数据如何形成标准化，形成算法模块，最终这些算法模块组合在一起，去面对各式各样的碎片化的、长尾的需求。