edg|联想Edge AI有备而来，边缘智能如何借势生根？( 二 )

联想Edge AI平台的应用落地，首先是要将内部作为实验室，不断去总结实践经验。举一两个例子，联想深圳的联宝工厂平均每天要处理5000多笔PC订单，而且约80%都是单笔小于5台的个性化定制产品，这就需要通过人工智能技术与数学优化算法结合，打造智能生产模型，快速寻找到最佳排产策略。基于此，结合智能质量检测、智能供应链控制塔以及智能化物流配送技术等手段，联宝得以保持着订单交付达成率相比同业快15%的水平。
智能化安保应用，同样也在深圳工厂逐渐落地。范建平介绍，因为安全管理要求，一些重要生产区域不能有“未授权”人员随便进入。这时，联想Edge AI平台的智能“监测”能力就可以通过视频采集设备识别所有人员的权限，精准筛查的同时，还可实现数据本地处理（不上传到云端），保护了个人隐私。类似的应用案例，也在其他客户的安检通道（闸机）场景下实现，而且均实现了精准识别、无感识别、数据安全和隐私保护。

文章插图
由此，内生外化还带来了深厚的行业Knowhow底蕴。目前联想Edge AI服务的一家国内知名动力电池生产商，已经实现了对电池产品的高精度检测。在生产线上，联想Edge AI基于机器学习、图像识别方面的能力，对“瑕疵”电池面板元件不仅可以进行高精度检测，还可以帮助企业解决良率的难题。“这不仅需要我们的AI技术能力，还需要我们对制造业深刻的理解，这就是大家常说的行业Knowhow，这也为联想Edge AI的落地带来了很多助力。”范建平表示。
值得一提的是，这种内生外化以及对行业Knowhow的理解，也深刻体现在了联想Edge AI平台的技术研发及应用特性中。范建平将联想Edge AI平台的特点总结为三点：一是可以在云端进行模型的初始化和训练；二是可以在边缘侧借助于Edge AI的训练结果进行决策；三是与联想集团其他业务单元产品的高度结合。
换言之，如果不是在自身在制造、供应链、安防等方面的不断“试验”，不断换位思考，很难挖掘出技术背后的“用户思维”，这些技术研发和应用落地依然是站在客户的角度去思考问题。包括范建平强调的AI算法、模型与小样本学习的“相向而行”，基于用户对数据响应及安全方面的考虑，在边缘端进行静态和动态的AI部署，以及打造低功耗、小模型以及端边云多AI任务联合作业能力等等，都是来自于这种换位思考的结果。
将平台优势做大，让生态共促“从1到10”赋能千行百业可以说，在联想提出的基于“端-边-云-网-智”技术架构赋能各行各业构想中，目前在“边”（边缘计算）“智”（行业智能解决方案）方面正在依托自身的实践经验和行业Knowhow，不断夯实两个板块的能力建设。而在AI市场，联想的算力、算法、行业数据资源本就丰厚，在算力方面，联想作为一家“大计算”行业巨头，在超算和服务器产品上更是游刃有余。
整体来看，从3S战略、“端-边-云-网-智”等全价值链布局去考量，联想在Edge AI赛道上已经具备了领先一步的协同化优势。基于这些优势，联想Edge AI既可以“走进去”，也能够“站出来”，从而在Edge AI领域成为最懂行业痛点和需求的智能化赋能者。

文章插图
接下来最重要的一步，是如何将这种资源和优势在更大的生态建设中形成行业共识。
在10月23日举行的“2021中国物联网产业领航者峰会”上，联想商用解决方案中心总经理王磊阐述了对于联想四大产品线——边缘智能服务器、工控机、边缘计算网关与触控一体机等硬件的市场策略，包括聚焦聚焦于制造、零售、医疗、金融四大领域，协同生态合作伙伴，帮助行业客户更便捷高效地实现数字化转型。