邊緣智能正進(jìn)入商業(yè)驗證的重要節(jié)點，市場格局的“C位之爭”剛剛開始。對于巨頭之爭，究竟在哪些維度競爭？聯(lián)想在這場競逐中如何定位？最近又在鍛造什么“秘密武器”？帶著諸多問題，我與聯(lián)想集團副總裁兼聯(lián)想研究院人工智能實驗室負(fù)責(zé)人范建平博士、聯(lián)想集團中國區(qū)商用物聯(lián)網(wǎng)業(yè)務(wù)總經(jīng)理王磊先生深入交流了邊緣智能的技術(shù)方向、產(chǎn)業(yè)格局、發(fā)展階段以及一些可行路徑。

全文約3600字，閱讀需要12分鐘。

物啟智，正當(dāng)時。這是中國物聯(lián)網(wǎng)產(chǎn)業(yè)的當(dāng)前寫照。

一方面，物聯(lián)網(wǎng)的基本架構(gòu)已基本完善，傳感、通信、云計算技術(shù)線均趨于成熟，也初步滲透到各行業(yè)數(shù)字化轉(zhuǎn)型中。但另一方面，經(jīng)過合力搭建，萬物互聯(lián)后的商業(yè)價值挖掘卻遲遲未“兌現(xiàn)”，這不免給物聯(lián)網(wǎng)人帶來焦慮，也讓行業(yè)人疑惑，說好的轉(zhuǎn)型升級降本增效呢？

或許為了幫助產(chǎn)業(yè)消除疑云，堅定信心，近期工信部、科技部等八部委罕見聯(lián)合背書，印發(fā)《物聯(lián)網(wǎng)新型基礎(chǔ)設(shè)施建設(shè)三年行動計劃（2021-2023年）》，再次明確物聯(lián)網(wǎng)的“新基建”身份，讓大家擼起袖子放心干。

所謂基建，就是需要前期投入巨量的人力物力、資源資本，方能在建成后撬動指數(shù)級的經(jīng)濟收益。然而，對于物聯(lián)網(wǎng)產(chǎn)業(yè)鏈大量的中小型企業(yè)，如何僅憑“相信的力量”就押注投入？

智能，或許是證明萬物互聯(lián)價值最有力的論據(jù)。

過去，IoT數(shù)據(jù)產(chǎn)生在端側(cè)，傳輸在管道，AI則在云端，“物”（IoT）與“智”（AI）的交互路徑太長，溝通成本太高，路上還有各路豪杰不時出沒，數(shù)據(jù)價值挖掘難上加難。隨著物聯(lián)網(wǎng)數(shù)據(jù)指數(shù)級增長、AI技術(shù)的突飛猛進(jìn)，業(yè)界意識到兩點之間直線最短，修筑一條IoT與AI的“直達(dá)專線”才能系統(tǒng)地解決上述成本、負(fù)載、安全等問題。物啟智，AI下沉，邊緣智能就是這條直達(dá)專線。

邊緣智能技術(shù)五六年間從邊緣走到主流，正進(jìn)入商業(yè)驗證的重要節(jié)點，無論是應(yīng)用方向還是市場格局，“C位之爭”才剛剛開始。聯(lián)想在今年9月TechWorld大會上，向外界展示了聯(lián)想大腦-Edge AI平臺以及開發(fā)者生態(tài)計劃的階段成果，加上之前硬件的四大產(chǎn)品線——邊緣智能服務(wù)器、工控機、邊緣計算網(wǎng)關(guān)與觸控一體機，一系列動作不難看出聯(lián)想瞄準(zhǔn)邊緣智能C位的雄心。

欲戴皇冠，必承其重。聯(lián)想能為整個邊緣智能產(chǎn)業(yè)帶來什么價值？對于巨頭之爭，究竟在競爭什么？面對業(yè)內(nèi)諸多懸而未決的問題，聯(lián)想篤定投入的底氣從何而來？……帶著這些問題，我與聯(lián)想集團副總裁兼聯(lián)想研究院人工智能實驗室負(fù)責(zé)人范建平博士、聯(lián)想集團中國區(qū)商用物聯(lián)網(wǎng)業(yè)務(wù)總經(jīng)理王磊先生進(jìn)行深入的采訪交流，本文提煉一些有啟發(fā)的觀點，與君分享。

站在邊緣智能風(fēng)口，Ready？Go！

創(chuàng)新，是企業(yè)可持續(xù)發(fā)展的根基，也是收益與風(fēng)險并存的變數(shù)。面對任何“機遇”，企業(yè)都需要通過精準(zhǔn)研判和自我定位而取舍。如今聯(lián)想篤定發(fā)力邊緣智能，并非簡單的見“風(fēng)”入“口”，而是多方考量之下的決策。

范建平博士表示，聯(lián)想選擇邊緣智能賽道是一個集天時、地利、人和于一體的決策。

首先，聯(lián)想在服務(wù)客戶數(shù)字化轉(zhuǎn)型中的過程中，始終堅持以洞察客戶需求為己任，不斷感受到客戶對于現(xiàn)場側(cè)數(shù)據(jù)處理的迫切需求，這成為推動聯(lián)想邁向邊緣智能賽道的主動力。

其次，當(dāng)需求浮現(xiàn)，還需要審慎評估新方向與企業(yè)自身的基因是否匹配。聯(lián)想是一個大計算的公司，從PC時代的服務(wù)器一路領(lǐng)先到邊緣計算服務(wù)器，憑借在硬件和AI方面的深厚積累，其實已在邊緣智能賽道蓄力多時?？梢哉f，是時代幫聯(lián)想踩到了邊緣智能的風(fēng)口。

聯(lián)想如何完成邊緣智能的“增長驗證”大計？

一個賽道，開始總是聞風(fēng)涌入，而后大浪淘沙。當(dāng)邊緣智能進(jìn)入全面比拼硬核實力的洗牌期，拿著“大計算”一手好牌入局的聯(lián)想，如何持續(xù)保持高位優(yōu)勢？

技術(shù)的蓬勃發(fā)展離不開從理論自洽、技術(shù)可行到商業(yè)驗證的生命周期。商業(yè)驗證先由從0到1的價值驗證，再是從1到10的增長驗證。王磊表示，在中國豐富的產(chǎn)業(yè)土壤中，從0到1的樣板式創(chuàng)新實現(xiàn)起來相對簡單，而從1到10的規(guī)?；鲩L驗證則難度陡增。新技術(shù)必須在各行業(yè)實踐中反復(fù)碰撞、融合、跨越鴻溝、破舊立新，從而書寫技術(shù)自身的價值上限。一旦跨越增長驗證的關(guān)鍵節(jié)點，產(chǎn)業(yè)后續(xù)將迎來爆發(fā)式增長。

邊緣智能已完成從0到1的價值驗證，正進(jìn)入規(guī)模化增長驗證期。這一階段，從技術(shù)發(fā)展角度來看，是一條有待驗證的斜率升高的增長曲線，從實踐角度來看，是一條充滿復(fù)雜挑戰(zhàn)的陡峭險峰。

聯(lián)想基于長期的實踐經(jīng)驗，提煉了邊緣智能在當(dāng)前階段面臨四大難題：

• 從定制化到通用化化的轉(zhuǎn)變；

• 從通用化到專用化的成效；

• 場景與技術(shù)之間的匹配；

• 生態(tài)模式的構(gòu)建。

聯(lián)想認(rèn)為，增長驗證期，首先是對整個邊緣智能產(chǎn)業(yè)的大考，其次才是對每個企業(yè)的小考。增長驗證大計，必先有小規(guī)模增長驗證，再通往大規(guī)模增長，這就需要一種“先開槍、再瞄準(zhǔn)”的開拓精神，為邊緣智能探求通用化之路、探尋可行性場景。誰來做好這件“難而正確的事”，可能就是邊緣智能巨頭之爭的核心焦點。

高位入局，以攻為守，聯(lián)想勇于承擔(dān)開拓者的產(chǎn)業(yè)使命，提出技術(shù)+生態(tài)的雙擎戰(zhàn)略：以技術(shù)為劍，破解邊緣智能與落地場景之間的復(fù)雜難題；以生態(tài)為帛，做大的邊緣智能的生態(tài)共同體，合眾之力邁出小規(guī)模增長的前期驗證。

技術(shù)為劍：以“技術(shù)確定性”，覆蓋“場景不確定性”

人類的發(fā)展史離不開工具的進(jìn)化，而持續(xù)打磨技術(shù)工具，也將對邊緣智能的規(guī)?；鲩L帶來新的啟發(fā)。

首先，邊緣智能的規(guī)模應(yīng)用，一直都受制于使用成本。因此要想遍地開花，必須先從控制成本入手。聯(lián)想如何推動邊緣智能技術(shù)的降本普惠？

王磊表示，從定制化到通用化、從項目制到產(chǎn)品化，是降本普惠的必然路徑。邊緣智能在行業(yè)中落地開始多為項目形式，它需要定制化的產(chǎn)品、方案和服務(wù)，這種重資本模式無法快速實現(xiàn)規(guī)?；瘡?fù)制。對此，聯(lián)想通過從項目實踐中提煉共性、積累算法模型等工具、打磨為通用型產(chǎn)品，在新項目、新客戶、新場景甚至跨行業(yè)實現(xiàn)復(fù)用。

其次，通用化的毛細(xì)血管打通了，但同時又伴隨了新的問題：從通用化到專用化的有效性問題。當(dāng)提煉后的邊緣智能產(chǎn)品投入實際應(yīng)用中，這些算法模型是否能夠在新場景下發(fā)揮有效性？其實對于這個問題，范建平博士及其團隊已經(jīng)在技術(shù)層面進(jìn)行思考、研發(fā)和論證。

范博士談到，物聯(lián)網(wǎng)是一個高度碎片化的市場，現(xiàn)在邊緣智能滲透的細(xì)分場景，都可以說是”新場景“，樣本數(shù)量不足、通用化模型不準(zhǔn)是新常態(tài)。例如，在精密制造領(lǐng)域，故障/缺陷檢測類應(yīng)用缺乏存量數(shù)據(jù)支撐十分常見，此時，賦予邊緣設(shè)備一定的學(xué)習(xí)能力就尤為重要。聯(lián)想基于AI積累厚積薄發(fā)，為邊緣側(cè)設(shè)備自研“小樣本終生學(xué)習(xí)”能力。

范建平博士將其比擬于人類學(xué)習(xí)新知識的過程。一方面，先通過元學(xué)習(xí)（Meta learning）教授機器“學(xué)習(xí)的方法”，同時，通過度量學(xué)習(xí) (MetricLearning)調(diào)取與新場景相似的數(shù)據(jù)，就就初步形成針對新場景的先驗知識，相當(dāng)于提高機器本身的“認(rèn)知水平”；另一方面，通過數(shù)據(jù)增強 (Data Augmentation)技術(shù)，將有限的樣本數(shù)據(jù)集進(jìn)行一系列“變形”，提高原始樣本數(shù)據(jù)的利用率。

總之，通過數(shù)據(jù)側(cè)與算法側(cè)的“雙向奔赴”，小樣本數(shù)據(jù)亦可“蚍蜉撼樹”，最終訓(xùn)練出準(zhǔn)確有效的算法模型。

此外，范建平博士還強調(diào)了技術(shù)與應(yīng)用之間的辯證關(guān)系。邊緣智能在實踐中被激發(fā)，也需要在實踐中去驗證。聯(lián)想堅持“場景+AI”理念，而非“AI+場景”，從根本上避免“拿著錘子去找釘子”的陷阱。同時，聯(lián)想本身就是一個制造企業(yè)，在對場景需求的判斷上具有天然優(yōu)勢，已有大量可“+AI”的剛需場景，讓邊緣智能可靠落地。

風(fēng)口來了，人人都能分一杯羹，而大浪淘沙之下，競爭周期會自動篩選出那些符合市場需求、并保有核心競爭力的玩家。聯(lián)想除了持續(xù)發(fā)力邊緣智能技術(shù)上的領(lǐng)先優(yōu)勢，為當(dāng)前的規(guī)模化難題找出路，更著眼于未來產(chǎn)業(yè)格局，積極布局邊緣智能生態(tài)建設(shè)，重構(gòu)企業(yè)的全新競爭力。

生態(tài)為帛：構(gòu)建邊緣智能共同體，共促“最強基建”價值釋放

對于平臺企業(yè)，一直都是得開發(fā)者得天下。如何更好地賦能開發(fā)者，是關(guān)乎聯(lián)想邊緣智能戰(zhàn)略能走多遠(yuǎn)的重要課題。

聯(lián)想基于完善的邊緣智能軟硬件技術(shù)底座向千行百業(yè)賦能賦智，發(fā)起ISV伙伴招募計劃，通過合縱連橫，讓邊緣智能的軟硬件產(chǎn)品大量“被集成”，廣泛滲透各行業(yè)解決方案中。

這是聯(lián)想與生態(tài)伙伴之間是雙向賦能的過程。

一方面，聯(lián)想通過優(yōu)勢協(xié)同，持續(xù)強化端邊管云智協(xié)同，提升全棧技術(shù)能力，搭建高效協(xié)同的開發(fā)環(huán)境，使開發(fā)者更專注行業(yè)場景本身，打造精品應(yīng)用。另一方面，隨著新的應(yīng)用場景+Edge AI的結(jié)合、驗證、內(nèi)測、打磨，聯(lián)想技術(shù)底座也將得到進(jìn)一步完善。

自今年8月份第一批ISV合作伙伴入駐以來，聯(lián)想邊緣智能已發(fā)展近百家ISV合作伙伴。王磊表示，聯(lián)想與生態(tài)伙伴充分考慮了當(dāng)前邊緣智能市場的發(fā)展階段特征，采用小步快跑的節(jié)奏，快速迭代+充分驗證，通過打磨好每一個產(chǎn)品和應(yīng)用，走穩(wěn)規(guī)?；鲩L的每一步。

獨行快，眾行遠(yuǎn)。隨著生態(tài)共同體在更加多元化的行業(yè)落地深耕，邊緣智能才有望發(fā)揮其作為物聯(lián)網(wǎng)時代最強基建的真正作用。借助生態(tài)之力，聯(lián)想邊緣智能的技術(shù)底座一再破圈，在成就伙伴價值的同時，也成就了聯(lián)想全新的生態(tài)競爭力。