文 | 曾響鈴

來源 | 科技向令說

在業(yè)務(wù)加速轉(zhuǎn)型升級下,對于“聯(lián)想”兩個字,近些年業(yè)界舊有認(rèn)知不斷被打破。這其中,物聯(lián)網(wǎng)大趨勢下聯(lián)想的AI技術(shù)創(chuàng)新與應(yīng)用尤為值得關(guān)注。

先是9月初,聯(lián)想在其創(chuàng)新大會上向大眾展示了聯(lián)想大腦-Edge AI平臺,要為用戶提供云-邊-端全場景、全生命周期的AI服務(wù),賦能各個行業(yè)的智能化轉(zhuǎn)型;

然后在10月23日的2021中國物聯(lián)網(wǎng)產(chǎn)業(yè)領(lǐng)航者峰會上,聯(lián)想又明確表露了其未來物聯(lián)網(wǎng)發(fā)展策略,即在邊緣智能服務(wù)器、工控機、邊緣計算網(wǎng)關(guān)與觸控一體機等四大產(chǎn)品線基礎(chǔ)上,依靠Edge AI平臺聚焦制造、零售、醫(yī)療、金融四大領(lǐng)域。

基于自身優(yōu)勢和行業(yè)發(fā)展趨勢的共同作用,聯(lián)想商用IoT業(yè)務(wù)正在進(jìn)入快速發(fā)展周期,帶動聯(lián)想從業(yè)界認(rèn)知到業(yè)務(wù)實際的重要升級。

物聯(lián)網(wǎng)產(chǎn)業(yè)“J型曲線”趨勢明朗,擁有前期優(yōu)勢的聯(lián)想再借力AI?

在全球范圍內(nèi)尤其是中國,近幾年物聯(lián)網(wǎng)的發(fā)展無疑十分迅猛。

就在9月底,工業(yè)和信息化部等八部委聯(lián)合印發(fā)了《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)》,物聯(lián)網(wǎng)在未來經(jīng)濟社會生活中的底層地位確立,大量的技術(shù)創(chuàng)新和商業(yè)機遇等待挖掘。

這時候,原本擁有相關(guān)產(chǎn)品生產(chǎn)經(jīng)驗積累的聯(lián)想將商用IoT業(yè)務(wù)提到了新的高度也就順理成章了,而Edge AI平臺的推出,則與物聯(lián)網(wǎng)對AI的需求越來越旺盛密不可分。

事實上,Edge AI既是聯(lián)想推出的平臺名稱,同時也是普適技術(shù)概念,它是相對于Cloud AI而言的,即AI的計算和結(jié)果輸出在邊緣端設(shè)備自主完成,在數(shù)據(jù)安全、計算實時性等方面有不可替代的價值。在物聯(lián)網(wǎng)高速發(fā)展的同時,Edge AI的市場也逐步擴大,知名研究機構(gòu)高德納就認(rèn)為Edge AI將在未來兩三年成為主流。

所以,現(xiàn)在正是Edge AI從蓄積力量到高速增長的窗口期。

在物聯(lián)網(wǎng)終端和AI技術(shù)已經(jīng)經(jīng)歷長時間積累后,Edge AI正面臨爆發(fā)式增長,其過程,很類似于經(jīng)典“J型曲線”,由美國政治學(xué)家布雷默在研究了大量的組織發(fā)展樣本后提出,其特征是先慢后快,前期稍平緩(積累期),經(jīng)歷一個寬幅的拐點區(qū)域后,開始快速增長:

對聯(lián)想而言,未來幾年Edge AI預(yù)料之中的高速發(fā)展,意味著現(xiàn)在正是突破“J型曲線”拐點的關(guān)鍵時刻。而在“J型曲線”理論中,突破拐點的條件包括兩點:

一是“拐點”之前相對低速的發(fā)展過程不能是“等待”,而是發(fā)展條件積累的過程。

這方面,聯(lián)想已經(jīng)擁有了深厚物聯(lián)網(wǎng)產(chǎn)業(yè)積淀。無論是邊緣端還是云端,在硬件產(chǎn)品和方案上聯(lián)想都已經(jīng)成為世界范圍的領(lǐng)跑者,對于商用IoT,聯(lián)想已經(jīng)有了非常成熟的技術(shù)積累和落地經(jīng)驗。此外,多年來的創(chuàng)新研發(fā)還讓聯(lián)想在CV、NLP、知識圖譜、數(shù)據(jù)AI等AI能力方面都有了不錯的能力儲備。

二是在長期積累后,需要有將各種能力積累轉(zhuǎn)化成為業(yè)務(wù)增長的契機,形成“拐點”后高速增長的“trigger”。

對聯(lián)想來說,這個trigger就是Edge AI開始走出了與行業(yè)通常做法不一樣的路徑。具體是怎么做的,要從聯(lián)想Edge AI打出的三張牌看起。

打出“劍走偏鋒”的三張牌,聯(lián)想Edge AI得到了什么?

在業(yè)務(wù)基礎(chǔ)、經(jīng)驗和積累之上,聯(lián)想推進(jìn)Edge AI處處體現(xiàn)出與行業(yè)通行做法不太一樣的地方,·用“劍走偏鋒”來形容不為過。

1、憑借既有業(yè)務(wù)經(jīng)驗積累,推動Edge AI做出標(biāo)桿應(yīng)用

在所謂“To B”浪潮中,很多企業(yè)尤其是互聯(lián)網(wǎng)企業(yè)的普通做法,都是先制定一個宏觀藍(lán)圖然后一個個場景去推進(jìn)。而聯(lián)想在制造業(yè)等優(yōu)勢領(lǐng)域的常年耕耘,推動其Edge AI能夠在起步期即做到了領(lǐng)域內(nèi)的深度扎根,做到了先有場景標(biāo)桿案例后再進(jìn)行Edge AI宏觀布局。

例如,目前聯(lián)想Edge AI在手機、筆記本生產(chǎn)線上已經(jīng)有廣泛的落地,其智能化缺陷檢測可以大大提升流水線產(chǎn)品缺陷檢測的效率和準(zhǔn)確率;此外,聯(lián)想Edge AI還服務(wù)其重要的產(chǎn)業(yè)鏈伙伴,例如世界上最大電池生產(chǎn)廠商的電池缺陷檢測,等等。

目前,聯(lián)想Edge AI將主要布局制造、零售、醫(yī)療、金融等四個主要領(lǐng)域,在“初生”伊始,就向業(yè)界表達(dá)出其經(jīng)受了大規(guī)模實踐檢驗的可信度。場景和實踐先行,讓聯(lián)想Edge AI的快速發(fā)展有了市場認(rèn)知的先天優(yōu)勢,也更容易在特定場景走得更為深入,挖掘更多價值。

2、憑借技術(shù)突破創(chuàng)新,解決Edge AI行業(yè)痛點問題

Edge AI在很多應(yīng)用場景下面臨著基礎(chǔ)數(shù)據(jù)不充分的問題,難以支撐通常的那種通過大量數(shù)據(jù)喂養(yǎng)而來的算法,且邊緣設(shè)備的計算能力相對于云端又十分有限,不能支撐那些對算力有很高要求的算法。

由此,Edge AI必須做到用更少的數(shù)據(jù)就能訓(xùn)練出高準(zhǔn)確率而又“節(jié)約”算力的算法。

但很多所謂的AI巨頭、AI獨角獸所擁有的往往還是那些大數(shù)據(jù)量、大算力支撐的技術(shù),如多模態(tài)、大模型,它們引領(lǐng)著AI發(fā)展潮流卻未必契合Edge AI。

而聯(lián)想Edge AI采用了目前業(yè)界前沿的小樣本學(xué)習(xí),可以做到在較少數(shù)據(jù)量的情況下較好地進(jìn)行AI模型的訓(xùn)練,提升能力。

小樣本學(xué)習(xí)如同人類對世界的認(rèn)知不太需要大量的重復(fù),例如看一個蘋果后,其他的蘋果基本都能認(rèn)出來,而大樣本學(xué)習(xí)的邏輯是通過大量的圖片訓(xùn)練讓AI“認(rèn)識”幾乎所有的蘋果形態(tài)。

在這種狀況下,小樣本學(xué)習(xí)契合了多樣化場景的需要,尤其是在用戶基礎(chǔ)數(shù)據(jù)不多的情況下(這種情況十分普遍)。此外,聯(lián)想Edge AI還采用了云端預(yù)訓(xùn)練模型的方式,通過壓縮、量化把來自云端的優(yōu)質(zhì)算法與邊緣設(shè)備計算能力相契合。

而面對邊緣部署較為棘手的升級難題,聯(lián)想的Edge AI在模型設(shè)計初期就借助小樣本便利實現(xiàn)了根據(jù)應(yīng)用需求升級的能力,例如,當(dāng)手機電路板設(shè)計發(fā)生變化時,用于缺陷檢測的Edge AI應(yīng)用可以自主實現(xiàn)“認(rèn)知升級”。

3、憑借硬件的定制化創(chuàng)新,實現(xiàn)兩種業(yè)務(wù)模式的市場契合

規(guī)模化和定制化的矛盾,在面向企業(yè)的智能化轉(zhuǎn)型升級服務(wù)中一直存在,而聯(lián)想Edge AI以抽出技術(shù)共性的巧妙方式解決了這個問題。

目前,聯(lián)想Edge AI應(yīng)用在平臺上以AI units(技術(shù)單元,類似可組合的積木塊)的方式實現(xiàn)了80%左右的共通核心技術(shù),而剩余20%則根據(jù)場景進(jìn)行個性化定制。如此,以快速的積木化組合的方式,聯(lián)想Edge AI的發(fā)展擺脫了一個個案例從頭做的境況,能夠?qū)崿F(xiàn)較為快速的規(guī)�；瘮U張,做到了標(biāo)準(zhǔn)化與個性化的統(tǒng)一。

而這也讓聯(lián)想Edge AI附帶實現(xiàn)了所謂“一個平臺,兩種業(yè)務(wù)模式”,即那些有AI開發(fā)能力的企業(yè)可以快速組建起“小快靈”應(yīng)用;而沒有AI開發(fā)能力的客戶,訂閱模式下系統(tǒng)可以根據(jù)場景需求自動組合、提供AI解決方案。

在這種閉環(huán)下,Edge AI進(jìn)入產(chǎn)業(yè)和場景的門檻也大大降低。

行業(yè)共性挑戰(zhàn):擺在聯(lián)想Edge AI面前的坎?

雖然聯(lián)想劍走偏鋒獲得了獨特的發(fā)展優(yōu)勢,但Edge AI作為一個行業(yè)概念在快速過程中還存在一些共性的產(chǎn)業(yè)挑戰(zhàn),考驗著聯(lián)想的技術(shù)和業(yè)務(wù)創(chuàng)新能力。

首先是Edge AI應(yīng)用常常會面臨的信息安全問題。

幾毛錢就能買到一張人臉信息,最近關(guān)于AI應(yīng)用的信息安全問題再次成為了社會焦點。

Edge AI在邊緣端的落地,避免不了大量的信息數(shù)據(jù)采集,其中也包括大量的私人信息,因此Edge AI的發(fā)展一定伴隨著對信息安全的高要求。

而越是能夠獨立完成任務(wù)、不需要云端任何支持的Edge AI應(yīng)用越能夠避免信息安全問題的出現(xiàn)。或者說,真正的Edge AI生來就在避免信息安全問題。

聯(lián)想的深圳工廠特定生產(chǎn)區(qū)域就有專門的Edge AI應(yīng)用進(jìn)行監(jiān)控,防止未經(jīng)授權(quán)的人進(jìn)入,同時又能很好地保證被拍攝的人員數(shù)據(jù)安全——數(shù)據(jù)從未上傳到云端,在端側(cè)就已經(jīng)完全完成了識別任務(wù)。類似的,還有聯(lián)想所提供的閘機系統(tǒng),本地識別完成后數(shù)據(jù)被直接清洗掉,杜絕了“賣臉”的可能性。

然后是Edge AI背后的全智能化轉(zhuǎn)型技術(shù)架構(gòu)要求。

作為物聯(lián)網(wǎng)的一種延伸和強化,Edge AI固然在具體形態(tài)上體現(xiàn)為終端產(chǎn)品,但從前文可以看出,提供云-邊-端全場景、全生命周期AI服務(wù)的Edge AI,離不開來自云端的能力、來自邊緣側(cè)的技術(shù)支撐、來自整體化網(wǎng)絡(luò)服務(wù)(例如5G、商用wifi)的支持,等等。

這給物聯(lián)網(wǎng)龍頭企業(yè)從事Edge AI設(shè)下了隱性的門檻。所以,可以看到聯(lián)想Edge AI背靠的是聯(lián)想“端-邊-云-網(wǎng)-智”一整套全智能化轉(zhuǎn)型的技術(shù)架構(gòu),而這套架構(gòu)自從2019年被提出來之后,聯(lián)想還在對其不斷優(yōu)化。

這意味著,技術(shù)、行業(yè)經(jīng)驗、產(chǎn)品能力只是Edge AI的敲門磚,要走得更深、更遠(yuǎn)創(chuàng)造更多價值,全維度能力的技術(shù)架構(gòu)支撐也比不可少,它是實現(xiàn)Edge AI的“硬實力”。

最后是Edge AI需要不斷進(jìn)行場景拓展來提升商業(yè)價值天花板。

在智能制造、智慧城市等賽道上,已有的物聯(lián)網(wǎng)需求成為Edge AI可以直接拓展的對象,但Edge AI顯然不能滿足于此,否則就被限定住了,AI的價值也無法充分利用。

所以,可以看到聯(lián)想一直在做場景和應(yīng)用的突破,典型如嘗試落地一種零售門店人流密度分析的Edge AI應(yīng)用,通過攝像頭采集信息、AI判斷人流熱點區(qū)域,從而對門店的布置和產(chǎn)品配給提供支持。

總而言之,憑借深厚的實踐積累和前沿的技術(shù)創(chuàng)新,聯(lián)想Edge AI正在以獨特的做法突破行業(yè)“J型曲線”拐點,而這個過程中一些行業(yè)共性挑戰(zhàn)也顯露出來,聯(lián)想必須面對也正在面對。物聯(lián)網(wǎng)大時代,在聯(lián)想等行業(yè)龍頭企業(yè)的推動下,屬于Edge AI的篇章正在開啟。