说米网

在事务加快转型晋级下，关于“联想”两个字，近些年业界旧有认知不断被打破。这其间，物联网大趋势下联想的AI技能立异与使用尤为值得重视。

先是9月初，联想在其立异大会上向群众展现了联想大脑-Edge AI渠道，要为用户供给云-边-端全场景、全生命周期的AI服务，赋能各个职业的智能化转型；

然后在10月23日的2021我国物联网工业领航者峰会上，联想又清晰表露了其未来物联网开展战略，即在边际智能服务器、工控机、边际核算网关与触控一体机等四大产品线根底上，依托Edge AI渠道聚集制作、零售、医疗、金融四大范畴。

依据本身优势和职业开展趋势的一起效果，联想商用IoT事务正在进入快速开展周期，带动联想从业界认知到事务实践的重要晋级。

物联网工业“J型曲线”趋势明亮，具有前期优势的联想再借力AI？

在全球范围内尤其是我国，近几年物联网的开展无疑非常迅猛。

就在9月底，工业和信息产业部等八部委联合印发了《物联网新式根底设施建造三年行动计划（2021-2023年）》，物联网在未来经济社会生活中的底层位置建立，许多的技能立异和商业机会等候发掘。

这时候，本来具有相关产品出产阅历堆集的联想将商用IoT事务提到了新的高度也就水到渠成了，而Edge AI渠道的推出，则与物联网对AI的需求越来越旺盛密不行分。

事实上，Edge AI既是联想推出的渠道称号，一起也是普适技能概念，它是相关于Cloud AI而言的，即AI的核算和成果输出在边际端设备自主完结，在数据安全、核算实时性等方面有不行代替的价值。在物联网高速开展的一起，Edge AI的商场也逐渐扩展，闻名研讨机构高德纳就以为Edge AI将在未来两三年成为干流。

所以，现在正是Edge AI从积蓄力量到高速增加的窗口期。

在物联网终端和AI技能现已阅历长时间堆集后，Edge AI正面临爆发式增加，其进程，很相似于经典“J型曲线”，由美国政治学家布雷默在研讨了许多的组织开展样本后提出，其特征是先慢后快，前期稍陡峭（堆集期），阅历一个宽幅的拐点区域后，开端快速增加：

对联想而言，未来几年Edge AI预料之中的高速开展，意味着现在正是打破“J型曲线”拐点的关键时刻。而在“J型曲线”理论中，打破拐点的条件包含两点：

一是“拐点”之前相对低速的开展进程不能是“等候”，而是开展条件堆集的进程。

这方面，联想现已具有了深沉物联网工业沉淀。无论是边际端仍是云端，在硬件产品和计划上联想都现已成为国际范围的领跑者，关于商用IoT，联想现已有了非常老练的技能堆集和落地阅历。此外，多年来的立异研制还让联想在CV、NLP、常识图谱、数据AI等AI才能方面都有了不错的才能储藏。

二是在长时间堆集后，需求有将各种才能堆集转化成为事务增加的关键，构成“拐点”后高速增加的“trigger”。

对联想来说，这个trigger便是Edge AI开端走出了与职业一般做法不相同的途径。详细是怎样做的，要从联想Edge AI打出的三张牌看起。

打出“剑走偏锋”的三张牌，联想Edge AI得到了什么？

在事务根底、阅历和堆集之上，联想推进Edge AI处处体现出与职业通行做法不太相同的当地，·用“剑走偏锋”来描述不为过。

1、凭仗既有事务阅历堆集，推进Edge AI做出标杆使用

在所谓“To B”浪潮中，许多企业尤其是互联网企业的一般做法，都是先拟定一个微观蓝图然后一个个场景去推进。而联想在制作业等优势范畴的终年耕耘，推进其Edge AI能够在起步期即做到了范畴内的深度扎根，做到了先有场景标杆事例后再进行Edge AI微观布局。

例如，现在联想Edge AI在手机、笔记本出产线上现已有广泛的落地，其智能化缺点检测能够大大提高流水线产品缺点检测的功率和准确率；此外，联想Edge AI还服务其重要的工业链同伴，例如国际上最大电池出产厂商的电池缺点检测，等等。

现在，联想Edge AI将首要布局制作、零售、医疗、金融等四个首要范畴，在“初生”伊始，就向业界表达出其经受了大规模实践查验的可信度。场景和实践先行，让联想Edge AI的快速开展有了商场认知的先天优势，也更简单在特定场景走得更为深化，发掘更多价值。

2、凭仗技能打破立异，处理Edge AI职业痛点问题

Edge AI在许多使用场景下面临着根底数据不充分的问题，难以支撑一般的那种经过许多数据喂食而来的算法，且边际设备的核算才能相关于云端又非常有限，不能支撑那些对算力有很高要求的算法。

由此，Edge AI有必要做到用更少的数据就能练习出高准确率而又“节省”算力的算法。

但许多所谓的AI巨子、AI独角兽所具有的往往仍是那些大数据量、大算力支撑的技能，如多模态、大模型，它们引领着AI开展潮流却未必符合Edge AI。

而联想Edge AI采用了现在业界前沿的小样本学习，能够做到在较少数据量的状况下较好地进行AI模型的练习，提高才能。

小样本学习好像人类对国际的认知不太需求许多的重复，例如看一个苹果后，其他的苹果根本都能认出来，而大样本学习的逻辑是经过许多的图片练习让AI“知道”简直一切的苹果形状。

在这种状况下，小样本学习符合了多样化场景的需求，尤其是在用户根底数据不多的状况下（这种状况非常遍及）。此外，联想Edge AI还采用了云端预练习模型的方法，经过紧缩、量化把来自云端的优质算法与边际设备核算才能相符合。

而面临边际安置较为扎手的晋级难题，联想的Edge AI在模型规划初期就凭仗小样本便当完成了依据使用需求晋级的才能，例如，当手机电路板规划发生变化时，用于缺点检测的Edge AI使用能够自主完成“认知晋级”。

3、凭仗硬件的定制化立异，完成两种事务形式的商场符合

规模化和定制化的对立，在面向企业的智能化转型晋级服务中一向存在，而联想Edge AI以抽出技能共性的奇妙方法处理了这个问题。

现在，联想Edge AI使用在渠道上以AI units（技能单元，相似可组合的积木块）的方法完成了80%左右的共通核心技能，而剩下20%则依据场景进行个性化定制。如此，以快速的积木化组合的方法，联想Edge AI的开展摆脱了一个个事例从头做的境况，能够完成较为快速的规模化扩张，做到了标准化与个性化的一致。

而这也让联想Edge AI顺便完成了所谓“一个渠道，两种事务形式”，即那些有AI开发才能的企业能够快速组建起“小快灵”使用；而没有AI开发才能的客户，订阅形式下体系能够依据场景需求主动组合、供给AI处理计划。

在这种闭环下，Edge AI进入工业和场景的门槛也大大下降。

职业共性应战：摆在联想Edge AI面前的坎？

尽管联想剑走偏锋获得了共同的开展优势，但Edge AI作为一个职业概念在快速进程中还存在一些共性的工业应战，检测着联想的技能和事务立异才能。

首先是Edge AI使用常常会面临的信息安全问题。

几毛钱就能买到一张人脸信息，最近关于AI使用的信息安全问题再次成为了社会焦点。

Edge AI在边际端的落地，避免不了许多的信息数据收集，其间也包含许多的私家信息，因而Edge AI的开展必定伴随着对信息安全的高要求。

而越是能够独立完结使命、不需求云端任何支撑的Edge AI使用越能够避免信息安全问题的呈现。或者说，真实的Edge AI生来就在避免信息安全问题。

联想的深圳工厂特定出产区域就有专门的Edge AI使用进行监控，避免未经授权的人进入，一起又能很好地确保被拍照的人员数据安全——数据从未上传到云端，在端侧就现已彻底完结了辨认使命。相似的，还有联想所供给的闸机体系，本地辨认完结后数据被直接清洗掉，杜绝了“卖脸”的可能性。

然后是Edge AI背面的全智能化转型技能架构要求。

作为物联网的一种延伸和强化，Edge AI固然在详细形状上体现为终端产品，但从前文能够看出，供给云-边-端全场景、全生命周期AI服务的Edge AI，离不开来自云端的才能、来自边际侧的技能支撑、来自全体化网络服务（例如5G、商用wifi）的支撑，等等。

这给物联网龙头企业从事Edge AI设下了隐性的门槛。所以，能够看到联想Edge AI背靠的是联想“端-边-云-网-智”一整套全智能化转型的技能架构，而这套架构自从2019年被提出来之后，联想还在对其不断优化。

这意味着，技能、职业阅历、产品才能仅仅Edge AI的敲门砖，要走得更深、更远发明更多价值，全维度才能的技能架构支撑也比不行少，它是完成Edge AI的“硬实力”。

最终是Edge AI需求不断进行场景拓宽来提高商业价值天花板。

在智能制作、才智城市等赛道上，已有的物联网需求成为Edge AI能够直接拓宽的目标，但Edge AI明显不能满意于此，不然就被限制住了，AI的价值也无法充分利用。

所以，能够看到联想一向在做场景和使用的打破，典型如测验落地一种零售门店人流密度剖析的Edge AI使用，经过摄像头收集信息、AI判别人流热门区域，然后对门店的安置和产品配给供给支撑。

总而言之，凭仗深沉的实践堆集和前沿的技能立异，联想Edge AI正在以共同的做法打破职业“J型曲线”拐点，而这个进程中一些职业共性应战也显露出来，联想有必要面临也正在面临。物联网大时代，在联想等职业龙头企业的推进下，归于Edge AI的华章正在敞开。