边缘计算与生成式AI结合于边缘智能，让大量工业设备拥有“说话”的能力

这是我的第295篇专栏文章。

这周，研华公司在昆山举办了主题为“共建数智化·共创赢未来”的智能制造+智慧能源产业伙伴峰会。本次会议聚焦智能制造、绿色能源两大产业，研华携手500+产业专家、生态合作伙伴、客户代表，围绕企业智能生产、绿色低碳转型展开了深入探讨。

在会议中，给我印象最深的是生成式AI与边缘计算深度融合，两者结合形成的边缘智能应用正在快速落地。

如今边缘计算的发展已经成为共识，随着生成式AI的持续升温，边缘与AI结合的热度与日俱增，但是热归热，这种共识真正能够落地实践是存在一定门槛的。

例如，从上云到边缘部署的市场认知、业务路径转变、云边协同的平衡点、边缘管理平台的稳定性等，都是不太容易解决的发展阻力。

难的事情往往更有价值。

研华正在将近40年的边缘计算能力复制到智慧工厂、智慧医疗、智慧零售、智慧建筑、智慧城市等各个行业。

俗话说，Eating your own dog food，自己的产品自己先用，研华还把新一代的边缘智能解决方案应用于自家工厂，让数据驱动车间的管理，让数据真正成为了生产力。

这篇文章就来详细整理一下我在峰会中的相关收获。

契合边缘计算的3个阶段，择时推出开放软件“三环合体”

虽然边缘计算与人工智能的彼此融合处于技术周期的热度高点，但是这项应用对于产业协同和企业技术底座要求较高，包括算力供给能力、云边端协同联动能力以及咨询服务能力等，真正做起来并没有那么容易。

在峰会中，研华董事长刘克振先生借鉴了Gartner的分析，来阐述边缘计算在接下来几年的发展历程。

这里的“边缘”是一个广义的概念，指的是在云平台之外，所有贯穿和连接实体设备的硬件和软件，涵盖边缘基础设施、边缘设备、边缘AI、网关、I/O模块、边缘服务器、控制器、微数据中心和分析软件等。

在接下来的5~10年，边缘计算将经历3个发展阶段：

• 第一阶段，边缘计算的需求仅仅是企业数字化转型的一部分，并且这些用户需求呈现出高度定制化，市场规模比较小；

• 第二阶段，随着行业需求的深入，边缘计算的需求会不断扩展，形成面向特定垂直行业的一整套整体解决方案，市场规模也在持续扩大；

• 第三阶段，边缘计算的许多技术需求将跨越垂直领域，比如企业用户需求会从店面智慧零售扩展到工厂AI质检场景和智慧油井的一些工作场景中，需要供应商具备横向扩展的能力。

研华期待这样的进化在未来5~10年会完全实现，形成AIoT上下游产业的融合，并促成行业的进化。

研华将在工业自动化和边缘计算领域用心耕耘。为了适应未来的发展，AIoT边缘计算需要一套完整开放的软件平台作为支撑底座，因此研华决定将各种软件充分联通，形成上图的“三环合体”，打造完整的服务体系。

第一个环是最上方的EdgeSync 360，这是一个边缘智能的模块，包括通讯、远程管理、数据传输等子集。

第二个环是右下方的WISE-IoT Suite，这是工业互联网平台，为企业数字化转型提供了云边端一体化交付引擎。

第三个环是左下方的AI Fusion，这是新增的部分，也是最为强调的一环，它将生成式人工智能融合进来。

刘克振在演讲中提到，生成式AI可能会对物联网造成很大的影响，可以把搜集到的数据，进一步做分析决策。

现在多数的解决方案做出来是一个仪表板，涵盖很多数据，但无法告诉使用者该做什么决策。而生成式AI的融入，让AIoT搜集的数据变成有用的资料，让物联网从可视化的界面呈现，进化到自然语言的直接表达。

亲身实践，让看不见的数据流带来巨大的价值

如今，很多制造企业已经意识到了数据的价值，意识到了应该将宝贵的数据资产做更好的采集、分析和预测，来驱动新型制造，这是企业的必然方向。

进而我们从看得见的自动化，迈入了看不见的自动化阶段。

什么是看不见的自动化？

在不采购新设备的前提下，我们有可能通过已有的设备获得关键数据，通过这些看不见的数据流，创造更大的价值。也就是这些看不见的数据，将成为驱动企业未来创新最重要的动能。

在研华的昆山工厂，正是“看不见自动化”的实验场。在工厂发展的早期，研华投入了大量的新设备，随着发展的深入，研华开始投入大量看不见的数据化和智能化。

通过研华自身的实践，看不见的自动化确实发挥了很好的效力。

先说成果，从2013到2023的十年间，研华昆山制造中心的人力并没有太大波动，但是人均单位产值翻了3倍（如上图所示，气泡越大表示人均产值越大）。

在这样的过程中，研华越来越相信数据的价值，从底层的设备数据，到企业经营数据，再到用户产生的数据，数据将会全面驱动创新，也推动了研华乃至整个产业的全面变革。

那么这么一家略显传统，甚至有些老旧的工厂，是怎么一步步做到升级改造的呢？

整体过程可以分成三个阶段。

第一个阶段，2013~2015年，基于精益生产的基础，打造数据底座。

在2012年的时候，研华第一次听说工业4.0，但是当时并不清楚什么是工业4.0。从2013年开始，工业4.0逐渐成为了显学，大家都在谈，研华也从2013年开始做数字化转型，打通了ERP和MES等系统，通过APS来贯穿订单和生产的过程控制，同时将人的经验转移到系统来取代重复性的工作，实现了部分的实时数据可视化。

第二个阶段，2016~2021年，digital enable，加速数据优化的进程。

在这个阶段，研华遇到了很多瓶颈和障碍。典型的挑战比如工厂缺乏一盘棋的整体视角，业务驱动目标不明确，场景数据、应用、系统架构不清晰；大量数据散布在不同的系统中，很多应用开发都会需要众多的专用接口，IT变成了瓶颈。

为了解决这个问题，研华把数据上传到data inside智能化平台，这相当于是一个数据中台。平台划分为不同的主题域，包含生产设备、品质、订单物料等，分类分项的做一些管理，然后向上展示一些标准的接口，这时各种数据可以通过数据中台快速的收集、上传和分析。

由于建立了这样一个高效可用的数据中台，IT工程师的角色从原来gatekeeper变成了facilitator，研华认为这点在转型中是至关重要的一步。

第三个阶段，2022年之后，AI enable，引入更多的AI能力，加速智能制造的转型。

这个阶段正在开展的过程中。

通过数字化转型，研华在绿色改造和节能方面也取得了很好的成效。

2022年，昆山工厂的整体产值增长7%，用电量下降238千瓦，单位产值的电耗有大约10%的节约。同时昆山工厂还布建了光伏设施，太阳能占到全年电能供给的5~8%。所有这些举措综合下来，研华昆山工厂有望在2050年实现净零碳排放目标。

三废排放也有了显著性的改善，废气的减排量是12%，废水排放降低了31%，废弃物的排放减少了32%。

在数字化转型的过程中，研华的自动化架构发生了巨大的变化，主要的转变有4点：

1.从集中式到分布式架构

决策和控制在边缘设备、云端服务器，以及中心控制器之间进行分布和协同。

2.从传统硬件到软件定义

很多功能和自动化架构采用软件定义的方式来实现，传统的硬件设备逐渐被软件化，这也是研华大量投入软件与平台的初衷。

3.从静态到AI动态优化

过去的自动控制是一个逻辑架构，现在的工业互联网通过数据的不断反馈，形成了一个动态AI结合的优化系统，这个系统会愈发智能。

4.从闭环到开放生态

从过去的单一封闭系统到开放生态，这也是研华将昆山的研发中心取名叫做“协同创新研发中心”的原因，研发一定要和客户、用户结合在一起。

跨越鸿沟，从数字化到智能化用数据驱动管理

当我们解决了第一个生产现场数据采集与接入的问题，解决了第二个IT与OT数据整合与打通的问题，自然就会遇到第三个问题：也就是如何从数字化到智能化，跨越鸿沟，真正实现用数据驱动管理？

企业的数字化转型一定是离不开数据的，但是其实数据也往往是企业启动数字化转型的一个最大的障碍。

上图是Gartner刚刚发布的数据和分析基础设施模型DAIM，通过这个模型，让我们从已知探索未知。

已知的条件很明显，比如上个月我们做的怎么样？上个月我们为什么做到了？下一步我们解决的问题是要知道未知的数据，去解决未知的问题，也就是我们要做预测和决策。我们要知道下个月能做成什么样？还要知道我们做什么，下个月才能达到目标？

我们很多制造企业在现场收集了大量的设备和传感器数据，还有企业IT信息系统的数据，现在要解决的问题就是怎么跨越鸿沟，让这些数据能够驱动管理和决策，中间这个鸿沟就要用AI技术帮助我们跨越。

研华将多种AI解决方案融入了技术架构，涵盖智能制造、安全生产、能源管理等方面。现在研华正在探索将生成式AI与边缘计算相结合。

IoT Edge是一个设备联网和边缘计算的工具，众所周知它的功能强大，但是强大功能的背后往往隐含着操作的复杂。

我们一切应该回到以人为本，AI的本质是能够提升我们人机交互的体验，所以研华使用IoT Edge和生成式AI进行了整合性探索。

借助语音和文本的自动转换工具，工程师和管理者不需要在界面上进行操作。以后的场景可能是在AI赋能之下，IoT Edge将变成一台会说话的边缘盒子。

我们不再需要在软件界面上去进行操作和配置，产线的操作者可以用自然语言对话的方式，直接和边缘的盒子去进行交互，让这个盒子自动帮我们去完成设备联网和边缘数据的采集。

今后的设备维护也将更加简便。如果监控系统发现设备的物联网数据异常，AI Copilot会自动的关联这个设备所有历史的问题和维修记录，并且自动派工给当天值班的维修工程师。

维修工程师收到这份工单和相关资料之后，可以继续通过自然语言对话的方式和AI Copilot进行交互，进一步明确问题。

当他做出一个维修方案之后，不会立刻去真实设备维修，而是先在这台设备的数字孪生体进行模拟调校，确认维修方案确实可行之后，下达指令给AI copilot自动的维修这台设备，并且生成维修报告。

写在最后

未来已来，我们唯有加速奔赴。

边缘计算和人工智能的融合，形成的边缘智能应用正在快速落地，为企业数字化转型提供有力支持。

今年我们能够明显感受到制造业数字化转型的需求尤为迫切，而制造业的数字化转型核心是数据驱动，让数据能够真正的创造价值。

期待研华在昆山工厂的实践可以被广泛复制，助力更多的制造企业打造数据底座，加速数据优化的进程，让看不见的自动化发挥效力。通过边缘智慧赋能现代制造，让更多的工业设备拥有“说话”的能力。