锚定AIoT+边缘计算，我们能跟研华学些什么？

人到了40岁，一个不得不加的标签就是“成熟”。
那么，一个成立了40年的企业，在专注的领域，有什么想要谈一谈？

今年是研华科技成立40周年，在2023研华智能设备产业伙伴峰会上，研华科技董事长刘克振先生宣布将以“AIoT+边缘计算”作为下阶段的发展核心。

随着大模型再次掀起AI的浪潮，行业对于算力也提出了更高的要求，同样，在物联网领域也诞生了更多新的需求和场景。那么，研华在AIoT和边缘AI领域有怎样的理解、落地和布局？研华对该领域未来的判断如何？

研华工业物联网事业群副总经理任大伟 David与研华科技产业云暨视频解决方案事业群副总经理鲍志伟Magic接受了智次方·物联网智库的专访，分享司龄40载的研华在AIoT和边缘计算领域的落地体验、思考与未来判断。

1. 从AI算力盒子谈起

根据Gartner研究，随着行业需求的深入和发展，边缘计算将逐渐成为数字化转型的重要组成部分。Gartner还预测，到2026年，50%的边缘产品将具有AI能力。

基于其丰富的工控机等的硬件背景，研华在边缘AI领域提供了多种形态和功能的产品，提供从40 TOPS到1200 TOPS 算力的产品，亦提供x86和ARM等多种架构。围绕边缘侧AI数据采集、推理和训练，研华也提供了相应的AI相机、开发板、采集卡、推理加速卡、机架式服务器等产品。

众多边缘AI相关的设备中，有相当一部分是基于英伟达Jetson平台的软硬件产品，用于智能工厂、智慧交通、智能工业等多种场合；在“国产芯”的适配和应用上，研华基于昇腾Atlas 200I、Atlas300I 系列，推出了嵌入式、通用型以及短款边缘计算平台，满足客户的不同需求。

研华在边缘AI布局的脚步始于AI Box。所谓AI BoX，就是盒子形状的台式计算机，外观小巧，算力强大。研华AI BOX产品保留其工业基因，具备宽温、宽压、抗振特性，兼具端侧推理算力性能，适合用于一些端边侧的AI算力场景，在生产自动化、智能工厂管理，智能交通以及视觉影像处理等领域进行落地应用。

除了提供端侧和边缘AI推理盒子外，还有一些适用于云端和AI训练的GPU服务器。通过多年的积累和迭代，研华在边缘AI领域已经能够提供满足不同场景、不同算力需求、不同终端和产业算力产品。

但是，仅仅提供AI算力还不够，换一家企业，围绕AI芯片进行包装也能提供类似的产品。为什么研华能在与上下游伙伴的合作当中，形成规模化的产品和影响力、破局而出呢？

2.做“推手”也能有优势

Magic表示，在AIoT的大力发展中，AIoT生态圈一直以来都是研华的着眼点，所以研华一直保持与英特尔、英伟达的紧密合作，包括华为、昇腾、商汤等也是研华的重要生态合作伙伴，而且希望能够帮助这些设备“进化”成为未来的智能设备。

研华也遵循着自己的愿景——智慧地球的推手，在与伙伴合作的时候，更多地扮演“推手”的角色。这种“推手”并不局限于为算力进行包装，而是愿意去做其他企业不愿冒险去做的中间软件，并主动提前布局成熟技术的相关衔接。

回答刚才的问题，为什么同样是做产品，而研华又往往扮演“推手”，为什么还能在行业当中显现出来呢？　

因为研华更了解场景。
从2018年起，研华就意识到，产品思维不能满足企业的数智化需求，研华将聚焦点从产品深入到场景，当年就提出了AIoT共创模式，明确在2018到2030年左右为研华发展的Phase II阶段，即各垂直行业软＋硬整体解决方案。研华在与客户的合作当中，形成了场景思维，更多地站在行业和客户视角，更容易满足客户的需求，自然能够提供解决用户痛点的产品。这是研华在AIoT产业当中的一个重要优势。

所以研华也是落地领域的先行者，当一些企业还在纠结新技术风险的时候，研华已经在考虑协助产业应用，提前衔接有需求的成熟技术，去完善中间软件，为合作伙伴产品的落地提供便利。

研华在与伙伴的合作当中发现：当运算核心确定之后，使用的框架、软件等也就大致被框出了范围。

举个例子：全球市场一个典型的代表就是英伟达，他们依托CUDA的良好生态，形成了强大的生态圈，客户可以方便地进行迁移和套用，他们的GPU在边缘侧也有明显的性能优势。在国内市场，华为紧跟而上，也在构建自己的生态圈，并取得了很好的成绩。随着生态圈不断完善，开发商和应用商也开始逐渐确定，实现产品落地的过程就会变得高效起来。

乐于且善于合作的研华，已经同双方都建立很好的合作并搭建了平台，在两种生态圈当中都能够进行非常好的合作。

Magic引用了智能设备峰会一位演讲者的话——成熟技术的导入是科技延伸的关键。研华扮演的就是这个角色，能够将成熟技术带向市场，才是研华让生意发生的关键。

3. 稳定的生态圈和缩短的价值链

各个行业发展到一定时期，都会形成较为稳定的生态圈，而具体到细分领域，某个产品的上下游，则会形成各自的价值链。

研华表示，以往的AIoT价值链环节很多，每个环节的衔接不一定能够完成做好，就可能导致环节断链。这也是近年来软硬件领域都十分关注的“供应链安全”问题。而随着各家企业的布局拓展，整个价值链大幅度缩短，即每家企业能够做到事情就会存在重合的部分，如此一来，通过筛选串联优质伙伴就能让供应链更加高效可靠。

因此，研华整合AIoT产品线，与关键伙伴建立生态圈，提前开发整合中间软件来为不同场景下的需求提供服务和串联，依靠AI软件、ISV伙伴帮忙合作实现不同的场景，与伙伴们创造更多落地场景，而不抢他们的生意。在场景落地之后，大家其实也就清楚了供应链、价值链的基本模式，各个企业的角色就凸显出来。于是，整个的应用都可以被迁移到下一个场景，例如自动化设备、光学检验等等，随着流程的成熟，也会有越来越多从业者投入进来。

提到合作伙伴，David不禁表达了自己对华为Mate60手机“横空出世”的激动心情，他表示这代表了国产化的突破，推动了国内企业的发展，大家都对国产化和企业的未来表示乐观。

David表示，与大陆厂商合作是研华最重要的关键事项，研华希望能够与国内核心技术伙伴共同开发，通过华为昇腾、飞腾、海光等等这些IT技术大厂将IT技术带入OT领域中来，而研华则凭借对于场景的了解，将更符合客户需求的接口整合在研华的计算机当中，研华的身份就是整合IT与OT技术的角色。

这也许就是研华作为“推手”的站位。

为了优化不同场景下的数据，提升生产效率，在边缘设备智能化管理方面，研华提供了设备与数据管理平台EdgeSync360，它包含WebAccess、Edgelink、DeviceOn 以及EdgeHub四个模块，用于设备管理、连接、可视化、云端数据管理。为边缘运算管理、现场总线（Fieldbus）协议转换，进行数字上云，然后进行SCADA的流程进行服务，设备、连接与可视化的模块生成的数据最后通过EdgeHub进行集中式管理。该平台不光用于研华自己的边缘设备体系，也为客户进行设备和数据的整合与管理提供了极大的便利。

基于自身对场景了解的优势，结合边缘设备智能管理平台，研华与上下游伙伴的合作更加高效和精进，面对不同场景、不同的设备、不同的数据和架构，研华以管理平台整合设备和数据，以智能设备赋能自身的生产和多场景加工和切换，大大缓解了AIoT带来的碎片化问题。

关于未来重点行业和场景趋势，研华有怎样的观点呢？

4. 关于未来：能源领域是重点，实时决策感知是趋势

David表示，从行业来看，能源领域是研华未来几年关注的重点。

目前，国家对于能源、光伏与半导体产业给予了极大的支持和鼓励，研华认为，能源可能与半导体可能存在上行下行的循环，储能部分未来还会有更多更深的发展。

研华的AIoT与边缘在能源领域的关注两点：

电厂的数字化和虚拟化。电厂虚拟化指的是把所有的应用放在一个强大的计算机上，通过电力认证的服务器带来的数字化转型。在这方面，研华在国际上主要和ABB联手，国内和蓝电进行合作。为电厂的客户提供数字化、虚拟化的解决方案；

储能。这当中包括大企业的储能系统、电厂储能等，甚至充电桩也算是储能系统。边缘智能产品在BESS(Battery Energy Storage System)储能系统上的作用是管理与感知，例如对电池饱和度的关注，储能设备当中的电池饱和度不同，就会造成大量损耗，所以需要进行实时计算并提供优化的解决方案。

当然，对能源的关注来自研华对于自身ESG愿景的追求，研华在边缘计算领域也践行着自己的ESG愿景——永续地球的智能推手。David告诉智次方，研华采取了各种措施来实现绿色IPC（工控机）。

节能。从电源供应器来入手，导入最高效能部分，而研华的标准是达到了80plus认证的金牌，转换率超过90%，帮助用户节省电力；

硬件设计。与此前提到从软件层面调整BIOS方式节能，研华通过主板设计和电源调整等硬件策略，平均每年节省30万吨二氧化碳。

包装。对于包装材料，研华也会进行回收利用。实现了Life-cycle assessment。

供应链的选择。研华不仅自己践行绿色发展，也发动合作伙伴一道，共同导入IEMS（Industrial emission monitoring system 工业排放全过程管控系统），为绿色IPC增添力量。

行业布局是一方面，在技术布局上，Magic提出未来场景的需求——实时感知决策将成为一种趋势。能够在感知信号后进行实时反应，从而产生更大的效益，其实也是边缘计算的核心。

以研华与英伟达进行IGX（工业级边缘AI平台）合作为例：英伟达希望将其GPU放在边缘侧进行工业场景当中，选定医疗影像和协作机器人（Cobots）两大领域。这些领域还处于早期的“灯塔项目”阶段，研华从中看到了包括汽车、农业等不同场景的客户，同样对于实时感知决策有重要的需求。

研华用行动来践行对于该趋势的重视：

• 在感知测：
  这些领域需要视觉的能力，有了视觉能力就可以进行主动处理，只有相机将信息传递之后才会进入下一阶段的计算，因此影像采集设备自然也成为关键部分。研华在音视频、图像采集设备方面也有广泛的布局，已经能够满足低、中、高等各个级别的需求。

• 在通信侧：
  GMSL(千兆多媒体串行链路)是目前主流的技术，主要用于车载的相机、智能驾驶等，可以汽车等产品中可靠地传输高分辨率数字视频，带来更高的通信效率。对于优势高端的协议，他们也保持关注和不断探索。

• 在计算侧：
  实时感知决策对算力和时延的要求很高，相比端侧采集计算，将运算往中心放就会造成运算效能分散，因而大家更倾向于在端侧进行运算处理。研华与算力合作伙伴保持紧密的关系，以便能够利用算力伙伴更先进的产品进行测试和应用。

研华也在用价值链考虑实时感知决策趋势，他们在经营中发现，如果没有合适的硬件（例如影像采集方案），客户甚至不会选择研华的运算平台。因为客户不可能从a家买一个服务器，b家买一个设备，再去c家采购软件。所以研华收购了北美高端图像采集卡厂商BitFlow 100%股权，提升了自己在感知侧的能力优势，带动了研华的自动光学检测设备体系，也为整体方案的竞争力与实时感知决策的实现带来了明显的推动。

所以研华用行动来践行对于该趋势的重视：一方面，他们与算力合作伙伴保持紧密的关系，以便能够在端、边侧采用伙伴提供更先进的产品进行测试和应用；另一方面，他们也在努力完善自己的采集与感知侧设备，巩固平台优势；在通信侧，他们也对优势协议保持关注和探索。

5.进入“研华轨道”

目前，研华正在AI视觉传感器、AI边缘运算、AI混合运算、AI边缘服务器四大领域布局，与生态伙伴建立合作关系，形成自身的周边生态圈。从产品上来讲，研华从低到高已经进行了完整的布局，面向还未生出需求的场景，研华也在提前筹备当中。

从做算力盒子出发，到依靠自己对于场景的了解拉取生态圈、通过EdgeSync360帮助企业和客户管理设备和数据，再到提升感知领域的硬件能力，为算力+感知+周边整合以及稳定生态伙伴提供保障，以及在利他的愿景下实现绿色IPC……研华正一步一步走向AIoT与边缘AI的精进之路。

目前研华接到的AIoT需求的案例正在急剧增加，意味着这一领域已经成为了主流趋势。与10年、20年前x86、PC自动化等时代类似，进入轨道之后，一切就随着轨道应运而生了，而研华也正在技术的开发、演进以及生态圈的运营等方面协助整个产业向前推进，也就是进入了“研华轨道”。

写在最后：

四十不惑，不惑的是对细微处的总结，对伙伴的汇聚，以及对于未来的判断和执着。