本期導讀

在人工智能邁向邊緣智能化的浪潮中，研華科技通過“Edge AI+生態協同”戰略推動AIoT 2.0時代的產業落地。本文專訪研華科技產品總監邱柏儒，深度解析研華全棧式AI產品布局、差異化技術積累與生態共創實踐。

在人工智能呈爆發式增長并邁向新時代的浪潮下，AIoT 迅速朝著 2.0 時代加速進發。AIoT 2.0 時代最為突出的特征，便是 AI 能力由云端朝著邊緣端快速下沉，邊緣智能由此成為產業界的競爭焦點。作為深耕工業物聯網41年的研華科技，很早就意識到邊緣智能的重要性，提早布局，特別在今年更啟動AIoT 2.0戰略，加速AI產業化落地。而在此次的戰略轉型中，Edge AI無疑宛如最璀璨的 “啟明星”，指引著前行方向。

基于這樣的背景，研華科技協同創新研發中心產品總監邱柏儒欣然接受了智次方?物聯網智庫的獨家專訪，深入分享了研華在Edge AI 領域，特別是在國產Edge AI領域的豐富多元的產品布局，以及在生態協同共創、加速國產AI產業發展等層面極具前瞻性的深度思考，為行業發展提供了極具價值的見解與思路。

邱柏儒表示，面對當前AI的大浪潮，研華已打造全棧式AI產品體系，大力布局Edge AI產品，目前已包括AI模塊、AI板卡、AI 加速卡、AI 嵌入式和工業平臺，AI邊緣平臺、邊緣AI服務器，乃至邊緣整機柜服務器。Edge AI硬件支持各領域的AI軟件，從底層的主流操作系統到各種AI運行環境，再到AI訓練推理云服務軟件，同時還聯合主要的芯片、傳感器等生態伙伴，打造出可落地的完整 Edge AI 整合方案。

今年9月，研華與昇騰合作發布了基于昇騰Atlas 310系列的工業邊緣 AI 算力方案，正是其全棧式 Edge AI 戰略的關鍵突破，也是雙方助力信創 AI 走向產業的重要舉措。此次研華構建三種工業 AI 產品形態：AI Edge Systems 專注工業現場產業化應用；AI On Modules 以標準化模塊助力伙伴；AI Development Kits 為開發者提供算力。全棧化產品策略使研華在工業 AI 落地進程中獨具優勢，正加速邁入 AIoT 2.0 時代，引領行業創新變革，開啟全新發展格局。

在談及Edge AI領域的差異化技術積累時，邱柏儒強調了研華在硬件整合、軟件優化、遠程部署等方面的核心優勢。同時，他還分享了研華在智能制造、智慧交通等行業的成功應用案例，以及AI生態建設的規劃，展現出 AI 為行業變革帶來的新可能。

展望未來，邱柏儒表示，面對Edge AI 產業化的戰略機遇，研華將持續聚焦關鍵技術創新，深化與頭部企業的戰略合作，并以開放的心態推進生態共創，攜手各界伙伴共同推動國產工業AI的蓬勃發展。

訪談亮點

研華構建全棧化工業AI產品矩陣，加速技術產業化落地

聚焦場景化需求，打造差異化Edge AI解決方案

引領行業標準制定，攜手伙伴共建國產AI生態

以下為采訪實錄。

Edge AI的產品創新

物聯網智庫：

研華構建了三種工業AI產品形態：AOM(AI On Modules)、AI Development Kits和AI Edge Systems，請問這三種產品形態分別面向什么樣的客戶群體和應用場景？在產品定位上有何差異化？

研華邱柏儒：研華的三類工業AI產品形態，分別面向不同的客戶群體和應用場景，在產品定位上各有側重，但又相輔相成，共同構成了研華工業AI的整體布局。

?AI Edge Systems定位于產業化應用，面向工業現場的邊緣算力解決方案。這類產品采用盒子形態或核心板卡形態，基于研華在各行業的深度布局，配備針對性的IO配置，能夠適配各種嚴苛的工業現場環境。AI Edge Systems的目標客戶主要是產業軟件集成商或獨立軟件開發商(ISV)。我們可以把類似昇騰310這種高核心算力的邊緣方案，部署到各種工業現場，滿足他們對邊緣算力的需求。

?AI On Modules則定位于標準化模塊，旨在拓展研華產業方案尚未覆蓋的部分，賦能合作伙伴二次開發，打造適用于特定場景的解決方案。通過AI On Modules，研華可以與生態伙伴協同創新，共同挖掘更多行業機會。

?AI Development Kits的定位是為AI算力轉化為生產力、新技術導入和傳統應用遷移提供算力底座支持。這類產品主要面向開發者和高校群體，滿足他們在技術研發、應用創新、人才培養等方面的需求。

物聯網智庫：

對于AI On Modules(AOM)產品，研華推出了不同尺寸和性能的系列產品，請問在模塊化設計上，研華做了哪些特殊考量？與傳統的COM(Computer-on-Module)產品相比，AOM在技術特性和應用優勢上有何不同？

研華邱柏儒：對于AI On Modules(AOM)產品，我們在模塊化設計時主要考慮兩個方面：市場的先行需求和芯片的算力規格。我們按照算力大小來定義不同的尺寸規格，因為這關系到功耗、支持的影像設備路數以及接口的豐富程度。在傳統工業控制的應用里，我們會考慮I/O口的適用性；而在AI應用領域，感知(Sensing)設備接口的適用性，像MIPI、CSI等接口就成為了我們的主要考量，因為AI對環境的實時感知需要低延遲、高帶寬的特性，我們必須在接口定義上做出針對性的優化，才能更好地適配AI應用場景。

與傳統的COM(Computer-on-Module)產品相比，AOM在技術特性和應用取向上有明顯不同。我們的整體方向是打造一個以邊緣AI需求為導向、以算力為核心的標準化平臺，可以快速擴展各類感知模組。我們希望通過建立開放的標準，吸引更多廠商參與，推動行業更快速、更蓬勃地發展。

目前，Edge AI模組廠商都是采用自己的標準各自為政，這導致設備集成商與不同廠商合作時，要重復投入資源造成浪費。我們的目標是成為行業先行者和領導者，推動建立行業標準，我們愿意聯合行業內的生態伙伴共同推廣。

在以往的自定義模組設計中，我們通常會更多考慮設計的便利性，但這可能會阻礙二次開發人員在設計流程中的延續性。如果轉換為標準化的視角，就會需要聯合上游芯片一起規劃，帶來一定的延續性。這樣的標準化對整個生態系統是有益的，促進了行業通用化，避免了生態碎片化。雖然這個想法可能有些理想，但總要有人邁出第一步來推動行業的正向發展。

物聯網智庫：

三種工業AI產品形態背后，離不開研華在Edge AI領域的技術積累，請問研華在異構計算、AI算法優化、邊緣部署等方面有哪些核心技術？這些技術能力如何支撐起不同層次的產品矩陣？

研華邱柏儒：在Edge AI領域，我們研華主要專注于硬件整合方面的核心技術。比如，在工業現場散熱、系統集成能力、行業認證和設計能力等方面，我們都有深厚的積累。特別是在電力、軌交、醫療等對可靠性和穩定性要求極高的行業，我們的技術優勢尤為突出。此外，基于在X86平臺上的豐富經驗，我們在異構計算領域也有獨到的見解。我認為X86與NPU的整合非常重要，關鍵在于網絡拓撲的設計。得益于我們在網絡交換、PCIe交換等領域的技術積累，我們能夠實現高效的異構計算平臺架構設計。

軟件方面，我們目前主要聚焦于底層開發，包括SoC等底層系統的開發。在昇騰生態系統中，為了滿足下游客戶和合作伙伴對算力需求的快速增長，我們需要定期更新SDK，以優化硬件性能并支持更多功能。這要求我們從傳統的自動化開發模式轉變為更快速的迭代周期，可能需要每月更新SDK套件，以支持客戶的開發需求。

此外，我們在工業領域遠程部署和管理工具的開發上也有獨特優勢。我們成功地將原本在X86架構上開發的技術移植到了Edge AI的底層系統。鑒于產品迭代和模型更新的頻繁需求，遠程部署的OTA功能變得至關重要。我們自主研發了這些功能，而不是依賴于伙伴提供的套件，因為我們希望為客戶提供一種以客戶應用模式為中心無人值守即可進行迭代更新的解決方案，從而加快整體的部署進程。

在與合作伙伴的聯合開發中，我們重點關注異構架構下的算力平衡和工作分配系統等關鍵技術。一旦發現某項技術對我們的產品至關重要，我們就會考慮通過外部投資等方式將其引入我們的生態系統。

總的來說，正是憑借在硬件整合、軟件優化、遠程管理等多個維度的技術積累，我們才能構建起覆蓋不同層次的工業AI產品矩陣。從賦能源頭開發者的AI Development Kits，到便于二次開發的AI On Modules，再到面向產業化部署的AI Edge Systems，都能找到研華核心技術的身影。未來，我們還將持續加大研發投入，加速前沿技術向產品的轉化，為客戶提供更加完善、高效的邊緣AI解決方案。

Edge AI的應用場景

物聯網智庫：

研華在構建Industry Edge AI解決方案時，主要聚焦哪些行業應用？目前已經有哪些成功的應用案例？應用AI技術帶來了哪些新的解決方案和價值？

研華邱柏儒：研華目前主要聚焦于智能制造、機器人、智能交通、電力能源、智能城市綜合管理等領域，在構建Industry Edge AI解決方案。從市場實踐來看，AI在這些領域的應用已經開始先行。

研華也有一些AI應用的成功案例，例如生產過程的質量檢測、工業現場的場域管理、軌交地鐵的障礙物檢測、駕駛員乘客的行為分析、城市道路的路況分析等。這些案例充分展現了AI技術在行業應用中的巨大潛力。

應用AI技術，不僅僅是提供了新的解決方案，更為行業帶來了全新的可能性。過去，我們主要依賴自動化系統或行業專家來開發應用，但這些系統往往受限于資源和專家能力，難以快速復制或擴展。而AI技術的引入可幫助突破這些瓶頸。

首先，AI讓我們對環境的感知變得更加全面和實時。通過將數據結構化和數字化，為后續的模型訓練和進化提供了新的可能。我們可以將構建的AI模型拆解成不同層級和規模，靈活部署到現場。過去由于專業資源限制而難以實現的場景，現在可以通過復制和部署相應的硬件來實現。Edge AI解決方案就像是在現場部署了一位行業專家或工程師，使得部署變得更加靈活和高效。

其次，對行業而言，Edge AI解決方案極大拓展了“可執行性”的邊界。過去企業在開發應用時，除了考慮創新性，還必須權衡可執行性。而如今，初創企業能夠將更多資源集中在應用創新和迭代上，加速成長和發展。

總之，通過Edge AI技術，我們可以實現整個場域的可行性，這是Edge AI解決方案為行業帶來的最大價值。我相信，隨著AI技術的不斷發展和行業應用的持續深化，必將涌現出更多令人振奮的成功案例，推動行業實現智能化變革。研華也將持續發揮自身優勢，攜手合作伙伴，共建Industry Edge AI生態，為行業智能化升級貢獻自己的力量。

物聯網智庫：

AI Edge Systems被定位為“專屬行業的AI應用系統”，請問研華在開發這類產品時，如何與行業客戶進行需求匹配和應用場景分析？針對不同行業的特點，在板卡設計上會有哪些針對性的優化？

研華邱柏儒：在開發AI Edge Systems這類“專屬行業的AI應用系統”時，我們研華非常重視與行業客戶的需求匹配和應用場景分析。除了傳統行業應用中關注的行業認證、環境適用性、周邊控制設備擴展能力等因素外，在Edge AI場景下，我們還特別關注兩個方向：感知設備需求和算力匹配。

首先，在感知設備需求方面，我們會深入分析包括雷達、攝像頭、傳感器等在內的各類設備，評估它們的分辨率、實時性、帶寬、點位、路數、接口類別等關鍵指標。這些設備將現場狀況轉化為數字數據，是Edge AI應用的基礎。我們需要將不同行業在外部感知能力方面的差異性，轉化為明確的AI應用需求，從而開發和部署與之匹配的行業型系統。

其次，在算力匹配方面，我們既要考慮如何將傳統算法遷移到AI領域，又要評估開發可訓練、可進化算法的可能性。不同應用類型對算力的需求差異很大。比如在邊緣計算場景中，如果是單純的檢測，可能只需要較小的模型；但如果是對綜合環境的全面感知，則可能需要部署較大的模型。因此，我們必須根據不同行業的實際需求，來合理配置和匹配算力平臺。

在板卡設計上，我們也會針對不同行業的特點進行優化。比如在智能交通領域，我們會重點考慮車規級認證、寬溫工作、抗振抗沖擊等因素；而在智能制造領域，我們可能更關注高速數據采集、實時控制響應、工業總線支持等方面。同時，我們還會從功耗、散熱、尺寸等多個維度進行針對性設計，以滿足不同行業環境的需求。

總的來說，感知需求匹配和算力平臺優化是我們在產品設計和客戶溝通中的兩大核心方向。只有緊貼行業應用需求，洞察技術發展趨勢，才能開發出真正滿足客戶需求、幫助行業實現智能化變革的Edge AI系統產品。

物聯網智庫：

從AI模組到開發套件再到邊緣系統，研華的產品覆蓋了工業AI應用的各個環節。您認為這種全棧產品策略對于加速AI技術在工業場景中的落地有何獨特優勢？客戶可以獲得哪些價值？

研華邱柏儒：在當前AI應用落地的進程中，研華在致力于打造自身的優勢服務。通過觀察AI應用的現狀，我們認為主要瓶頸在于整個價值鏈的成熟度不夠，以及整合度不足。

以傳統自動化領域為例，作為硬件設備制造商，我們在產業鏈中處于承上啟下的位置，上游有芯片制造商，下游有軟件開發商或應用整合商，最終服務于終端用戶。但在AI領域，價值鏈變得更加復雜，除了算法和模型，還涉及中間的軟件集成環節。整個行業如不能有效整合價值鏈，就會導致投入大量資金卻難以取得相應效益，AI應用也就難以真正落地。

因此，研華選擇在AI全價值鏈上進行全面布局：

?在AI模組方面，我們作為硬件生態的一部分，與同層級的硬件設備集成商協同發展；

?邊緣系統則致力于產業化應用，這是面向下游系統集成商等合作伙伴的布局；

?而開發套件的目標是服務開發者社區和高校，這是向上游的延伸。

這種全棧產品策略的獨特優勢在于，可以發揮研華在產業領域的廣泛覆蓋和豐富經驗，將過去的優勢轉化為面向未來的競爭力。通過全面布局價值鏈，包括客戶關系和生態經營，我們正在重新定位研華的價值所在。

我們希望以全棧產品提供最新、最優的產業化算力底座，賦能不同價值鏈體系的合作伙伴，加速AI開發和應用轉化的進程。

對客戶而言，這意味著他們可以獲得一站式、全方位的產品與服務。無論是處于價值鏈的哪個環節，都能找到匹配的研華產品，從而降低技術門檻，聚焦自身的核心價值創造。同時，憑借研華在行業中的豐富經驗和資源積累，客戶還可以獲得專業的咨詢建議、行業最佳實踐分享等增值服務，加速AI應用的落地實施。

Edge AI的生態建設

物聯網智庫：

研華與華為昇騰建立了戰略合作關系，并成為認證的IHV和APN合作伙伴。請問雙方的合作將如何助力國產AI生態的發展壯大？

研華邱柏儒：研華與華為昇騰的戰略合作，將在助力國產AI生態發展壯大方面發揮重要作用。作為物聯網領域的領先企業，研華擁有廣泛的客戶基礎和深厚的行業積累。而華為昇騰則在國產AI體系中構建了完整的軟硬件生態架構。我們雙方強強聯手，旨在打造國產AI產業賦能體系的領導者。

從產業鏈的角度來看，華為昇騰聚焦于上游的核心技術，如芯片、開發套件和軟件生態的構建；而研華則專注于中下游的產業化應用，包括硬件系統開發、獨立軟件供應商(ISV)支持、系統集成以及開發者生態培育等。這是一種優勢互補、資源整合的合作模式。

在生態經營方面，華為可能會更側重于核心技術的迭代升級，鞏固其在芯片和基礎軟件領域的領先地位；而研華則會投入更多資源，推動AI解決方案在細分行業的落地應用，擴大生態覆蓋范圍。通過這種分工協作，華為得以強化其核心競爭力，而研華則可以發揮行業觸覺靈敏的優勢，將AI技術滲透到更廣闊的應用場景中。

我們雙方的合作是一個“1+1>2”的過程。對華為昇騰而言，研華可以作為其技術和產品的“放大器”，將昇騰芯片和框架的優勢輻射到更多行業領域；而對研華來說，昇騰強大的AI算力和完善的開發工具，將助力我們打造更高性能、更易于部署的行業智能化產品。基于雙方共同的目標和理念，必將加速國產AI技術的成熟和行業滲透。

此外，作為行業領軍企業，研華與華為的合作也將產生示范效應，吸引更多合作伙伴加入國產AI生態的建設中來。

物聯網智庫：

研華計劃攜手生態伙伴共同定義AI核心模塊標準，發揮系統整合和服務優勢助力應用落地。請問在標準制定和生態合作中，研華將扮演什么角色？有何獨特優勢？

研華邱柏儒：研華致力于成為行業的先鋒和引領者。憑借對產業的深入理解和洞察力，我們能夠將這些知識轉化為產品標準，并且我們愿意將這些標準與業界共享。

我們與眾多硬件合作伙伴保持著緊密聯系，這些伙伴在我們后續標準的制定和演進中扮演著關鍵角色。我們計劃將這些合作伙伴——包括新興硬件設備制造商、系統集成商以及上游芯片制造商的設計團隊——整合到我們的生態系統中。通過啟動互認證和設計標準聯盟等項目，我們旨在推動行業標準的建立和進步。

盡管我們在這一領域可能尚未確立顯著的領先地位，但研華的選擇是率先行動起來，然后保持開放合作的心態，與生態伙伴攜手合作，共同拓展市場。

物聯網智庫：

研華在構建Industry Edge AI解決方案時，會深度綁定ISV伙伴和終端客戶。請問研華如何理解和踐行與合作伙伴生態共創？在協同創新方面有何成功經驗？

研華邱柏儒：在研華，共創的理念已經深入人心，并且我們已經實踐了很長時間。然而，這一過程中我們也遇到了不少挑戰。通常，人們認為只要各方發揮自己的優勢，合作就可能取得成功。但我們的經驗告訴我們，真正的關鍵是實現“共同”的價值。

除了共享一個明確的目標，雙方必須深刻理解彼此的優勢和劣勢，以及潛在的協同效應，這樣才能找到互補的伙伴，從而真正實現共創。

共創合作并非簡單的疊加，而是追求質的飛躍。換言之，合作的目標是實現雙方單獨無法完成的成就。因此，在尋找Edge AI領域的共創伙伴時，我們會考慮如何在特定的產業中開發解決方案。

以我們與機器人行業伙伴的合作為例，研華擅長提供強大的計算平臺，使產品更加小巧、集成度更高，并整合周邊硬件伙伴。而我們的伙伴則在操作系統實時性方面具有優勢，能夠構建適用于不同傳感和控制系統的實時控制體系，類似于為機器人打造神經系統。可以說，伙伴在軟件協同方面表現出色，而我們在硬件協同方面則更為突出。目前，我們的合作項目仍在開發階段，我們推出的解決方案理論上可以直接應用于相關行業。

我們一起服務的終端客戶只需專注于最終方案整合，發展自身的優勢的應用算法，而其他如通訊、控制以及底層系統等方面的問題，都可以通過我們與伙伴的綜合方案來解決。這樣，在這個行業中，客戶過去需要與多家廠商合作并投入大量精力進行整合才能完成的任務，現在通過我們打造的行業方案來賦能，開發效率和投入市場的速度會大幅增加。

物聯網智庫：

面向未來，研華在國產AI產業生態的建設方面還有哪些布局和展望？對產業發展有何期許和建議？

研華邱柏儒：研華正專注在物聯網與人工智能的深度融合，加速從IoT到AIoT的轉型。當前研華已邁入AIoT 2.0的時代，全面圍繞著邊緣AI進行的戰略規劃，目前主要集中在以下幾個方向：

?在產品戰略上，我們致力于發展產業化和方案化的產品布局，以更緊密地貼合產業AI應用的轉換趨勢。

?在核心技術領域，我們專注于與行業領導者如昇騰、英偉達等建立關鍵技術合作伙伴關系，共同打造完善的體系服務，從而實現產業賦能。

?在擴展與整合方面，我們同樣致力于關鍵技術的投入。以AI為核心，我們將與周邊傳感設備領域的合作伙伴攜手合作。鑒于AI領域與傳統自動化領域的通路商存在差異，我們將整合上游、中游、下游合作伙伴的互補優勢，構建生態聯盟。

?最后，鑒于AI技術的快速迭代，我們持續關注市場和技術趨勢中的關鍵技術。一旦出現與我們硬件或方案整合相關的重要技術，研華將通過戰略投資來強化自身的核心競爭力。

具體到細分行業，例如我們之前提到的具身智能、能源綜合管理以及機器人領域等。在機器人領域，對于視覺部分，包括3D相機或雷達等模塊的合作伙伴，我們需要進行積累。同時，我們也非常重視與獨立軟件供應商（ISV）和軟件集成伙伴的合作。我們將選擇那些與我們戰略布局相契合的生態伙伴，共同推進技術的發展和部署。

展望整個產業的數智化發展，Edge AI走向產業化是破局關鍵，而這需生態力量協同發力。研華深知此理，積極與生態伙伴攜手合作，從產業客戶痛點回溯，整合碎片化場景，精心構建數智藍圖。

在這個過程中，我們也誠摯期許更多伙伴加入Edge AI的產業征程，共同推動AI產業化落地。眾人拾柴火焰高，當更多力量匯聚，步伐將愈發篤定，成功亦不再遙遠。誠如《詩經》所云：“道阻且長，行則將至。” 研華愿與各方并肩同行，于Edge AI 產業化浪潮中，共鑄輝煌未來，突破困境，迎接中國人工智能產業的新曙光。