5G与边缘计算商业化，AIoT应用开发时不待我
5G为边缘计算落地扫清了低带宽和高延迟的障碍，边缘计算和边缘云服务正成为AIoT应用的基础设施。
市场调研公司Forrester最近发布的报告认为，2021年，边缘计算将从一项实验技术变成可实际应用的技术，主要受AI和5G的驱动。
2021年将会诞生将边缘计算部署到生产环境中的新商业模式。云平台不得不与AI竞争，以及5G广泛普及，两大因素将使边缘计算使用场景更具实用性。
Forrester预测，2021年，AI在边缘计算中的使用将发生巨大变化：机器学习将开始在边缘进行，而不单是在数据中心加以训练。
边缘应用智能将在2021年蓬勃发展，加速数字化转型，尤其是在必须实时连接物理世界和数字世界的行业。
1.AI与IOT造就AIoT市场
5G商用加速边沿计算的发展。
一辆自动驾驶汽车每秒能产生1GB数据，同时需要对数据进行实时处理，并做出正确的动作。
如果将全部数据传到云端进行处理，响应时间会变得很长，而且支持某片区域内的众多汽车同时工作，对当前的网络带宽及可靠性是一个巨大的挑战。
随着万物互联时代的到来，网络边缘设备产生的数据量飞速增长，带来了更高的数据传输带宽需求。同时，新型应用也对数据处理的实时性以及数据存储也提出了更高的要求。
边缘计算就是在网络边缘节点来处理、分析数据。它将数据的处理、应用的运行，甚至一些功能服务的实现，由云中心服务器下放到网络边缘的节点上。
在5G创造的众多商业机会中，边缘计算可以说是一个将云计算触角延伸到用户家门口的基础设施。
2020年，不同的云服务商陆续宣布推出基于5G网络的边缘云计算服务，为用户开发和部署高传输速度、低延迟的应用创造条件。
移动边缘计算MEC与5G的结合，不仅驱动各行业加快业务模式创新，带动了边缘云计算应用场景的创新，而且也倒逼5G网络部署和云计算边缘算力的进一步提升。
边缘计算的发展为AIoT应用搭建一个新的基础设施。
海量连接产生的交互及数据分析需求促使IoT与AI的更深融合.
物联网为物理世界通往虚拟世界建立了通道，不同的用户和终端通过物联网连接协议互联互通，然后将虚拟化的“现实世界”实时反馈至各个行业或场景，从而推动各领域效率和效益的提升。因此，先连接再爆发是物联网实现“万物互联”终极形态的重要路径。
伴随物联网技术的更迭，中国物联网连接量开始一路高歌猛进，2018年中国物联网连接量直逼30亿，年复合增长率高达67%。
分析机构推测，2019年中国物联网连接量将达45.7亿，而后由于5G的商用，低功耗广域物联网的超广覆盖，中国物联网连接量将增至2025年的199亿。
目前，物联网正处于连接高速增长的阶段，未来数百亿的设备并发联网产生的交互需求、数据分析需求将促使IoT与AI的更深融合。
AIoT市场拥有巨大的潜力。
对实体经济的融合赋能，AIoT整体业务享有十万亿级市场空间。
2019年，受益于城市端AIoT业务的规模化落地及边缘计算的初步普及，中国AIoT市场规模突破3000亿元大关，直指4000亿量级。
相比于物联网连接数量的快速增长，目前AIoT在落地过程中重在重构传统产业价值链，既需要适应传统产业的特性，平衡传统利益链条，也需要与生态合作伙伴共同搭建最适宜产业AI赋能的架构体系。
经过未来几年的产品优化、渠道打通、商业模式验证，AIoT将迎来高速增长。
2.AIoT市场发展为智能应用发展平台提供机会
智能物联系统的爆发正是由于在很多领域跨过了硬件和组网成本越来越低和人工智能技术带来的共性数据解析能力越来越高共同作用的结果。
AIoT的核心是智，是如何将智嵌入到设备、边缘，乃至物和人的每个环节。这需要数据与连接的融合，需要模型与硬件的匹配，需要云-边-端的协同。
AIoT方案一般会兼顾云边端的任务分配和协同。
如道路中会有很多AI场景，包括像超速识别、闯红灯、压线、逆行等违章检测，其背后都可以运用AI算法进行识别，把这些识别结果上传到云端，实现处罚或跟踪，就是一个AIoT应用。
实现AIoT会有三个重要的环节：
第一，连接，设备端与边缘端和云端做连接，设备把数据上传到边缘端和云端。
第二，分工协同。在云端主要完成两部分功能，一是模型学习，二是模型结合新设备发过来的数据推理以及后续的规则判断，然后给出决策。
边缘端布设一个小型服务器，靠近设备端，完成与设备的连接。在边缘端可以部署模型，设备把原始数据上传到边缘端，在边缘端进行计算，再将原始数据进行过滤，产生高价值的重要数据再上传到云端，解决了上传带宽的压力问题和数据延迟的问题。
设备是不需要经过任何改造的，只要具备上传过滤的能力就可以完成这样一个AIoT的整体方案，这也是非常经济高效的一种做法。
星环科技提供的AIoT方案中，在云边端组成的系统中，云上建立机器学习模型，对模型进行训练;训练好的多种AI算法模型部署到Sophon Edge中，对数据进行实时处理，管理端设备的运行。
AIoT撬动新玩法，改变传统业务逻辑。
AIoT应用集中在通过视觉识别、语音交互、预测规划等核心技术实现效率的提升，这种以通用性核心技术为内核的特性使得产品设计逻辑将围绕采集和分析有价值的通用信息，产品形态不再有强烈的行业鸿沟，行业竞争围绕着高价值通用信息带来的数据分析，相应的竞争业态也将更加复杂。
在此过程中，G端和C端场景问题可通过识别比对、便捷交互得到较大程度解决，AIoT在G端与C端率先受益，AIoT在企业级市场的应用尚不能触及核心痛点，还有待提升其核心业务环节效率。
AIoT应用发展的上半场是IoT硬件的铺设，而下半场将是AI 算法与智能决策的主场。
AI赋能物物相连，企业纵深发展看定位。
AIoT是一个综合性市场，其容量足够大，且目前呈现多层级、碎片化状态，因此吸引了众多从原赛道切入AIoT的玩家，主要有四大类：云计算企业、AI公司、SI公司、IoT公司。
这四类企业积极构建AIoT生态合作圈，相互之间存在合作和竞争关系，它们均可提供较为完整的技术和业务解决方案，但各自的优势有所差异，率先布局的版块也有差异。
云计算企业与AI公司携新生产要素AI入场，对人工智能技术的前沿性研发相对较注重，并整合成模块化能力向合作伙伴和客户输出;而SI公司、 IoT公司贴近用户，对技术整合到最终产品及用户需求理解上有着天然的优势。
3.星环科技边缘智能云让AIoT创造价值
星环科技Sophon Edge让企业用户拿起边缘计算的敲门砖，打开智能化转型的大门!
Sophon Edge“端-边-云”体系
为了让AI帮助用户在设备端就能快速、灵活、稳定地实现“黑科技”的梦想，星环科技的边缘计算平台Sophon Edge基于“端-边-云”体系将用户的设备端与数据存储、计算的云端进行连接。
把云端训练好的多种AI算法模型部署到Sophon Edge中，让用户在设备现场即能进行实时的数据处理、实时的需求决策、实时的设备管理等，满足其低时延、大流量、高安全等降本增效的诉求。
星环的基于边缘计算的AIoT解决方案主要核心会分两块：边缘节点和数据中心。
对于数据中心，原始的训练数据存在TDH或者TDC这样的大数据平台。平台会给机器学习平台做模型训练，打包把这个模型上架，用户可以直接在Sophon Base中模型上线，即提供API服务。
另外一条路径是推到模型仓库。模型仓库可以将镜像下发到指定的边缘节点上，然后部署成API，运行在边缘节点，即Sophon Edge的Node中，它会管理所有服务，包括分析、预测、图像的模型服务。
所有传感器会统一接入边缘节点的网关，实现统一的分发，这样可以提高数据传输效率。
在获取到所有的原始数据后，会在规则引擎模块发送给分析的模型服务，实现模型推理，最终输出数据洞察。
该方案突出两点：第一，更低的成本，无需改造任何传统设备，只要上传数据就可以实现边缘计算。
第二，更高的效率，因为边缘节点部署在贴近数据源的位置，响应非常及时。
应用场景越来越多，让AI赋能企业用户。
工地里安全帽未戴好高空坠落后摔成重伤，工厂中安全操作不合规导致火灾或爆炸，施工地人员工作散漫找人顶包导致工程进展缓慢......
基于Sophon Edge的 AIoT解决方案能够让可防的意外尽量避免发生!Sophon已经在某供电局和某地铁工程施工现场落地了人脸识别和穿戴检测方案，模型识别抓拍率高达99%，识别率高达95%，识别延迟为毫秒级。
另外还落地的有操作合规性检测，纠正违规行为3000余次，安全事故数为0。同时我们还能对打架等暴力行为，骚扰等犯罪行为进行识别与预警，全方面助力智慧安防。
Sophon已经联合某市水务集团一同落地了违法倾倒污水检测方案，对污水乱倒的违法行为进行不间断监测识别，并对违法倾倒行为留存动图证据，从而对倾倒污水的商户形成警示，保障城市水质，同时也能减少城市管理的部分人力投入。
Sophon和某交通部门合力在收费站落地车辆车流分析方案，对收费站附近的路况进行了分析，对附近车流进行了统计和预测，保障收费站的畅通无阻。
星环在某石油公司也落地了车辆识别分析方案，能够对加油区车辆、车牌、车型、颜色、制造商进行识别，同时对车辆出入加油区域进行状态的检测，保障无人加油站的运营。
Sophon Edge三大优势
Sophon基于底层的Sophon Base数据科学平台、上层的Sophon CV视频/图像分析工具和Sophon Edge边缘计算网关，提出了Sophon AIoT解决方案。
在边缘计算大环境中，星环秉承着“帮助我们的客户快速地用上AI用好AI”的理念，不断优化平台和方案，成功入选边缘计算企业百强!
第一，高效。Sophon Edge目前能够在不改造用户设备端的前提下，对接GB28181、MQTT、RTSP等覆盖主流设备的多种协议;
用户可直接根据相关场景，以可视化拖拉拽的方式，在几分钟内迅速搭建数据处理及分析规则;
用户在Sophon Edge平台中就能完成数据采集、清洗、分析和反馈等一系列过程。
第二，灵活。 Sophon CV中提供了图片标注/分类、OCR识别和模型训练的功能，训练好的相关CV模型都能以镜像的方式部署在Sophon Edge中。
批量标注、多类OCR无需分类自动匹配智能模板、OCR印章识别等灵活功能让你体验完美。
而在Sophon Edge的模型市场中，可以将已成熟、孵化好、较稳定的CV模型固化。
为了不同用户的使用场景的特殊场景需求，星环还提供了自定义函数模块。
当然，星环科技的边缘节点也不受服务器架构的限制，ARM架构、x86架构等都能进行部署，同时也支持大规模部署，单节点上30路摄像头的批量操作以及模型的并行计算都不在话下!
第三，可靠。Sophon Edge文件管理的数据治理功能可以对边缘端数据进行筛选处理，重要的加密上传云端，其他数据定期删除，缓解磁盘空间压力，保障模型稳定运行。Sophon Edge提供7X24小时的不间断支持服务。
在断网情况下，边缘端仍能独立运行，进行实时的数据处理。同时为了更好地保证实时计算、保证数据安全并提高数据吞吐量，在模型推理中采用进程池方式部署，让用户体验更佳!
Sophon Edge绝对不负用户的重托，在5G时代AIoT发挥更大价值!
分享标题：5G与边缘计算商业化，AIoT应用开发时不待我
路径分享：http://pwwzsj.com/article/cgjdso.html
