上周，研華公司在昆山舉辦了主題為“共建數智化·共創贏未來”的智能制造+智慧能源產業伙伴峰會。本次會議聚焦智能制造、綠色能源兩大產業，研華攜手500+產業專家、生態合作伙伴、客戶代表，圍繞企業智能生產、綠色低碳轉型展開了深入探討。

在會議中，給我印象最深的是生成式AI與邊緣計算深度融合，兩者結合形成的邊緣智能應用正在快速落地。

如今邊緣計算的發展已經成為共識，隨著生成式AI的持續升溫，邊緣與AI結合的熱度與日俱增，但是熱歸熱，這種共識真正能夠落地實踐是存在一定門檻的。

例如，從上云到邊緣部署的市場認知、業務路徑轉變、云邊協同的平衡點、邊緣管理平臺的穩定性等，都是不太容易解決的發展阻力。

難的事情往往更有價值。

研華正在將近40年的邊緣計算能力復制到智慧工廠、智慧醫療、智慧零售、智慧建筑、智慧城市等各個行業。

俗話說，Eating your own dog food，自己的產品自己先用，研華還把新一代的邊緣智能解決方案應用于自家工廠，讓數據驅動車間的管理，讓數據真正成為了生產力。

這篇文章就來詳細整理一下我在峰會中的相關收獲。

契合邊緣計算的3個階段，擇時推出開放軟件“三環合體”

雖然邊緣計算與人工智能的彼此融合處于技術周期的熱度高點，但是這項應用對于產業協同和企業技術底座要求較高，包括算力供給能力、云邊端協同聯動能力以及咨詢服務能力等，真正做起來并沒有那么容易。

在峰會中，研華董事長劉克振先生借鑒了Gartner的分析，來闡述邊緣計算在接下來幾年的發展歷程。

這里的“邊緣”是一個廣義的概念，指的是在云平臺之外，所有貫穿和連接實體設備的硬件和軟件，涵蓋邊緣基礎設施、邊緣設備、邊緣AI、網關、I/O模塊、邊緣服務器、控制器、微數據中心和分析軟件等。

在接下來的5~10年，邊緣計算將經歷3個發展階段：

第一階段，邊緣計算的需求僅僅是企業數字化轉型的一部分，并且這些用戶需求呈現出高度定制化，市場規模比較小；

第二階段，隨著行業需求的深入，邊緣計算的需求會不斷擴展，形成面向特定垂直行業的一整套整體解決方案，市場規模也在持續擴大；

第三階段，邊緣計算的許多技術需求將跨越垂直領域，比如企業用戶需求會從店面智慧零售擴展到工廠AI質檢場景和智慧油井的一些工作場景中，需要供應商具備橫向擴展的能力。

研華期待這樣的進化在未來5~10年會完全實現，形成AIoT上下游產業的融合，并促成行業的進化。

研華將在工業自動化和邊緣計算領域用心耕耘。為了適應未來的發展，AIoT邊緣計算需要一套完整開放的軟件平臺作為支撐底座，因此研華決定將各種軟件充分聯通，形成上圖的“三環合體”，打造完整的服務體系。

第一個環是最上方的EdgeSync 360，這是一個邊緣智能的模塊，包括通訊、遠程管理、數據傳輸等子集。

第二個環是右下方的WISE-IoT Suite，這是工業互聯網平臺，為企業數字化轉型提供了云邊端一體化交付引擎。

第三個環是左下方的AI Fusion，這是新增的部分，也是最為強調的一環，它將生成式人工智能融合進來。

劉克振在演講中提到，生成式AI可能會對物聯網造成很大的影響，可以把搜集到的數據，進一步做分析決策。

現在多數的解決方案做出來是一個儀表板，涵蓋很多數據，但無法告訴使用者該做什么決策。而生成式AI的融入，讓AIoT搜集的數據變成有用的資料，讓物聯網從可視化的界面呈現，進化到自然語言的直接表達。

親身實踐，讓看不見的數據流帶來巨大的價值

如今，很多制造企業已經意識到了數據的價值，意識到了應該將寶貴的數據資產做更好的采集、分析和預測，來驅動新型制造，這是企業的必然方向。

進而我們從看得見的自動化，邁入了看不見的自動化階段。

什么是看不見的自動化？

在不采購新設備的前提下，我們有可能通過已有的設備獲得關鍵數據，通過這些看不見的數據流，創造更大的價值。也就是這些看不見的數據，將成為驅動企業未來創新最重要的動能。

在研華的昆山工廠，正是“看不見自動化”的實驗場。在工廠發展的早期，研華投入了大量的新設備，隨著發展的深入，研華開始投入大量看不見的數據化和智能化。

通過研華自身的實踐，看不見的自動化確實發揮了很好的效力。

先說成果，從2013到2023的十年間，研華昆山制造中心的人力并沒有太大波動，但是人均單位產值翻了3倍（如上圖所示，氣泡越大表示人均產值越大）。

在這樣的過程中，研華越來越相信數據的價值，從底層的設備數據，到企業經營數據，再到用戶產生的數據，數據將會全面驅動創新，也推動了研華乃至整個產業的全面變革。

那么這么一家略顯傳統，甚至有些老舊的工廠，是怎么一步步做到升級改造的呢？

整體過程可以分成三個階段。

第一個階段，2013~2015年，基于精益生產的基礎，打造數據底座。

在2012年的時候，研華第一次聽說工業4.0，但是當時并不清楚什么是工業4.0。從2013年開始，工業4.0逐漸成為了顯學，大家都在談，研華也從2013年開始做數字化轉型，打通了ERP和MES等系統，通過APS來貫穿訂單和生產的過程控制，同時將人的經驗轉移到系統來取代重復性的工作，實現了部分的實時數據可視化。

第二個階段，2016~2021年，digital enable，加速數據優化的進程。

在這個階段，研華遇到了很多瓶頸和障礙。典型的挑戰比如工廠缺乏一盤棋的整體視角，業務驅動目標不明確，場景數據、應用、系統架構不清晰；大量數據散布在不同的系統中，很多應用開發都會需要眾多的專用接口，IT變成了瓶頸。

為了解決這個問題，研華把數據上傳到研華工業云平臺，這相當于是一個數據中臺。平臺劃分為不同的主題域，包含生產設備、品質、訂單物料等，分類分項的做一些管理，然后向上展示一些標準的接口，這時各種數據可以通過數據中臺快速的收集、上傳和分析。

由于建立了這樣一個高效可用的數據中臺，IT工程師的角色從原來gatekeeper變成了facilitator，研華認為這點在轉型中是至關重要的一步。

第三個階段，2022年之后，AI enable，引入更多的AI能力，加速智能制造的轉型。

這個階段正在開展的過程中。

通過數字化轉型，研華在綠色改造和節能方面也取得了很好的成效。

2022年，昆山工廠的整體產值增長7%，用電量下降238千瓦，單位產值的電耗有大約10%的節約。同時昆山工廠還布建了光伏設施，太陽能占到全年電能供給的5~8%。所有這些舉措綜合下來，研華昆山工廠有望在2050年實現凈零碳排放目標。

三廢排放也有了顯著性的改善，廢氣的減排量是12%，廢水排放降低了31%，廢棄物的排放減少了32%。

在數字化轉型的過程中，研華的自動化架構發生了巨大的變化，主要的轉變有4點：

1.從集中式到分布式架構

決策和控制在邊緣設備、云端服務器，以及中心控制器之間進行分布和協同。

2.從傳統硬件到軟件定義

很多功能和自動化架構采用軟件定義的方式來實現，傳統的硬件設備逐漸被軟件化，這也是研華大量投入軟件與平臺的初衷。

3.從靜態到AI動態優化

過去的自動控制是一個邏輯架構，現在的工業互聯網通過數據的不斷反饋，形成了一個動態AI結合的優化系統，這個系統會愈發智能。

4.從閉環到開放生態

從過去的單一封閉系統到開放生態，這也是研華將昆山的研發中心取名叫做“協同創新研發中心”的原因，研發一定要和客戶、用戶結合在一起。

跨越鴻溝，從數字化到智能化用數據驅動管理

當我們解決了第一個生產現場數據采集與接入的問題，解決了第二個IT與OT數據整合與打通的問題，自然就會遇到第三個問題：也就是如何從數字化到智能化，跨越鴻溝，真正實現用數據驅動管理？

企業的數字化轉型一定是離不開數據的，但是其實數據也往往是企業啟動數字化轉型的一個最大的障礙。

Gartner剛剛發布的數據和分析基礎設施模型DAIM，通過這個模型，讓我們從已知探索未知。

已知的條件很明顯，比如上個月我們做的怎么樣？上個月我們為什么做到了？下一步我們解決的問題是要知道未知的數據，去解決未知的問題，也就是我們要做預測和決策。我們要知道下個月能做成什么樣？還要知道我們做什么，下個月才能達到目標？

我們很多制造企業在現場收集了大量的設備和傳感器數據，還有企業IT信息系統的數據，現在要解決的問題就是怎么跨越鴻溝，讓這些數據能夠驅動管理和決策，中間這個鴻溝就要用AI技術幫助我們跨越。

研華將多種AI解決方案融入了技術架構，涵蓋智能制造、安全生產、能源管理等方面。現在研華正在探索將生成式AI與邊緣計算相結合。

IoT Edge是一個設備聯網和邊緣計算的工具，眾所周知它的功能強大，但是強大功能的背后往往隱含著操作的復雜。

我們一切應該回到以人為本，AI的本質是能夠提升我們人機交互的體驗，所以研華使用IoT Edge和生成式AI進行了整合性探索。

借助語音和文本的自動轉換工具，工程師和管理者不需要在界面上進行操作。以后的場景可能是在AI賦能之下，IoT Edge將變成一臺會說話的邊緣盒子。

我們不再需要在軟件界面上去進行操作和配置，產線的操作者可以用自然語言對話的方式，直接和邊緣的盒子去進行交互，讓這個盒子自動幫我們去完成設備聯網和邊緣數據的采集。

今后的設備維護也將更加簡便。如果監控系統發現設備的物聯網數據異常，AI Copilot會自動的關聯這個設備所有歷史的問題和維修記錄，并且自動派工給當天值班的維修工程師。

維修工程師收到這份工單和相關資料之后，可以繼續通過自然語言對話的方式和AI Copilot進行交互，進一步明確問題。

當他做出一個維修方案之后，不會立刻去真實設備維修，而是先在這臺設備的數字孿生體進行模擬調校，確認維修方案確實可行之后，下達指令給AI copilot自動的維修這臺設備，并且生成維修報告。

寫在最后

未來已來，我們唯有加速奔赴。

邊緣計算和人工智能的融合，形成的邊緣智能應用正在快速落地，為企業數字化轉型提供有力支持。

今年我們能夠明顯感受到制造業數字化轉型的需求尤為迫切，而制造業的數字化轉型核心是數據驅動，讓數據能夠真正的創造價值。

期待研華在昆山工廠的實踐可以被廣泛復制，助力更多的制造企業打造數據底座，加速數據優化的進程，讓看不見的自動化發揮效力。通過邊緣智慧賦能現代制造，讓更多的工業設備擁有“說話”的能力。

審核編輯：彭菁