AI oT 云边协同 赋能行业边缘智能 新华三集团 杜利征 智能交通 V2X 车路协同 智能工厂无人质检 智能电网无人巡检 智慧水利水文监测 智慧金融无人网点 智慧零售数字便利店 应用驱动数字化技术深度融合 “ 以业务应用场景， 如何在资源受限的现场设备运行边缘应用 实现业务本地闭环？ 如何实现边缘应用统一部署和升级 支撑业务迭代？ 行业现场复杂多变是数字化落地最大挑战 硬件形态不同（不同协议的接入设备） 边缘环境迥然（大量异构设备需要联网） 业务千变万化（业务需求多样化） 行业边缘智能： 面向场景感知 、实时决策和预测分析等业务场景， 将云 原 生能力拓展到行业现场， 基于云边协同部署边缘 AI 应用， 应用， 边缘提供 AI 算力 和本地物联接入， 使能行业边缘业务落地 。 行业边缘智能是行业数字化转型基石 IoT 网 络 边缘应用 AI 算 力 边缘平台 物联 管理 安全 策略 开发者 中心 镜像 管理 容器 管理 函数 计算 节点 管理 智能 策略 边缘 管理 Wi-Fi 终端 Linux OS & 容器 /ARM/x86 Wi-Fi 6 + LoRaWAN ：宽窄带一体化无线网络

边缘新生 . 连接未来 火山引擎新 & 代边缘云解决方案 沈建发 火山引擎边缘计算高级产品总监 WWW.VOLCENGINE.COM 2021 年通信业统计公报》 应用后端载体分布式化 2020 年我国计划使用边缘计算的企业占比为 53.8% —— 信通院云计算白皮书 （ 2021 ） 现代 IT 应用架构演 进 多终端模式 中心云部署 单机模式 单点部署 集群部署 云边部署 CS 模式 BS 模式 5-40ms 超低时延，火山引擎边缘云助力极致体验 计算、网络 ( 加速 ) 、渲染、安全 更高清 更实时 更沉浸 需求驱动边缘革 新 VR 体验 实时交互 5K/8K/12K 分辨率实时渲 染 音视频体验 3300 万 8K 分辨率的视频编解 码 云游戏体验 设备无限制 延时 <30ms 全国主要城市覆盖 / 本地接 入 5ms

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen 前手机芯片的局限 性。根据 IDC 数据，1Q23 全球手机销量中主处理器频率超过 2.8GHz 的占比 36%，价格在 1000 美金以上的占比 13%，即旗舰机型占比较低，随着 AI 大模 型在边缘端落地，有望推动新一轮换机潮。 以大语言模型为核心，以语言为接口，控制多 AI 模型系统，构建“贾维斯” 式智能管家。我们认为大语言模型不仅可以实现对话、创意，未来也有望作 为众多复杂 AI 模型 等均有望成为这一时代的交互入口。 产业链相关公司：半导体：晶晨股份、瑞芯微、全志科技、北京君正、兆易 创新；消费电子：传音控股、歌尔股份、福立旺、闻泰科技、创维数字。 风险提示：AI 技术发展不及预期；边缘端芯片发展不及预期。 重点公司盈利预测及投资评级 公司 公司 投资 昨收盘 总市值 EPS PE 代码 名称 评级 （元） （亿元） 2023E 2024E 2023E 2024E 688099

车辆识别管理应用 7. 数字识别应用 智慧工地解决方案设计原则 数据驱动，建立 大数据运营 标准化中台， 选单式应用 云边协同 软硬一体 新科技赋能新 运营模式 云边协同，软硬一体 云和边缘相结合，实现灵活的计算资源、网络资源的合理分配 建设智慧工地云柜标准化软硬件一体化产品，快速部署，多项目使用； 标准化中台，选单式应用 夯实智慧工地中台，建设好物联网平台、数据中台、业务中台、应用 门户 手机 app/ 小程序 智能大屏 智慧工地中台 技术中台 接入管理 设备管理 应用使能 数据管理 数据中台 业务中台 AI 原子算法库 AI 某省市 音视频管理 边缘设备管理 一体化 资源层 安全设备 网络交换机 UPS 制冷系统 服务器 共享存储空间 AI 算力单元 物联网平台 AI 云平台 智慧工地驾驶舱 应用管理 应用订购 计费结算 租户与权限管理 电需要，同时出现停电后也没 有备电机制  大多数边缘计算联动都是平台 侧执行，无法做到集数据采集、 策略应用设置、边缘计算、终 端联动一体化解决方案。无法 基于场景进行灵活选配相应联 动应用。 通信问题  目前多数成熟应用缺少无 线通信能力，无法实时将 数据回传，每个应用添加 独立的 DTU 实现数据回传 会额外加大建设成本。 边缘云柜解决工地场景痛点 算法 分析 LoRa

个小任务，然后把这些小任务分配给地理、网络层级或逻辑上相互独 立的多个节点。这些计算节点可涵盖数据中心、边缘设备（如基站、 物联网网关）、终端设备甚至个人闲置设备等，通过网络连接形成协 同体系，实现算力资源的分布式协同与高效利用。分布式算力并非单 一形态，边缘算力是前者重要组成部分，是分布式思想的一种具体体 现。边缘算力强调“地理近端性”，即计算能力的部署靠近数据源， 以满足低延迟和高实时性的需求；而分布式算力更关注“全局最优性”， 以满足低延迟和高实时性的需求；而分布式算力更关注“全局最优性”， 侧重任务的分解与协同，以处理大规模和复杂的计算任务可能调度至 边缘、核心云或两者协同，例如“云-边-端”分层推理。 分布式算力感知与调度的核心在于“感知”与“调度”两个相互 依存、紧密结合的环节。“感知”是基础和前提，它指的是系统具备 全面、实时、精准地获取分布式网络中各个计算节点资源状态的能力。 具体而言，感知过程涵盖多维度：首先，系统需自动发现并注册新计 络拥塞时，能够智能地选择其他通信路径，避免性能瓶颈。 这种动态适应能力是保障系统稳定性和可靠性的关键。  跨域协同与互操作性：理想的分布式算力池往往跨越不同管 理域（多个公有云、私有云、边缘站点、终端设备）。实现 高效的感知与调度，必须解决跨域资源发现、认证授权、状 态信息交换、任务协同执行等挑战。这依赖于开放的 API 标 准、通用的资源描述语言、安全的跨域通信机制以及可能的

边缘 AI 驱动， 助力新质生产力 英特尔® 工业人工智能白皮书 2025 年版 Intel® Industrial AI Playbook 2025 Edition 编委会： 主编：刘 俊、马小龙、朱永佳 编委：方辛月、高 畅、高杨帆、胡 杨、刘 波、吕晓峰、邱丽颖、单 娜、张 恒、张心宇 * 编辑按姓名首字母排序 人工智能 (AI) 技术的快速发展掀起了新一轮工业革命浪潮，通用大模型的出现让 技术的广泛应用，并与行业伙伴共同探讨和制定工业 AI 的标准 化流程和最佳实践，共同构建开放、协同的工业 AI 生态系统，推动制造业向智能制造转型升级，赋能 新质生产力。 — 张宇博士 英特尔中国区网络与边缘事业部首席技术官 前言 目录 01 02 工业人工智能 (AI) 行业观察 .......................................................01 消费电子产品将是大模型部署的新阵地。围绕用户的个性化需求，包括不同的使用场景和使用习惯等，大模型的部 署需要根据用户特征对模型进行差异化增强。为了保护数据隐私，与用户隐私相关的应用模型的训练，将在端侧而 非云上进行，这也对边缘端的算力提出了更高要求。 09 01 工业人工智能 (AI) 行业观察 新材料的 快速筛选 加速设计 锂电池未来的技术核心竞争点在于材料。快速筛选出高能效的材料，是掌握竞争优势的关键。大模型通过高通量计

XR 交 互体验和内容生态繁荣，XR 产业有望迎来新发展阶段。2、手机需求放 缓，AIGC 赋能智能手机或将成为刺激换机的重要动力。3、AIoT 融合 在未来数年内不断突破数据处理和智能学习的界限，通过边缘 AI 赋能， 智能机顶盒、智能音响、智能耳机等智能终端产品有望形成软硬件一体 的智能语音交互助理载体。 ◼ AI+提升生产效率， B 端应用场景发展潜力逐渐释放。随着技术和应用 的发展，AI 发展改革生产力，已具备多领域应用能力 ................................................................... 6 1.3. AI 向实际场景落地，边缘算力重要性加速凸显.................................................................... 7 2. C 端：AI+拓宽应用场景，推动创新需求 助力传统安防，智能化转型成必然趋势................................................................ 22 3.1.2. 安防解决方案正在向云+边缘的方案演进 .................................................................. 23 3.2. 机器视觉检测：AI+提升检测精度，替代传统人眼检测

多样化的英特尔硬件产品矩阵 • 全方位的软件产品助力，包括 OpenVINO™ 工具套件、 英特尔® 深度学习加速技术、英特尔® AVX-512、面向英特尔 ® 架构优化的深度学习框架等。 • 英特尔在 5G、边缘计算（MEC）平台以及 “云 - 边 - 端” 架 构上的一系列成功部署和实战经验。 统也给传统校园 IT 架构带来挑战。部署在教室等系统末端 的设备通常处理能力较弱，而全部通过远端数据中心或云端 帮助学生依据评测结果制定和优化后续学习过程。目前， 诸如口语测评等测评类人工智能应用已在各级教育机构获 得广泛欢迎。 • 教学管理场景：数据驱动的智慧教育场景更注重数据的快 速处理、分析与反馈。得益于 5G、边缘计算等技术的成熟， 教育机构得以在校园部署更多的人工智能应用，进而能够 通过更为快捷的数据交互和处理方式来对教学过程实施灵 活的调度和管理。例如，通过智能教学辅助能力，学校管 理人员可以快速远程巡课、智能排课、获取教学大数据， “云-边-端” 人工智能教学与实训环境如图2-1-5所示， 在校园环境内，可以由数据中心 / 私有云与边缘平台一起，通 过校园网络构建 BS （Brower-Server）或 CS（Client-Server） 公有云 数据中心 私有云 校园环境 其他校园 IT 平台 终端 AI 实训场景 边缘平台 基础 教学 算法 学习 开发环境配置 容器化底层支撑 实训任务调配 教学 管理 模型训练支持

中心架构加速普及 ................................................................................... 51 5.2.3 边缘计算与微电网从独立部署走向深度耦合，构建区域性 能电自平衡单元 .................................................................. 图 2-1 算电协同功能架构图 第九届未来网络发展大会白皮书 算电协同技术白皮书 12 （1）基础设施层 基础设施层是算电协同系统的物理承载基础，包括计算基础设施 （如边缘节点、云平台、高性能计算集群）、网络基础设施（如确定 性以太网、广域传输链路）以及能源基础设施（如光伏阵列、储能设 备、电力监测终端）。本层负责算电任务的运行支撑与能量供给，要 求具备高可用性、可扩展性与绿色化能力。 础作用，具体包括感知模块、建模模块与数据服务模块。具体功能有： 实现对算力、电力、网络等多源异构资源状态的实时感知与数据采集、 构建任务行为与资源状态的多维建模体系，支持预测评估与能效优化 以及提供边缘与中心的数据缓存、分发与分析能力，为调度控制策略 提供数据支撑[1]。该层实现算电资源的全域感知、精准建模与高效数 据支撑，助力智能调度与协同优化。 （3）智能决策层 智能决策层是实现算电资源全局优化与任务智能调度的核心层

人工智能，机器视觉 数据库服务 虚拟机服务 容器服务 搜索引擎 消息队列 文件存储 对象存储 日志服务 容灾备份 监控预警 物联网关 协议解析 边缘计算 规则引擎 反向控制 MQTT 画 网器 工业机器人 AGV 严传感器 统一 云底座，整合资源、整合应用、整合数据。 边 IEF 智能边缘平台 边缘应用集成 运营大屏 IOC ROMA Site 预测性维护 边缘智能 边缘推理 预警分析 IEF 智能边缘平台 数据预处理 MOTToeCLJA 质量追溯 边缘网关 loT 网关 氩气用能量化分析 轻量化 OS/ 容器引擎 边缘网关 协议网关 产品体系 智慧应用 800+ 个 智慧金融 组网，满足工厂内外网 络各场景连接需求 边缘智能服务平台 EISP 边缘智能云 EIC+ 边缘 智能小站 EIS, 与中心 云形成一朵分布式云， 实现全域业务覆盖 通过条码数据采集手段、 云 智 AloT 物联、智能工厂 融合 和工业大脑等支持企业 生产智能化 作为 5G 技术、标准和产业的重要推动者，中国移动云平台结合资源优势在边缘、 AI 、生态 等 方面