2025年边缘计算市场调研报告

UIinkUIinkediaUIinkUIinkediaUIinknediaUIinknedia在云边端协同框架中，边缘端凭借低延迟、高可靠、本地化数据处理的特性，有效弥补了云端在实时性、带宽成本与数据隐私保护上的短板。今年为此，视觉物联再次启动边缘计算市场调研报告，将主要聚焦在大模型技术驱动下产业的升级变迁。《2025边缘计算市场调研报告》将从技术发展与落为此，视觉物联再次启动边缘计算市场调研报告，将主要聚焦在大模型技术驱动下产业的升级变迁。《2025边缘计算市场调研报告》将从技术发展与落地应用等方面展开深度调研，揭示行业基本面，洞察竞争UIinkmnediaUIinkmnedia鸣谢企业鸣谢企业UIinknediaPART1市场概述--------05UIinknedia目录------------12PART3应用场景分析---------31PART4未来发展趋势及挑战---46PART5行业探讨------------51目录--------53UIinkmnediaUIinkmnediaUIinknediaUIinknedia从硬件采购看，为满足不同场景对算力、存储及实时处理的严苛要求，企业需购置各类高性能设备，不仅价格昂贵且定制化成本不菲；软件层面，适配边缘设备的操作系统、应用程序开发投入巨大，不同场景需量身落地难成本高碎片化边缘计算项目普遍存在算法定制化需求高的问题，由于应用场景分散且项目周期偏长，企业需投入大量人力与资金进行适配开发；且当前算法精度不佳导致误报率过高，导致很多项目无法交付；从厂商角度来看，由于客户订单少，投入大量研发精边缘计算应用场景呈现出高度碎片化态势，从智能安防、智慧水务到智能建筑、智能制造等，边缘计算均有涉足，但每个细分场景的体量较小且需求不一。例如智慧交通中，智能交通信号灯可依车流动态调整颜色，而自动驾驶场景下，对边缘计算的低时延要求极高，二者虽同属交通领域，需求径庭。如此一来，边缘计算难以形成统一、普适的解决方案，开发成本居高UIinkmnediaUIinkmnediaw强适配”的特性，为边缘计算在场景的规模化对算法厂家而言，开源化意味着会有更多的开发者参与到模型的优化和改进中。大量的开发者从不同的角度对模型进行调试、补充数据、优化算法，将极大地提高算法精度；底层算法框架的开放，使开发者可直接基于开源代码进行本地化相比于传统大模型，开源大模型通过架构创新降低必要算力、算法优化提升算力效率和场景定制减少冗余算力，使得同等效果下算力需求锐减，将大模型部署的算企业无需再为获取和使用模型支付高昂的费用，就能以较低成本达到预期的应用效果；同时，经过优化后的开源模型在接口设计、使用流程等方面更加简化，即使是技术实力相对较弱的团队也能较快掌握，操作难度显著下降。企业无需投入数千万级资金即可获得百亿参数级模型基座，可以将更多的精力和资源投入到行业应用的个性化开发上，结合自身对特定行业的深刻理解，快速开发出符合行业需求的应用产品。开源大模型以灵活多元的落地形态，深度适配边缘计算的场景特性。既有大模型一体机的形式提供集成化解决方案，也有通过模型裁剪实现小型化部署，轻松嵌入边缘计算盒子与NVR设备；更有采用边缘计算盒子与云端大模型协同的模式，兼顾本地实时响应与全局智能调度。这种丰富的落地形态，进一步降低了不同场景下的部署难度。UIinknediaUIinknedia视觉物联结合调研企业和各方数据汇总发现，2024年，中国边缘计算市场展现出了强劲的增长动力，市场规模突破950亿元，同比增幅超30%，政策支持和工业数字化转型是核心驱动力，预计未来3年中国边缘计算市场复合增长率将达到21.7%，到2026年边缘计算市场规模将超过1300亿元。2025年中国边缘计算市场结构2025年中国边缘计算市场结构软件市场占比约35%，但软件服务市场正在快速增长，随着应用场景深化，硬件份额预计逐步下降。UIinkmnediaUIinkmnedia从具体产品出货量来看，视觉物联调研数据显示，2024年国内边缘计算盒子出货量超200万台，仍以项目型市场的安全生产为主，包括智慧电力、城市治理、工厂的安全生产、智慧水务、智慧社区等应用场景。从产品单价来看，边缘计算盒子单价从1000元到几万块不等，跨度大主要是因应用不同，不同盒子里内置的芯片算力大小和算法不同导致的价格差异。 中国边缘计算服务器出货量（单位：万台）2024年边缘计算服务器出货量超5.5万台，增长主要得益于政策推动、行业数字化转型需求以及边缘计算与人工智能的深度融合。其中浪潮信息以57%的市占率领跑市场，覆盖智能制造、能源、交通等领域，并与50余家合作伙伴推出近百个场UIinknediaUIinknedia《原材料工业数字化转型工作方案（2024—2026年）》明确要求推动边缘计算与5G、AI在制造环节的深度应用，形成智能检测、虚拟调试等典型场景。工业和信息化部等七部门发布的《推动工业领域设备更新实施方案》进一步提出，支持企文件提出支持供电企业积极推进数字电网建设，综合运用人工智能等数字化技术，加快推进智能客服能力建设，提供24小时在线的人工智能应答。同时，推动基于实时数据的电力可靠性管理体系建设，深化配电网智能巡检体系建UIinkmnediaUIinkmnedia中共中央国务院发布2025年《关于深化养老服务改革发展的意见》，文件明确提出强化社区依托作用、推广智能设备等方向，要求加快养老科技和信息化发展应用，重点也为企业技术研发指明发展方向，例如养老领域明确机器人的产品形态。一系列政策将吸引更多的资金、技术与人才投入，加速边UIinknediaUIinknedia UIinkmnediaUIinkmnedia硬件基础设施芯片网络与云边协同服务增值服务中国移动中国联通中国电信腾讯云火山引擎中国广电运营商云服务提供商阿里云华为云百度智能云边缘计算场景解决方案提供商安全服务华为烽火浪潮太极神州数码奇安信深信服启明星辰千方科技佳都科技高新兴虹科电子安恒信息硬件基础设施芯片网络与云边协同服务增值服务中国移动中国联通中国电信腾讯云火山引擎中国广电运营商云服务提供商阿里云华为云百度智能云边缘计算场景解决方案提供商安全服务华为烽火浪潮太极神州数码奇安信深信服启明星辰千方科技佳都科技高新兴虹科电子安恒信息天融信保旺达绿盟科技绿盟科技 边缘芯片瑞芯微瑞芯微算能算能海思海思爱芯元智爱芯元智后摩后摩GPU芯片英伟达英伟达英特尔英特尔昇腾昇腾燧原科技燧原科技平头哥平头哥深蕾深蕾云天励飞云天励飞特普斯微特普斯微地瓜地瓜昆仑芯昆仑芯登临登临灵汐灵汐瀚博瀚博寒武纪寒武纪壁仞科技壁仞科技高通高通跃昉跃昉芯动力芯动力天数智芯天数智芯摩尔线程摩尔线程海飞科海飞科沐曦科技沐曦科技海光信息海光信息云天励飞云天励飞硬件基础设施硬件基础设施边缘终端设备边缘盒子开发板边缘盒子开发板大华股份图为科技天波信息/天波信息奔迈科技奔迈科技米尔电子米尔电子英码科技海康威视研华研华中兴通讯中兴通讯浪潮浪潮超聚变超聚变英特灵达芯算无限智微智能英码科技大华股份英特灵达芯算无限智微智能英码科技大华股份大模型一体机海康威视海康威视大疆创新大疆创新宇树科技宇树科技云深处云深处宇视科技北辰智联研祥博为智能映翰通宇泰研祥博为智能映翰通宇泰边缘网关曙光信息英码科技新华三曙光信息英码科技新华三算力服务器宝德计算宝德计算联想联想宇视科技宇视科技道通智能极飞科技科比特道通智能极飞科技科比特无人机机器人优必选机器人优必选傅利叶智能众擎众擎华自超算慧为智能倍联德安擎倍联德智元机器人视美泰百度磐玉瑞驰瑞驰启朔启朔依图依图越疆越疆华科智能华科智能迈迪杰迈迪杰魔云腾魔云腾亿航智能亿航智能零次方零次方逐际动力逐际动力华北工控华北工控软件与平台技术软件与平台技术麒麟统信UOS 操作Linux麒麟统信UOS 安卓系统瑞芯微安卓边缘计算平台 华为华为IEF云塔物联云塔物联江行智能江行智能网宿科技网宿科技中国联通中国联通中国移动中国移动中国铁塔中国铁塔云工场云工场算法商汤科技商汤科技旷视科技旷视科技英特灵达英特灵达大模型 DeepSeekAI通义千问天海宸光天海宸光极视角极视角千视通千视通文心一言豆包Llama芯算无限芯算无限北斗智能北斗智能智谱科大星面壁 UIinknediaUIinknedia边缘计算信创市场产业图谱边缘计算信创市场产业图谱提到边缘计算的信创市场，那一定离不开鸿蒙生态。上下游企业主要UIinkmnediaUIinkmnedia平头哥、昆仑芯、灵汐、瀚博半导体、壁仞科技、天数智芯、海飞科、沐曦科技、海光信息、进迭时空后摩、爱芯元智等企业为主，算力大小主要集中在若未来大模型向端侧渗透成为趋势，国内芯片企心突破点不应局限于算力数值的提升，还需将大小的优化置于战略位置，这既是突破当前应用的关键，也是在边端大模型赛道建立竞争优势的新入局企业多将重心锁定在大算力芯片领域，试图通例如，无锡诚恒微即将推出聚焦边缘计算领域的48T结合当前边缘侧的模型部署现状来看，1.5b和3b模型是主流选择，而制约模型规模向更高层级突破的核心瓶颈，并非UIinknediaUIinknedia算法厂商近几年在大浪淘沙的市场竞争中也所剩不多，包括北斗智能、云从科技和腾讯优图等企业，同时面临高昂的研大模型开源后，将显著降低企业前期投入成本。以客户试用Demo的开发为例，此前需要一周时间完成的工作尽管大模型开源为中小企业提供了发展捷径，但由于底层技术架构具有共性，其优势与风险并存。最终竞争的核心，仍企业决策者需审慎评估两大关键因素：其一，算法准确率是若选择的应用场景规模有限或通用性不足，将难以覆盖研发基于大模型的开源算法目前还没有真正需求和订单落地，预UIinkmnediaUIinkmnedia硬件设备提供商是边缘计算场景落地的重要载体，但硬件赛其他企业在价格方面无竞争优势；而盒子目前价格多样，从几百块到几万块都有，主要是内置算力、算法及应用场景不同导致的价格分层，参与企业众多，产品竞争主要聚焦在稳AI大模型厂商的加入为边缘计算市场注入了新的活力。随着大模型技术的不断发展，将大模型部署到边缘端成为趋势，百度文心一言、阿里通义千问、腾讯混元大模型等，都在积极探索边缘端的应用。此外，一些专注于特定领域的AI大模型厂商，如科大讯飞在智能语音大模型方面，也在边缘计算针对不同行业的需求进行方案设计和实施。国内边缘计算方案商数量较多，竞争更多体现在对行业需求的理解深度、方解决方案供应商涵盖了各个行业，竞争态势也因行业而异。在一些新兴行业，市场竞争相对缓和，而在一些成熟行业，竞争软件供应商在边缘计算软件领域也在不断发力，如华为的鸿蒙操作系统在边缘设备上的应用逐渐拓展，能够为边缘计算提供边缘计算中间件和开发工具的企业，也在不断推出新帮助开发者更便捷地进行边缘计算应用开发。软件供应商之间的竞争主要体现在产品的功能完善性、易用性、安全性以及与系统集成商之间的竞争主要体现在项目经验、技术实力和成本控制能力等方面。国内系统集成商数量众多，规模大小不一，大型的系统集成商如烽火、神州数码和东软等，在资源整合和项目实施方面具有优势，能够承接大型的边缘计算集成项目；小型系统集成商则更多地专注于特定区域或细分行业，通过提只有那些能够不断提升自身技术实力、深入理解行业需求、具备强大整合能力的企业，才能在边缘计算市场中长久立足，推动整个边缘计算行业的持UIinknediaUIinknedia8686831/////7/UIinkmnediaUIinkmnedia777788UIinknediaUIinknedia/////6/UIinkmnediaUIinkmnedia///7///7//体人7754JPEGJPEG/组///UIinknediaUIinknedia 7//7//////////2/////////27////////9/7//7////UIinkmnediaUIinkmnedia别别别测别别别踪踪别别别别别别别别UIinknediaUIinknediaUIinkmnediaUIinkmnedia过去，边缘计算领域最主流的算力硬件产品形态便是边缘计算盒子，其次是边缘服务器，但随着技术的不断推陈出新，结合大模型技术，大模型一体机、无人机、搭载大模过去，搭建算力中心门槛极高，并非所有企业都有能力涉足，这使得大模型的商业化落地一度面临困境。而开源大模型的出现，极大地降低了本地大模型部署的难度，能够更便捷地实现产品落在这一领域，活跃着两类具有代表性的玩家。一类是算法公司，它们深耕AI领域，深另一类是服务器厂商，但相比之下，服务器厂商更多以销售硬件为主要目标，对于大模型一体但当前大模型一体机实际落地案例仍较少，多处于试点或零散订单阶段。核心原因在于其规模化应用依赖智能体软件生态的成熟，需大量开发者开发能深度融入企业工作流UIinkediaUIinkediaUIinkUIinkediaUIinknediaUIinknedia随着低空经济上升为国家战略，作为边缘计算的设备新形态——无人机，在垂直行业的过去，传统电力巡检依赖人工跋山涉水、攀爬铁塔，作业效率低下且伴随高空坠落、野现如今，通过边缘计算与轻量化AI技术的突破发的无人机自适应巡检系统，可实现自主路径规划、杆塔坐标精准识别、缺陷检测及厘米级福建高速公路无人机应用创新团队研发的高速无人机机载边缘计算套件，可在空中快速识别道路上的抛洒物、交通拥堵等情况，精准测算拥堵路段经纬度与里程桩号，并同相较于原先将无人机拍摄的海量视频、图片等数据传输到后台系统，再进行识别的方式，这款无人机机载边缘计算套件显著提升了数据处理响应速度，为管理人员决策提供可以说，边缘计算与AI技术的融合，正推动无人机成为各垂直行业智能化转型的关键工具，尤其在高风险、大面积、高效率需求的巡检场景中，其替代人工、提升决策效UIinkmnediaUIinkmnedia2025年2月份，基于观澜大模型技术体系，海康威视其通过面向不同平台的模型结构设计、知识蒸馏、模型精简等大模型部署技术与智能硬件创新设计，实现了大模型在硬件平台上落地，让大模型技术真正满足不同场景的应人流密度高、场景复杂的情况，结合管理范围内原有的硬件设备进行智能③室内外防火安全守护：对于室内用火、室外抽烟等行为实时监测，存储到分析的全流程智能化，推动安防系统从单一功能向一体化、智能化UIinknediaUIinknedia在人工智能加速向物理世界深度渗透的当下，机器人作为AI与现实交互的关键载体，正以前所未有的态势重塑人类生活。它们不再是单纯的机械装置，而是能感知、思考并行动的智能体，真正赋予了AI“身体”，实现与真实物理环境的深度交互。边缘计算作为支撑机器人特别是具身智能落地的关键力量，正发挥着不可替代的作用。2025年，大模型为机器人注入了全新的核心能力，使其实现从“可编程设备”到“自主智能体”的进化。以用户要求机器人“帮我热牛奶”为例，基于大模型储备的海量常识以及边缘计算的实时处理能力，机器人能够自动判断出需移除包装（防爆炸）→使用中低火（防糊底）→温度不超过60℃（保留营养）等一系列操作步骤，并做出合理决策。这一过程无需频繁上传数据至云端，在本地即可快速完成分析与决策，不仅提高了效率，还保障了用户数据的隐私安全。尽管边缘计算与大模型为机器人发展带来了诸多机遇，但从实际应用情况来看，机器人的发展仍面临诸多挑战。目前，机器人的人效比仅有0.25，在散热、续航、算法和成本等方面存在明显短板。此外，具身智能的发展还面临数据瓶颈。当前，具身智能的智力水平大致相当于3-4岁儿童，数据量严重短缺。特别是在特定行业应用中，机器人需要大量的行业数据进行训练，才能更好地适应复杂且专业的任务需求，精准执行各类指令。展望未来，若从零部件到senor再到平台端，能建立起统一的标准，并形成稳定的商业模式和完整的产业链条，机器人产业将迎来重大变革。若机器人本体成届时，边缘计算领域的机器人/具身智能将广泛应用于工业制造、医疗护理、家庭服务、物流配送等多个领域，为各行业带来更高的效率、更低的成本以及更优质的服务体验。UIinkmnediaUIinkmnedia UIinknediaUIinknedia在需求规模化爆发的关键节点，从业者需保持清醒认知，既要精准甄别伪需求与真实需求，更要建立在需求规模化爆发的关键节点，从业者需保持清醒认知，既要精准甄别伪需求与真实需求，更要建立2025年场景应用呈现多点爆发趋势：在交通领域，红绿灯智能管控系统与道路巡检开始规模化应用；教政务办公领域，基于边缘计算的智能政务终端实现高效部署......未来，边缘计算市场规模化爆发并能长久发展的，未来，边缘计算市场规模化爆发并能长久发展的，一定是根据生产衍生出来的需求，为降本增效去服前期收开发费也是一种客户的过滤方式，到底是不是用户的核心痛点，愿不愿意拿真金白银去做。这种市场化过滤机制，本质上也是对技术落地价值的提前校UIinkUIinkediaUIinknediaUIinknedia与医疗资源浪费；诊断中，医生需人工整合多份多源异构检查数据，耗时且易漏关键信息；诊断后，患者离院后缺乏主动管理，出现漏服药物、并发症预警滞后等问题，严重影为助力智慧医院数字化转型，为患者带来更加安全、便捷和高效的医疗服务。倍联德以智算一体症状自查与智能导诊：患者通过自然语言描述症状，基于医学知识图谱生成初步诊断建议，实时决策辅助：针对疑难病例，基于百万级医疗知识库临床指南、文献及真实病例库，生成并发症预警：实时监测患者上报症状或设备数据（如数据回流与科研赋能：对患者症状、用药、复查结果UIinkmnediaUIinkmnedia生信分析大模型实时推理，诊断前降低患者盲目性，诊断中提医生端：决策时间减少50%，文书录入量降低30%，科研效率提升医院端：患者满意度提升至90%以上，医疗资源利用根据公路养护规范，机电设备、道路等巡检涵盖了日检、周检、月检、季检、年检等周期，传统道路巡检面临着人工巡检效率低下、数据记录不准确、病害容易漏检和安全UIinknediaUIinknedia该方案将图为边缘计算机与摄像头、北斗定位、道路巡检控制等设备巧妙集成，装配于道无论是道路坑槽、裂缝，还是路面遗撒、井盖高差等异常情况，都能被精准识别；同时，识别结果信息会迅速上传至云平台，在平台中以直观清晰的方式实时展示道路病害的统计数据UIinkmnediaUIinkmnediaAI智能分析大幅提升巡检效率，较传统人工方式提升10倍以上；同时具备高精度检测能力，检出率超支持超10种道路病害及路边资产异常识别，包括但常、路缘石异常等；设置相似度去重机制，能提供缓存续传导出等机制，不受网络环境限制，保障数据安全稳内置VPN，支持镜像部署，可实现远程升级与维护，提升设省市地区成功落地实施。该方案以高效的巡检效率、精准的数据分析、直观的结果展示，为各地公路管理部门提供了强有力的技术支持和决策依据，获得客户的UIinknediaUIinknedia当前连锁餐饮行业竞争激烈，连锁化程度提升、门店运营成本攀升、食品安全问题导百度智能云在智慧零售和门店管理领域已经打造了多个标杆项目，其为某连锁经营火锅店提供的边缘计算解决方案，打通餐厨监管、食安台账检测、收台合规等环节，将UIinkmnediaUIinkmnedia在智慧门店方案中，百度智能云磐玉AIBOX-H01通过对视频监控录像中的特定微小目标进行识别、检测、分析处理，将多路视频流数据在边缘侧进行AI智能化初筛，及时预警不合规操作和危险信号。针对初筛后的边端视频图像数据，抽帧上传至云端，再进行模型训练和存储备份。通过AI实现全时段全订单全覆盖（上报率大于90%基于配备双千兆网口、USB3.0、RS485等丰富接口，完美适配矿山、工厂、连锁门店、校园、路口等复杂环境，现已在智慧零售、智慧园区、智慧城市、智慧工地等多行业场景中而百度大模型平台内置800+场景化模型及训练产线，支持零代码技能编排，实现「轻量模UIinknediaUIinknedia同时，城市中的违法建设、垃圾乱堆乱放、违规广告张贴、市政设无人机智能巡检则能够快速覆盖大面积的城市区域，相比传统人工巡检方式，大大缩短巡检周期。AI技术的应用实现了对据了解，芒果智能科技面向应急指挥救援、公安、城管、水利、交通、农业农村和环保等领域，推出三种巡检方案，包括人工手动飞行、固定机库全自动巡检和移动机库自UIinkmnediaUIinkmnedia提升巡检效率：通过无人机快速飞行与自主航线规划能力，实现大面积南京沙洲派出所使用芒果智能科技无人机巡检方案，在无人机视角下，对整个管辖区域进行巡飞管理，主要针对20人以上聚集检测、烟火烟雾识别、葬衣人群识别、手持危险器械、拉横幅等行为检测识别，基于AI智能模块实现辅助UIinknediaUIinknedia过去，智慧仓储物流设备主要以监控、录像和简单报UIinkmnediaUIinkmnedia多模型协同赋能+多模态数据处理，支持文字、音频、视频、图片等多类型数据实时解析与联动分析，在风险发生时可自动触发设备响应（如启动消防设备、关闭故障多模型协同赋能+多模态数据处理，支持文字、音频、视频、图片等多类型数据实时解析与联动分析，在风险发生时可自动触发设备响应（如启动消防设备、关闭故障区域电源降低到策略制定、决策执行及效果分析，形成完整闭环，减少人工通过软件算法升级对传统设备进行兼容改造和智能化升级，可通过软件算法升级对传统设备进行兼容改造和智能化升级，可存盘点、计件计数、物品分类等工作，减少人工操作量，年人不仅适用于中大型工厂、园区、集散中心的传统安防监控智能化升级，降低企业改造门槛和成本，还能针对化妆品、药品、液罐等特殊品类仓储，提供定制化的缺陷检测、存放区域管理控区域人员数量、奔跑翻越等危险动作检测预警、叉车安全距离告警、车辆违停、通道占用预警等。破损、变形等）检测，外包装箱标签条形码、二上海XX化妆品品牌仓：化妆品套装分拣分装线增加检测点，检测分装流程中物品的错放、漏放UIinknediaUIinknedia发电环节实时监测风机、光伏板等发电设备运行状态，快速处理设备数据，及时调整参数以优化发电效率，避免因数据对输电线路进行实时监测，快速识别短路、断线等故障和覆冰雷击等异常，通过本地计算立即触发预警，缩短故障定位时间，保障输电线路安全稳定运行，减少因数据传输延迟导用户侧通过智能电表等设备本地处理用电数据，实时反馈用电情况，还可以根据用户设定的电价策略，自动调整电器的用电时间，实现错峰用电，降低用电成本；同时支持实时分析配电网内的负荷分布和用电数据，本地进行负荷预测和优化调度，快速定位是线路跳闸还是设备损坏，缩短停电时间，提高供电可实时监控变电站内变压器、开关等设备的运行状态，本地处理设备数据并进行故障预警，同时自动调整变电设备中的电压、电流参数，实现变电过程的智能化控制，提高变电效率和可靠性，避免因云端响应慢导致的设备异常处理不及时UIinkmnediaUIinkmnedia红绿灯智能管控需求主要源于缓解交通拥堵、提高通行效率和保障交通安全等方面。例如，需求与车流量，动态调整行人绿灯时长，合理分配人车通行权，避免行人等待时该应用场景采用云中心与边缘计算相结合的架构，实现数据采集、处理与控制的分布式部署，UIinknediaUIinknedia UIinkmnediaUIinkmnedia未来，大小模型结合将是边缘智能最优解路径，小模型用于前置过滤与过去传统方案动辄50万开发费及大量标注数据的投入相比，大小模型结合后，5万元即可启动项目，极大地降低了开发门槛；同时，小模型运行于低功耗边缘盒子，大边缘计算的智能化变革，绝非大模型对小模型边缘计算的智能化变革，绝非大模型对小模型的替代，而是二者在算力、成本、精度间寻找最优解的过程。对于企业而言，需以场景需求为导向，若追求极致实时性与UIinknediaUIinknedia尽管二者本质上都致力于解决海量存储与有效数传统的边缘端设备在寻找特定人员时，如果将识别阈值设置得过高，如95%，可能会导致漏检，无法找到目标人物；而使用老的边缘盒子方式，一旦设置了较高阈值，不存算一体的边缘计算盒子能突破这一困境，它能够将所有阈值下的数据都记录下来。在事后查找过程中，当95%的阈值无法找到目标时，可以逐步降低阈值至85%、凭借强大的算力，即使在多摄像头查找时因图像质量不佳、人脸不清楚边缘计算盒子带存储功能契合了当下数据处理与分析的迫切需求，其独特的数据处理逻边缘计算盒子带存储功能契合了当下数据处理与分析的迫切需求，其独特的数据处理逻UIinkmnediaUIinkmnedia趋势一：硬件形态多元化及智能化升级趋势二：未来边侧将逐步被智能端侧替代今年，大模型裁剪小型化并在端侧和边缘侧部署落地是主流趋势，随着端侧的智能化程度逐渐提高，利旧项目的市场份额不断蚕食，未来边缘计算产品体系，未来承载技术的硬件载体将朝着多元化方向蓬勃今年，大模型裁剪小型化并在端侧和边缘侧部署落地是主流趋势，随着端侧的智能化程度逐渐提高，利旧项目的市场份额不断蚕食，未来市场竞争促使各企业寻求差异化发展路径，或深耕特定行业应用，或专注技术创新，或强化服务质量，未来边缘计算市场竞争格局将呈现UIinknediaUIinknedia多数项目从启动到交付需半年至数年，前期投入大却收益微薄，更棘手的是验收后回款迟缓，严重侵蚀企业现金流。视觉物联调研显示，超过边缘计算设备的计算资源和存储能力相对有限，如何在资源受限的情况下，保障大模型的高效运行；数据在边缘侧处理过程中的安全与隐私保护问题，以及两者融合过程中的技术标准统一问题数据、数据集与高质量数据集的差异，在边缘计算场景中被无限放大。行业内当前真正稀缺的不虽然大模型技术开源了，但是直接用开源的量化模型做部署没有意义，还是要根据场景去调优测试；另外，大模型的幻觉问题仍较为突出，在实际应用中，企业需要采取交叉验证、提示词优化UIinkmnediaUIinkmnedia UIinknediaUIinknedia现在大模型发展非常快，像写代码的大模型国外的几家公司已经做得很好，但是视觉领域目前还没有发展得那么快，与文本不同，文本是抽象出来一套模型处理所有文本的事情，比如翻译、数学题和写代码都可以使用这种方大模型提升误报率非常明显，现在很多项目的核心是误报整体大模型的框架和架构基本趋同，最后模型的差异取决于如何筛选数据、如何合理打标数据，以及如何配比不同数据。现在大模型本身的维度已经相当高了，用大模型第一是提高识别率，让算法识别率更精准；第二是以前小模型没有的算法，通过大模型就可以直接解决；以前的小模型算法都要去训练，需要很多张图片，或者需要人工把它标注出来，再放到里面去训练，现在有大模型就不需要了，里面有算法就继RISC-V生态在国内外的发展已经超过15年，最新指令集已经原生支持向量计算和矩阵matUIinkmnediaUIinkmnedia UIinknediaUIinknediaAI正成为稳定可靠的智能基建，引领一场成本驱处理器的端边智能共同体，才能实现普惠AI，造随着端边芯片、多模态大模型与场景数据协同演全球智慧城市建设进程中，产业计算已广泛应用全球智慧城市建设进程中，产业计算已广泛应用它将深化与人工智能的融合，向绿色计算突破，后摩智能通过存算一体技术与大模型的深度融合，推动AI大模型在端边侧实现“离线可用、数据留后摩智能通过存算一体技术与大模型的深度融合，推动AI大模型在端边侧实现“离线可用、数据留让AI感知世界，大模型走入工业生产，创造无限让AI感知世界，大模型走入工业生产，创造无限多模态AI与边云架构，赋能制造、交通、能源等未来未来AI大模型将落地到千行百业，实时可靠的边缘计算产品，将对人们的生活场景进行重塑，让随着基础大模型开源，端侧算力提升，模型本地多GPU与液冷架构持续突破边缘算力瓶颈随着基础大模型开源，端侧算力提升，模型本地UIinkmnediaUIinkmnedia随着边缘侧算力的增加和成本下降，边缘侧多模随着边缘侧算力的增加和成本下降，边缘侧多模随着边缘算力不再是瓶颈，模型的调优也会更加聚焦，以在边缘侧完成业务闭环为目标，将会催边缘AI计算凭借实时处理与数据本地化优势，构建低延迟、高可靠的分布式智能生态，推动千行边缘AI计算凭借实时处理与数据本地化优势，构建低延迟、高可靠的分布式智能生态，推动千行边缘计算迈入爆发增长期，在算力下沉与AI深度融合的双轮驱动下，工业物联、智慧安监、AI节能等场景应用持续深化，正加速掀起产业智能化升级的新浪潮。技术持续创新，产品日益丰富，嵌入式处理器的AI性能提升与算法模型的有效精简，极大加速了大模型在工业、电力、机器人等嵌入式处理器的AI性能提升与算法模型的有效精简，极大加速了大模型在工业、电力、机器人等鸿蒙智驾的成熟和持续领先，鸿蒙+AI的技术优边缘计算技术和云计算、人工智能技术的融合发展，将加速推动物联网和边缘智能化在各领域的落地应用，为各行业的用户提供更多创新的应用边缘计算与大模型协同创新，轻量化微调与边缘随着大模型在端侧和边缘侧不断落地，边缘AI芯随着大模型在端侧和边缘侧不断落地，边缘AI芯片公司也将积极跟进这一时代趋势，为行业未来发展提供更高带宽、更大算力的边缘侧大模型芯边缘计算长尾场景，仅需十几张现场素材调优，边缘计算长尾场景，仅需十几张现场素材调优，开源鸿蒙作为真正面向万物互联的操作系统，为边缘计算解决方案新产品形态，基于端侧终端近场组网，协调边缘侧诸多设备，形成近场的智能UIinknediaUIinknedia融合行业赋能，产品落地步伐加快，行业应用开融合行业赋能，产品落地步伐加快，行业应用开随着边缘计算系统的软硬件不断成熟，行业已经进入深水区，接下要做的工作是不断锤炼各种AI随着边缘计算系统的软硬件不断成熟，行业已经进入深水