IDC預(yù)測2022為中國AI市場轉(zhuǎn)折年 打響企業(yè)AI場景化落地角逐賽

日前，權(quán)威咨詢機構(gòu)IDC發(fā)布報告《場景化AI 讓智能觸手可及》。據(jù)IDC預(yù)測，隨著AI算法模型趨于成熟，AI推理市場支出將從2022年開始超越AI訓(xùn)練市場，這也意味著未來兩年內(nèi)，中國AI市場將迎來從模型訓(xùn)練主導(dǎo)向AI推理應(yīng)用主導(dǎo)的轉(zhuǎn)變。

在落地應(yīng)用主導(dǎo)的AI市場中，企業(yè)間的比拼將不再是技術(shù)層面的單一較量，而更加考驗對場景需求的理解，以及構(gòu)建生態(tài)的能力。在報告中，IDC以新銳廠商嘉楠為樣本，剖析了其在智能園區(qū)、智能能耗兩個典型場景的項目案例，并描述其作為一家AI芯片企業(yè)在生態(tài)構(gòu)建上的努力。

AI進入場景化落地階段

隨著AI推理市場爆發(fā)，AI開始步入大規(guī)模落地階段。IDC報告指出，根據(jù)市場對AI的實際需求劃分，AI領(lǐng)域的落地領(lǐng)域主要有商業(yè)智能和生活智能。其中，商業(yè)智能集中于企業(yè)級市場。報告指出，未來五年至少有90%的企業(yè)應(yīng)用將嵌入AI，屆時，AI將成為商業(yè)社會的基礎(chǔ)設(shè)施。

從落地場景來看，智慧園區(qū)、智慧零售、智慧交通和智慧醫(yī)療在未來五年的年復(fù)合增長率均超越30%。以智慧園區(qū)為例，IDC指出樓宇的智能化管控、門禁系統(tǒng)的升級以及安防系統(tǒng)的智能化是主要方向。到2023年，中國智慧園區(qū)AI支出將達到6.5億美元，未來5年的年復(fù)合增長率將達34.5%。

AI落地的另一個領(lǐng)域是生活智能。其中智能家居和智能駕駛是當前AI消費級市場的主陣地。這兩者有著相似的智能化應(yīng)用邏輯，均以設(shè)備智能化為開始，并為用戶提供個性化的服務(wù)體驗。IDC預(yù)測到2023年，中國智能家居設(shè)備市場規(guī)模將達883.2億美元。正成為未來3-5年AI落地的先導(dǎo)產(chǎn)業(yè)。

此外，智慧零售、智能駕駛等場景也將隨著5G商用等外部條件的成熟進入爆發(fā)期。

AI落地關(guān)鍵在于終端智能化

無論是商業(yè)智能還是生活智能，AI的落地邏輯均是以終端設(shè)備的智能化為基礎(chǔ)，通過數(shù)據(jù)交互橫向串聯(lián)不同的設(shè)備，進而帶動整個應(yīng)用場景的智能化升級。

與傳統(tǒng)的終端設(shè)備不同，智能終端不但具有感知環(huán)境的能力，而且能夠理解用戶指令，并根據(jù)現(xiàn)場環(huán)境進行符合指令要求的機器決策，同時執(zhí)行指令并將結(jié)果反饋給用戶。

IDC認為，終端設(shè)備的智能化有兩個方向。其一是存量設(shè)備的智能化的升級，例如傳統(tǒng)社區(qū)的水電氣表、部署于工業(yè)園區(qū)的儀表和傳感設(shè)備，以及道路、管網(wǎng)等基礎(chǔ)設(shè)施中的傳統(tǒng)設(shè)備。其二是終端設(shè)備的智能化創(chuàng)新，典型用例是AI攝像頭，以實時決策、簡易部署的方式拓展了智能園區(qū)、零售門店、安防等多個場景。

作為終端智能化的核心載體，AI芯片是算力與算法部署在邊緣側(cè)領(lǐng)域的關(guān)鍵。IDC預(yù)測未來三年中，全球邊緣AI芯片出貨量達16億片，占邊緣芯片出貨量41.4%。

嘉楠邊緣AI側(cè)落地案例剖析

作為一家AI芯片廠商，嘉楠于2016年開始AI芯片研發(fā)，其第一代芯片勘智K210專為邊緣側(cè)場景設(shè)計，具備低功耗、視聽多模態(tài)識別等特點。本次報告也剖析了K210在智能園區(qū)、智能能耗場景的落地情況。

存量設(shè)備智能化升級案例——亞洲最大社區(qū)表計智能化升級項目

貴州花果園社區(qū)的表計系統(tǒng)智能化升級是一個絕佳案例?；ü麍@社區(qū)是全國最大的棚戶區(qū)改造項目，也是亞洲最大的社區(qū)?；ü麍@社區(qū)項目總規(guī)劃面積 10 平方公里，總建筑面積 1830 萬平方米。

用戶存在以下痛點：

? 抄表工作量巨大：社區(qū)內(nèi)住宅和商業(yè)樓宇合計近 300 棟，多數(shù)為高層建筑，水表、電表的 抄表量巨大。

? 抄表周期長：目前社區(qū)為人工抄表，每次抄表耗時半個月。

? 抄表誤差率較高：由于目前為人工抄表和紙質(zhì)記錄，容易出現(xiàn)水電表讀數(shù)記錄錯誤。

解決方案：

社區(qū)現(xiàn)有水表、電表加裝基于嘉楠AI芯片的智能抄表組件，實現(xiàn)智能抄表，其執(zhí)行任務(wù)的邏輯如下：

價值實現(xiàn)：

? 加速部署實施：與新裝智能水電表相比，加裝智能抄表配件的效率提升了3至4倍。

? 減少對居民生活影響：工程實施不需要停水停電，對居民生活的影響顯著減少。

? 縮短抄表周期：抄表周期由原來的半個月縮短到現(xiàn)在的幾小時。

? 提升供水供電效率：抄表頻次由每月一次提升至每人一次，抄表數(shù)據(jù)更具時效性，使得水 務(wù)公司和電力公司能夠更準確預(yù)測水電需求量、更有效規(guī)劃供水供電。

? 降低數(shù)據(jù)傳輸成本：抄表僅傳輸從水電表表盤照片中提取的讀數(shù)，數(shù)據(jù)傳輸量不足照片傳 輸?shù)陌俜种弧?/p>

? 降低總擁有成本（TCO）：智能抄表組件的成本僅為智能水電表的 1/4，前期投入大幅降 低；智能抄表消除抄表人員和交通支出，運營成本顯著減少；智能抄表組件的電池壽命達 到 2 年，上門維護工作大大減少、維護成本顯著減少。

對傳統(tǒng)設(shè)備的智能化創(chuàng)新——軟通智慧無感門禁系統(tǒng)項目

軟通智慧總部位于北京市中關(guān)村軟件園，建筑面積4萬平方米，容納超過 5000 名員工，門禁監(jiān)測點超過30個，單個監(jiān)測點日均通過者識別超過2000 次。

用戶存在以下痛點：

? 門禁用戶體驗差：人通過門禁閘機時需要對準攝像頭，便利性差。

? 通行效率低：由于需要人對準攝像頭，單次通行時間超過2秒，在上下班高峰期影響較 大。

? 運行環(huán)境受限：由于人臉識別比對在云端進行，閘機必須實時聯(lián)網(wǎng)，否則無法運行。

解決方案：

在各個門禁監(jiān)測點部署內(nèi)嵌嘉楠 AI 芯片的智能攝像頭，對通過者進行遠距離人臉識別，給合法通過者開啟閘機；人臉識別和比對在智能攝像頭上進行，人臉數(shù)據(jù)不會在通過網(wǎng)絡(luò)傳輸，保護隱私，其執(zhí)行任務(wù)的邏輯如下：

1）智能攝像頭拍攝通過者圖像。

2） 智能攝像頭將遠距離、大傾角的人臉圖像通過專有算法還原為正常角度，并提前特征值。 3）智能攝像頭將提取的特征值與本地存儲的特征值數(shù)據(jù)庫（近1萬個特征值）進行比對。 4）如果比對通過，則開啟閘機。

價值實現(xiàn)

? 提升用戶體驗：通行者直接走過門禁攝像頭，不要動刻意對準、實現(xiàn)無感通行。

? 降低部署成本：AI 無感門禁采購成本僅為傳統(tǒng)門禁的 1/3。

? 加速門禁通行效率：閘機通行時間由 2 秒減少至不足 1 秒，效率大大提升。

? 提升可靠性：人臉識別和比對在本地進行，網(wǎng)絡(luò)故障不影響通行。

? 保護隱私：通行者的人臉數(shù)據(jù)不會通過網(wǎng)絡(luò)傳輸，隱私泄露風險大大降低。

嘉楠AIaaS服務(wù)生態(tài)

隨著AI進入大規(guī)模落地，其形式也逐漸從單一的產(chǎn)品向服務(wù)、生態(tài)過渡。嘉楠以AI芯片為原點，不斷擴大服務(wù)半徑，著力建設(shè)從芯片、算法、終端、SaaS平臺到上層應(yīng)用的AI生態(tài)體系，為客戶提供AIaaS（AI即服務(wù)）解決方案。

IDC認為，AI SaaS 平臺按照接口調(diào)用量付費的計價方式推動“設(shè)備服務(wù)化”的新商業(yè)模式，用戶不需要為設(shè)備付費，而是按照終端設(shè)備的使用付費，AI解決方案的前期投資大幅減少、 用戶觸達難度顯著降低，極大促進了AI的普及。

二代AI芯片將用于ADAS、智慧零售等領(lǐng)域

關(guān)于第二代芯片的研發(fā)，勘智K510依然采用升級后的RISC-V多核異構(gòu)處理器架構(gòu)，并且大幅度改良原有的KPU。另一方面，二代芯片為5G通信環(huán)境優(yōu)化，搭載多路高清、深度攝像頭接口，將在智慧零售、ADAS輔助駕駛和金融領(lǐng)域得到應(yīng)用。K510在設(shè)計中還加入了全新的自研計算模塊GNNE。該計算模塊的通用性較強，進一步提升了K510的計算效率。

此外，嘉楠聯(lián)合產(chǎn)業(yè)鏈上下游伙伴達成合作共建生態(tài)，以芯片硬件為核心，建設(shè)AI SaaS平臺，為終端客戶提供整合硬件、算法和軟件的一站式AI服務(wù)，滿足不同的物聯(lián)網(wǎng)場景需求。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。