在业务加速转型升级下，对于“联想”两个字，近些年业界旧有认知不断被打破。这其中，物联网大趋势下联想的AI技术创新与应用尤为值得关注。
先是9月初，联想在其创新大会上向大众展示了联想大脑-Edge AI平台，要为用户提供云-边-端全场景、全生命周期的AI服务，赋能各个行业的智能化转型；
然后在10月23日的2021中国物联网产业领航者峰会上，联想又明确表露了其未来物联网发展策略，即在边缘智能服务器、工控机、边缘计算网关与触控一体机等四大产品线基础上，依靠Edge AI平台聚焦制造、零售、医疗、金融四大领域。
基于自身优势和行业发展趋势的共同作用，联想商用IoT业务正在进入快速发展周期，带动联想从业界认知到业务实际的重要升级。
在全球范围内尤其是中国，近几年物联网的发展无疑十分迅猛。
就在9月底，工业和信息化部等八部委联合印发了《物联网新型基础设施建设三年行动计划（2021-2023年）》，物联网在未来经济社会生活中的底层地位确立，大量的技术创新和商业机遇等待挖掘。
这时候，原本拥有相关产品生产经验积累的联想将商用IoT业务提到了新的高度也就顺理成章了，而Edge AI平台的推出，则与物联网对AI的需求越来越旺盛密不可分。
事实上，Edge AI既是联想推出的平台名称，同时也是普适技术概念，它是相对于Cloud AI而言的，即AI的计算和结果输出在边缘端设备自主完成，在数据安全、计算实时性等方面有不可替代的价值。在物联网高速发展的同时，Edge AI的市场也逐步扩大，知名研究机构高德纳就认为Edge AI将在未来两三年成为主流。
所以，现在正是Edge AI从蓄积力量到高速增长的窗口期。
在物联网终端和AI技术已经经历长时间积累后，Edge AI正面临爆发式增长，其过程，很类似于经典“J型曲线”，由美国政治学家布雷默在研究了大量的组织发展样本后提出，其特征是先慢后快，前期稍平缓（积累期），经历一个宽幅的拐点区域后，开始快速增长：
对联想而言，未来几年Edge AI预料之中的高速发展，意味着现在正是突破“J型曲线”拐点的关键时刻。而在“J型曲线”理论中，突破拐点的条件包括两点：
一是“拐点”之前相对低速的发展过程不能是“等待”，而是发展条件积累的过程。
这方面，联想已经拥有了深厚物联网产业积淀。无论是边缘端还是云端，在硬件产品和方案上联想都已经成为世界范围的领跑者，对于商用IoT，联想已经有了非常成熟的技术积累和落地经验。此外，多年来的创新研发还让联想在CV、NLP、知识图谱、数据AI等AI能力方面都有了不错的能力储备。
二是在长期积累后，需要有将各种能力积累转化成为业务增长的契机，形成“拐点”后高速增长的“trigger”。
对联想来说，这个trigger就是Edge AI开始走出了与行业通常做法不一样的路径。具体是怎么做的，要从联想Edge AI打出的三张牌看起。
在业务基础、经验和积累之上，联想推进Edge AI处处体现出与行业通行做法不太一样的地方，·用“剑走偏锋”来形容不为过。
在所谓“To B”浪潮中，很多企业尤其是互联网企业的普通做法，都是先制定一个宏观蓝图然后一个个场景去推进。而联想在制造业等优势领域的常年耕耘，推动其Edge AI能够在起步期即做到了领域内的深度扎根，做到了先有场景标杆案例后再进行Edge AI宏观布局。
例如，目前联想Edge AI在手机、笔记本生产线上已经有广泛的落地，其智能化缺陷检测可以大大提升流水线产品缺陷检测的效率和准确率；此外，联想Edge AI还服务其重要的产业链伙伴，例如世界上最大电池生产厂商的电池缺陷检测，等等。
目前，联想Edge AI将主要布局制造、零售、医疗、金融等四个主要领域，在“初生”伊始，就向业界表达出其经受了大规模实践检验的可信度。场景和实践先行，让联想Edge AI的快速发展有了市场认知的先天优势，也更容易在特定场景走得更为深入，挖掘更多价值。
Edge AI在很多应用场景下面临着基础数据不充分的问题，难以支撑通常的那种通过大量数据喂养而来的算法，且边缘设备的计算能力相对于云端又十分有限，不能支撑那些对算力有很高要求的算法。
由此，Edge AI必须做到用更少的数据就能训练出高准确率而又“节约”算力的算法。
但很多所谓的AI巨头、AI独角兽所拥有的往往还是那些大数据量、大算力支撑的技术，如多模态、大模型，它们引领着AI发展潮流却未必契合Edge AI。
而联想Edge AI采用了目前业界前沿的小样本学习，可以做到在较少数据量的情况下较好地进行AI模型的训练，提升能力。
小样本学习如同人类对世界的认知不太需要大量的重复，例如看一个苹果后，其他的苹果基本都能认出来，而大样本学习的逻辑是通过大量的图片训练让AI“认识”几乎所有的苹果形态。
在这种状况下，小样本学习契合了多样化场景的需要，尤其是在用户基础数据不多的情况下（这种情况十分普遍）。此外，联想Edge AI还采用了云端预训练模型的方式，通过压缩、量化把来自云端的优质算法与边缘设备计算能力相契合。
而面对边缘部署较为棘手的升级难题，联想的Edge AI在模型设计初期就借助小样本便利实现了根据应用需求升级的能力，例如，当手机电路板设计发生变化时，用于缺陷检测的Edge AI应用可以自主实现“认知升级”。
规模化和定制化的矛盾，在面向企业的智能化转型升级服务中一直存在，而联想Edge AI以抽出技术共性的巧妙方式解决了这个问题。
目前，联想Edge AI应用在平台上以AI units（技术单元，类似可组合的积木块）的方式实现了80%左右的共通核心技术，而剩余20%则根据场景进行个性化定制。如此，以快速的积木化组合的方式，联想Edge AI的发展摆脱了一个个案例从头做的境况，能够实现较为快速的规模化扩张，做到了标准化与个性化的统一。
而这也让联想Edge AI附带实现了所谓“一个平台，两种业务模式”，即那些有AI开发能力的企业可以快速组建起“小快灵”应用；而没有AI开发能力的客户，订阅模式下系统可以根据场景需求自动组合、提供AI解决方案。
在这种闭环下，Edge AI进入产业和场景的门槛也大大降低。
虽然联想剑走偏锋获得了独特的发展优势，但Edge AI作为一个行业概念在快速过程中还存在一些共性的产业挑战，考验着联想的技术和业务创新能力。
首先是Edge AI应用常常会面临的信息安全问题。
几毛钱就能买到一张人脸信息，最近关于AI应用的信息安全问题再次成为了社会焦点。
Edge AI在边缘端的落地，避免不了大量的信息数据采集，其中也包括大量的私人信息，因此Edge AI的发展一定伴随着对信息安全的高要求。
而越是能够独立完成任务、不需要云端任何支持的Edge AI应用越能够避免信息安全问题的出现。或者说，真正的Edge AI生来就在避免信息安全问题。
联想的深圳工厂特定生产区域就有专门的Edge AI应用进行监控，防止未经授权的人进入，同时又能很好地保证被拍摄的人员数据安全——数据从未上传到云端，在端侧就已经完全完成了识别任务。类似的，还有联想所提供的闸机系统，本地识别完成后数据被直接清洗掉，杜绝了“卖脸”的可能性。
作为物联网的一种延伸和强化，Edge AI固然在具体形态上体现为终端产品，但从前文可以看出，提供云-边-端全场景、全生命周期AI服务的Edge AI，离不开来自云端的能力、来自边缘侧的技术支撑、来自整体化网络服务（例如5G、商用wifi）的支持，等等。
这给物联网龙头企业从事Edge AI设下了隐性的门槛。所以，可以看到联想Edge AI背靠的是联想“端-边-云-网-智”一整套全智能化转型的技术架构，而这套架构自从2019年被提出来之后，联想还在对其不断优化。
这意味着，技术、行业经验、产品能力只是Edge AI的敲门砖，要走得更深、更远创造更多价值，全维度能力的技术架构支撑也比不可少，它是实现Edge AI的“硬实力”。
在智能制造、智慧城市等赛道上，已有的物联网需求成为Edge AI可以直接拓展的对象，但Edge AI显然不能满足于此，否则就被限定住了，AI的价值也无法充分利用。
所以，可以看到联想一直在做场景和应用的突破，典型如尝试落地一种零售门店人流密度分析的Edge AI应用，通过摄像头采集信息、AI判断人流热点区域，从而对门店的布置和产品配给提供支持。
总而言之，凭借深厚的实践积累和前沿的技术创新，联想Edge AI正在以独特的做法突破行业“J型曲线”拐点，而这个过程中一些行业共性挑战也显露出来，联想必须面对也正在面对。物联网大时代，在联想等行业龙头企业的推动下，属于Edge AI的篇章正在开启。
*本文图片均来源于网络
*此内容为【