“邊緣計(jì)算絕非簡(jiǎn)單地將算力搬到空中”。
無(wú)人機(jī)的價(jià)值邊界在哪里？這個(gè)問(wèn)題放在五年前，答案大概是“能飛多遠(yuǎn)、能拍多清”。但是今天，取決于無(wú)人機(jī)能夠自主完成多少任務(wù)。
過(guò)去十年，工業(yè)無(wú)人機(jī)完成了從“航拍工具”到“數(shù)據(jù)采集”的身份切換。這是個(gè)不小的進(jìn)步，但當(dāng)應(yīng)用場(chǎng)景真正深入到油氣管道、輸電線路、風(fēng)機(jī)葉片、橋梁隧道這些復(fù)雜工業(yè)環(huán)境時(shí)，一個(gè)根本性的問(wèn)題開(kāi)始浮現(xiàn)：通信受限、時(shí)效不足、云端計(jì)算正在逼近能力邊界。
此前，斤風(fēng)在《工業(yè)無(wú)人機(jī)陷入“無(wú)序內(nèi)卷”：誰(shuí)來(lái)打破“高空攝像頭”魔咒？》一文中介紹了重構(gòu)工業(yè)無(wú)人機(jī)價(jià)值的因諾科技。
作為國(guó)內(nèi)較早將邊緣計(jì)算深度集成到工業(yè)無(wú)人機(jī)系統(tǒng)中的企業(yè)之一，因諾科技從2016年的視頻穩(wěn)像與拼接處理開(kāi)始起步，到如今的多目標(biāo)追蹤檢測(cè)、SLAM（同步定位與建圖）、自主決策等。
近期，因諾科技在邊緣計(jì)算領(lǐng)域，更是推出了10TOPS算力的集成云臺(tái)以及100TOPS算力的外掛載荷“玲瓏3”兩種核心產(chǎn)品。
因諾科技邊緣計(jì)算核心產(chǎn)品（圖源：因諾科技）
對(duì)于邊緣計(jì)算的研究歷程，因諾科技董事長(zhǎng)呼衛(wèi)軍談到：“邊緣計(jì)算絕非簡(jiǎn)單地將算力搬到空中”。
云端那套邏輯，為什么在工業(yè)場(chǎng)景里受限？
理解邊緣計(jì)算的價(jià)值，需要先厘清傳統(tǒng)方案的局限。
傳統(tǒng)工業(yè)巡檢的技術(shù)鏈路相對(duì)清晰：無(wú)人機(jī)按預(yù)設(shè)航線飛行，機(jī)載相機(jī)采集圖像或視頻，數(shù)據(jù)通過(guò)圖傳鏈路回傳地面站，或通過(guò)4G/5G傳回云端服務(wù)器進(jìn)行AI分析，最后生成巡檢報(bào)告。這套流程在通信條件良好、時(shí)效性要求寬松的場(chǎng)景下運(yùn)轉(zhuǎn)順暢，但在實(shí)際工業(yè)環(huán)境中，面臨三重挑戰(zhàn)。
通信瓶頸首當(dāng)其沖。油氣管道穿越戈壁荒漠，輸電線路深入崇山峻嶺，橋梁巡檢需要鉆入橋底結(jié)構(gòu)層。這些場(chǎng)景的共性特征是通信條件惡劣，無(wú)人機(jī)導(dǎo)航依賴的RTK信號(hào)會(huì)受限，圖數(shù)鏈路遮擋嚴(yán)，高分辨率圖像的實(shí)時(shí)回傳在多數(shù)情況下并不可行。
時(shí)效性缺口同樣突出。在安防類巡檢場(chǎng)景中，發(fā)現(xiàn)威脅與響應(yīng)處置之間的時(shí)間差至關(guān)重要。如果無(wú)人機(jī)發(fā)現(xiàn)管道附近存在違規(guī)施工行為，卻要等待數(shù)據(jù)回傳、云端分析、再下發(fā)指令，整個(gè)鏈路的延遲可能以分鐘甚至小時(shí)計(jì)算。對(duì)于需要即時(shí)響應(yīng)的場(chǎng)景，這種延遲顯然無(wú)法接受。
復(fù)雜的低空飛行環(huán)境。在實(shí)際飛行中，通過(guò)預(yù)設(shè)航線的飛行方式，無(wú)法適應(yīng)愈加復(fù)雜的低空環(huán)境，尤其是地表的各種臨時(shí)構(gòu)建物，會(huì)讓無(wú)人機(jī)存在明顯的飛行安全隱患。這就使得無(wú)人機(jī)需要具有臨時(shí)感知和規(guī)劃飛行能力，從而更好地采集高質(zhì)量數(shù)據(jù)。
數(shù)據(jù)安全約束則是另一重考量。能源、交通等關(guān)鍵基礎(chǔ)設(shè)施的運(yùn)營(yíng)主體往往對(duì)數(shù)據(jù)管控有著嚴(yán)格的內(nèi)生要求。巡檢數(shù)據(jù)必須在內(nèi)網(wǎng)環(huán)境中閉環(huán)流轉(zhuǎn)，不能接入公共互聯(lián)網(wǎng)。云端方案在這類場(chǎng)景中面臨合規(guī)障礙。
所以，邊緣計(jì)算要做的，就是將AI推理能力從云端下沉到終端設(shè)備，使無(wú)人機(jī)具備本地感知、本地判斷、本地決策的能力。
從系統(tǒng)架構(gòu)視角看，邊緣計(jì)算重新定義了工業(yè)無(wú)人機(jī)的智能分布模式。傳統(tǒng)的“端—云”二元架構(gòu)演變?yōu)?ldquo;端—邊—云”三層架構(gòu)。無(wú)人機(jī)作為數(shù)據(jù)采集終端，邊緣計(jì)算單元承擔(dān)實(shí)時(shí)推理任務(wù)，云端負(fù)責(zé)模型訓(xùn)練、數(shù)據(jù)存儲(chǔ)和全局分析。三者協(xié)同運(yùn)作，各司其職。
這一轉(zhuǎn)變帶來(lái)的不只是響應(yīng)速度的提升，更深層的影響在于，無(wú)人機(jī)的角色變了，它不再是被動(dòng)執(zhí)行預(yù)設(shè)航線的數(shù)據(jù)采集器，而是能夠根據(jù)現(xiàn)場(chǎng)情況自主調(diào)整任務(wù)策略的智能巡檢單元。
把算力塞進(jìn)無(wú)人機(jī)，到底難在哪？
想讓AI在無(wú)人機(jī)上跑起來(lái)，挑戰(zhàn)其實(shí)很直接。算力資源就這么多，行業(yè)需求卻復(fù)雜多樣，有時(shí)需要快速普查，有時(shí)又要求深度剖析。于是，如何配置有限的空中算力，成了一門學(xué)問(wèn)。
因諾科技提供了一種“輕重結(jié)合”的思路。他們?yōu)闊o(wú)人機(jī)配備了兩種不同等級(jí)的邊緣算力：一種是高度集成、功耗優(yōu)化的“輕算力”，約10TOPS，通常內(nèi)置在云臺(tái)或機(jī)身中；另一種則是性能更強(qiáng)的“重算力”模塊，可達(dá)100TOPS，作為外掛載荷，按需啟用。
這二者如何協(xié)同？
想象一下巡檢作業(yè)的場(chǎng)景。無(wú)人機(jī)升空后，內(nèi)置的輕算力模塊率先工作，像一位反應(yīng)迅速的“偵察兵”，以高幀率對(duì)飛行區(qū)域進(jìn)行快速掃描。它能實(shí)時(shí)識(shí)別出異物、地表變化、大型裂縫等常見(jiàn)缺陷。這個(gè)過(guò)程幾乎毫無(wú)延遲，并且功耗極低，不影響無(wú)人機(jī)續(xù)航。
當(dāng)“偵察兵”發(fā)現(xiàn)需要精確測(cè)量裂縫寬度、辨析細(xì)微裂紋，或是在雜亂背景中鎖定特定型號(hào)的施工機(jī)械等可疑區(qū)域或復(fù)雜目標(biāo)時(shí)，重算力模塊便接手了。它作為“分析專家”，對(duì)目標(biāo)區(qū)域進(jìn)行高精度、深層次的AI分析。兩者可以接力，也可以根據(jù)任務(wù)預(yù)案并行工作。
這種架構(gòu)的聰明之處在于打破了“一刀切”的算力堆砌模式。畢竟，讓無(wú)人機(jī)時(shí)刻背負(fù)著100TOPS的算力飛行，續(xù)航和成本都會(huì)承壓。而按需調(diào)用、協(xié)同作業(yè)的方式，讓無(wú)人機(jī)在效率與能力之間取得了平衡。在實(shí)際的能源設(shè)施巡檢中，這種模式能將標(biāo)準(zhǔn)化巡檢效率提升3倍以上，并且現(xiàn)場(chǎng)就能產(chǎn)出初步分析結(jié)果，改變了傳統(tǒng)作業(yè)的冗長(zhǎng)流程。
而這些優(yōu)化能做到什么程度，很大程度上取決于一個(gè)前提條件：全棧自研能力。
因諾科技從飛控系統(tǒng)、數(shù)據(jù)鏈路、載荷設(shè)計(jì)到AI算法全部自主研發(fā)，這意味著軟硬件之間可以深度咬合，而不是簡(jiǎn)單地把通用算法往通用硬件一塞了事。
這種全棧自研能力產(chǎn)生的技術(shù)優(yōu)勢(shì)是顯見(jiàn)的：飛控系統(tǒng)可以根據(jù)AI模塊的計(jì)算負(fù)載動(dòng)態(tài)調(diào)整飛行策略；數(shù)據(jù)鏈路的傳輸協(xié)議可以針對(duì)邊緣計(jì)算的需求定制，帶寬緊張時(shí)優(yōu)先保關(guān)鍵信息；載荷設(shè)計(jì)可以給AI芯片預(yù)留最優(yōu)的散熱空間和供電余量。這些細(xì)節(jié)層面的打磨，在通用平臺(tái)上很難實(shí)現(xiàn)。
更重要的是，全棧自研讓系統(tǒng)具備了“場(chǎng)景適配”的靈活性。同一款無(wú)人機(jī)，換個(gè)載荷、加載不同的算法模塊，就能快速切換到新的業(yè)務(wù)場(chǎng)景，針對(duì)新場(chǎng)景的開(kāi)發(fā)成本可以大幅降低。
不只要“看見(jiàn)”，關(guān)鍵是“看懂”
算力部署到位后，更關(guān)鍵的問(wèn)題浮現(xiàn)：如何讓AI的理解力跟上算力？工業(yè)場(chǎng)景需要的不僅是識(shí)別出“有什么”，更要判斷“發(fā)生了什么”、“是否構(gòu)成威脅”，即有效目標(biāo)識(shí)別。
3.0靈石無(wú)人機(jī)自動(dòng)機(jī)場(chǎng)系統(tǒng)（來(lái)源：因諾科技）
以油氣管道巡檢為例。管道沿線可能出現(xiàn)各類車輛、人員、施工機(jī)械。傳統(tǒng)目標(biāo)檢測(cè)方案會(huì)將所有檢測(cè)到的對(duì)象逐一上報(bào)，但這會(huì)產(chǎn)生大量無(wú)效報(bào)警。一臺(tái)挖掘機(jī)可能只是在公路上正常行駛，一輛卡車可能只是途經(jīng)此地，這些都不是真正需要關(guān)注的威脅源。
客戶真正想知道的是哪臺(tái)挖掘機(jī)正在靠近管道、有施工跡象、可能構(gòu)成安全威脅。這才叫“有效目標(biāo)”。實(shí)現(xiàn)這一能力需要跨越兩個(gè)層次。
第一層是感知。識(shí)別目標(biāo)是什么，這是傳統(tǒng)目標(biāo)檢測(cè)要解決的問(wèn)題，技術(shù)上已相對(duì)成熟。
第二層是認(rèn)知。理解目標(biāo)在做什么、意味著什么，這需要將目標(biāo)檢測(cè)與空間位置、運(yùn)動(dòng)軌跡、行為模式等多維信息融合判斷，技術(shù)難度顯著上升。
因諾科技在這一領(lǐng)域的優(yōu)勢(shì)，源于數(shù)據(jù)積累和場(chǎng)景理解的深度。比如在油氣管道巡檢領(lǐng)域，因諾科技每月飛行架次超過(guò)3萬(wàn)次，這意味著持續(xù)的數(shù)據(jù)回流和模型迭代。更關(guān)鍵的是，由于無(wú)人機(jī)在固定線路上反復(fù)飛行，系統(tǒng)可以逐步建立對(duì)特定區(qū)域的“場(chǎng)景記憶”。例如哪些位置通常有車輛經(jīng)過(guò)、哪些區(qū)域?qū)儆诟唢L(fēng)險(xiǎn)點(diǎn)位、什么樣的行為模式值得警惕。
這種數(shù)據(jù)積累的價(jià)值，不僅體現(xiàn)在樣本數(shù)量上，更體現(xiàn)在樣本的“場(chǎng)景一致性”上。與互聯(lián)網(wǎng)公司基于開(kāi)放數(shù)據(jù)集訓(xùn)練通用模型不同，因諾科技的訓(xùn)練數(shù)據(jù)來(lái)自真實(shí)業(yè)務(wù)場(chǎng)景，標(biāo)注標(biāo)準(zhǔn)與業(yè)務(wù)需求高度對(duì)齊。模型學(xué)習(xí)到的不只是視覺(jué)特征，還有業(yè)務(wù)知識(shí)。
還有一點(diǎn)容易被忽略，固定線路的反復(fù)飛行，創(chuàng)造了一種獨(dú)特的學(xué)習(xí)范式。系統(tǒng)可以將歷史數(shù)據(jù)與當(dāng)前觀測(cè)進(jìn)行對(duì)比，識(shí)別出變化。簡(jiǎn)單來(lái)說(shuō)，一臺(tái)挖掘機(jī)如果昨天不在這兒、今天突然出現(xiàn)了，它的威脅等級(jí)天然就比一臺(tái)一直停在原地的挖掘機(jī)更高。這種“時(shí)序連續(xù)幀的對(duì)比能力”，靜態(tài)圖像分析是做不到的。
這套數(shù)據(jù)閉環(huán)機(jī)制，通用AI平臺(tái)很難復(fù)制。它不是一次性的算法交付，而是持續(xù)學(xué)習(xí)、持續(xù)優(yōu)化的動(dòng)態(tài)過(guò)程。指標(biāo)來(lái)看，因諾科技在能源、交通等巡檢場(chǎng)景下的識(shí)別精度超過(guò)95%，部分成熟場(chǎng)景可達(dá)98%。
應(yīng)對(duì)極端場(chǎng)景，系統(tǒng)級(jí)智能的驗(yàn)證場(chǎng)
日常巡檢是邊緣計(jì)算的常規(guī)科目，真正考驗(yàn)技術(shù)成色的是極端場(chǎng)景。因諾科技創(chuàng)造性地將面激光雷達(dá)、點(diǎn)激光雷達(dá)、視覺(jué)等傳感器進(jìn)行融合，在強(qiáng)大邊緣算力的支撐下，結(jié)合業(yè)務(wù)特點(diǎn)，打造出專用的業(yè)務(wù)導(dǎo)航載荷。簡(jiǎn)單來(lái)說(shuō)，該系統(tǒng)能夠讓機(jī)器人在未知環(huán)境中實(shí)時(shí)構(gòu)建地圖并同步定位，最終實(shí)現(xiàn)飛行控制、數(shù)據(jù)采集與結(jié)果分析的邊緣端閉環(huán)，形成完整的自主作業(yè)能力。
風(fēng)機(jī)葉片巡檢便是典型的極端場(chǎng)景之一。風(fēng)力發(fā)電機(jī)葉片長(zhǎng)度通常達(dá)50至80米，安裝高度超過(guò)100米，且處于持續(xù)旋轉(zhuǎn)狀態(tài)。無(wú)人機(jī)必須在近距離拍攝葉片表面的裂紋、腐蝕等缺陷，同時(shí)動(dòng)態(tài)規(guī)避柔性葉片的擺動(dòng)，防止發(fā)生碰撞。
這一場(chǎng)景對(duì)邊緣計(jì)算提出了多重要求：需要實(shí)時(shí)感知葉片位置與運(yùn)動(dòng)狀態(tài)，具備高幀率視覺(jué)處理能力；避障決策必須在毫秒級(jí)完成，無(wú)法依賴地面鏈路回傳；在繞飛過(guò)程中還需持續(xù)跟蹤葉片標(biāo)識(shí)，確保A面和B面拍攝對(duì)應(yīng)同一葉片。任何環(huán)節(jié)的延遲或誤判，都可能導(dǎo)致任務(wù)失敗甚至設(shè)備損毀。
此外，如橋梁底部、大型管道深處等工業(yè)設(shè)施的關(guān)鍵部位，往往是GNSS信號(hào)的“盲區(qū)”。傳統(tǒng)無(wú)人機(jī)在此類環(huán)境中要么無(wú)法飛行，要么只能依賴飛手的高超手動(dòng)操控，作業(yè)效率與安全性均難以保障。
更極端的是應(yīng)急自主降落。當(dāng)無(wú)人機(jī)遭遇超出預(yù)期的惡劣天氣，按原計(jì)劃返航已不現(xiàn)實(shí)，此時(shí)需要自主尋找安全的備降點(diǎn)。這要求邊緣端具備場(chǎng)景理解能力，不僅要識(shí)別地面物體的類別，還要判斷該區(qū)域是否平坦、是否有人員車輛活動(dòng)、是否存在水體等危險(xiǎn)因素，最后判斷這片區(qū)域到底適不適合緊急迫降。
橋梁下方依靠SLAM技術(shù)自動(dòng)巡檢（來(lái)源：因諾科技）
因諾科技研發(fā)負(fù)責(zé)人向斤風(fēng)介紹了一個(gè)相當(dāng)直觀的實(shí)踐案例。
在西北某風(fēng)電場(chǎng)的項(xiàng)目中，因諾科技這套激光SLAM導(dǎo)航載荷，讓無(wú)人機(jī)實(shí)現(xiàn)了風(fēng)機(jī)的全自主巡檢，原本需要2名檢修人員耗費(fèi)1天完成的1臺(tái)風(fēng)機(jī)巡檢，現(xiàn)在無(wú)人機(jī)15分鐘就能完成，而且能識(shí)別出1毫米的細(xì)微裂紋，大大降低了人工安全風(fēng)險(xiǎn)，提升了巡檢效率和精度。
在交通的橋梁巡檢領(lǐng)域，因諾科技研發(fā)的專用交通巡檢無(wú)人機(jī)，可在有無(wú)GNSS信號(hào)的環(huán)境中連續(xù)切換精確導(dǎo)航，所攜帶的智能算法可精確規(guī)劃出飛行器的采集點(diǎn)，驅(qū)動(dòng)光電測(cè)量設(shè)備精準(zhǔn)地實(shí)現(xiàn)數(shù)據(jù)的采集和實(shí)時(shí)分析，同步進(jìn)行面積體積測(cè)量。體積誤差可控制在萬(wàn)分之三的范圍內(nèi)，而對(duì)于表面的裂縫測(cè)量，可將寬度誤差降至1毫米以內(nèi)，有效解決原有人工巡檢的覆蓋性不足和效率低下的問(wèn)題。
這些極端場(chǎng)景的成功應(yīng)對(duì)，驗(yàn)證的是因諾科技的邊緣計(jì)算技術(shù)在工業(yè)無(wú)人機(jī)中的系統(tǒng)成熟度。它們代表的不只是某個(gè)單點(diǎn)算法的突破，更是一種系統(tǒng)級(jí)的智能化能力。
下一站，從“智能巡檢”到“空中機(jī)器人”
如果將邊緣智能的發(fā)展劃分為感知、決策、執(zhí)行三個(gè)階段，當(dāng)前工業(yè)無(wú)人機(jī)普遍處于感知階段的成熟期，即“看見(jiàn)”與“看懂”。而進(jìn)化的下一個(gè)臺(tái)階，無(wú)疑是“決策”與“執(zhí)行”，要解決的是“怎么辦”的問(wèn)題。
無(wú)人機(jī)檢測(cè)到異常情況時(shí)，能否自主分析異常性質(zhì)，動(dòng)態(tài)決策后續(xù)行動(dòng)。是繼續(xù)巡航、懸停細(xì)察，還是調(diào)整航線抵近觀測(cè)？進(jìn)而對(duì)事件進(jìn)行分類分析、記錄關(guān)鍵證據(jù)，并且形成處置建議。
而非僅向云端推送一條“待處理”的告警信息，仍需人工隨時(shí)介入。
在因諾科技的實(shí)驗(yàn)室里，更前瞻的探索已經(jīng)展開(kāi)。例如，讓無(wú)人機(jī)搭載機(jī)械臂，通過(guò)語(yǔ)音指令完成特定物體的抓取與搬運(yùn)，實(shí)現(xiàn)工業(yè)無(wú)人機(jī)從發(fā)現(xiàn)問(wèn)題到自主處置問(wèn)題的閉環(huán)。這要求邊緣系統(tǒng)能融合視覺(jué)識(shí)別、自然語(yǔ)言理解和實(shí)時(shí)運(yùn)動(dòng)規(guī)劃。大語(yǔ)言模型（LLM）所展現(xiàn)的常識(shí)推理能力，為這種高階智能提供了新的想象空間。
但要應(yīng)用于嚴(yán)苛的工業(yè)現(xiàn)場(chǎng)，這條技術(shù)路徑還面臨兩個(gè)核心挑戰(zhàn)。
可靠性是首要障礙。大語(yǔ)言模型存在幻覺(jué)問(wèn)題，在對(duì)話場(chǎng)景中輸出錯(cuò)誤或許只是體驗(yàn)瑕疵，但在物理世界的決策中，后果可能相當(dāng)嚴(yán)重。無(wú)人機(jī)的判斷失誤，輕則導(dǎo)致設(shè)備損壞，重則造成人員傷害。如何保障決策的可靠性，是從實(shí)驗(yàn)室走向?qū)嶋H部署的關(guān)鍵門檻。
實(shí)時(shí)性是另一重制約。當(dāng)前大模型的推理開(kāi)銷較大，難以滿足邊緣端的實(shí)時(shí)性要求。輕量化、高效化的端側(cè)推理技術(shù)，是實(shí)現(xiàn)部署的必要前提。
更務(wù)實(shí)的下一步，是“預(yù)測(cè)性維護(hù)”。未來(lái)的邊緣智能系統(tǒng)，通過(guò)分析風(fēng)機(jī)葉片表面的微觀形變趨勢(shì)、絕緣子老化圖像的細(xì)微特征，結(jié)合歷史數(shù)據(jù)，預(yù)測(cè)部件剩余壽命，從而實(shí)現(xiàn)從“定期檢修”到“按需維護(hù)”的跨越。
此外，邊緣計(jì)算的價(jià)值還將體現(xiàn)在多設(shè)備協(xié)同上。未來(lái)，無(wú)人機(jī)、地面機(jī)器人、固定監(jiān)控?cái)z像頭和光纖振動(dòng)傳感器，可能通過(guò)邊緣節(jié)點(diǎn)共享感知結(jié)果，協(xié)同決策。例如，無(wú)人機(jī)發(fā)現(xiàn)管道上方有異常振動(dòng)，可即時(shí)調(diào)度地面機(jī)器人抵近核查，形成立體化、自主化的安防體系。
我們不難發(fā)現(xiàn)，邊緣計(jì)算在工業(yè)無(wú)人機(jī)領(lǐng)域的應(yīng)用，正從一個(gè)炫酷的技術(shù)概念，穩(wěn)步走向規(guī)模化落地。推動(dòng)這一進(jìn)程的，是參與者對(duì)行業(yè)痛點(diǎn)持之以恒的洞察與解構(gòu)。
因諾科技的發(fā)展路徑揭示了一個(gè)道理：在工業(yè)領(lǐng)域，真正的智能不在于設(shè)備有多“聰明”，而在于它與場(chǎng)景有多“貼合”。將算力嵌入終端只是起點(diǎn)，讓算法理解業(yè)務(wù)邏輯，讓系統(tǒng)適應(yīng)極端環(huán)境，讓數(shù)據(jù)流形成增值閉環(huán)，才是邊緣智能能否創(chuàng)造價(jià)值的關(guān)鍵。
這是一條需要耐力和定力的長(zhǎng)跑。
當(dāng)無(wú)人機(jī)的“眼”、“腦”、“手”通過(guò)邊緣計(jì)算真正融為一體，才能真正成為能夠在復(fù)雜世界中自主作業(yè)的“空中機(jī)器人”。
申請(qǐng)創(chuàng)業(yè)報(bào)道，分享創(chuàng)業(yè)好點(diǎn)子。點(diǎn)擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
