2023年3月30日，边无际(北京)科技有限公司作为国内领先的提供AIoT中台场景解决方案的企业，受邀参加了在北京举办的第十届中国工业数字化论坛。论坛由中国信息协会主办，旨在推动新一代信息技术与制造业深度融合，探讨工业数字化、智能化发展前景。

在本届论坛上，边无际创始人兼CEO陈永立发表了题为“AI时代新基建：边无际AIoT中台解决方案”的主题演讲。边无际自主研发了物联网中台产品Shifu，提供全场景AIoT中台开发解决方案。边无际基于Shifu的AIoT中台，为客户全场景设备接入，一体化软件开发提供技术支撑，已为多个行业头部企业提供物联中台数字底座服务，包括与中国船舶、中核集团、微软、亚马逊等多家世界500强达成深度合作。

陈永立表示，AIoT中台的出现为传统工业企业提供了全新的解决方案，实现了信息化与工业化的新融合。通过引入先进的人工智能算法和物联网中台技术，企业可以实现从数据采集、处理到设备监控、维护以及生产优化与调度等各环节的智能化，有效提高生产效率，降低运营成本，提升市场竞争力。

在第十届中国工业数字化论坛上，边无际发布了三项基于AIoT中台的场景解决方案，针对智能车间的AR智慧巡检、工业4.0实验室、城市智慧交通。这些解决方案将有助于企业和政府加快数字化与智能化相融的步伐，提升场景的运营效率和质量。

边无际AIoT中台支撑AR智慧巡检

在巡检防人因错误的场景下，通过新一代基于人工智能的混合现实技术以及新一代物联网技术将完成AR眼镜的接入与现场工业设备数据的采集与分析，能极大的提高集团的作业效率。

边无际基于Shifu的AIoT中台部署之后，用户将拥有如下典型工作场景：工人带上混合现实头盔，此时头盔上显示操作流程。运行在边缘侧的AI中台将根据头盔的视角来判断应该如何操作，并以声音和增强现实的形式进行指导，工人将可以在头盔的显示屏上看到融合了现实设备的操作指南；此时物联中台将记录所有检测到的操作，经由数据中台进行加密并存储在边缘侧。

物联中台实时收集来自头盔、设备、传感器、摄像头的所有数据（读数、声音、视频），并传输给数据中台，同时让AI中台不断分析。AI中台将分析结果写入数据中台，并利用物联中台传输新的指令到工人的头盔上，在必要的时候警告工人和停止相关设备。

由此，AIoT中台实现了远端工程师、实地工人和实地设备的实时且直观的交互，同时利用了人工智能技术提升了设备的操作效率，并保证了整个系统的稳定性和安全性。在这个融合式AIoT中台解决方案之中，边无际的Shifu中台是其中最为核心的部分，是整个解决方案的中枢。

中核装备技术研究（上海）有限公司人工智能研发中心主任黄远表示，AR智能巡检方案通过将边无际AIoT中台的数据采集与处理能力与AR技术相结合，实现了对生产车间实时监控的智能化升级。该方案采用AR眼镜设备，将实时数据、设备状态和操作指南直接投影到现场工作人员的视野中，帮助他们快速识别潜在风险并采取相应措施。这大大减少了因人为失误导致的安全隐患，提高了生产车间的安全性能。

边无际AIoT中台支撑工业4.0实验室

工业4.0实验室是一个涉及到多种设备的复杂系统，例如在合成生物实验室中包含分液器、酶标仪、液体定量器、自动导引车、机械臂等。边无际基于Shifu的AIoT中台，通过将设备抽象成API的方式，将设备的控制和编排实现数字化。通过边缘计算，我们可以实现对数据的实时处理和分析，提高生产效率和质量。

设备接入与抽象化：首先，通过Shifu边缘计算技术将工厂中的设备（分液器、酶标仪、液体定量器、自动导引车、机械臂等）进行接入和抽象化，将其抽象成一系列API，以方便进行远程控制和操作。

边缘节点搭建：为了实现边缘计算，我们需要在工厂中部署边缘节点。边缘节点可以是一台工控机、嵌入式设备等，用于接收设备的数据、进行数据处理和分析，并将处理后的数据发送到云端进行进一步处理和分析。

数据处理与分析：在边缘节点上，我们可以采用机器学习算法、深度学习算法等进行数据处理和分析。例如，我们可以通过图像识别算法来实现对生产流程的实时监测和识别，或者通过数据挖掘算法来对生产数据进行分析和预测。通过边缘计算，我们可以实现对数据的实时处理和分析，提高生产效率和质量。

控制与优化：通过对设备进行抽象化和控制，我们可以通过API来对生产流程进行自动化控制和优化。例如，我们可以通过API来控制机械臂的动作，将产品从传送带上取下并送到下一个流程中；或者通过API来控制设备的启停，以优化整个生产流程。通过融合式AIoT中台，我们可以实现对生产流程的智能化控制和优化。

边无际AIoT中台支撑智慧交通

在“城市交通”系统中，需要将多源数据进行融合和分析，包括交通摄像头、雷达、交通信号灯等多种数据来源。由于不同数据来源的差异性，数据质量可能存在差异，这就需要对数据进行合理的清洗和处理，以确保分析结果的准确性和可靠性。边无际基于Shifu的AIoT中台可以处理海量的数据，包括实时处理交通摄像头采集的图像、交通信号灯的变化等信息，是非常重要的AIoT中台可适配的场景。

边缘设备的部署：在交通路口和卡口等关键位置部署边缘设备，包括高清摄像头、雷达等感知设备。边缘设备需要具有数据采集、数据处理和通信传输等能力，以保证数据的实时性和准确性。

融合式AIoT中台的建设：搭建边无际基于Shifu的AIoT中台，实现对边缘设备的管理和数据处理能力。边缘计算平台需要具有数据存储、数据处理、数据分析和数据可视化等功能，以支持对边缘数据的实时分析和决策。

数据传输和存储：通过物联网技术，将边缘设备采集的数据传输到边缘计算平台，并存储在本地。同时，将需要传输到云端的数据进行筛选和压缩，以减少网络带宽消耗和传输延迟。

边缘计算和云边协同：在边缘设备和云端之间建立数据交换机制，实现数据的协同处理和决策。例如，将边缘设备采集的数据传输到云端，进行深度学习模型训练和优化，然后将模型结果下发到边缘设备进行实时处理。

应用场景开发：基于边缘计算平台和数据处理能力，开发交通管理的应用场景，例如红绿灯倒计时提醒、车辆流量监测、路况预测等。这些应用场景可以提高交通管理的智能化、精细化和专业化水平，为城市交通管理提供更加优质的服务。