【原】軟硬協(xié)同、云邊融合、垂類模型：工業(yè)AI的三大真相

物聯(lián)網(wǎng)智庫 原創(chuàng)

這是我的第372篇專欄文章。

當(dāng)AI遇上工業(yè)，真正的挑戰(zhàn)才剛剛開始。

在AI大模型席卷全球、生成式AI持續(xù)刷新公眾認(rèn)知的當(dāng)下，工業(yè)界的智能化進(jìn)程，卻仍處在一個(gè)“熱在云端、冷在現(xiàn)場”的臨界點(diǎn)。

模型可以繪畫、寫作、生成代碼，卻難以真正嵌入一條產(chǎn)線、控制一臺設(shè)備、優(yōu)化一個(gè)流程。與消費(fèi)級AI的爆發(fā)相比，工業(yè)AI的落地始終顯得緩慢、復(fù)雜，甚至令人沮喪。

但這一次，或許真的不一樣。

在COMPUTEX 2025展會(huì)期間，研華科技舉辦了一系列重量級產(chǎn)業(yè)主題會(huì)議，邀請多位業(yè)界意見領(lǐng)袖、技術(shù)專家與合作伙伴，共同探討技術(shù)如何驅(qū)動(dòng)新一輪的數(shù)字化轉(zhuǎn)型浪潮。而在這一系列對話中，最為核心的正是研華科技董事長劉克振（KC）與我之間的一場深度交流。

在對話中，KC不僅回顧了物聯(lián)網(wǎng)平臺十年前的泡沫與幻滅，更坦率地指出：“工業(yè)智能不是不會(huì)發(fā)生，而是還缺一個(gè)催化劑?！?/strong>而這個(gè)催化劑，正是AI與邊緣計(jì)算的融合。

在這次對談中，研華首次提出其最新的品牌宣言：Edge Computing & WISE-Edge in Action，并宣告將在五大垂直產(chǎn)業(yè)全面推進(jìn)工業(yè)智能化的落地布局。

作為全球工業(yè)物聯(lián)網(wǎng)領(lǐng)域的領(lǐng)導(dǎo)廠商，研華長期深耕邊緣硬件與工業(yè)軟件平臺，在過去十年默默積累、持續(xù)打磨。如今，她試圖在AI成為“可部署智能”的關(guān)鍵節(jié)點(diǎn)上，完成一次戰(zhàn)略重構(gòu)：不是空談“平臺夢想”，而是構(gòu)建“軟硬協(xié)同、云邊閉環(huán)”的現(xiàn)實(shí)路徑。

本文將圍繞這次對話中的核心觀點(diǎn)進(jìn)行深入解析：工業(yè)AI為何遲遲無法落地？模型強(qiáng)大為何在工廠難以找到用武之地？AI與邊緣的融合，究竟帶來了什么根本性改變？更重要的是，對于整個(gè)產(chǎn)業(yè)鏈來說，我們該以什么樣的心態(tài)、節(jié)奏與策略走進(jìn)這場被稱為“物理AI”的新時(shí)代？

工業(yè)AI的“第二次機(jī)會(huì)”來了，但這次不一樣

“我們在2018年熱烈討論物聯(lián)網(wǎng)平臺的機(jī)會(huì)與合作，當(dāng)時(shí)大家都相信這會(huì)是一場產(chǎn)業(yè)革命。但現(xiàn)實(shí)是——沒人真正成功?！毖腥A科技董事長劉克振（KC）在本次對話中直言不諱，也是對過去十年“工業(yè)智能化”熱潮最真實(shí)的注腳。

的確，大約十年前，工業(yè)物聯(lián)網(wǎng)（IIoT）被視為下一個(gè)“萬億級風(fēng)口”，全球無數(shù)科技與制造巨頭紛紛推出平臺戰(zhàn)略：GE的Predix、西門子的MindSphere，以及研華自己的WISE-PaaS…但幾年過去，大多數(shù)平臺要么停滯、要么轉(zhuǎn)型，工業(yè)智能化的承諾并未如期兌現(xiàn)。

KC用一句話總結(jié)了原因：“…不是不會(huì)發(fā)生，而是缺了一種催化劑。”這個(gè)催化劑，正是AI，特別是AI與邊緣計(jì)算的融合。

過去十年，工業(yè)界所期待的“平臺革命”之所以難以落地，一個(gè)根本問題是：工業(yè)現(xiàn)場的復(fù)雜性、異構(gòu)性、實(shí)時(shí)性、安全性，讓傳統(tǒng)云平臺的邏輯在工廠、醫(yī)院、電網(wǎng)等物理場景中失效。AI雖強(qiáng)，卻始終“落不了地”；模型雖大，卻始終離現(xiàn)場太遠(yuǎn)。

這正是我們在本次對話中反復(fù)強(qiáng)調(diào)的觀點(diǎn)：工業(yè)場景并不缺模型，缺的是“能跑得起來的AI”。

AI再強(qiáng)，如果它只能在云端運(yùn)行、需要海量算力、耗時(shí)數(shù)秒才能出結(jié)果，那么它對一條需要毫秒級決策的產(chǎn)線來說是毫無意義的。真正能改變工業(yè)的，不是“更聰明的算法”，而是“更貼地的智能”。

這也正是邊緣計(jì)算的意義所在。Edge，不是一個(gè)新的硬件形態(tài)，而是一種新型智能部署方式：讓感知、決策、執(zhí)行三者，在現(xiàn)場完成閉環(huán)。

邊緣計(jì)算讓模型“跑在現(xiàn)場”，讓算法“嵌入流程”，讓AI從一個(gè)“技術(shù)插件”變成“系統(tǒng)能力”。這不是讓AI更強(qiáng)，而是讓系統(tǒng)本身更主動(dòng)、更響應(yīng)、更安全、更穩(wěn)定。

這一次與研華的對話讓我感覺到：工業(yè)AI的第二次機(jī)會(huì)，正在到來。但這一次，它不再是云端的熱鬧實(shí)驗(yàn)，而是地面上的系統(tǒng)戰(zhàn)。

它的本質(zhì)不在于是否擁有“更大的模型”，而在于是否能夠構(gòu)建“更小的閉環(huán)”；不在于算法能處理多少語義，而在于它能否控制一個(gè)具體的物理變量；不在于能否驚艷演示，而在于能否穩(wěn)定運(yùn)行。

換句話說：這次的工業(yè)AI，不需要“看起來很強(qiáng)”，它需要“跑得起來”，能夠“嵌入現(xiàn)場”。

工業(yè)AI的落地邏輯：軟硬協(xié)同+云邊閉環(huán)+垂類模型

如果說工業(yè)AI的“第二次機(jī)會(huì)”已經(jīng)到來，那么接下來的問題就是：它將以怎樣的路徑真正落地？

這不只是一個(gè)技術(shù)問題，更是一個(gè)系統(tǒng)工程——它需要軟硬件的協(xié)同演進(jìn)，需要計(jì)算架構(gòu)的重新部署，更需要模型范式的重新定義。而在我與KC的對話中，三個(gè)關(guān)鍵詞逐漸清晰地浮現(xiàn)出來：軟硬協(xié)同、云邊閉環(huán)、垂類模型。它們構(gòu)成了工業(yè)AI落地的“三段式推進(jìn)邏輯”。

1. 軟硬協(xié)同：AI不是“云里飛”，而是“地上跑”

KC在對話中反復(fù)強(qiáng)調(diào)，研華的戰(zhàn)略定位從來不是做“最終方案”，而是做“系統(tǒng)組件的供應(yīng)者”。這背后，其實(shí)是一種深刻的路徑選擇：工業(yè)AI的落地，不是靠一個(gè)完美的解決方案，而是靠一套可組合、可復(fù)制、可演進(jìn)的系統(tǒng)組件。

研華的三層架構(gòu)非常值得借鑒：

• 第一層是邊緣硬件——涵蓋超過1000個(gè)SKU的現(xiàn)場級運(yùn)算設(shè)備，適配各種工業(yè)環(huán)境；
  

• 第二層是WISE-Edge容器化軟件平臺——提供驅(qū)動(dòng)接口、容器工具、API對接能力；
  

• 第三層是垂直領(lǐng)域應(yīng)用模組——將AI能力封裝成可直接部署的行業(yè)模塊。

這個(gè)架構(gòu)的關(guān)鍵，并不在于“誰做出了AI”，而在于誰能把AI嵌入到工業(yè)系統(tǒng)的日常運(yùn)行中。

工業(yè)現(xiàn)場不是一張白紙，它是一個(gè)高度復(fù)雜、冗余、多源異構(gòu)的生態(tài)系統(tǒng)。任何AI能力，都必須通過“軟硬協(xié)同”的方式，與已有系統(tǒng)無縫對接、穩(wěn)定運(yùn)行。

這意味著：工業(yè)AI不是“云里飛”的模型，而是“地上跑”的系統(tǒng)工程。

2. 云邊協(xié)同：閉環(huán)比算法更重要

很多AI項(xiàng)目失敗的根源，不在于算法不行，而在于它們從未真正跑過一條完整的閉環(huán)。我在對話中提到，工業(yè)AI的核心，不是“能不能訓(xùn)練出一個(gè)好模型”，而是“能不能讓這個(gè)模型在現(xiàn)場執(zhí)行”。這就要求系統(tǒng)具備四個(gè)關(guān)鍵特性：

• 實(shí)時(shí)性：工業(yè)系統(tǒng)不能等云端運(yùn)算結(jié)果，它要在現(xiàn)場秒速響應(yīng)；
  

• 可靠性：即使斷網(wǎng)、掉電，也要本地繼續(xù)運(yùn)行，不能癱瘓；
  

• 安全性：數(shù)據(jù)不能隨意上傳，必須保障本地隱私與合規(guī)性；
  

• 適應(yīng)性：每一個(gè)工廠、每一條產(chǎn)線，都是獨(dú)一無二的，需要“專屬智能”。

這些能力的核心，不在云，而在邊。邊緣計(jì)算的價(jià)值，正是讓感知、決策、執(zhí)行三者形成物理反饋閉環(huán)，而不僅僅是邏輯鏈條。

我經(jīng)常說，“工業(yè)不是語文題，也不是數(shù)學(xué)題，而是物理題?！?/strong>通用大模型能理解語義，但工業(yè)現(xiàn)場需要控制變量；它不是開放世界，而是多約束系統(tǒng)；不是生成知識，而是執(zhí)行邏輯。

因此，工業(yè)AI的落地，不是“跑得更聰明”，而是“跑得更完整”。模型再強(qiáng)，如果不能閉環(huán)，就是空談。

3. 垂類模型：小模型才是大機(jī)會(huì)

AI之所以在工業(yè)場景“水土不服”，還有一個(gè)根本原因：通用模型的抽象邏輯，與工業(yè)的具體性天然沖突。

工業(yè)不是“理解世界”，而是“控制系統(tǒng)”；不是“生成答案”，而是“規(guī)避故障”。比起一個(gè)大而全的通用模型，工業(yè)更需要一個(gè)垂直、專用、可控的小模型。

比如為數(shù)控機(jī)床預(yù)測刀具磨損而訓(xùn)練的模型，它的參數(shù)量或許只有幾千萬，但它對傳感器數(shù)據(jù)、設(shè)備接口、工藝邏輯、報(bào)警機(jī)制都深度定制，真正能在產(chǎn)線中長期穩(wěn)定運(yùn)行。它的價(jià)值，不在于“能生成”，而在于“能運(yùn)營”。

如果比喻通用大模型是“百科全書”，那么垂類模型需要成為工業(yè)的“操作手冊”。

工業(yè)AI的未來，屬于這些能嵌入流程、跑通閉環(huán)、綁定客戶的小模型。它們可能不驚艷，但極具粘性；可能不萬能，但極具效率。真正有價(jià)值的模型，不是最強(qiáng)的，而是最“接地氣”的。

從軟硬協(xié)同，到云邊閉環(huán)，再到垂類模型，這三者構(gòu)成了工業(yè)AI落地的系統(tǒng)三角。它不是技術(shù)的疊加，而是邏輯的重構(gòu)；它不是風(fēng)口的敘事，而是能力的閉環(huán)。

這也意味著，工業(yè)AI的未來，不屬于“最聰明的模型提供者”，而屬于“最能跑通系統(tǒng)閉環(huán)的能力構(gòu)建者”。

生態(tài)角色重新劃分，工業(yè)智能體的價(jià)值鏈將重構(gòu)

如果說軟硬協(xié)同、云邊閉環(huán)與垂類模型共同構(gòu)成了工業(yè)AI的落地邏輯，那么接下來的問題是：誰來做這件事？價(jià)值鏈如何重構(gòu)？產(chǎn)業(yè)鏈上的不同玩家又該如何參與？

在我們的對話尾聲，KC給出了一幅清晰的產(chǎn)業(yè)角色圖景：未來工業(yè)AI生態(tài)將由三類核心角色組成：組件供應(yīng)商、系統(tǒng)集成商，以及垂類智能體開發(fā)者。

這不是一個(gè)靜態(tài)分工，而是一個(gè)動(dòng)態(tài)協(xié)同的系統(tǒng)架構(gòu)，預(yù)示著工業(yè)智能價(jià)值網(wǎng)絡(luò)的重構(gòu)邏輯。

1. 組件供應(yīng)商：做對“底層”，不爭“頂層”

研華選擇了最樸素也最具戰(zhàn)略縱深的位置——成為全球工業(yè)AI生態(tài)的組件供應(yīng)者。這意味著它不追求“閉環(huán)終端”的控制權(quán)，而專注于提供可復(fù)制、可集成、可定制的邊緣硬件、容器化軟件、行業(yè)模組三大類核心模塊。

正如KC所說，研華的角色不是“做菜”，而是“提供最好的食材、調(diào)料和食譜”，讓系統(tǒng)集成商能夠快速交付場景化的工業(yè)AI方案。這種角色定位有兩個(gè)巨大優(yōu)勢：

• 一是避免價(jià)值鏈“碰撞”，與更多伙伴形成互補(bǔ)而非競爭；

• 二是形成規(guī)?；爸信_能力”，在多項(xiàng)目、多行業(yè)之間積累平臺級能力。

對于其他硬件廠商、工具平臺提供者而言，這是一種可借鑒的思路：在工業(yè)AI中占據(jù)一個(gè)結(jié)構(gòu)性位置，而不是追逐短期的客戶訂單或全棧解決方案的幻覺。

2. 系統(tǒng)集成商：連接“最后一公里”，但別試圖吃下全程

工業(yè)智能化的復(fù)雜性決定了沒有任何一個(gè)玩家可以獨(dú)立完成從硬件到模型、從部署到運(yùn)維的全棧閉環(huán)。這正是系統(tǒng)集成商（SI）不可替代的價(jià)值所在——他們最了解客戶現(xiàn)場、工藝流程、行業(yè)規(guī)范，能夠?qū)⑼ㄓ媚芰Α胺g”為特定場景下的可執(zhí)行方案。

但新的挑戰(zhàn)也隨之而來：傳統(tǒng)的“項(xiàng)目制交付”已無法滿足工業(yè)AI的持續(xù)演化需求。未來的SI必須具備平臺思維、產(chǎn)品意識和持續(xù)運(yùn)營能力。這意味著：

• 從“一次性交付”轉(zhuǎn)向“持續(xù)集成+數(shù)據(jù)閉環(huán)”；

• 與組件商、模型商建立長期協(xié)同機(jī)制，而非一錘子買賣；

• 更要認(rèn)清邊界：不要幻想成為“AI模型公司”，而是成為“AI系統(tǒng)的整合節(jié)點(diǎn)”。

3. 垂類智能體開發(fā)者：誰能“吃透場景”，誰就掌握閉環(huán)

最后一個(gè)關(guān)鍵角色，是垂類智能體的開發(fā)者。這可能是初創(chuàng)公司，也可能是大型企業(yè)的行業(yè)子公司，甚至可能是某些傳統(tǒng)工業(yè)軟件廠商的“重生體”。他們的任務(wù)，是圍繞某一類工藝、流程或設(shè)備，開發(fā)出可運(yùn)行、可演進(jìn)、可收費(fèi)的工業(yè)AI模型與Agent智能體系統(tǒng)。

KC在對話中提到，未來的工業(yè)客戶更傾向于在現(xiàn)場部署小型私有云，并在其上運(yùn)行專屬垂類模型。這意味著：

• 通用大模型不再是唯一解，“工藝級智能體”將成為新常態(tài)；

• 模型價(jià)值不在于參數(shù)規(guī)模，而在于“是否能跑通數(shù)據(jù)-決策-反饋閉環(huán)”；
  

• 誰能吃透一個(gè)行業(yè)的知識圖譜、傳感器邏輯、控制接口，誰就能構(gòu)建出不可替代的場景智能。

這將是工業(yè)AI最激烈也最有價(jià)值的戰(zhàn)場。

無論是組件供應(yīng)商、系統(tǒng)集成商，還是垂類智能體開發(fā)者，就產(chǎn)業(yè)鏈整體而言，我們的建議是：放棄“全?；孟搿保ⅰ皡f(xié)同機(jī)制”。

在消費(fèi)級AI領(lǐng)域，“全棧自研”或許是一種豪情；但在工業(yè)AI領(lǐng)域，這更可能是一種幻想。

工業(yè)智能系統(tǒng)需要感知、控制、邊緣計(jì)算、領(lǐng)域知識、運(yùn)維體系、閉環(huán)反饋、合規(guī)機(jī)制等多項(xiàng)能力協(xié)同，任何一個(gè)角色想“包打天下”，最終都將陷入系統(tǒng)性不可持續(xù)。

真正的策略，是認(rèn)清自己的結(jié)構(gòu)性價(jià)值，找到最佳生態(tài)位，并與上下游建立清晰、穩(wěn)定、長期的協(xié)同機(jī)制。工業(yè)AI的成功，不屬于孤膽英雄，而屬于協(xié)作網(wǎng)絡(luò)。

寫在最后

工業(yè)AI，不需要急著爆發(fā)，而是更該慢慢變深。

回到文章開頭的問題：為什么我們在十年前錯(cuò)判了工業(yè)互聯(lián)網(wǎng)平臺的爆發(fā)？也許答案并不復(fù)雜——我們高估了短期變革的速度，卻低估了系統(tǒng)演進(jìn)的難度。

如今，工業(yè)AI正迎來“第二次機(jī)會(huì)”。但這一次，我們不該再用“平臺革命”或“模型奇跡”的眼光來看待它。工業(yè)智能化不是某一項(xiàng)技術(shù)的突破，而是一場系統(tǒng)性的認(rèn)知重構(gòu)與能力重構(gòu)。它無法一蹴而就，但一旦扎根，將深刻重塑整個(gè)產(chǎn)業(yè)的底層邏輯。

真正值得關(guān)注的，不是下一家“發(fā)布大模型”的工業(yè)AI公司，而是那些在看似緩慢的節(jié)奏中，持續(xù)構(gòu)建閉環(huán)能力、不斷打磨軟硬協(xié)同、深耕垂直場景的長期主義者。他們可能不會(huì)最先出現(xiàn)在新聞?lì)^條，但他們將是最晚離場的贏家。

這也是我在與KC深度對話后的最大感觸——工業(yè)AI的未來，不屬于最炫目的技術(shù)，而屬于最扎實(shí)的系統(tǒng)能力；不屬于“AI替代人”的幻想，而屬于“AI與行業(yè)知識深度融合”的現(xiàn)實(shí)。

我們正走進(jìn)一個(gè)新階段，AI不再只是智能的象征，而正在成為產(chǎn)業(yè)的“新常識”。它不再是實(shí)驗(yàn)室里的高光時(shí)刻，而是每天每秒都在設(shè)備、流程、工藝中默默運(yùn)行的生產(chǎn)力工具。

所以，是時(shí)候放下對“爆發(fā)性奇跡”的執(zhí)念，轉(zhuǎn)而堅(jiān)定投入到“漸進(jìn)式深耕”的路徑中。讓AI不僅能看懂世界，更能改變工廠；不僅能生成答案，更能執(zhí)行決策；不僅能飛在云端，更能扎根現(xiàn)場。

這才是工業(yè)AI真正的意義。