在7月27日的 “2021国际AIoT生态发展大会”上，百度杰出架构师、飞桨企业版总架构师马如悦分享了百度飞桨在边缘AI服务领域中的宝贵经验。

真正的AIoT应用，要切合实际需求和场景

从互联网到物联网，再到未来万物感知的智联网，“应用场景”一直是开启亿级市场的财富密码。不接地气的应用项目，即使创新技术再高大上，也无法真正解决用户的实际问题，自然很快被淘汰；实际应用价值高、技术含量高、实施可行性强、市场前景好的应用项目，必然是产业里的“香饽饽”。

据马如悦观察，物联网产业链呈现多层次，有的做物联网芯片、有的做物联网平台，还有做物联网的核心技术、场景。不过，当下物联网的发展更需要聚焦实际场景。

马如悦以其团队主导的三个案例为例：第一个案例是团队内部有一个每日健身数据的应用，员工可以将每天的运动数据分享出来、相互打气，达到高效健身的效果；第二个案例是每天午餐的时候，为了避免餐厅里人员拥挤，团队内部开发了一个自动检测人流量的摄像头，员工可以根据实时数据去选择人流量少的餐厅就餐；第三个案例是智能会议室，将定时检测会议室的实际使用情况，对已完成预约但无故缺席的员工进行惩罚。

“上述三个案例的技术难度并不大，但都能实实在在地解决实际问题，我们便认为这是成功的AIoT应用。”马如悦形象生动地讲述道。

那么如何挖掘一个接地气的“AIoT应用场景”？马如悦认为，要从失败当中吸取教训、在成功当中吸取经验，不能一味地做大做全，为了物联而物联。

飞桨企业版EasyDL与边缘AI服务解决方案

当然，AIoT要切合实际需求、实际场景来开发应用，这是第一步；接下来，该应用场景能否实现落地、广泛推广，其关键是如何用好数据。

马如悦说道：“人工智能是物联网的核心技术，具有对数据实时收集、快速分析、精准预测的强大能力。因此，百度AI在AIoT时代的施展空间逐渐扩大。”

公开资料显示，飞桨（PaddlePaddle）是中国首个自主研发、功能完备、开源开放的产业级深度学习平台。它以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体。

“我们发现，当下AIoT应用开发呈现两个需求，一是AI模型的定制化，二是AI模型的边缘部署。对此，飞桨推出‘EasyDL’，可提供端到端的模型构建和部署的解决方案，包括‘数据管理→模型构建→模型部署与应用’三大块工作。”马如悦称。

“同时，飞桨推出了一站式边缘AI服务解决方案，其核心功能有4个：网络的硬件适配与加速、模型转换、模型优化、模型压缩。”马如悦介绍道。

（1）网络的硬件适配与加速

（2）模型转换

（3）模型优化

（4）模型压缩

此外，飞桨还重视软硬一体与开源，推出了EdgeBoard计算盒和EdgeBoard计算卡。

针对上述产品，马如悦通过两个客户案例来说明其实际应用价值。第一个案例是：攀枝花学院一对一帮扶四川甘孜藏族自治区乡城县，基于援藏干部提出的藏区农牧民虫草搜寻的切实困难，利用百度EasyDL训练冬虫夏草识别模型，并将训练好的模型部署为设备端SDK，集成在手机中离线识别，方便牧民在无网络的野外环境进行虫草搜寻。

第二个案例是：广州长川使用百度EasyDL定制开发了一个公车车辆、塔吊识别模型, 搭载EdgeBoard以软硬一体方案部署在输电线路沿线，通过拍照图片实现对输电线路沿线是否有工程施工、塔吊靠近线路等外部安全隐患。

“所以就目前的经验来看，AIoT往往需要从实际业务出发，围绕模型开发到硬件部署做端到端的系统集成，借助成熟的工具平台往往能获得更快的落地效果。”马如悦最后总结道。