百年清华

再次见到刘江川，是在江行智能深圳新办公室，那天正好是他们办的开放日活动，来自清华等一众学术圈的人士到场。

只不过这一次，刘江川不仅仅是IEEE Fellow和江行智能CEO的title，他新增了一个身份：加拿大国家工程院院士——这是他在今年二季度才加身的新头衔。

刘江川（清华大学计算机系1994级本）

一年以来，他的团队逐渐扩大，办公地点也扩展到三个城市：深圳、北京、南京。加上接连获得南方电网、北控水务、中国联通等大客户，其业务模式受到广泛认可，迅速成为边缘计算领域的一匹黑马。

谈及创业心态，刘江川坦言，坐在实验室里和实际到工业场景的感受确实不太一样。原来在学术氛围里，工业场景的更多的靠“假想”，以为只会在论文里出现，但是实际上发现，工业场景会有诸多碎片化的复杂需求。

他觉得，边缘计算正逐步告别传统的“手工作坊”时代，即将迎来大爆发。而2019年作为泛在电力物联网的元年，将是物联网等技术承前启后的关键节点。

工业场景VS消费场景

江行智能的定位是一家边缘计算技术与服务提供商，因此，在看到行业趋势方面，他们更多关注工业场景的变化。

工业场景呈现碎片化，很难做到一次性、大规模铺开，而消费场景中，资金投入多就能很多打开市场，但工业只是小批量的试点开始做起，一些公司完全没必要为了一个小的试点投入几十个人力，得不偿失，且不确定性因素很大。

刘江川对雷锋网谈到，对于江行智能这样的公司来讲，也不仅仅只是提供一个平台框架，更主要的是基于平台来提供引擎。

“引擎的作用就是能撬动很多资源，进入各种工业场景。”

电网是目前刘江川的团队比较关注的一个重要领域。他觉得这是城市的基础能源供应，是智慧城市的根基。在基础设施侧，刘江川的团队正好在做配电的智能化与水务的智能化改造。

比如已经形成了成熟的“基于边缘计算的电力智能维护解决方案”，通过低成本的边缘计算设备和深度学习图像识别算法，实现输电线路实时智能运维。对于电网公司来说，就是能在弱网环境下稳定运行设备，节省大量宽带开销。

“交通出行、购物消费只是目前稍微可感知的智慧城市的一部分，实际上基础设施非常重要。”

面向交通场景，江行智能目前有一套完整的充电桩解决方案，从电池管理、车位管理、故障报警、智能运维到后台APP，形成了完善的业务流程，通过EdgeBox可以在边缘侧预处理数据，实现充电桩的无人化运营。

充电桩的使用场景

2019年是电力物联网元年

2019年3月前后，“泛在电力物联网”这一概念横空出世，行业忽然意识到电力物联网和边缘计算之间是一个绝好的结合，且蕴含着一个非常有前景的市场。

刘江川看到，现在这个领域还比较新，从物联网网关、传感器等领域切进来的企业比较多，但像江行智能这种从边缘计算角度进入的还为数甚少。

“目前我们不需要依赖大厂。我们有自己的引擎，有自己的芯片主板，有自己的行业洞察力。”

江行智能的芯片主板

他觉得，大厂之所以纷纷开放平台，走平台战略，根源就在于希望将行业上下游包容到它的生态系统中间，但实际上，很多企业面对这种“生态”，也是有顾虑的。

从安全性和隐私性的角度来看，工业企业大多对上云会存在一定排斥心理。首先是数据不愿意放在云上，其次是上云也要上自己的服务器。

他高下立判：2019年将是电力物联网元年，而这个市场也是大家一起来做。

行业普遍认识到边缘计算是在工业互联网中需要被介绍、需要被推广的概念，加之边缘服务器的出现，边缘侧的计算爆发是迟早的事，而电力物联网将是头号玩家们竞相进入的领域。

“边缘”并非一个绝对的地理概念

刘江川介绍，边缘计算是一个多层次的系统，如果把云看成是最顶端的系统，那么，从云到端就可称为“边缘”，比如工业现场、5G基站、分布式数据中心等等。

他补充到，工业现场采集的数据是微秒级延迟，5G基站上是十到数十毫秒级延迟，分布式数据中心则是数十到一百毫秒级延迟，到云上，就是几百毫秒级的延迟。

因此，“边缘”并非一个绝对的地理概念，而是一个时延的差异。或者从隐私保护的角度来看，企业是否愿意走多跳网络：直接走互联网的接口还是在5G基站做一次数据汇集，都是根据不同的需求以及不同数据量决定。

单从智能交通系统角度来看，实际上这个场景天然做好了分级。

车子本身就是终端，手机会和车子连接。车载的计算平台就是个边缘，车载的边缘又跟5G基站做数据汇合，5G基站又会在路段区域内控制多辆车的数据汇集，就可以实现指挥汽车启停以及路灯的信号指挥。最终，基站的数据会和城市的云进行汇合，在这上面实现智能交通系统，做更大规模的车辆调度。

因此可以看到，这个场景下至少涉及两个层次的边缘：一个是车身，一个是5G基站。

边缘计算告别“手工作坊”时代

采访中，刘江川一直强调，边缘计算会是一个新的时代，“新”即意味着告别过去。

雷锋网注意到，传统意义上，边缘计算解决的是数据处理速度的问题，将数据处理从云端转到边缘端，速度加快了，免去了走互联网的这一个过程。

但是实际上发现，速度只是工业场景思考的一个方面，而不是全部，有些场景对100毫秒降低到10毫秒确实很敏感（尤其是工业车间流程），但有些特定场景下，网络速率太慢（比如铁塔分布不多的区域），实际上其紧迫需求就是在弱网环境下解决问题。

他提及，安防是边缘计算一个庞大市场，但目前也存在一些不足。传统的摄像头企业会专门针对安防的场景做很多的优化，安装好了产品，整个交付过程就结束了，只要能确保后期硬件设备运行很多年。待大规模生产之后，集成最先进的算法，设备的制造成本就会降下来。

“由于近些年各个城市对安防的需求非常大，所以这个领域发展确实也很迅速。”刘江川分析到，工业场景与安防场景存在很大差异。

工业涉及流水线，涉及电力等因素，如果按照安防市场的思路去做，第一会需要非常深入地了解产品知识，做长时间的积累，第二企业需要为产品的研发做定制化的服务，整个周期拖得很长。但问题是，有些工业场景的需求市场容量未必很大，只是阶段性的出现，下一阶段有可能会被淘汰。一旦前期做了大量定制化和固化，后期升级换代就变得非常困难。

刘江川算了一笔账。在城市中的铁塔上安装一次摄像头，（人工）费用是3000块，在偏远地区，可能比这个数字更大。这就对产品的部署形式提出了要求：灵活快速，方便升级迭代，而不需要投入太多新的成本。

在这一点上，江行智能正在推出的Edge Box产品专门为此设计，在物联网设备和云之间增加一个数据预处理环节（边缘计算），大幅降低了通信开销和计算延迟。

在企业仅仅成立一年后就推出这样具备强落地能力的产品，刘江川是充满了底气的。

江行智能目前是一种TOB TO C的模式，服务的行业是C端的，比如水、电，但是提供的技术是给B端用。这样的行业属性好处是什么？刘江川观察到，C端用户对服务的需求非常敏感，比如断水断电，这样就会“反推”电网和水务公司做升级改造。

“如果没有C端的压力，B端企业可能连变革的压力就没有了。”

而这种“自我变革”背后就是边缘计算的无限市场。