再次见到刘江川，是在江行深圳新办公室Q那天正好是他们办的开放日zdQ来自清华等一众学术圈的h士到场?/span>
只不q这一ơ，刘江川不仅仅是IEEE Fellow和江行智能CEO的titleQ他新增了一个n份：加拿大国家工E院院士——这是他在今q二季度才加w的新头衔?/span>
刘江川（清华大学计算机系1994U本Q?/span>
一q以来，他的团队逐渐扩大Q办公地点也扩展C个城市：深圳、北京、南京。加上接q获得南方电(sh)|、北控水务、中国联通等大客P其业务模式受到广泛认可，q速成~计领域的一匚w马?/span>
谈及创业心态，刘江川坦aQ坐在实验室里和实际到工业场景的感受实不太一栗原来在学术氛围里，工业场景的更多的靠“假想”，以ؓ只会在论文里出现Q但是实际上发现Q工业场景会有诸多碎片化的复杂需求?/span>
他觉得，边缘计算正逐步告别传统的“手工作坊”时代，卛_q来大爆发。?019q作为泛在电(sh)力物联网的元q_是物联|等技术承前启后的关键节点?/span>
工业场景VS消费场景
江行的定位是一家边~计技术与服务提供商，因此Q在看到行业势斚wQ他们更多关注工业场景的变化?/span>
工业场景呈现片化，很难做到一ơ性、大规模铺开Q而消费场景中Q资金投入多p很多打开市场Q但工业只是批量的试点开始做P一些公司完全没必要Z一个小的试Ҏ(gu)入几十个人力Q得不偿失，且不定性因素很大?/span>
刘江川对雷锋|谈刎ͼ对于江行q样的公司来Ԍ也不仅仅只是提供一个^台框Ӟ更主要的是基于^台来提供引擎?/span>
“引擎的作用是能撬动很多资源，q入各种工业场景。?/span>
늽是目前刘江川的团队比较关注的一个重要领域。他觉得q是城市的基能源供应Q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(sh)的智能化与水务的化改造?/span>
比如已经形成了成熟的“基于边~计的?sh)力l护解决Ҏ(gu)”，通过低成本的边缘计算讑֤和深度学习图像识别算法，实现输电(sh)U\实时q维。对于电(sh)|公司来_是能在q环境下稳定运行设备，节省大量宽带开销?/span>
“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Q实际上基础设施非常重要。?/span>
面向交通场景，江行目前有一套完整的充电(sh)桩解x案，从电(sh)池管理、R位管理、故障报警、智能运l到后台APPQŞ成了完善的业务流E，通过EdgeBox可以在边~侧预处理数据，实现充电(sh)桩的无h化运营?/span>
充电(sh)桩的使用场景
2019q是?sh)力物联|元q?/span>
2019q?月前后，“泛在电(sh)力物联网”这一概念横空ZQ行业忽然意识到?sh)力物联|和边缘计算之间是一个绝好的l合Q且蕴含着一个非常有前景的市场?/span>
刘江川看刎ͼ现在q个领域q比较新Q从物联|网兟뀁传感器{领域切q来的企业比较多Q但像江行智能这U从边缘计算角度q入的还为数甚少?/span>
“目前我们不需要依赖大厂。我们有自己的引擎，有自q芯片LQ有自己的行业洞察力。?/span>
江行的芯片主?/span>
他觉得，大厂之所以纷U开攑^収ͼ走^台战略，Ҏ(gu)在于希望将行业上下游包容到它的生态系l中_但实际上Q很多企业面对这U“生态”，也是有顾虑的?/span>
从安全性和隐私性的角度来看Q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?/span>
他高下立判：2019q将是电(sh)力物联网元年Q而这个市Z是大家一h做?/span>
行业普遍认识到边~计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Q边~侧的计爆发是q早的事Q而电(sh)力物联网是头号玩家们竞相进入的领域?/span>
“边~”ƈ非一个绝对的地理概念
刘江川介l，边缘计算是一个多层次的系l，如果把云看成是最端的系l，那么Q从云到端就可称为“边~”，比如工业现场?G基站、分布式数据中心{等?/span>
他补充到Q工业现场采集的数据是微U延迟Q?G基站上是十到数十毫秒Ugq，分布式数据中心则是数十到一百毫U延迟Q到云上Q就是几百毫U的gq?/span>
因此Q“边~”ƈ非一个绝对的地理概念Q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l：直接C联网的接口还是在5G基站做一ơ数据汇集，都是Ҏ(gu)不同的需求以及不同数据量军_?/span>
单从交通系l角度来看，实际上这个场景天然做好了分?/span>
车子本n是l端Q手Z和R子连接。R载的计算q_是个边~，车蝲的边~又?G基站做数据汇合，5G基站又会在\D区域内控制多辆车的数据汇集Q就可以实现指挥汽R启停以及路灯的信h挥。最l，基站的数据会和城市的云进行汇合，在这上面实现交通系l，做更大规模的车辆调度?/span>
因此可以看到Q这个场景下臛_涉及两个层次的边~：一个是车nQ一个是5G基站?/span>
边缘计算告别“手工作坊”时?/span>
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q去?/span>
雷锋|注意到Q传l意义上Q边~计解决的是数据处理速度的问题，数据处理从云端转到边缘端，速度加快了，免去了走互联|的q一个过E?/span>
但是实际上发玎ͼ速度只是工业场景思考的一个方面，而不是全部，有些场景?00毫秒降低?0毫秒实很敏感（其是工业R间流E）Q但有些特定场景下，|络速率太慢Q比如铁塔分布不多的区域Q，实际上其紧迫需求就是在q环境下解决问题?/span>
他提及，安防是边~计一个庞大市场，但目前也存在一些不뀂传l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Q整个交付过E就l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，讑֤的制造成本就会降下来?/span>
“由于近些年各个城市对安防的需求非常大Q所以这个领域发展确实也很迅速。”刘江川分析刎ͼ工业场景与安防场景存在很大差异?/span>
工业涉及水U，涉及?sh)力{因素，如果按照安防市场的思\dQ第一会需要非常深入地了解产品知识Q做长时间的U篏Q第二企业需要ؓ产品的研发做定制化的服务Q整个周期拖得很ѝ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Q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，后期升换代变得非常困难?/span>
刘江川算了一W̎。在城市中的铁塔上安装一ơ摄像头Q（人工Q费用是3000块，在偏q地区，可能比这个数字更大。这对产品的部|Ş式提Z要求Q灵zd速，方便升q代Q而不需要投入太多新的成本?/span>
在这一点上Q江行智能正在推出的Edge Box产品专门为此设计Q在物联|设备和云之间增加一个数据预处理环节Q边~计）Q大q降低了通信开销和计gq?/span>
在企业仅仅成立一q后推样具备强落地能力的品，刘江川是充满了底气的?/span>
江行目前是一UTOB TO C的模式，服务的行业是C端的Q比如水、电(sh)Q但是提供的技术是lB端用。这L行业属性好处是什么？刘江川观察到QC端用户对服务的需求非常敏感，比如断水断电(sh)Q这样就会“反推”电(sh)|和水务公司做升U改造?/span>
“如果没有C端的压力QB端企业可能连变革的压力就没有了。?/span>
而这U“自我变革”背后就是边~计的无限市场?/span>
清华校友M服务?/span>
清华校友M订阅?/span>