当AI还在云端飘，产线工人的手已经伸向终端

“终端将是AI普及的最后一公里”——林松涛这句话，我在产线上听到过一模一样的版本，只不过说话的人换成了工厂的自动化主管，语气里带着三分期待七分无奈。他们真正想问的是：这最后一公里，到底要花多少钱才能铺完？

今天早上，我站在一条焊装线旁边，看着机械臂重复抓取车门，节拍44秒。旁边挂着一块屏幕，显示着实时AI视觉检测结果，但画面延迟了1.2秒。工人说，这1.2秒足够让一个不合格工件滑到下道工序。这不是云AI的问题，这是从云到终端的最后一公里出了岔子。

云AI vs 终端AI：产线上的两种现实

让我用集成商的视角，把这两个方案放在产线上比一比。

维度	云端AI方案	终端AI方案（边缘/端侧）
推理延迟	600-1200ms（含网络+排队）	30-80ms（本地推理）
单点部署成本	硬件便宜（无GPU），但需拉专线、租云算力	硬件成本高（端侧NPU/TPU），但无持续云费
可靠性	受网络波动影响，断网即停摆	离线可运行，断电可续跑
模型更新	云端直接更新，中心化	需OTA分发，版本管理复杂
适配产线节拍	节拍>45秒尚可，<30秒完全不可用	节拍<15秒仍可稳定跟随

关键数字：我见过一条产线，节拍从40秒压到28秒，云端AI方案直接崩了——因为相机采集-上传-推理-返回这个闭环，在28秒内根本跑不完。最后我们换成了带NPU的工业相机，本地跑YOLOv8n，推理耗时从云端平均的800ms降到42ms，代价是单相机成本从3000跳到8000，但省掉了每年12万的云算力租用费。

集成成本算过吗？

林松涛说“终端将是AI普及的最后一公里”，我完全同意，但集成商要算的账不止是设备成本。

• 部署成本：一个云端AI视觉工位，从拉网线、配网闸、调云端API到现场联调，我们团队平均要花3个工作日。终端AI方案，只要把模型烧录进SD卡，拧上螺丝，标定相机，1.5天搞定。人工成本降低50%，这对集成商来说比设备差价更敏感。

• 维护成本：云端方案依赖网络，一旦工厂网络波动（这在产线太常见了，电焊机启动时EMI干扰能把WiFi打掉），就需要产线停线等AI恢复。终端AI方案，只要本地芯片不烧，模型不崩，就能一直跑。非计划停机时间减少70%，这条数据来自我们去年给某主机厂做的视觉改造项目。

• 模型更新成本：云端方案更新模型只需改云端API，终端方案需要逐台设备OTA。但产线实际情况下，模型更新频率远低于想象——大多数产线AI模型一年只迭代2-3次。为此部署一套OTA系统，成本反而比人工SD卡更新高。所以对大部分工位，终端AI的维护成本其实更低。

但终端AI不是万能钥匙

我见过一些案例，把计算全部塞进终端，结果导致芯片过热、频繁降频，节拍反而变慢。终端AI的瓶颈不是算力，而是散热和环境耐受。工业现场温度40-50度，粉尘、震动，消费级芯片根本撑不住。我们做集成时，必须选工业级端侧模组，比如英伟达Jetson Orin NX工业版，单模组成本就超过5000元，但这是唯一能保证7x24小时稳定运行的方案。

对比之下，云端方案虽然在延迟上吃亏，但算力资源可以弹性伸缩，适合模型复杂、需要频繁重训练的场景，比如缺陷检测类别经常变化的产线。

现在回到林松涛的判断

腾讯的终端AI战略，如果只停留在手机、智能家居这些消费场景，我不太看好。但如果有工业级的端侧推理芯片和配套的模型压缩工具链，那才是真正能走完最后一公里的方案。目前市面上能用的工业级端侧AI方案，成本依然偏高，单工位总成本（含相机、计算模组、支架、调试）普遍在1.5万-3万元，而云端方案只要一台工控机+相机，总成本可控制在8000元以内。

现实是：产线老板会选便宜的方案，直到便宜方案让他们停线一次。 停一次线的损失，可能是几万甚至几十万，这时候他们才会想起终端AI的可靠性溢价。

当AI应用百花齐放，我们的产线还在用2018年的视觉模型跑云端。不是不想升级，是升级的性价比还没算清楚。最后一个问题留给集成商同行：如果我们现在去推终端AI方案，客户愿意为每工位多付1.5万，换取减少80%的停线风险吗？ 我猜答案取决于——他们产线停一次到底值多少钱。

原文链接：https://www.ithome.com/0/978/568.htm