“邊緣計算絕非簡單地將算力搬到空中”。
無人機的價值邊界在哪里？這個問題放在五年前，答案大概是“能飛多遠、能拍多清”。但是今天，取決于無人機能夠自主完成多少任務。
過去十年，工業(yè)無人機完成了從“航拍工具”到“數(shù)據(jù)采集”的身份切換。這是個不小的進步，但當應用場景真正深入到油氣管道、輸電線路、風機葉片、橋梁隧道這些復雜工業(yè)環(huán)境時，一個根本性的問題開始浮現(xiàn)：通信受限、時效不足、云端計算正在逼近能力邊界。
此前，斤風在《工業(yè)無人機陷入“無序內(nèi)卷”：誰來打破“高空攝像頭”魔咒？》一文中介紹了重構工業(yè)無人機價值的因諾科技。
作為國內(nèi)較早將邊緣計算深度集成到工業(yè)無人機系統(tǒng)中的企業(yè)之一，因諾科技從2016年的視頻穩(wěn)像與拼接處理開始起步，到如今的多目標追蹤檢測、SLAM（同步定位與建圖）、自主決策等。
近期，因諾科技在邊緣計算領域，更是推出了10TOPS算力的集成云臺以及100TOPS算力的外掛載荷“玲瓏3”兩種核心產(chǎn)品。
因諾科技邊緣計算核心產(chǎn)品（圖源：因諾科技）
對于邊緣計算的研究歷程，因諾科技董事長呼衛(wèi)軍談到：“邊緣計算絕非簡單地將算力搬到空中”。
云端那套邏輯，為什么在工業(yè)場景里受限？
理解邊緣計算的價值，需要先厘清傳統(tǒng)方案的局限。
傳統(tǒng)工業(yè)巡檢的技術鏈路相對清晰：無人機按預設航線飛行，機載相機采集圖像或視頻，數(shù)據(jù)通過圖傳鏈路回傳地面站，或通過4G/5G傳回云端服務器進行AI分析，最后生成巡檢報告。這套流程在通信條件良好、時效性要求寬松的場景下運轉(zhuǎn)順暢，但在實際工業(yè)環(huán)境中，面臨三重挑戰(zhàn)。
通信瓶頸首當其沖。油氣管道穿越戈壁荒漠，輸電線路深入崇山峻嶺，橋梁巡檢需要鉆入橋底結構層。這些場景的共性特征是通信條件惡劣，無人機導航依賴的RTK信號會受限，圖數(shù)鏈路遮擋嚴，高分辨率圖像的實時回傳在多數(shù)情況下并不可行。
時效性缺口同樣突出。在安防類巡檢場景中，發(fā)現(xiàn)威脅與響應處置之間的時間差至關重要。如果無人機發(fā)現(xiàn)管道附近存在違規(guī)施工行為，卻要等待數(shù)據(jù)回傳、云端分析、再下發(fā)指令，整個鏈路的延遲可能以分鐘甚至小時計算。對于需要即時響應的場景，這種延遲顯然無法接受。
復雜的低空飛行環(huán)境。在實際飛行中，通過預設航線的飛行方式，無法適應愈加復雜的低空環(huán)境，尤其是地表的各種臨時構建物，會讓無人機存在明顯的飛行安全隱患。這就使得無人機需要具有臨時感知和規(guī)劃飛行能力，從而更好地采集高質(zhì)量數(shù)據(jù)。
數(shù)據(jù)安全約束則是另一重考量。能源、交通等關鍵基礎設施的運營主體往往對數(shù)據(jù)管控有著嚴格的內(nèi)生要求。巡檢數(shù)據(jù)必須在內(nèi)網(wǎng)環(huán)境中閉環(huán)流轉(zhuǎn)，不能接入公共互聯(lián)網(wǎng)。云端方案在這類場景中面臨合規(guī)障礙。
所以，邊緣計算要做的，就是將AI推理能力從云端下沉到終端設備，使無人機具備本地感知、本地判斷、本地決策的能力。
從系統(tǒng)架構視角看，邊緣計算重新定義了工業(yè)無人機的智能分布模式。傳統(tǒng)的“端—云”二元架構演變?yōu)?ldquo;端—邊—云”三層架構。無人機作為數(shù)據(jù)采集終端，邊緣計算單元承擔實時推理任務，云端負責模型訓練、數(shù)據(jù)存儲和全局分析。三者協(xié)同運作，各司其職。
這一轉(zhuǎn)變帶來的不只是響應速度的提升，更深層的影響在于，無人機的角色變了，它不再是被動執(zhí)行預設航線的數(shù)據(jù)采集器，而是能夠根據(jù)現(xiàn)場情況自主調(diào)整任務策略的智能巡檢單元。
把算力塞進無人機，到底難在哪？
想讓AI在無人機上跑起來，挑戰(zhàn)其實很直接。算力資源就這么多，行業(yè)需求卻復雜多樣，有時需要快速普查，有時又要求深度剖析。于是，如何配置有限的空中算力，成了一門學問。
因諾科技提供了一種“輕重結合”的思路。他們?yōu)闊o人機配備了兩種不同等級的邊緣算力：一種是高度集成、功耗優(yōu)化的“輕算力”，約10TOPS，通常內(nèi)置在云臺或機身中；另一種則是性能更強的“重算力”模塊，可達100TOPS，作為外掛載荷，按需啟用。
這二者如何協(xié)同？
想象一下巡檢作業(yè)的場景。無人機升空后，內(nèi)置的輕算力模塊率先工作，像一位反應迅速的“偵察兵”，以高幀率對飛行區(qū)域進行快速掃描。它能實時識別出異物、地表變化、大型裂縫等常見缺陷。這個過程幾乎毫無延遲，并且功耗極低，不影響無人機續(xù)航。
當“偵察兵”發(fā)現(xiàn)需要精確測量裂縫寬度、辨析細微裂紋，或是在雜亂背景中鎖定特定型號的施工機械等可疑區(qū)域或復雜目標時，重算力模塊便接手了。它作為“分析專家”，對目標區(qū)域進行高精度、深層次的AI分析。兩者可以接力，也可以根據(jù)任務預案并行工作。
這種架構的聰明之處在于打破了“一刀切”的算力堆砌模式。畢竟，讓無人機時刻背負著100TOPS的算力飛行，續(xù)航和成本都會承壓。而按需調(diào)用、協(xié)同作業(yè)的方式，讓無人機在效率與能力之間取得了平衡。在實際的能源設施巡檢中，這種模式能將標準化巡檢效率提升3倍以上，并且現(xiàn)場就能產(chǎn)出初步分析結果，改變了傳統(tǒng)作業(yè)的冗長流程。
而這些優(yōu)化能做到什么程度，很大程度上取決于一個前提條件：全棧自研能力。
因諾科技從飛控系統(tǒng)、數(shù)據(jù)鏈路、載荷設計到AI算法全部自主研發(fā)，這意味著軟硬件之間可以深度咬合，而不是簡單地把通用算法往通用硬件一塞了事。
這種全棧自研能力產(chǎn)生的技術優(yōu)勢是顯見的：飛控系統(tǒng)可以根據(jù)AI模塊的計算負載動態(tài)調(diào)整飛行策略；數(shù)據(jù)鏈路的傳輸協(xié)議可以針對邊緣計算的需求定制，帶寬緊張時優(yōu)先保關鍵信息；載荷設計可以給AI芯片預留最優(yōu)的散熱空間和供電余量。這些細節(jié)層面的打磨，在通用平臺上很難實現(xiàn)。
更重要的是，全棧自研讓系統(tǒng)具備了“場景適配”的靈活性。同一款無人機，換個載荷、加載不同的算法模塊，就能快速切換到新的業(yè)務場景，針對新場景的開發(fā)成本可以大幅降低。
不只要“看見”，關鍵是“看懂”
算力部署到位后，更關鍵的問題浮現(xiàn)：如何讓AI的理解力跟上算力？工業(yè)場景需要的不僅是識別出“有什么”，更要判斷“發(fā)生了什么”、“是否構成威脅”，即有效目標識別。
3.0靈石無人機自動機場系統(tǒng)（來源：因諾科技）
以油氣管道巡檢為例。管道沿線可能出現(xiàn)各類車輛、人員、施工機械。傳統(tǒng)目標檢測方案會將所有檢測到的對象逐一上報，但這會產(chǎn)生大量無效報警。一臺挖掘機可能只是在公路上正常行駛，一輛卡車可能只是途經(jīng)此地，這些都不是真正需要關注的威脅源。
客戶真正想知道的是哪臺挖掘機正在靠近管道、有施工跡象、可能構成安全威脅。這才叫“有效目標”。實現(xiàn)這一能力需要跨越兩個層次。
第一層是感知。識別目標是什么，這是傳統(tǒng)目標檢測要解決的問題，技術上已相對成熟。
第二層是認知。理解目標在做什么、意味著什么，這需要將目標檢測與空間位置、運動軌跡、行為模式等多維信息融合判斷，技術難度顯著上升。
因諾科技在這一領域的優(yōu)勢，源于數(shù)據(jù)積累和場景理解的深度。比如在油氣管道巡檢領域，因諾科技每月飛行架次超過3萬次，這意味著持續(xù)的數(shù)據(jù)回流和模型迭代。更關鍵的是，由于無人機在固定線路上反復飛行，系統(tǒng)可以逐步建立對特定區(qū)域的“場景記憶”。例如哪些位置通常有車輛經(jīng)過、哪些區(qū)域?qū)儆诟唢L險點位、什么樣的行為模式值得警惕。
這種數(shù)據(jù)積累的價值，不僅體現(xiàn)在樣本數(shù)量上，更體現(xiàn)在樣本的“場景一致性”上。與互聯(lián)網(wǎng)公司基于開放數(shù)據(jù)集訓練通用模型不同，因諾科技的訓練數(shù)據(jù)來自真實業(yè)務場景，標注標準與業(yè)務需求高度對齊。模型學習到的不只是視覺特征，還有業(yè)務知識。
還有一點容易被忽略，固定線路的反復飛行，創(chuàng)造了一種獨特的學習范式。系統(tǒng)可以將歷史數(shù)據(jù)與當前觀測進行對比，識別出變化。簡單來說，一臺挖掘機如果昨天不在這兒、今天突然出現(xiàn)了，它的威脅等級天然就比一臺一直停在原地的挖掘機更高。這種“時序連續(xù)幀的對比能力”，靜態(tài)圖像分析是做不到的。
這套數(shù)據(jù)閉環(huán)機制，通用AI平臺很難復制。它不是一次性的算法交付，而是持續(xù)學習、持續(xù)優(yōu)化的動態(tài)過程。指標來看，因諾科技在能源、交通等巡檢場景下的識別精度超過95%，部分成熟場景可達98%。
應對極端場景，系統(tǒng)級智能的驗證場
日常巡檢是邊緣計算的常規(guī)科目，真正考驗技術成色的是極端場景。因諾科技創(chuàng)造性地將面激光雷達、點激光雷達、視覺等傳感器進行融合，在強大邊緣算力的支撐下，結合業(yè)務特點，打造出專用的業(yè)務導航載荷。簡單來說，該系統(tǒng)能夠讓機器人在未知環(huán)境中實時構建地圖并同步定位，最終實現(xiàn)飛行控制、數(shù)據(jù)采集與結果分析的邊緣端閉環(huán)，形成完整的自主作業(yè)能力。
風機葉片巡檢便是典型的極端場景之一。風力發(fā)電機葉片長度通常達50至80米，安裝高度超過100米，且處于持續(xù)旋轉(zhuǎn)狀態(tài)。無人機必須在近距離拍攝葉片表面的裂紋、腐蝕等缺陷，同時動態(tài)規(guī)避柔性葉片的擺動，防止發(fā)生碰撞。
這一場景對邊緣計算提出了多重要求：需要實時感知葉片位置與運動狀態(tài)，具備高幀率視覺處理能力；避障決策必須在毫秒級完成，無法依賴地面鏈路回傳；在繞飛過程中還需持續(xù)跟蹤葉片標識，確保A面和B面拍攝對應同一葉片。任何環(huán)節(jié)的延遲或誤判，都可能導致任務失敗甚至設備損毀。
此外，如橋梁底部、大型管道深處等工業(yè)設施的關鍵部位，往往是GNSS信號的“盲區(qū)”。傳統(tǒng)無人機在此類環(huán)境中要么無法飛行，要么只能依賴飛手的高超手動操控，作業(yè)效率與安全性均難以保障。
更極端的是應急自主降落。當無人機遭遇超出預期的惡劣天氣，按原計劃返航已不現(xiàn)實，此時需要自主尋找安全的備降點。這要求邊緣端具備場景理解能力，不僅要識別地面物體的類別，還要判斷該區(qū)域是否平坦、是否有人員車輛活動、是否存在水體等危險因素，最后判斷這片區(qū)域到底適不適合緊急迫降。
橋梁下方依靠SLAM技術自動巡檢（來源：因諾科技）
因諾科技研發(fā)負責人向斤風介紹了一個相當直觀的實踐案例。
在西北某風電場的項目中，因諾科技這套激光SLAM導航載荷，讓無人機實現(xiàn)了風機的全自主巡檢，原本需要2名檢修人員耗費1天完成的1臺風機巡檢，現(xiàn)在無人機15分鐘就能完成，而且能識別出1毫米的細微裂紋，大大降低了人工安全風險，提升了巡檢效率和精度。
在交通的橋梁巡檢領域，因諾科技研發(fā)的專用交通巡檢無人機，可在有無GNSS信號的環(huán)境中連續(xù)切換精確導航，所攜帶的智能算法可精確規(guī)劃出飛行器的采集點，驅(qū)動光電測量設備精準地實現(xiàn)數(shù)據(jù)的采集和實時分析，同步進行面積體積測量。體積誤差可控制在萬分之三的范圍內(nèi)，而對于表面的裂縫測量，可將寬度誤差降至1毫米以內(nèi)，有效解決原有人工巡檢的覆蓋性不足和效率低下的問題。
這些極端場景的成功應對，驗證的是因諾科技的邊緣計算技術在工業(yè)無人機中的系統(tǒng)成熟度。它們代表的不只是某個單點算法的突破，更是一種系統(tǒng)級的智能化能力。
下一站，從“智能巡檢”到“空中機器人”
如果將邊緣智能的發(fā)展劃分為感知、決策、執(zhí)行三個階段，當前工業(yè)無人機普遍處于感知階段的成熟期，即“看見”與“看懂”。而進化的下一個臺階，無疑是“決策”與“執(zhí)行”，要解決的是“怎么辦”的問題。
無人機檢測到異常情況時，能否自主分析異常性質(zhì)，動態(tài)決策后續(xù)行動。是繼續(xù)巡航、懸停細察，還是調(diào)整航線抵近觀測？進而對事件進行分類分析、記錄關鍵證據(jù)，并且形成處置建議。
而非僅向云端推送一條“待處理”的告警信息，仍需人工隨時介入。
在因諾科技的實驗室里，更前瞻的探索已經(jīng)展開。例如，讓無人機搭載機械臂，通過語音指令完成特定物體的抓取與搬運，實現(xiàn)工業(yè)無人機從發(fā)現(xiàn)問題到自主處置問題的閉環(huán)。這要求邊緣系統(tǒng)能融合視覺識別、自然語言理解和實時運動規(guī)劃。大語言模型（LLM）所展現(xiàn)的常識推理能力，為這種高階智能提供了新的想象空間。
但要應用于嚴苛的工業(yè)現(xiàn)場，這條技術路徑還面臨兩個核心挑戰(zhàn)。
可靠性是首要障礙。大語言模型存在幻覺問題，在對話場景中輸出錯誤或許只是體驗瑕疵，但在物理世界的決策中，后果可能相當嚴重。無人機的判斷失誤，輕則導致設備損壞，重則造成人員傷害。如何保障決策的可靠性，是從實驗室走向?qū)嶋H部署的關鍵門檻。
實時性是另一重制約。當前大模型的推理開銷較大，難以滿足邊緣端的實時性要求。輕量化、高效化的端側推理技術，是實現(xiàn)部署的必要前提。
更務實的下一步，是“預測性維護”。未來的邊緣智能系統(tǒng)，通過分析風機葉片表面的微觀形變趨勢、絕緣子老化圖像的細微特征，結合歷史數(shù)據(jù)，預測部件剩余壽命，從而實現(xiàn)從“定期檢修”到“按需維護”的跨越。
此外，邊緣計算的價值還將體現(xiàn)在多設備協(xié)同上。未來，無人機、地面機器人、固定監(jiān)控攝像頭和光纖振動傳感器，可能通過邊緣節(jié)點共享感知結果，協(xié)同決策。例如，無人機發(fā)現(xiàn)管道上方有異常振動，可即時調(diào)度地面機器人抵近核查，形成立體化、自主化的安防體系。
我們不難發(fā)現(xiàn)，邊緣計算在工業(yè)無人機領域的應用，正從一個炫酷的技術概念，穩(wěn)步走向規(guī)模化落地。推動這一進程的，是參與者對行業(yè)痛點持之以恒的洞察與解構。
因諾科技的發(fā)展路徑揭示了一個道理：在工業(yè)領域，真正的智能不在于設備有多“聰明”，而在于它與場景有多“貼合”。將算力嵌入終端只是起點，讓算法理解業(yè)務邏輯，讓系統(tǒng)適應極端環(huán)境，讓數(shù)據(jù)流形成增值閉環(huán)，才是邊緣智能能否創(chuàng)造價值的關鍵。
這是一條需要耐力和定力的長跑。
當無人機的“眼”、“腦”、“手”通過邊緣計算真正融為一體，才能真正成為能夠在復雜世界中自主作業(yè)的“空中機器人”。
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
