報告下載：

1.《邊緣AI研發(fā)落地生態(tài)挑戰(zhàn)調(diào)研報告》文檔

2.《邊緣AI研發(fā)報告生態(tài)挑戰(zhàn)調(diào)研報告》二維碼

基于一些落地經(jīng)驗，華為云邊緣云創(chuàng)新實驗室（ECIL，Edge Cloud Innovation Lab，Huawei Cloud）系列文章中曾介紹過數(shù)據(jù)異構(gòu)等四大技術(shù)挑戰(zhàn)。針對這些挑戰(zhàn)，各個技術(shù)方案落地與成果轉(zhuǎn)化到產(chǎn)業(yè)的進程正在緊鑼密鼓地進行。但僅憑技術(shù)是不足夠完成落地和產(chǎn)業(yè)轉(zhuǎn)化的。當前學(xué)界業(yè)界很多團隊已經(jīng)遇到各式各樣的困難，比如數(shù)據(jù)集難以獲取、通用方案無法滿足特定業(yè)務(wù)、缺乏商業(yè)成功案例等。

因此除了技術(shù)挑戰(zhàn)外，華為云邊緣云創(chuàng)新實驗室一直密切關(guān)注邊緣AI的生態(tài)挑戰(zhàn)。為了讓更多邊緣AI領(lǐng)域的朋友多快好省地完成技術(shù)研發(fā)落地和商業(yè)閉環(huán)，華為云邊緣云創(chuàng)新實驗室啟動了邊緣AI研發(fā)落地生態(tài)挑戰(zhàn)調(diào)研。

本次調(diào)研通過問卷發(fā)放的方式，希望進一步了解邊緣AI方案落地與產(chǎn)業(yè)落地過程中遇到的生態(tài)挑戰(zhàn)。截至2021年11月29日，已回收有效答卷175份，問卷開放選項采集到49條補充意見和8條補充建議。對答卷中共計20項量表題項進行分析，信度為0.975。

*比如研發(fā)資源難獲取、工具鏈不完備等主要依賴社區(qū)分工與共享的非技術(shù)挑戰(zhàn)，在本文中定義為生態(tài)挑戰(zhàn)

**信度指同一問卷對同一組對象重復(fù)測量時所得結(jié)果的一致性程度，用于測量樣本回答結(jié)果是否可靠。如果在0.8以上,則該測驗或量表的信度非常好；如果低于0.6,量表就需要重新設(shè)計題項。

根據(jù)調(diào)研結(jié)果，對邊緣AI各角色而言，當前阻礙研發(fā)落地，首當其沖生態(tài)挑戰(zhàn)分別是：

1. 算法開發(fā)者：“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”
2. 服務(wù)開發(fā)者：“通用方案整體性能不一定滿足特定業(yè)務(wù)需求”
3. 技術(shù)布道者：“缺乏商業(yè)成功案例”

具體調(diào)研報告結(jié)果請見下文：

調(diào)研對象職業(yè)主要是工業(yè)界從業(yè)者（53.45%），其次是在校學(xué)生（31.03%）和學(xué)術(shù)界研究者， 如下圖所示：

調(diào)研對象的技術(shù)方向主要是邊緣AI及其應(yīng)用（55.75%）、AI及其應(yīng)用（49.43%）、邊緣計算及其應(yīng)用（42.53%）。也有約四分之一的方向為云計算及其應(yīng)用（25.86%），以及少量的其它方向（13.22%）。如下圖所示：

本問卷中，邊緣AI算法開發(fā)者是指研發(fā)聯(lián)邦學(xué)習(xí)、協(xié)同推理乃至深度學(xué)習(xí)調(diào)度等邊緣AI典型算法的角色。有80.46%調(diào)研對象填寫了邊緣AI算法開發(fā)者相關(guān)問卷調(diào)研選項。對每個挑戰(zhàn)的負面影響有四種選項，包括“不了解可跳過”“可維持現(xiàn)狀”“建議改進”“亟需改進”。

本章先介紹答卷中關(guān)于各個算法開發(fā)生態(tài)挑戰(zhàn)的不同維度調(diào)研結(jié)果，本章末尾將小結(jié)各不同維度的結(jié)論。

若選擇“不了解跳過”或“可維持現(xiàn)狀”記為0分，“建議改進”記為5分，“亟需改進”記為10分，答卷中對邊緣AI算法開發(fā)者各挑戰(zhàn)的平均分值如下圖所示。對比認為“還有其他重要挑戰(zhàn)”的1.43分，問卷中所羅列的各挑戰(zhàn)都超過了5分，可以認為各挑戰(zhàn)都有改進的需求。

其中，平均分值最高（6.87分）的挑戰(zhàn)是：

“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”

在截尾均值* 6.09分以上的其它頭部挑戰(zhàn)還包括：

“算法研發(fā)迭代中，重復(fù)部署整套端邊云系統(tǒng)過于沉重”

“缺乏AI工具，包括資源監(jiān)控、節(jié)點仿真、標注工具等”

“算法找不到對應(yīng)業(yè)務(wù)場景，或很難得知實際業(yè)務(wù)落地性能”

*截尾均值指是指在一個數(shù)列中，去掉兩端的極端值后所計算的算術(shù)平均數(shù)。在本問卷中用于屏蔽最后一個開放選項的影響，下同。

從“邊緣AI及其應(yīng)用”方向細分工業(yè)界、學(xué)術(shù)界和在校學(xué)生等不同職業(yè)調(diào)研對象（三者在調(diào)研對象中的比例大致為2:1:1），細化算法開發(fā)者各項挑戰(zhàn)平均分：

“邊緣AI及其應(yīng)用”方向下各職業(yè)平均分值最高的算法開發(fā)挑戰(zhàn)分別是：

工業(yè)界：“缺乏AI工具，包括資源監(jiān)控、節(jié)點仿真、標注工具等” （平均分7.5）

學(xué)術(shù)界：“缺乏真實業(yè)務(wù)及其研究需求的固定來源” （平均分7.14）

在校學(xué)生：“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”（平均分7.68）

在截距均值以上的其它頭部挑戰(zhàn)還包括：

工業(yè)界（截距均值6.19）：

“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”（平均分7.1）

“算法研發(fā)迭代中，重復(fù)部署8整套端邊云系統(tǒng)過于沉重”（平均分7）

“邊緣AI系統(tǒng)部署等起步過程中缺乏指南文檔”（平均分6.35）

學(xué)術(shù)界（截距均值6.30）：

“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”（平均分6.96）

“缺乏AI工具，包括資源監(jiān)控、節(jié)點仿真、標注工具等”（平均分6.72）

在校學(xué)生（截距均值6.77）：

“缺乏真實業(yè)務(wù)及其研究需求的固定來源”（平均分7.41）

“算法找不到對應(yīng)業(yè)務(wù)場景，或很難得知實際業(yè)務(wù)落地性能”（平均分7.59）

對于邊緣AI算法開發(fā)者，問卷中提及的挑戰(zhàn)被選為“亟需改進”的比例通常三分之一左右，高于“還有其他重要挑戰(zhàn)”的6.36%，可以認為各個挑戰(zhàn)都有相當?shù)钠惹行枨蟆?/p>

其中被選為“亟需改進”的挑戰(zhàn)中比例最高（42.77%）的是：

“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”

在截尾均值（33.33%）以上的其它頭部挑戰(zhàn)還包括：

“算法研發(fā)迭代中，重復(fù)部署整套端邊云系統(tǒng)過于沉重”

“缺乏AI工具，包括資源監(jiān)控、節(jié)點仿真、標注工具等”

“算法找不到對應(yīng)業(yè)務(wù)場景，或很難得知實際業(yè)務(wù)落地性能”

“邊緣AI系統(tǒng)部署等起步過程中缺乏指南文檔”

可以看到，除了一個挑戰(zhàn)，“亟需改進”和“平均分”頭部挑戰(zhàn)基本保持一致，這個有區(qū)別的挑戰(zhàn)是：

“邊緣AI系統(tǒng)部署等起步過程中缺乏指南文檔”

但可以觀察到，除了“亟需改進”維度，該挑戰(zhàn)其實在“平均分”維度也是非常接近頭部（距離截尾均值0.02），這說明其重要性。

問卷中的絕大部分挑戰(zhàn)都以較大比例（63.1% - 69.94% ）被選為“建議改進”和“亟需改進”（下總稱“可改進”），對比認為“有其他重要挑戰(zhàn)”需改進的比例僅為13.87%，說明列舉在問卷中相關(guān)挑戰(zhàn)大部分都明顯有改進的需求。

其中，被認為“可改進”的挑戰(zhàn)中比例最高（69.94%）的是：

“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”

在截尾均值（67.06%）以上的其它頭部挑戰(zhàn)還包括：

“缺乏真實業(yè)務(wù)及其研究需求的固定來源”

“邊緣AI系統(tǒng)部署等起步過程中缺乏指南文檔”

“缺乏AI工具，包括資源監(jiān)控、節(jié)點仿真、標注工具等”

“算法研發(fā)迭代中，重復(fù)部署整套端邊云系統(tǒng)過于沉重”

與“亟需改進”相比，“可改進”維度頭部部分選項排名有變化。

1、在“可改進”維度頭部選項中，比“亟需改進”排名更高的挑戰(zhàn)，可以認為是有一定的重要性，但相對不那么緊急。這些可能看上去更“長遠”的“重要不緊急”挑戰(zhàn)包括：

“缺乏真實業(yè)務(wù)及其研究需求的固定來源”

“邊緣AI系統(tǒng)部署等起步過程中缺乏指南文檔”

第二個挑戰(zhàn)也與“亟需改進”部分結(jié)論一致。

2、在“亟需改進”維度頭部選項中，比“可改進”排名更高的挑戰(zhàn)，可以認為是一定的重要性，但相對比較緊急，這些看上去更“緊迫”的“重要且緊急”挑戰(zhàn)包括：

“算法研發(fā)迭代中，重復(fù)部署整套端邊云系統(tǒng)過于沉重”

“缺乏AI工具，包括資源監(jiān)控、節(jié)點仿真、標注工具等”

對邊緣AI算法開發(fā)者有以下結(jié)論：

1. 平均分值最高（6.87分）的挑戰(zhàn)是：

“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”

2.其它頭部重要挑戰(zhàn)中

“重要不緊急”頭部重要挑戰(zhàn)包括：

“缺乏真實業(yè)務(wù)及其研究需求的固定來源”“邊緣AI系統(tǒng)部署等起步過程中缺乏指南文檔”

“重要且緊急”頭部重要挑戰(zhàn)包括：

“算法研發(fā)迭代中，重復(fù)部署整套端邊云系統(tǒng)過于沉重”“缺乏AI工具，包括資源監(jiān)控、節(jié)點仿真、標注工具等”

3. “邊緣AI及其應(yīng)用”方向下算法開發(fā)各職業(yè)平均分值最高的生態(tài)挑戰(zhàn)分別是：

工業(yè)界：

“缺乏AI工具，包括資源監(jiān)控、節(jié)點仿真、標注工具等” （平均分7.5）

學(xué)術(shù)界：

“缺乏真實業(yè)務(wù)及其研究需求的固定來源” （平均分7.14）

在校學(xué)生：

“真實業(yè)務(wù)數(shù)據(jù)集及其基線算法、預(yù)訓(xùn)練模型難以獲取”（平均分7.68）

問卷中也嘗試調(diào)研邊緣AI算法開發(fā)其余重要挑戰(zhàn)，調(diào)研結(jié)果詞云如下所示，包括邊緣AI概念與定義、硬件方案、人才協(xié)作、工具與文檔、場景需求、AI效果等24條意見，由于篇幅限制不一一闡述。

本問卷中，邊緣AI服務(wù)開發(fā)者是指，在給定算法基礎(chǔ)上開發(fā)工業(yè)、Re-ID、能源、機器人等邊緣AI服務(wù)的角色。有74.90%的調(diào)研對象填寫了邊緣AI服務(wù)開發(fā)者相關(guān)問卷調(diào)研選項。對每個挑戰(zhàn)的負面影響有四種選項，包括“不了解可跳過”“可維持現(xiàn)狀”“建議改進”“亟需改進”。

本章先介紹答卷中關(guān)于各個算法開發(fā)生態(tài)挑戰(zhàn)的不同維度調(diào)研結(jié)果，本章末尾將小結(jié)各不同維度的結(jié)論。

若選擇“不了解跳過”或“可維持現(xiàn)狀”記為0分，“建議改進”記為5分，“亟需改進”記為10分，答卷中對邊緣AI服務(wù)開發(fā)者各挑戰(zhàn)的平均分值如下圖所示。對比認為“還有其他重要挑戰(zhàn)”的1.24分，問卷中所羅列的各挑戰(zhàn)都超過了5分，可以認為各挑戰(zhàn)都有改進的需求。

其中，平均分值最高（6.76分）的挑戰(zhàn)是：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求”

在截尾均值6.09分以上的其它頭部挑戰(zhàn)還包括：

“自研業(yè)務(wù)算法和系統(tǒng)方案周期長成本高”

“方案效果復(fù)現(xiàn)困難或通用方案應(yīng)用范圍存疑”

從“邊緣AI及其應(yīng)用”方向細分工業(yè)界、學(xué)術(shù)界和在校學(xué)生等不同職業(yè)調(diào)研對象（三者在調(diào)研對象中的比例大致為2:1:1），細化服務(wù)開發(fā)者各項挑戰(zhàn)平均分：

“邊緣AI及其應(yīng)用”方向下各職業(yè)平均分值最高的服務(wù)開發(fā)挑戰(zhàn)完全一致：

工業(yè)界：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求” （平均分7.1）

學(xué)術(shù)界：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求” （平均分7.8）

在校學(xué)生：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求”（平均分7.5）

在截距均值以上的其它頭部挑戰(zhàn)還包括：

工業(yè)界（截距均值5.99）：

“自研業(yè)務(wù)算法和系統(tǒng)方案周期長成本高”（平均分6.63）

“方案效果復(fù)現(xiàn)困難或通用方案應(yīng)用范圍存疑”（平均分6.1）

學(xué)術(shù)界（截距均值5.75）：

“自研業(yè)務(wù)算法和系統(tǒng)方案周期長成本高”（平均分7.00）

“方案效果復(fù)現(xiàn)困難或通用方案應(yīng)用范圍存疑”（平均分6.60）

在校學(xué)生（截距均值5.84）：

“方案效果復(fù)現(xiàn)困難或通用方案應(yīng)用范圍存疑”（平均分6.88）

“自研業(yè)務(wù)算法和系統(tǒng)方案周期長成本高”（平均分6.46）

對于邊緣AI服務(wù)開發(fā)者，問卷中提及的挑戰(zhàn)被選為“亟需改進”的比例都在20%以上，高于“還有其他重要挑戰(zhàn)”的6.36%，可以認為各個挑戰(zhàn)都有一定的迫切需求。

其中被選為“亟需改進”的挑戰(zhàn)中比例最高（36.78%）的是：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求”

在截尾均值（25.57%）以上的其它頭部挑戰(zhàn)還包括：

“自研業(yè)務(wù)算法和系統(tǒng)方案周期長成本高”

“現(xiàn)場人員只會開關(guān)機，希望簡化現(xiàn)場安裝部署”

與“平均分”維度相比，“亟需改進”維度頭部部分選項排名有變化。

1、在“亟需改進”維度才進入頭部的挑戰(zhàn)有一個，在“平均分”部分其實也是非常接近頭部（距離截尾均值0.06），這可能說明該挑戰(zhàn)比較重要，而且需求比較迫切，這個挑戰(zhàn)是：

“現(xiàn)場人員只會開關(guān)機，希望簡化現(xiàn)場安裝部署”

2、在“平均分”維度有一個頭部挑戰(zhàn)在“亟需改進”維度排名下降，意味著其有一定的重要性，但相對緊急程度較低，可能是“重要不緊急”的、更為“長遠”的需求，這個挑戰(zhàn)是：

“方案效果復(fù)現(xiàn)困難或通用方案應(yīng)用范圍存疑”

問卷中的絕大部分挑戰(zhàn)都以較大比例（59.77% - 68.96% ）被選為“建議改進”和“亟需改進”（下總稱“可改進”），對比認為“有其他重要挑戰(zhàn)”需改進的比例僅為10.92%，說明列舉在問卷中相關(guān)挑戰(zhàn)大部分都明顯有改進的需求。

其中，被認為“可改進”的挑戰(zhàn)中比例最高（68.96%）的是：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求”

在截尾均值（61.78%）以上的其它頭部挑戰(zhàn)還包括：

“自研業(yè)務(wù)算法和系統(tǒng)方案周期長成本高”

“方案效果復(fù)現(xiàn)困難或通用方案應(yīng)用范圍存疑”

與“亟需改進”相比，“可改進”維度頭部部分選項排名有變化。

1、在“可改進”維度頭部選項中，比“亟需改進”排名更高的挑戰(zhàn)，可以認為是有一定的重要性，但相對不那么緊急，看上去更“長遠”的“重要不緊急”挑戰(zhàn)包括：

“方案效果復(fù)現(xiàn)困難或通用方案應(yīng)用范圍存疑”

這與“亟需改進”章節(jié)結(jié)論一致。

2、在“亟需改進”維度頭部選項中，比“可改進”排名更高的挑戰(zhàn)，可以認為是一定的重要性，但相對比較緊急，這些看上去更“緊迫”的“重要且緊急”挑戰(zhàn)包括：

“現(xiàn)場人員只會開關(guān)機，希望簡化現(xiàn)場安裝部署”

這與“亟需改進”章節(jié)結(jié)論一致。

對邊緣AI服務(wù)開發(fā)者有以下結(jié)論：

1.平均分值最高（6.76分）的挑戰(zhàn)是：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求”

2.其它頭部重要挑戰(zhàn)中

“重要不緊急”頭部重要挑戰(zhàn)包括：

“方案效果復(fù)現(xiàn)困難或通用方案應(yīng)用范圍存疑”

“重要且緊急”頭部重要挑戰(zhàn)包括：

“現(xiàn)場人員只會開關(guān)機，希望簡化現(xiàn)場安裝部署”

頭部重要挑戰(zhàn)還包括：

“自研業(yè)務(wù)算法和系統(tǒng)方案周期長成本高”

3. “邊緣AI及其應(yīng)用”方向下服務(wù)開發(fā)各職業(yè)平均分值最高的生態(tài)挑戰(zhàn)完全一致：

工業(yè)界：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求” （平均分7.1）

學(xué)術(shù)界：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求” （平均分7.8）

在校學(xué)生：

“通用方案整體性能不一定滿足特定業(yè)務(wù)需求”（平均分7.5）

問卷中也嘗試調(diào)研邊緣AI服務(wù)開發(fā)其余重要挑戰(zhàn)，調(diào)研結(jié)果詞云如下所示。包括場景定制化、培訓(xùn)與指南、部署安裝、硬件資源、技術(shù)方案等18條挑戰(zhàn)，由于篇幅原因不一一闡述。

本問卷中，邊緣AI技術(shù)布道者是指開展邊緣AI技術(shù)演講布道，推廣甚至銷售現(xiàn)有邊緣AI技術(shù)與服務(wù)的角色。有69.94%調(diào)研對象填寫了邊緣AI技術(shù)布道者相關(guān)問卷調(diào)研選項。對每個挑戰(zhàn)的負面影響有四種選項，包括“不了解可跳過”“可維持現(xiàn)狀”“建議改進”“亟需改進”。

本章先介紹答卷中關(guān)于各個算法開發(fā)生態(tài)挑戰(zhàn)的不同維度調(diào)研結(jié)果，本章末尾將小結(jié)各不同維度的結(jié)論。

若選擇“不了解跳過”或“可維持現(xiàn)狀”記為0分，“建議改進”記為5分，“亟需改進”記為10分，答卷中對邊緣AI技術(shù)布道者各挑戰(zhàn)的平均分值如下圖所示。對比認為“還有其他重要挑戰(zhàn)”的0.73分，問卷中所羅列的各挑戰(zhàn)都超過了5分，可以認為各挑戰(zhàn)都有改進的需求。

其中，平均分值最高（6.61分）的挑戰(zhàn)是：

“缺乏商業(yè)成功案例”

在截尾均值5.77分以上的其它頭部挑戰(zhàn)還包括：

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求”

“受眾對邊緣AI不了解”

從“邊緣AI及其應(yīng)用”方向細分工業(yè)界、學(xué)術(shù)界和在校學(xué)生等不同職業(yè)調(diào)研對象（三者在調(diào)研對象中的比例大致為2:1:1），細化技術(shù)布道者各項挑戰(zhàn)平均分：

“邊緣AI及其應(yīng)用”方向下各職業(yè)平均分值最高的技術(shù)布道挑戰(zhàn)分別是：

工業(yè)界：

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求” （平均分6.63）

學(xué)術(shù)界：

“缺乏商業(yè)成功案例” （平均分6.59）

在校學(xué)生：

“受眾對邊緣AI不了解”（平均分6.25）

在截距均值以上的其它頭部挑戰(zhàn)還包括：

工業(yè)界（截距均值5.98）：

“受眾對邊緣AI不了解”（平均分6.15）

“缺乏商業(yè)成功案例”（平均分6.43）

學(xué)術(shù)界（截距均值5.40）：

“受眾對邊緣AI不了解”（平均分5.91）

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求”（平均分5.68）

在校學(xué)生（截距均值5.46）：

“缺乏商業(yè)成功案例”（平均分6.05）

“缺乏直觀的UI界面和Demo”（平均分6.05）

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求”（平均分5.53）

對于邊緣AI技術(shù)布道者，問卷中提及的挑戰(zhàn)被選為“亟需改進”的比例都在20%以上，高于“還有其他重要挑戰(zhàn)”的1.72%，可以認為各個挑戰(zhàn)都有一定的迫切需求。

其中被選為“亟需改進”的挑戰(zhàn)中比例最高（32.18%）的是：

“缺乏商業(yè)成功案例”

在截尾均值（25.00%）以上的其它頭部挑戰(zhàn)還包括：

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求”

“缺乏直觀的UI界面和DEMO”

與“平均分”維度相比，“亟需改進”維度頭部部分選項排名有變化。

1、在“亟需改進”維度才進入頭部的挑戰(zhàn)有一個，在“平均分”部分其實也是非常接近頭部（距離截尾均值0.06），這可能說明該挑戰(zhàn)比較重要，而且需求比較迫切。這個“重要且緊急”挑戰(zhàn)是：

“缺乏直觀的UI界面和DEMO”

2、在“平均分”維度有一個頭部挑戰(zhàn)在“亟需改進”維度排名下降，意味著其有一定的重要性，但相對緊急程度較低，更為“長遠”的需求。這個“重要不緊急”挑戰(zhàn)是：

“受眾對邊緣AI不了解”

對于邊緣AI技術(shù)布道者，問卷中提及的挑戰(zhàn)被選為“亟需改進”的比例都在20%以上，高于“還有其他重要挑戰(zhàn)”的1.72%，可以認為各個挑戰(zhàn)都有一定的迫切需求。

其中被選為“亟需改進”的挑戰(zhàn)中比例最高（32.18%）的是：

“缺乏商業(yè)成功案例”

在截尾均值（25.00%）以上的其它頭部挑戰(zhàn)還包括：

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求”

“缺乏直觀的UI界面和DEMO”

與“平均分”維度相比，“亟需改進”維度頭部部分選項排名有變化。

1、在“亟需改進”維度才進入頭部的挑戰(zhàn)有一個，在“平均分”部分其實也是非常接近頭部（距離截尾均值0.06），這可能說明該挑戰(zhàn)比較重要，而且需求比較迫切。這個“重要且緊急”挑戰(zhàn)是：

“缺乏直觀的UI界面和DEMO”

2、在“平均分”維度有一個頭部挑戰(zhàn)在“亟需改進”維度排名下降，意味著其有一定的重要性，但相對緊急程度較低，更為“長遠”的需求。這個“重要不緊急”挑戰(zhàn)是：

“受眾對邊緣AI不了解”

問卷中的絕大部分挑戰(zhàn)都以較大比例（54.02% - 62.07%） 被選為“建議改進”和“亟需改進”（下總稱“可改進”），對比認為“有其他重要挑戰(zhàn)”需改進的比例僅為6.89%，說明列舉在問卷中相關(guān)挑戰(zhàn)大部分都明顯有改進的需求。

其中，被認為“可改進”的挑戰(zhàn)中比例最高（62.07%）的是：

“缺乏商業(yè)成功案例”

在截尾均值（57.61%）以上的其它頭部挑戰(zhàn)還包括：

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求”

“受眾對邊緣AI不了解”

與“亟需改進”相比，“可改進”維度頭部部分選項排名有變化。

1、在“可改進”維度頭部選項中，比“亟需改進”排名更高的挑戰(zhàn)，可以認為是有一定的重要性，但相對不那么緊急，看上去更“長遠”的挑戰(zhàn)包括：

“受眾對邊緣AI不了解”

這與“亟需改進”章節(jié)結(jié)論一致。

2、在“亟需改進”維度頭部選項中，比“可改進”排名更高的挑戰(zhàn)，可以認為是一定的重要性，但相對比較緊急，這些看上去更“緊迫”的“重要且緊急”挑戰(zhàn)包括：

“缺乏直觀的UI界面和DEMO”

這與“亟需改進”章節(jié)結(jié)論一致。

對邊緣AI技術(shù)布道者有以下結(jié)論：

1. 平均分值最高（6.61分）的挑戰(zhàn)是：

“缺乏商業(yè)成功案例”

2. 其它頭部重要挑戰(zhàn)中

“重要不緊急”頭部重要挑戰(zhàn)包括：

“受眾對邊緣AI不了解”

“重要且緊急”頭部重要挑戰(zhàn)包括：

“缺乏直觀的UI界面和DEMO”

頭部重要挑戰(zhàn)還包括：

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求”

3. “邊緣AI及其應(yīng)用”方向下技術(shù)布道各職業(yè)平均分值最高的生態(tài)挑戰(zhàn)分別是：

工業(yè)界：

“缺乏與現(xiàn)有方案系統(tǒng)對比，包括成本、部署要求” （平均分6.63）

學(xué)術(shù)界：

“缺乏商業(yè)成功案例” （平均分6.59）

在校學(xué)生：

“受眾對邊緣AI不了解”（平均分6.25）

問卷中也嘗試調(diào)研邊緣AI技術(shù)布道其余重要挑戰(zhàn)，調(diào)研結(jié)果詞云如下所示。包括邊緣AI價值和方案配套等7條意見，由于篇幅原因不一一闡述。

作為KubeEdge社區(qū)SIG AI重要成員，華為云邊緣云創(chuàng)新實驗室將依據(jù)調(diào)研結(jié)果有針對性地向KubeEdge社區(qū)SIG AI持續(xù)貢獻。KubeEdge是業(yè)界首個云原生邊緣計算框架、當前云原生計算基金會內(nèi)部唯一孵化級邊緣計算開源項目。KubeEdge在全球已擁有800+貢獻者和60+貢獻組織，在Github獲得4.6k+Stars和1.3k+Forks。作為KubeEdge中唯一的AI特別興趣小組（Special Interest Group），KubeEdge社區(qū)SIG AI致力于使能AI應(yīng)用在邊緣更好地運行，聚焦邊緣AI技術(shù)討論、API定義、參考架構(gòu)、開源實現(xiàn)等。為全球開發(fā)者提供相關(guān)研發(fā)支持并孵化繁榮生態(tài)，當前已開源邊緣AI平臺Sedna，包括其跨邊云的協(xié)同推理、聯(lián)邦學(xué)習(xí)、增量學(xué)習(xí)和終身學(xué)習(xí)特性。

作為信奉開源文化的社區(qū)，KubeEdge始終都強調(diào)“Best ideas win”，領(lǐng)域發(fā)展自然也不例外。為了交出一個更有競爭力和創(chuàng)意的提案，本次調(diào)研了解每位關(guān)注開源與邊緣AI的朋友對相關(guān)方案落地過程遇到的困難，然后選取Best idea，對社區(qū)內(nèi)容進行優(yōu)化，以便為大家呈現(xiàn)一個體現(xiàn)開源開放精神的資源分享社區(qū)生態(tài)。

除了之前章節(jié)提及的內(nèi)容，問卷中還包括調(diào)研對象的建議。其中“提供公開數(shù)據(jù)集、預(yù)處理和基線代碼，構(gòu)建Benchmark”的建議無論在總覽、還是在邊緣AI方向的工業(yè)界、學(xué)術(shù)界和在校學(xué)生中票數(shù)均排名第一，比例分別為82.18%、92.98%、87.10%、86.67%，并且顯著高于其它建議，相信此建議需要重點關(guān)注。社區(qū)也可以根據(jù)上面的闡述細分相關(guān)職業(yè)需求，進一步優(yōu)化邊緣AI生態(tài)。

問卷也嘗試調(diào)研其余重要建議。包括場景演示和研發(fā)支撐等8條建議：

場景演示

1.增加demo展示

2.深入了解行業(yè)落地痛點

3.找準一個典型領(lǐng)域或場景進行全方案的落地測試，包括訓(xùn)練和推理結(jié)合實際業(yè)務(wù)形成一套端到端的解決方案

4.光調(diào)研開發(fā)者不足夠，并非方案用戶，要落地還得調(diào)研邊緣AI的最終客戶需求

研發(fā)支撐

1.最重要還是數(shù)據(jù)公開

2.希望能提供更多的例子，示例怎么完成一個任務(wù)的訓(xùn)練和部署。

聯(lián)邦學(xué)習(xí)目前了解的人比較少，希望對它的優(yōu)勢和使用方法做更多介紹，降低系統(tǒng)使用門檻。

3.需要對相關(guān)開源平臺的了解，也可以搞合作

4.提供更多的開發(fā)者使用模式，不局限于現(xiàn)在example

路遙共相伴，勠力同向前。特別感謝參與答卷的專家、學(xué)者和同學(xué)，本次調(diào)研的四大“意見專家”與十佳“優(yōu)秀意見”等各項評選正在有序進行，并將陸續(xù)發(fā)放報告和紀念品。

結(jié)合行業(yè)關(guān)注的最新技術(shù)趨勢，KubeEdge將集結(jié)當前SIG AI中30+單位的各供應(yīng)商和開發(fā)者為邊緣AI算法開發(fā)者、服務(wù)開發(fā)者、技術(shù)布道者三種角色提供資源和平臺幫助。這將包括數(shù)據(jù)集開源、預(yù)處理與范式算法開源、以及AI工具等行業(yè)內(nèi)迫切需要的資源，為大家?guī)硪粓鲩_源饕餮盛宴。相關(guān)內(nèi)容將陸續(xù)到來！