無人機(jī)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(yuǎn)、能拍多清”。但是今天，取決于無人機(jī)能夠自主完成多少任務(wù)。

過去十年，工業(yè)無人機(jī)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(jìn)步，但當(dāng)應(yīng)用場景真正深入到油氣管道、輸電線路、風(fēng)機(jī)葉片、橋梁隧道這些復(fù)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(jì)算正在逼近能力邊界。

此前，斤風(fēng)在《工業(yè)無人機(jī)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(gòu)工業(yè)無人機(jī)價值的因諾科技。

作為國內(nèi)較早將邊緣計(jì)算深度集成到工業(yè)無人機(jī)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(biāo)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(jì)算領(lǐng)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(jì)算核心產(chǎn)品（圖源：因諾科技）

對于邊緣計(jì)算的研究歷程，因諾科技董事長呼衛(wèi)軍談到：“邊緣計(jì)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(jì)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(shù)鏈路相對清晰：無人機(jī)按預(yù)設(shè)航線飛行，機(jī)載相機(jī)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(wù)器進(jìn)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(yùn)轉(zhuǎn)順暢，但在實(shí)際工業(yè)環(huán)境中，面臨三重挑戰(zhàn)。

通信瓶頸首當(dāng)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(jié)構(gòu)層。這些場景的共性特征是通信條件惡劣，無人機(jī)導(dǎo)航依賴的RTK信號會受限，圖數(shù)鏈路遮擋嚴(yán)，高分辨率圖像的實(shí)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(yīng)處置之間的時間差至關(guān)重要。如果無人機(jī)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(jì)算。對于需要即時響應(yīng)的場景，這種延遲顯然無法接受。

復(fù)雜的低空飛行環(huán)境。在實(shí)際飛行中，通過預(yù)設(shè)航線的飛行方式，無法適應(yīng)愈加復(fù)雜的低空環(huán)境，尤其是地表的各種臨時構(gòu)建物，會讓無人機(jī)存在明顯的飛行安全隱患。這就使得無人機(jī)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(guān)鍵基礎(chǔ)設(shè)施的運(yùn)營主體往往對數(shù)據(jù)管控有著嚴(yán)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(jì)算要做的，就是將AI推理能力從云端下沉到終端設(shè)備，使無人機(jī)具備本地感知、本地判斷、本地決策的能力。

從系統(tǒng)架構(gòu)視角看，邊緣計(jì)算重新定義了工業(yè)無人機(jī)的智能分布模式。傳統(tǒng)的“端—云”二元架構(gòu)演變?yōu)椤岸恕叀啤比龑蛹軜?gòu)。無人機(jī)作為數(shù)據(jù)采集終端，邊緣計(jì)算單元承擔(dān)實(shí)時推理任務(wù)，云端負(fù)責(zé)模型訓(xùn)練、數(shù)據(jù)存儲和全局分析。三者協(xié)同運(yùn)作，各司其職。

這一轉(zhuǎn)變帶來的不只是響應(yīng)速度的提升，更深層的影響在于，無人機(jī)的角色變了，它不再是被動執(zhí)行預(yù)設(shè)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(wù)策略的智能巡檢單元。

把算力塞進(jìn)無人機(jī)，到底難在哪？

想讓AI在無人機(jī)上跑起來，挑戰(zhàn)其實(shí)很直接。算力資源就這么多，行業(yè)需求卻復(fù)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(xué)問。

因諾科技提供了一種“輕重結(jié)合”的思路。他們?yōu)闊o人機(jī)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(jī)身中；另一種則是性能更強(qiáng)的“重算力”模塊，可達(dá)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(jī)升空后，內(nèi)置的輕算力模塊率先工作，像一位反應(yīng)迅速的“偵察兵”，以高幀率對飛行區(qū)域進(jìn)行快速掃描。它能實(shí)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(jī)續(xù)航。

當(dāng)“偵察兵”發(fā)現(xiàn)需要精確測量裂縫寬度、辨析細(xì)微裂紋，或是在雜亂背景中鎖定特定型號的施工機(jī)械等可疑區(qū)域或復(fù)雜目標(biāo)時，重算力模塊便接手了。它作為“分析專家”，對目標(biāo)區(qū)域進(jìn)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(wù)預(yù)案并行工作。

這種架構(gòu)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(jī)時刻背負(fù)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(jī)在效率與能力之間取得了平衡。在實(shí)際的能源設(shè)施巡檢中，這種模式能將標(biāo)準(zhǔn)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(jié)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(shè)計(jì)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(shù)優(yōu)勢是顯見的：飛控系統(tǒng)可以根據(jù)AI模塊的計(jì)算負(fù)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(jì)算的需求定制，帶寬緊張時優(yōu)先保關(guān)鍵信息；載荷設(shè)計(jì)可以給AI芯片預(yù)留最優(yōu)的散熱空間和供電余量。這些細(xì)節(jié)層面的打磨，在通用平臺上很難實(shí)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(jī)，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(wù)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(guān)鍵是“看懂”

算力部署到位后，更關(guān)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(gòu)成威脅”，即有效目標(biāo)識別。

3.0靈石無人機(jī)自動機(jī)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(jī)械。傳統(tǒng)目標(biāo)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(jī)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(guān)注的威脅源。

客戶真正想知道的是哪臺挖掘機(jī)正在靠近管道、有施工跡象、可能構(gòu)成安全威脅。這才叫“有效目標(biāo)”。實(shí)現(xiàn)這一能力需要跨越兩個層次。

第一層是感知。識別目標(biāo)是什么，這是傳統(tǒng)目標(biāo)檢測要解決的問題，技術(shù)上已相對成熟。

第二層是認(rèn)知。理解目標(biāo)在做什么、意味著什么，這需要將目標(biāo)檢測與空間位置、運(yùn)動軌跡、行為模式等多維信息融合判斷，技術(shù)難度顯著上升。

因諾科技在這一領(lǐng)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(lǐng)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(guān)鍵的是，由于無人機(jī)在固定線路上反復(fù)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(fēng)險點(diǎn)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(xùn)練通用模型不同，因諾科技的訓(xùn)練數(shù)據(jù)來自真實(shí)業(yè)務(wù)場景，標(biāo)注標(biāo)準(zhǔn)與業(yè)務(wù)需求高度對齊。模型學(xué)習(xí)到的不只是視覺特征，還有業(yè)務(wù)知識。

還有一點(diǎn)容易被忽略，固定線路的反復(fù)飛行，創(chuàng)造了一種獨(dú)特的學(xué)習(xí)范式。系統(tǒng)可以將歷史數(shù)據(jù)與當(dāng)前觀測進(jìn)行對比，識別出變化。簡單來說，一臺挖掘機(jī)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(jī)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(jī)制，通用AI平臺很難復(fù)制。它不是一次性的算法交付，而是持續(xù)學(xué)習(xí)、持續(xù)優(yōu)化的動態(tài)過程。指標(biāo)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(dá)98%。

應(yīng)對極端場景，系統(tǒng)級智能的驗(yàn)證場

日常巡檢是邊緣計(jì)算的常規(guī)科目，真正考驗(yàn)技術(shù)成色的是極端場景。因諾科技創(chuàng)造性地將面激光雷達(dá)、點(diǎn)激光雷達(dá)、視覺等傳感器進(jìn)行融合，在強(qiáng)大邊緣算力的支撐下，結(jié)合業(yè)務(wù)特點(diǎn)，打造出專用的業(yè)務(wù)導(dǎo)航載荷。簡單來說，該系統(tǒng)能夠讓機(jī)器人在未知環(huán)境中實(shí)時構(gòu)建地圖并同步定位，最終實(shí)現(xiàn)飛行控制、數(shù)據(jù)采集與結(jié)果分析的邊緣端閉環(huán)，形成完整的自主作業(yè)能力。

風(fēng)機(jī)葉片巡檢便是典型的極端場景之一。風(fēng)力發(fā)電機(jī)葉片長度通常達(dá)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(jī)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(jì)算提出了多重要求：需要實(shí)時感知葉片位置與運(yùn)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(biāo)識，確保A面和B面拍攝對應(yīng)同一葉片。任何環(huán)節(jié)的延遲或誤判，都可能導(dǎo)致任務(wù)失敗甚至設(shè)備損毀。

此外，如橋梁底部、大型管道深處等工業(yè)設(shè)施的關(guān)鍵部位，往往是GNSS信號的“盲區(qū)”。傳統(tǒng)無人機(jī)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(yīng)急自主降落。當(dāng)無人機(jī)遭遇超出預(yù)期的惡劣天氣，按原計(jì)劃返航已不現(xiàn)實(shí)，此時需要自主尋找安全的備降點(diǎn)。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(shù)自動巡檢（來源：因諾科技）

因諾科技研發(fā)負(fù)責(zé)人向斤風(fēng)介紹了一個相當(dāng)直觀的實(shí)踐案例。

在西北某風(fēng)電場的項(xiàng)目中，因諾科技這套激光SLAM導(dǎo)航載荷，讓無人機(jī)實(shí)現(xiàn)了風(fēng)機(jī)的全自主巡檢，原本需要2名檢修人員耗費(fèi)1天完成的1臺風(fēng)機(jī)巡檢，現(xiàn)在無人機(jī)15分鐘就能完成，而且能識別出1毫米的細(xì)微裂紋，大大降低了人工安全風(fēng)險，提升了巡檢效率和精度。

在交通的橋梁巡檢領(lǐng)域，因諾科技研發(fā)的專用交通巡檢無人機(jī)，可在有無GNSS信號的環(huán)境中連續(xù)切換精確導(dǎo)航，所攜帶的智能算法可精確規(guī)劃出飛行器的采集點(diǎn)，驅(qū)動光電測量設(shè)備精準(zhǔn)地實(shí)現(xiàn)數(shù)據(jù)的采集和實(shí)時分析，同步進(jìn)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(yīng)對，驗(yàn)證的是因諾科技的邊緣計(jì)算技術(shù)在工業(yè)無人機(jī)中的系統(tǒng)成熟度。它們代表的不只是某個單點(diǎn)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(jī)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(dāng)前工業(yè)無人機(jī)普遍處于感知階段的成熟期，即“看見”與“看懂”。而進(jìn)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(jī)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(xì)察，還是調(diào)整航線抵近觀測？進(jìn)而對事件進(jìn)行分類分析、記錄關(guān)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(shí)驗(yàn)室里，更前瞻的探索已經(jīng)展開。例如，讓無人機(jī)搭載機(jī)械臂，通過語音指令完成特定物體的抓取與搬運(yùn)，實(shí)現(xiàn)工業(yè)無人機(jī)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(shí)時運(yùn)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(yīng)用于嚴(yán)苛的工業(yè)現(xiàn)場，這條技術(shù)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(yàn)瑕疵，但在物理世界的決策中，后果可能相當(dāng)嚴(yán)重。無人機(jī)的判斷失誤，輕則導(dǎo)致設(shè)備損壞，重則造成人員傷害。如何保障決策的可靠性，是從實(shí)驗(yàn)室走向?qū)嶋H部署的關(guān)鍵門檻。

實(shí)時性是另一重制約。當(dāng)前大模型的推理開銷較大，難以滿足邊緣端的實(shí)時性要求。輕量化、高效化的端側(cè)推理技術(shù)，是實(shí)現(xiàn)部署的必要前提。

更務(wù)實(shí)的下一步，是“預(yù)測性維護(hù)”。未來的邊緣智能系統(tǒng)，通過分析風(fēng)機(jī)葉片表面的微觀形變趨勢、絕緣子老化圖像的細(xì)微特征，結(jié)合歷史數(shù)據(jù)，預(yù)測部件剩余壽命，從而實(shí)現(xiàn)從“定期檢修”到“按需維護(hù)”的跨越。

此外，邊緣計(jì)算的價值還將體現(xiàn)在多設(shè)備協(xié)同上。未來，無人機(jī)、地面機(jī)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(diǎn)共享感知結(jié)果，協(xié)同決策。例如，無人機(jī)發(fā)現(xiàn)管道上方有異常振動，可即時調(diào)度地面機(jī)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(jì)算在工業(yè)無人機(jī)領(lǐng)域的應(yīng)用，正從一個炫酷的技術(shù)概念，穩(wěn)步走向規(guī)?；涞?。推動這一進(jìn)程的，是參與者對行業(yè)痛點(diǎn)持之以恒的洞察與解構(gòu)。

因諾科技的發(fā)展路徑揭示了一個道理：在工業(yè)領(lǐng)域，真正的智能不在于設(shè)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(diǎn)，讓算法理解業(yè)務(wù)邏輯，讓系統(tǒng)適應(yīng)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(guān)鍵。

這是一條需要耐力和定力的長跑。

當(dāng)無人機(jī)的“眼”、“腦”、“手”通過邊緣計(jì)算真正融為一體，才能真正成為能夠在復(fù)雜世界中自主作業(yè)的“空中機(jī)器人”。