01.大模型+边缘计算能发生多大的粘合效应？

边缘AI在各行业场景中的落地依赖算法，算法的高度定制化、高成本和精准度不够是三大难，用户需求不少，真正能起量的场景屈指可数， 市场需求的定制化是无法改变，如何在定制化和成本之间找到最佳的平衡点？行业人士认为答案就是AI大模型，大模型能够从根本上解决AI算法精准度和定制开发的成本问题。

02.边缘计算在哪个应用场景更具投入产出比？

边缘计算应用场景碎片化，有的场景需求多，方案标准程度高，但价格低，有的场景需求较少，定制化多但价格高，哪些场景需求潜力大，方案容易标准化，且价格还合适呢？其实这在报告市场驱动力和需求度分析中我们分类的一级市场、二级市场、三级市场、四级市场中有体现。

03.Saas集成商对AI落地最关注的点是什么？

AI 算法精准度决定项目落地质量和后期服务成本，是集成商最关注点之一，除此外集成商通用性算法已经对接（人、车、物、环境），更希望有针对特定场景的方案；而在硬件方面，AI 落地成本还是较高，性价比则 SaaS 集成商较关注的点。

04.硬件厂商的核心壁垒是什么？

硬件厂商发展的路径大概有两条：一是高价值，二是高性价比，高价值是在细分场景做深，产品功能高度适配场景；高性价比其实就是做量。行业人士认为硬件厂商的核心壁垒首先是细分场景的快速落地能力，其次具备专业的产品力兼具极致性价比。

05.算法厂商该聚焦算法还是场景？

算法本身依赖场景，高度定制化让算法厂商很难盈利，似乎聚焦算法已经被验证行不通，其实我们所说聚焦算法并不是把标准算法做多做全，而是做精，在通用算法基础上根据场景需求实现快速定制落地。这其实是两种定位，企业的能力选择就不同，有些企业在自己聚焦的算法上有优势，而有些企业在某些场景上做得深，聚焦是算法厂商的破局之路。

06.边缘盒子会被端侧设备和边缘AI服务器取代吗？

业内人士认为：随着摄像机端芯片的算力越来越大，以及服务器端大算力卡的价格下降，各大平台公司、算法公司在摄像机端的算法适配上可以根据需求配置不同的算法固件，所以后期边缘盒子的市场有可能被端侧摄像机和AI服务器取代。未来端侧算力会更大并且随着算法的不断优化，用更小的算力实现更多算法也是趋势，而在边缘侧本地AI部署及推理需求越多越多，产品形态会逐渐向大算力的AI服务器发展，从大方向上是这样，不过市场碎片化和需求多样化，对产品形态和要求也会是多样，小项目需求不会消失，边缘盒子市场也不会消失。