实现从数据的采集、数据存储、数据分析等一系列关键技术，并串成一起实现制造的智能化，这个如何解决？

要实现从数据的采集、数据存储、数据分析等一系列关键技术，并串成一起实现制造的智能化，一般会在云端进行。

我们以 AI 视觉云平台为例：

解决方案包括实现训练功能的 AI 视觉云平台解决方案及实现推理预测功能的云端解决方案两部分：

1、工业视觉 AI 云平台：主要是支持 AI 应用工程师更好地进行模型训练和迭代优化的，主要是提供数据管理，图像标注、模型训练、模型测试、多类通用算法和不同场景成熟算法模型，模型服务发布，模型下载分发，模型效果评价，模型加密管理等能力模块。

该架构中包括以下功能模块：

• 数据上传：支持用户上传用于训练或测试模型的训练数据和测试数据
• 数据标注：支持用户对已上传的数据进行数据标注，支持多类标注方法
• 模型训练：支持用户对已标注的数据进行模型训练
• 模型预测：支持用户使用已完成训练的模型进行预测（同时支持在线预测和模型分发服务）
• 通用 & 场景化算法：提供针对分类，检测，分割等不同类型的通用算法引擎，部分场景的成熟模型
• 模型发布：支持模型发布成 API 模式，或者 SDK 模型，便于业务集成
• 模型加密：对模型进行安全管理，保护企业关键信息
• 模型效果评价：可以对模型预测结果进行打分评价，修改标注，多次迭代闭

2、边缘云端推理解决方案：适用于生产节拍较长，对边缘算力成本敏感，需要集中管控等需求，边缘云端推理主要是通过 API 发布的方式便于端侧设备进行按需调用，重点进行模型运营监控，和业务数据管理功能，确保服务可用，支持业务数据分析。

行业里面一般通过解决方案或工业平台的方式去交付的，可以参考行业里面的方案提供商的整体方案，包括这次中科创达的方案分享。