本文写于2020年，针对全屋智能、边缘计算、家庭大脑控制中心等产品做了分析。

删减了与公司相关的信息，仅保留行业产品分析。

1 全屋智能的本质是去开关化，核心在于IoT云

(1)   智能家居不是通过APP、音箱控制，而是去开关化、弱开关化

整个行业的发展目前经历了上云、联动两个阶段，2014年的上云，智能硬件支持APP远程控制，京东微联、阿里智能、小米IoT都是在这个时间点开始了物联网云平台的建设。到2016年开始逐步升级传统家电，数据打通，突出场景联动，这里的典型公司是涂鸦智能。2018年随着智能音箱的爆发式增长，音箱语音控制家电的需求推动了厂商之间的云云打通，但是这仍然只是控制方式的转变，仍然是有“开关”的。

最终的全屋智能是弱化开关或者去掉开关，例如通过人体红外传感器或者摄像机可以感知环境状态、自动开灯，通过温湿度感应以及记录用户的空调设置习惯可以自动开启空调并调整到习惯的温度。

为了达成这种去开关化、弱开关化的目标，需要有统一的IoT云平台，云端做场景细分和设备联动，这是品类拓展和功能实现的基础，而在这之前我们往往只关注单品功能，缺乏系统性的考虑，这是目前最欠缺的。

图 1 智能控制的去开关化

(2)   智能家居的竞争已经从单品走向场景化

小米最新的财报数据，5个以上（不包含小米手机和笔记本）IoT设备的用户已经超过410万，同时在最近两年随着音箱厂商的补贴推广，智能家居迎来了很大的增长，面向场景的联动控制和批量语音控制已经越来越常见（如对音箱说一句睡觉，自动关闭所有灯），智能家居的竞争已经从单品走向场景化的竞争。

做场景化，不代表我们就需要拓品、做生态链，可以通过广泛的集成和被集成来融入场景，之前智能音箱的普及已经推动了不同厂商之间的云云对接，国外亚马逊、谷歌、苹果三巨头已经组成了一个智能家居产品互通的联盟CHIP联盟，预计今年年底打通，国内工信部已经牵头做过两轮的国内厂商的沟通，随着行业发展，厂商之间的互通大趋势逐渐明确，通过对接、集成一样能够解决场景化的问题，小米式的闭环智能家居生态会受到挑战。

特别需要强调的是，集成被集成本质是产品的功能映射，即使我们不做灯泡、小家电这类硬件产品，为了能够对接集成对应的产品，云端需要有对应产品的物模型定义和功能实现，这部分的工作在软件上必备的，即基于IoT云做平台化品类沉淀，和我们自己做不做生态链，做多少种产品无关。

(3)   基于IoT云平台、统一的物模型是全屋智能的基础，是从横向平台到纵向细分场景细化的基础，这部分我们落后竞品5年

IoT云平台本质上做的是三件事情。

a)      连接管理：基于MQTT等轻量级的连接服务，封装不同平台的硬件SDK，帮助硬件设备快速上云，既保证了性能稳定，也能复用降低开发成本。

b)      设备管理：不同类型的设备基于物模型，统一到一个平台，做统一的绑定、授权、管理，设备可以统一的鉴权、互联联动控制时才能统一授权、调用。

c)      数据管理：基于统一的物模型，将硬件设备的功能映射为统一的数据格式，这一样数据才能可学习、可互通；无论是吸顶灯、台灯灯的开关字段、色温调节字段得一致才能数据互通，这是基础中的基础。

(4)   目前行业只是处于场景联动的中级阶段，还有很大空间

如下图所示，目前行业普遍处于场景联动阶段，这里做的最好的是小米，小米通过大量低价的流量式硬件产品如低价的温湿度传感器、门窗传感器、人体感应等产品，做了非常多的高频联动场景。 但是这只是中级阶段，现阶段大家都还谈不上学习和决策控制，虽然未来家里智能设备的增多，类似摄像机这类产品能够获得的数据维度进一步增强，这里的空间还很大。

图 2 全屋智能的流程图

(5)   基于IoT云平台和超级APP，沉淀常见品类，做好积木化组件，做好集成与被集成，这与做不做To B、做不做生态链、扩不扩品无关

之前在做类似的项目时，一直面临一个先有鸡还是先有蛋的问题，想去拿项目，但是没有现成的方案，项目不好拿；想先做方案，觉得没有明确项目支撑，投入产出不明确，不敢坚定投入，即使拿了项目，时间紧，品类多，团队无法交付或者疲于应付各类垂直需求。这类问题的本质问题是没有做平台和场景沉淀，形成可以积木化、能够快速组合交互的方案。

参考行业竞品：小米、阿里2B和2C一体化，基于IoT平台做场景细分方案。

虽然我们聚焦安防、儿童手表等几大类核心产品，但是在基于IoT云的开发模式下，大部分能力是完全复用的，通过合作、OEM、云云对接等方式，沉淀照明、安防、小家电、环境传感等几大核心品类，在硬件端做好常见的硬件模组适配，软件和云端做好积木化组件，在有类似的合作和B端项目时，可以快速集成与被集成，能够快速交付。

以下图的阿里的IoT全景图为例，可以看到整个平台的核心是IoT平台，做基础的设备管理、物管理、应用管理，面向C端在应用层做了阿里飞燕平台，针对B端场景，做了智能城市、智能制造等细分场景和应用。所以无论是阿里、小米这样的平台公司，还是特斯联、云智易这类垂直解决方案公司，都是以IoT云为核心，虽然2B和2C在产品形态、商务模式等方面差距很大，但是在软硬件技术架构上是相通的，2B和2C在技术上需要基于IoT云一体化。

图 3 阿里IoT全景

2 家庭大脑的核心在边缘计算，B端场景明确，C端还在探索

(1)   B端场景的最大优势在于前端设备的无侵入集成

家庭场景的落地仍然在探索阶段，但是这类边缘设备在B端场景已经广泛应用，B端场景中，很多时候需要对大量前端设备进行集成，如果没有一个在云和端之间衔接的支点设备，则集成成本就会非常高。如我们的有些B端项目做法非常不合理，可能需要一个车牌识别摄像机、就找一个对应的摄像机改固件上云，这个开发成本非常高。何况在很多工业场景，如很多机床工控设备，本身是不可能改固件上云的。

而类似家庭大脑这样的一个边缘设备的优势在于在本地端，可以完成视频计算、协议转换、数据预处理这些操作，在这个设备中，将数据转换后上云，对这个设备做开发就可以，前端设备都可以不用做更改，这是边缘设备最大的优势所在。

以华为云的智能园区解决方案为例，为了做园区的安防系统、楼宇系统的集成，都是以IoT边缘服务为核心，实现对不同前端设备的集成上云，而且华为已经这套边云协同系统开源。

图 4 华为云智能园区解决方案

图 5 智能园区解决方案开发流程

(2)   我们的家庭安全大脑是先以C端场景做切入做的一个边缘计算平台产品

我们做的家庭大脑内部争议一直很大，甚至有人说这个产品做的是“皇帝的新装”。从IoT现有的产品结构、销售渠道来说，这款产品确实不合适，但是对于B端和未来的AIoT落地，这款产品有非常大的价值，所以这个项目我接手调整后，一直是作为一个先以别墅安防作为落地探索场景的一个平台产品在做，降低硬件投入，侧重技术预研探索和软件积累，主要调整在几个方面：

图 6 家庭大脑的ID调整

1)      ID调整，兼顾B端需求，降低投入，精益验证：投入产出不明确的情况下，停掉了开模费用上百万，壳料成本1500的极客ID及结构设计，改为标准1U的工控机箱，机箱基于成品定制，无开模费用，成本也较低，B端场景安装部署更方便。

2)      硬件的开发平台化调整：提前和城市安全的团队沟通了B端需求，加入了HDMI、双LAN口、RS232、基于Mini PCIe的4G网卡、SATA扩展，成本增加有限的情况下，可以满足B端的细分需求。

3)      考虑到后续B端的项目、渠道区分需求，3C认证一次性认证了10个扩展型号。

4)      软件的平台化调整：基于别墅场景做验证切入，以基于视频AI处理的事件分级逻辑为核心，设计AI调度引擎、本地场景规则引擎、云端场景规则引擎的边缘计算开发验证，核心模块分层清晰，解耦明确，人脸人形检测、人脸比对、人员逗留、人员聚集热力图等基础功能可以被快速复用。

5)      开发了演示系统，将行为检测、人脸比对、人形检测、人形热力图4个常用功能做集中展示，用于展会宣传互动展示，B端推广演示等场景，参加了公司自去年安博会以来所有的重要展会。

图 7 家庭安全大脑的软件流程

图 8 家庭安全大脑的展示系统

(3)   目前家庭安全大脑的主要落地在B端，和公司其他团队合作，作为边缘计算的一个平台产品

(4) 基于B端场景需求，做平台化、产品化的抽象是核心

很多B端项目陷入到了客户的垂直细分需求当中，团队做交付时缺乏平台化、产品化的抽象，疲于应付需求，最后做成了人力外包。边缘盒子作为边缘端对前端设备集成上云的一个支点类型的产品，平台化、产品化的抽象更重要，不能陷入某一具体的需求中。

边缘端通常的问题如下：

1)      硬件平台差异大，有X86架构、ARM架构的差异，不同厂商同架构的芯片底层软件环境差异大；

2)      应用部署麻烦、软件依赖难解决，多数盒子基于Linux系统，虽然可以开发Linux通用软件，但是部署麻烦、软件依赖难解决；

3)      不同应用、不同场景之间缺乏统一可服用的数据处理、调度、协同机制。

虽然家庭大脑上针对AI调度、场景规则等方面做了一些工作，但是针对以上的三个核心问题实际并没有做投入，和业界竞品差异很大，不过好在目前已经有一些不错的开源项目，可以直接复用，补足这块的短板，如华为开源了华为边缘平台KubeEdge项目，这个项目是一个代表，阿里、百度、微软，包括青云以及很多创业公司的架构思路都一致，核心点就两条：

1)      基于Docker容器和K8S来做容器应用管理，容器可以屏蔽硬件和软件平台差异，也能够解决依赖问题，应用的管理就是容器的管理，管理上大大简化，同时容器技术对硬件性能损失不多。

2)      通过专门的边缘协同通道，统一管理设备、数据、应用。搭建双向多路复用的消息通道。

图 11 KubeEdge架构

下图是一个典型的基于KubeEdge打造智慧园区的应用场景，在华为云上，常见的人脸、人流等已经作为标准的预训练模型，针对不同场景的设备接入、细分逻辑、数据分发等需求，只需要修改容器中的应用来实现，可以极大的复用做产品交付。

图 12 基于KubeEdge的智慧园区开发

(5) C端落地场景以合作的形式复用人力低成本探索

在C端场景中家庭安全大脑的需求一直是存在的，核心是产品形态，目前能看到的最为接近的是去年谷歌发布的带屏智能音箱，此款音箱最大的差异，是使用了一颗具备5T超强算力的AI处理器，实现的功能参见下图。

国内带屏音箱的价格也被拉到了300元左右，售价没有给能做功能实现的硬件成本留出空间，目前团队以人力复用和合作的方式，挑选仍然没有大规模起量的NAS品类作为探索，控制人力投入，专注AI和家庭场景的结合，硬件以及NAS相关的底层软件和国内知名的NAS厂商铁威马合作，专职人力投入产品、研发共5人，项目目前有Delay，还在开发中。

(6) 摄像机端侧算力平民化，大脑上的积累可以在端侧落地、复用

随着海思、Mstar、君正等主要摄像机SOC厂商的迭代，以及晶晨等新厂商的加入，摄像机端的AI算力平民化，0.5T算力左右的SOC芯片明年价格能够到2美金以内，实现加量不加价，C端场景的AI落地会更加普遍。家庭大脑在边缘端积累的AI调度、场景规则、图像选优等逻辑可以直接复用在端侧场景，这在下一步家庭安防的布局中很重要，需要做好技术积累。