En los últimos años, la tecnología de inteligencia artificial ha mostrado una tendencia a evolucionar desde la «centralización en la nube» hasta la «colaboración en el borde del dispositivo».
En 2026, el informe de trabajo del gobierno chino continúa enfatizando la acción de «inteligencia artificial +» y promueve claramente la difusión de modelos grandes a dispositivos terminales, abarcando escenarios de teléfonos inteligentes, automóviles inteligentes conectados y Internet industrial de las cosas (IIoT).
Esta orientación política y la evolución tecnológica han dado lugar conjuntamente a la implementación a gran escala de la «IA en el dispositivo», especialmente en el ámbito industrial, lo que ha desencadenado cambios estructurales.
La automatización industrial tradicional se basa en controladores lógicos programables (PLC), reglas preestablecidas y sistemas de monitoreo centralizados, y carece de capacidad de adaptación ambiental y de toma de decisiones en tiempo real.
La IA en el dispositivo implementa modelos de redes neuronales livianos en dispositivos periféricos para lograr baja latencia, alta privacidad e inteligencia local sólida, proporcionando un nuevo paradigma para la evolución de la Industria 4.0 a la 5.0.
La IA del lado del dispositivo tiene un impacto central multifacético en la automatización industrial. En términos de control de la línea de producción, las líneas de producción tradicionales operan con una lógica fija y son difíciles de lidiar con perturbaciones dinámicas. La IA del lado del dispositivo permite que equipos como robots industriales y AGV tengan capacidades de razonamiento local.
Por ejemplo, un brazo robótico equipado con un modelo Distilled Vision-Language puede comprender instrucciones en lenguaje natural (como «agarrar piezas rayadas») y combinarlas con imágenes en tiempo real para completar la tarea.
Los sistemas multiagente realizan la redistribución de tareas y la optimización de rutas a través de la colaboración en el borde, lo que mejora significativamente la resiliencia del sistema.
En términos de detección inteligente de borde, los modelos de IA finales (como MobileViT, YOLOv9 – Tiny) pueden completar la identificación de defectos en <50 ms, cumpliendo con los requisitos de ritmo de las líneas de producción de alta velocidad.
Más importante aún, no es necesario cargar los datos en la nube y cumple con los requisitos de cumplimiento de la "Ley de seguridad de datos" y las "Pautas de clasificación y calificación de datos industriales" para que los datos de fabricación confidenciales "no abandonen el área de la fábrica".
El caso de una empresa fotovoltaica muestra que el uso de chips de IA de vanguardia nacionales para implementar la detección de grietas celulares puede ahorrar más de 3 millones de yuanes en costos laborales anuales para una sola línea.
En términos de capacidades de fabricación flexibles, frente a las necesidades de producción de lotes pequeños y de variedades múltiples (como la personalización de vehículos de nueva energía), la IA final respalda el cambio rápido de modelo.
A través de ingeniería rápida (Prompt Tuning) o ajuste fino local, el mismo dispositivo puede cambiar la lógica de detección o la estrategia de ensamblaje en minutos.
Gartner predice que para 2026, más del 70% de las empresas de fabricación discreta del mundo implementarán módulos de línea de producción flexibles con capacidades de IA finales.
Con base en las influencias anteriores, se pueden identificar cinco tipos de oportunidades comerciales principales.
Sin embargo, a pesar de sus prometedoras perspectivas, la IA en dispositivos todavía enfrenta múltiples desafíos en su implementación industrial. Existe un conflicto entre la potencia informática y la complejidad del modelo. Los modelos grandes con decenas de miles de millones de parámetros son difíciles de implementar directamente en dispositivos periféricos y deben depender de una tecnología de compresión eficiente. El ecosistema está fragmentado, incluida la arquitectura del chip (ARM/RISC-V), el sistema operativo (Linux/RTOS) y los protocolos de comunicación (OPC).
UA/Modbus) no están unificados, lo que aumenta los costes de desarrollo;
Existe una gran brecha en el talento integral y hay una grave escasez de ingenieros que dominen el control industrial, los algoritmos de inteligencia artificial y la implementación de borde. Según el Ministerio de Industria y Tecnología de la Información, la brecha se estima en más de 500.000; Es necesario verificar el modelo de negocio y las pequeñas y medianas empresas tienen poca disposición a pagar, por lo que es necesario explorar modelos sostenibles como la suscripción a SaaS y el intercambio de rendimiento.
Se recomienda romper sistemáticamente la situación estableciendo interfaces estándar de la industria (como el protocolo de comunicación AI-PLC), promoviendo la construcción interdisciplinaria de «IA + fabricación» en colegios y universidades y aumentando los subsidios para las actualizaciones de equipos.
La IA en el dispositivo está reconstruyendo la base técnica de la automatización industrial. No solo mejora la precisión de la detección y la velocidad de respuesta, sino que también proporciona al sistema de fabricación capacidades autónomas de percepción, razonamiento y toma de decisiones.
Es un transportista clave para realizar «inteligencia artificial + fabricación».
Como «primer año de la IA del lado del dispositivo», 2026 marca que la inteligencia industrial de China ha entrado en la zona de aguas profundas.
En el futuro, a medida que mejore el rendimiento de los chips nacionales, madure la tecnología de compresión de modelos y mejoren los sistemas de cumplimiento de seguridad, se espera que la IA en los dispositivos se convierta en una configuración estándar de la nueva generación de fábricas inteligentes, ayudando a la industria manufacturera de China a pasar al extremo superior de la cadena de valor global.
