Ces dernières années, la technologie de l’intelligence artificielle a montré une tendance à évoluer de la « centralisation dans le cloud » à la « collaboration à la périphérie des appareils ».
En 2026, le rapport d’activité du gouvernement chinois continue de mettre l’accent sur l’action « intelligence artificielle + » et favorise clairement la diffusion de grands modèles sur les terminaux, couvrant les smartphones, les voitures connectées intelligentes et les scénarios d’Internet industriel des objets (IIoT).
Cette orientation politique et cette évolution technologique ont donné lieu conjointement à la mise en œuvre à grande échelle de « l’IA sur appareil », notamment dans le domaine industriel, déclenchant des changements structurels.
L’automatisation industrielle traditionnelle repose sur des automates programmables (PLC), des règles prédéfinies et des systèmes de surveillance centralisés, et manque d’adaptation environnementale et de capacités de prise de décision en temps réel.
L’IA sur appareil déploie des modèles de réseau neuronal légers sur les appareils de périphérie pour obtenir une faible latence, une confidentialité élevée et une intelligence locale robuste, offrant ainsi un nouveau paradigme pour l’évolution de l’Industrie 4.0 à l’Industrie 5.0.
L’IA côté appareil a un impact majeur à multiples facettes sur l’automatisation industrielle. En termes de contrôle des lignes de production, les lignes de production traditionnelles fonctionnent avec une logique fixe et sont difficiles à gérer les perturbations dynamiques. L’IA côté appareil permet à des équipements tels que les robots industriels et les AGV de disposer de capacités de raisonnement local.
Par exemple, un bras robotique équipé d’un modèle Distilled Vision-Language peut comprendre des instructions en langage naturel (telles que « saisir les pièces rayées ») et les combiner avec des images en temps réel pour accomplir la tâche.
Les systèmes multi-agents réalisent une redistribution des tâches et une optimisation des chemins grâce à une collaboration en périphérie, améliorant considérablement la résilience du système.
En termes de détection intelligente en périphérie, les modèles d’IA côté extrémité (tels que MobileViT, YOLOv9 – Tiny) peuvent effectuer l’identification des défauts en moins de 50 ms, répondant ainsi aux exigences de cadence des lignes de production à grande vitesse.
Plus important encore, les données n’ont pas besoin d’être téléchargées sur le cloud et elles sont conformes aux exigences de conformité de la « Loi sur la sécurité des données » et des « Directives de classification et de classement des données industrielles » pour que les données de fabrication sensibles « ne quittent pas la zone de l’usine ».
Le cas d’une entreprise photovoltaïque montre que l’utilisation de puces d’IA de pointe nationales pour déployer la détection des fissures cellulaires peut permettre d’économiser plus de 3 millions de yuans en coûts de main-d’œuvre annuels pour une seule ligne.
En termes de capacités de fabrication flexibles, face aux besoins de production en petits lots et multi-variétés (tels que la personnalisation de véhicules à énergie nouvelle), l’IA finale prend en charge un changement rapide de modèle.
Grâce à une ingénierie rapide (Prompt Tuning) ou à un réglage local, le même appareil peut changer de logique de détection ou de stratégie d’assemblage en quelques minutes.
Gartner prédit que d’ici 2026, plus de 70 % des entreprises manufacturières discrètes dans le monde déploieront des modules de chaîne de production flexibles dotés de capacités d’IA finale.
Sur la base des influences ci-dessus, cinq types d’opportunités commerciales principales peuvent être identifiées.
Cependant, malgré ses perspectives prometteuses, l’IA embarquée reste confrontée à de multiples défis lors de sa mise en œuvre industrielle. Il existe un conflit entre la puissance de calcul et la complexité du modèle. Les grands modèles comportant des dizaines de milliards de paramètres sont difficiles à déployer directement sur les appareils de périphérie et doivent s’appuyer sur une technologie de compression efficace. L’écosystème est fragmenté, y compris l’architecture des puces (ARM/RISC-V), le système d’exploitation (Linux/RTOS) et les protocoles de communication (OPC).
UA/Modbus) ne sont pas unifiés, ce qui augmente les coûts de développement ;
il existe une grande pénurie de talents complets et une grave pénurie d’ingénieurs maîtrisant le contrôle industriel, les algorithmes d’IA et le déploiement de pointe. Selon le ministère de l’Industrie et des Technologies de l’information, l’écart est estimé à plus de 500 000 ; le modèle économique doit être vérifié et les petites et moyennes entreprises ont une faible volonté de payer, c’est pourquoi des modèles durables tels que l’abonnement SaaS et le partage des performances doivent être explorés.
Il est recommandé de briser systématiquement la situation en établissant des interfaces standard de l’industrie (telles que le protocole de communication AI-PLC), en promouvant la construction interdisciplinaire de « IA + fabrication » dans les collèges et universités et en augmentant les subventions pour la mise à jour des équipements.
L’IA sur appareil reconstruit la base technique de l’automatisation industrielle. Cela améliore non seulement la précision de la détection et la vitesse de réponse, mais donne également au système de fabrication des capacités autonomes de perception, de raisonnement et de prise de décision.
Il s’agit d’un vecteur clé pour réaliser « l’intelligence artificielle + la fabrication ».
En tant que « première année de l’IA côté appareil », 2026 marque l’entrée de l’intelligence industrielle chinoise dans la zone des eaux profondes.
À l’avenir, à mesure que les performances des puces nationales s’amélioreront, que la technologie de compression des modèles mûrira et que les systèmes de conformité en matière de sécurité seront améliorés, l’IA intégrée aux appareils devrait devenir une configuration standard de la nouvelle génération d’usines intelligentes, aidant ainsi l’industrie manufacturière chinoise à se hisser vers le haut de gamme de la chaîne de valeur mondiale.
