Nos últimos anos, a tecnologia de inteligência artificial mostrou uma tendência de evolução da “centralização na nuvem” para a “colaboração na borda do dispositivo”.
Em 2026, o relatório de trabalho do governo chinês continua a enfatizar a ação “inteligência artificial +” e promove claramente a disseminação de grandes modelos para dispositivos terminais, abrangendo smartphones, carros inteligentes conectados e cenários de Internet Industrial das Coisas (IIoT).
Esta orientação política e a evolução tecnológica deram origem, em conjunto, à implementação em grande escala da “IA no dispositivo”, especialmente no domínio industrial, desencadeando mudanças estruturais.
A automação industrial tradicional depende de controladores lógicos programáveis (CLPs), regras predefinidas e sistemas de monitoramento centralizados, e carece de adaptação ambiental e capacidade de tomada de decisões em tempo real.
A IA no dispositivo implanta modelos leves de redes neurais em dispositivos de ponta para obter baixa latência, alta privacidade e inteligência local robusta, fornecendo um novo paradigma para a evolução da Indústria 4.0 para a 5.0.
A IA do lado do dispositivo tem um impacto central multifacetado na automação industrial. Em termos de controle da linha de produção, as linhas de produção tradicionais operam com lógica fixa e são difíceis de lidar com perturbações dinâmicas. A IA do lado do dispositivo permite que equipamentos como robôs industriais e AGVs tenham capacidades de raciocínio local.
Por exemplo, um braço robótico equipado com um modelo Distilled Vision-Language pode compreender instruções de linguagem natural (como “agarrar peças arranhadas”) e combiná-las com imagens em tempo real para completar a tarefa.
Os sistemas multiagentes realizam a redistribuição de tarefas e a otimização de caminhos por meio da colaboração de ponta, melhorando significativamente a resiliência do sistema.
Em termos de detecção inteligente de borda, os modelos de IA de ponta (como MobileViT, YOLOv9 – Tiny) podem concluir a identificação de defeitos em <50 ms, atendendo aos requisitos de ritmo das linhas de produção de alta velocidade.
Mais importante ainda, os dados não precisam ser carregados na nuvem e estão em conformidade com os requisitos de conformidade da "Lei de Segurança de Dados" e das "Diretrizes de Classificação e Classificação de Dados Industriais" para que dados confidenciais de fabricação "não saiam da área da fábrica".
O caso de uma empresa fotovoltaica mostra que o uso de chips de IA domésticos para implantar detecção de rachaduras em células pode economizar mais de 3 milhões de yuans em custos anuais de mão de obra para uma única linha.
Em termos de capacidades de produção flexíveis, face às necessidades de produção de pequenos lotes e de múltiplas variedades (como a personalização de novos veículos energéticos), a IA final apoia a rápida mudança de modelo.
Por meio de engenharia imediata (Prompt Tuning) ou ajuste fino local, o mesmo dispositivo pode alternar a lógica de detecção ou a estratégia de montagem em minutos.
O Gartner prevê que até 2026, mais de 70% das empresas de manufatura discreta do mundo implantarão módulos de linha de produção flexíveis com recursos de IA no lado final.
Com base nas influências acima, cinco tipos de principais oportunidades de negócios podem ser identificados.
No entanto, apesar das suas perspectivas promissoras, a IA no dispositivo ainda enfrenta múltiplos desafios na sua implementação industrial. Existe um conflito entre o poder da computação e a complexidade do modelo. Modelos grandes com dezenas de bilhões de parâmetros são difíceis de implantar diretamente em dispositivos de ponta e precisam contar com uma tecnologia de compressão eficiente. O ecossistema é fragmentado, incluindo arquitetura de chip (ARM/RISC-V), sistema operacional (Linux/RTOS) e protocolos de comunicação (OPC).
UA/Modbus) não são unificados, aumentando os custos de desenvolvimento;
há uma grande lacuna em talentos abrangentes e uma grave escassez de engenheiros que dominem o controle industrial, algoritmos de IA e implantação de ponta. Segundo o Ministério da Indústria e Tecnologia da Informação, a lacuna é estimada em mais de 500 mil; o modelo de negócio precisa de ser verificado e as pequenas e médias empresas têm uma fraca disponibilidade para pagar, pelo que é necessário explorar modelos sustentáveis, como a subscrição de SaaS e a partilha de desempenho.
Recomenda-se quebrar sistematicamente a situação estabelecendo interfaces padrão da indústria (como o protocolo de comunicação AI-PLC), promovendo a construção interdisciplinar de “AI + manufatura” em faculdades e universidades e aumentando os subsídios para atualizações de equipamentos.
A IA no dispositivo está reconstruindo a base técnica da automação industrial. Ele não apenas melhora a precisão da detecção e a velocidade de resposta, mas também dá ao sistema de fabricação capacidades autônomas de percepção, raciocínio e tomada de decisão.
É um veículo chave para realizar “inteligência artificial + manufatura”.
Como o “primeiro ano da IA do lado do dispositivo”, 2026 marca que a inteligência industrial do meu país entrou na zona de águas profundas.
No futuro, à medida que o desempenho dos chips nacionais melhorar, a tecnologia de compressão de modelos amadurecer e os sistemas de conformidade de segurança forem melhorados, espera-se que a IA no dispositivo se torne uma configuração padrão da nova geração de fábricas inteligentes, ajudando a indústria transformadora da China a passar para o topo da cadeia de valor global.
