惯性踩坑：默认云端才有足够算力
他们做的是小型轴承表面瑕疵分拣，要求每秒走两个工位，我第一次去看调试的时候，工位停下来等识别结果，一等就是快三秒，工人要是线下干，都分拣十个了。网络稍微卡一点，直接断连，整个机械手停在半空不动。我问为啥不把运算放本地？领头的学生抬头看我，一脸懵：“本地那点开发板算力，跑得动识别模型吗？”
哦，原来是这么回事。大家上课记知识点，都记得边缘计算是啥，真上手做项目，第一反应还是往云端堆，好像不用云端就不够高级。这么多年的教学惯性，学生这么想，其实我之前带的上几届学生，也这么干。
我翻了他们的运算日志，传一张原图3MB，云端推理要1.2秒，传回结果又要半秒，加起来快两秒，再加上机械手的运动延时，可不就超时了。核心问题根本不是算力不够，是把不需要出门的数据，非要绕一大圈跑到千里之外的服务器去算。
砍完才爽：固定场景根本不需要云端
逼着他们改方案，先把整个运算流程拆了。哪些是固定规则的运算，全部留在本地。灰度变换、边缘提取、轮廓筛选，这些步骤根本不需要动态推理，写死在本地模块里就行，FPGA加速一下，单步耗时不到十毫秒。最后只需要把有没有瑕疵、瑕疵在哪个位置这几个数字传出去，几十个字节就搞定。
说实话，改完第一次测试的时候我都不敢信。延时从平均1.8秒干到了67毫秒，差了快三十倍！断网十分钟，机械手照样分拣，一点不耽误。哦对，识别准确率？反而降了0.2个百分点，根本不影响工业使用，谁会在意一个不到零点几的误差？现场用，稳和快比那点准确率值钱多了。
之前我带竞赛，见过好多队硬蹭云端大模型，现场网络一波动，直接出局，说白了就是没想明白，自己的场景到底需要什么。边缘侧本地处理，不是什么高大上的黑科技，就是帮你把该放本地的东西放回去，省了带宽，降了延时，还稳。
调完教学：把这个坑放进新课纲里
这次之后，我直接把原来大纲里一笔带过的内容，改成了边缘侧本地数据运算处理必做设计练习，要求每个做智能机械项目的组，必须拿出本地运算和云端运算两个方案，对比延时、成本、稳定性三个指标，写取舍报告。
之前上课，我总喜欢讲概念，讲架构，现在才发现，学生不踩一次延时的坑，永远不知道为什么要做本地运算。哦，还有一个意外收获，原来用云端每个月要掏服务器钱，学生买个一百多块的边缘开发板，一次投入就搞定，成本降了快一半，对学生做毕设太友好了。
不过话说回来，很多人提起这个技术，就觉得要很贵的硬件，其实不是，现在几十块的开发板，跑个固定场景的工业任务，完全够用。我们做机械设计的，核心从来不是堆技术，是解决问题。现场流水线停一分钟，可能就是几千块的损失，你云端再准，延时一秒，人家也不会用你。
我现在改学生方案，第一句话就问：哪些运算可以放本地？别一上来就往云端跑。舒服。真的舒服。少绕那么多弯路，项目稳得不是一点半点。这半年教下来，学生做的项目掉链子的少了好多，原来一半的组会遇到网络问题，现在不到十分之一。很多学生做完说，原来还有这么爽的解法，之前怎么没想到。对啊，就是打破惯性而已。没那么复杂。
