A: AI tại biên xử lý suy luận thời gian thực và phản hồi mức giây trên dây chuyền sản xuất, còn AI đám mây xử lý huấn luyện mô hình, tổng hợp dữ liệu xuyên nhà máy và tối ưu chu kỳ dài. Hai bên tạo thành phân công “biên làm việc, đám mây tiến hóa”. Đánh giá ROI nên tách thành bốn dòng riêng - lợi ích thời gian thực, tiết kiệm băng thông và chi phí đám mây, hiệu quả lặp mô hình, và giảm thời gian dừng cùng tổn thất năng suất - rồi gộp vào một bảng dòng tiền ba năm.
Cụ thể, hãy theo năm bước dưới đây.
1. Trước tiên phân loại nhiệm vụ AI của nhà máy theo thời gian phản hồi thành ba loại
Loại thứ nhất phải cho kết quả trong mili giây đến hàng chục mili giây, như phát hiện khuyết tật thị giác, dẫn hướng và định vị cánh tay robot, và tránh vật cản của AGV; những việc này chỉ có thể chạy tại biên, vì một vòng lên đám mây cộng xếp hàng là quá chậm. Loại thứ hai ở mức giây đến phút, như cảnh báo bất thường rung động thiết bị và gợi ý điều chỉnh tham số quy trình, trong đó biên sàng lọc trước và đám mây kiểm tra lại. Loại thứ ba ở mức giờ hoặc lâu hơn, như so sánh năng suất giữa nhiều nhà máy, tối ưu lập lịch và mô hình hóa năng lượng, có thể chạy trên đám mây. Phân loại xong là biết nên mua loại tính toán nào cho xưởng và thuê loại nào trên đám mây. Một nhà máy điện tử đếm sơ bộ cho thấy nhiệm vụ kiểm tra thị giác chiếm phần lớn nhu cầu tính toán biên, còn lập lịch và phân tích chất lượng gần như hoàn toàn ở đám mây; trộn chúng vào một ngân sách thì chắc chắn lộn xộn.
2. Hạch toán đầu tư biên theo “chi phí tăng thêm cho mỗi dây chuyền”
Tiền cho AI tại biên chủ yếu vào ba việc: hộp suy luận biên hoặc máy tính công nghiệp, nâng cấp mạng tại chỗ, và nhân công triển khai cùng vận hành mô hình. Đừng tính một khoản đầu tư toàn nhà máy một lần; hãy tính chi phí tăng thêm cho mỗi dây chuyền hoặc mỗi trạm, rồi xem dây chuyền đó chặn thêm được bao nhiêu khuyết tật nhờ kiểm tra thời gian thực và tiết kiệm bao nhiêu giờ kiểm tra lại thủ công. Giả sử xưởng đúc áp lực của một công ty phụ tùng ô tô triển khai kiểm tra thị giác tại biên: chi phí cải tạo mỗi trạm có thể khấu hao trong hai năm và phân bổ vào từng chi tiết, rồi so trực tiếp với chi phí kiểm tra toàn bộ thủ công trước đây, và thời gian hoàn vốn sẽ hiện ra. Điểm mấu chốt ở đây là chỉ tính lợi ích do chính dây chuyền đó tạo ra, không ghi trước lợi ích phía đám mây vào tài khoản của biên.
3. Hạch toán đầu tư đám mây theo “tiết kiệm được gì và tái sử dụng được gì”
Hai nguồn giá trị của AI đám mây thường bị bỏ qua. Một là tiết kiệm chi phí băng thông và lưu trữ: nếu đưa toàn bộ video độ phân giải cao về đám mây để kiểm tra, chi phí đường truyền thuê riêng và lưu trữ đối tượng sẽ rất xấu, trong khi suy luận tại biên chỉ trả về kết quả và đoạn video bất thường, số tiền tiết kiệm là thật. Hai là hiệu quả tái sử dụng mô hình: một mô hình huấn luyện tập trung trên đám mây được phân phối đến các nút biên ở nhiều nhà máy, rút ngắn triển khai dây chuyền mới từ vài tháng xuống vài tuần, và giá trị thời gian đó nên được quy đổi thành chi phí nhân công. Với các giải pháp kiểu này, việc đường ống huấn luyện trên đám mây - suy luận tại biên có hỗ trợ quản lý phiên bản mô hình và phân phối kiểu canary hay không quyết định trực tiếp liệu lợi ích này có thành hiện thực được không.
4. Gộp bốn dòng lợi ích vào bảng dòng tiền ba năm
Bốn dòng là: giảm tổn thất năng suất và thời gian dừng nhờ năng lực thời gian thực, tiết kiệm phí băng thông và tài nguyên đám mây, tiết kiệm nhân công trong lặp mô hình, và tránh được tổn thất do dừng dây chuyền. Hãy liệt kê dòng tiền ra mỗi năm (khấu hao phần cứng biên, phí dịch vụ đám mây, nhân công vận hành) và dòng tiền vào (bốn mục quy thành số tiền), rồi tính NPV và thời gian hoàn vốn. Một lưu ý: đừng viết lợi ích năng suất bằng một tỷ lệ phần trăm phỏng đoán; hãy ngoại suy từ dữ liệu ba tháng trước và sau trên một dây chuyền thử nghiệm, nếu không bộ phận tài chính sẽ không chấp nhận.
5. Kiểm chứng trên một dây chuyền thử nghiệm trước khi mở rộng
Trước tiên chọn một dây chuyền có điểm đau rõ ràng và nền dữ liệu khá để thử nghiệm sáu đến tám tuần, ghi lại độ trễ suy luận tại biên, số lần phân phối mô hình từ đám mây và thay đổi số giờ kiểm tra lại thủ công. Khi thử nghiệm đã được chứng minh, hãy nhân rộng mô hình một dây chuyền sang các dây chuyền tương tự; chi phí nhân rộng thường thấp hơn nhiều so với dây chuyền đầu tiên, và ROI tổng thể khi đó trông tốt hơn đáng kể. Ba lưu ý: thứ nhất, đừng mua hộp biên như phần cứng dùng một lần rồi quên đi - nhân công vận hành mô hình phải được tính vào; thứ hai, định nghĩa trước giao diện dữ liệu đám mây - biên, nếu không chi phí tích hợp về sau sẽ ăn hết lợi ích; thứ ba, đánh giá ROI trong ít nhất hai năm, khớp khấu hao phần cứng biên với nhịp lặp mô hình.
Tóm lại: phân loại nhiệm vụ trước, rồi hạch toán riêng từng phía, rồi gộp dòng tiền, kiểm chứng bằng thử nghiệm và nhân rộng. Biên và đám mây không phải lựa chọn loại trừ nhau, và các tài khoản nên được tính riêng rồi xem xét cùng nhau.