零售门店 — 收银台上认货，后厨里查规范
自助收银视觉核对、货架陈列、晨检与行为分析，全部在门店本地跑完。
SECTION 02 / SOLUTIONS
解决方案
01
02
工业制造 — 产线旁边的检出，不等云端
外观缺陷检测与工位 SOP 合规，判定在产线本地完成，不占带宽、不排长队。
03
园区安防 — 几百路视频，事后能翻得出来
多路接入、结构化存储与检索，为事后回溯而设计，而不是为了大屏好看。
04
设备与平台 — 装完只是开始，运维才是成本
设备纳管、批量升级、远程诊断，按客户要求独立部署在自己的机房里。
SECTION 03 / WHY EDGE
为什么是端侧
01
断网可用 — 网络断了，识别还在
门店宽带抖动、产线不许联网、园区内网隔离——这些都是常态。端侧推理不依赖外网，掉线只影响报表，不影响当下这一单。
02
数据不出场 — 画面留在本地
顾客影像、产线工艺画面属于敏感数据。识别在本地完成，只把结构化结果上报，原始画面不离开现场设备。
03
一套底座 — 零售、工业、安防同一套引擎
识别、比对、检索共用一套端侧引擎与模型工厂，换场景是换模型与流程，不是重做一套系统。
SECTION 04 / PRODUCTS
产品
形态
名称
说明
算法与 SDK
端侧识别 SDK
Android 与 Linux 双端集成，离线推理，模型与本地商品库绑定
应用客户端
AI 收银客户端
自助收银台上的认货与防损，断网也能完成本笔交易
应用客户端
晨检终端
上岗前的人员与卫生检查，端侧判定，云端只收统计
设备与平台
筋斗云设备平台
设备纳管、版本下发、远程诊断，可独立部署在客户机房
设备与平台
标准硬件
算法盒子与一体机，预置运行环境，接上相机就能出结果
算法与平台
算法 PaaS 底座
数据、标注、训练到端侧部署的工具链
SECTION 05 / CASES
客户案例
CASE 01
连锁烘焙 — 自助收银台的无条码认货。
商品现烤无条码、门店网络不稳、收银台不能等；模型与商品库放本地，认货与单据本地闭环。
CASE 02
精密结构件 — 产线旁的外观检测。
反光、油污、小缺陷，固定成像 + 分区检测 + 分类型阈值，判定在产线旁完成。
CASE 03
制造园区 — 多路视频的事后回溯。
先做接入与时间对齐，再按事件检索，把"有没有发生"变成"在哪一路、哪一秒"。
CASE 04
团餐后厨 — 晨检与规范核对。
检查项固化成端侧判定流程，结果带时间与画面摘要上报，异常当天可见。