数字时代的物联网正成为构建下一代智慧生态的核心，这一技术的深度与广度，涉及从设备连接、数据交互到智慧决策的全过程。然而，如何在确保这些过程高效、稳定的同时简化开发流程，是很多技术人员面临的难题。
上期播客我们和 ILLA 创始人龙博畅聊了对低代码工具的理解和离职创业的故事，本期播客我们有幸邀请到「边无际 Edgenesis」的创始人和 CEO——陈永立，他为我们揭示了其核心产品「Shifu」解决这一难题的始末。作为一个专为产业 IoT 设计的开发平台，「Shifu」不仅实现了物联网开发的模块化和软硬件的解耦，还为开发者提供了一站式的解决方案，从应用开发到设备管理，一应俱全。
让我们一同深入这次对话，探索「Shifu」背后的技术创新，感受物联网开发的新进程。欢迎大家关注「持续集成」，更多播客上新敬请期待。
[07:52] 物联网行业的发展模式是怎样的？
[14:20] 数字孪生和它的应用场景是怎么样的？
[24:49] 物联网行业的开源和商业化如何区分？
[32:34] 「边无际」的用户群体如何定位？
[43:38] 开发端如何对接不同的硬件厂商呢？
[55:16] 「边无际」未来还有哪些新兴的应用场景？
如果你也是基础软件或者开源领域的从业者、爱好者，也想和我们聊聊你的经历。可以微信搜索“持续集成”，私信我们立即投稿，一起共创！
「边无际」是一家什么样的公司
永立: 「边无际」是一家做物联网和边缘计算底层基础软件的公司。 举一个简单的例子，物联网里边有各种各样、不同生态的设备，集成到一起是一个难题，我们需要一个操作系统来解决这个问题，而提到操作系统，大家可能最先想到的就是 Windows、iOS、安卓等这一类 to C 的操作系统。但对于我们搞技术的人来说，操作系统更多的是一个开发平台。
德福：简单定义说，它是一个物联网设备的操作系统，是这样吗？
永立: 对，但它是一个泛操作系统的概念。比如一个 iOS 的开发者不用管开发中用到的摄像头是什么牌子的、5G 芯片是什么牌子的、Wifi 芯片是什么牌子的，就直接调一下 iOS 给的接口就可以了。类比一下，就是使用我们的产品以后，物联网的开发者也不用关心具体的硬件型号，就直接调我们给他开出来的接口就可以了。
晓敏：永立，我了解到你之前好像没有从事物联网领域，那你是怎么想到这样一个点子的呢？
永立：2018 年我在微软工作，微软当时有一个战略的改变，原来叫「移动为先，云为先」，后来改成叫「智能云和智能边缘」。它的主要区别在于加了一个智能、一个边缘，智能就不用说了，AI 大家都知道对吧？然后边缘就是边缘计算，就是说未来会有 95% 的数据在边缘处理，只有 5% 在云上处理，边缘计算是一个比云计算要大得多的市场。我当时在微软就比较关注这一方面的动向，所以就去研究边缘计算了，但发现这个领域很难高速成长，而很难高速成长的主要原因就是物联网底层的碎片化。碎片化也意味着这是一个很大的痛点和机会，我在这方面又有一些积累，所以就出来做这家公司了。
我一开始在微软是做全球核心网络的，就是 K8s 里边的各种网络组件；还和 OpenAI 一起为 ChatGPT 突破了大模型在 K8s 集群上规模的限制，相关成果和历程发表在了 OpenAI 的工程博客上；也负责了 AKS 从 0 到 1 的工作。基于对这方面的经验积累和兴趣，就萌生了建立「边无际」的想法。
物联网行业的发展模式是怎样的
永立：因为每个物联网的设备厂商都想掌握一套话语权，就自己玩自己的那一套，不管最终怎么集成，反正我就卖我的设备就完了。每个人都自己占一个山头，这样的话到最后真正把它串起来做集成的人是非常痛苦的，因为真正提供价值的是应用，是一定要把所有的东西都集成起来的，要不然没有意义。
晓敏：听上去就是物联网行业的硬件厂商、或者说整个行业里面没有标准。我能理解你们面向的用户应该是开发者，然后开发者通过你们这套平台开发出来一些跟物联网相关的应用，再把应用卖给 B 端的客户，所以这两个都是你们的用户群体。那我在上层开发的软件，比如用到的硬件是摄像头，这样也不用太关心摄像头是什么牌子的？
永立: 对，无论最终你接什么样的品牌，都会通过平台接到统一的 API 层上去。
晓敏：这让我想起海外有个专门做 SSO 聚合的，叫 Okta。因为 SSO 的登录标准特别多。不同厂商可能至少有上百种，他就是把所有东西都聚合了，然后对外提供一个统一标准的 API。他是一家做得很大的上市公司，但在国内就很少听说做这样的事，海外特别多，因为海外分工更明确。然后大家也特别习惯地买一些开发者工具之类的，像我们以前接触的 ERP 领域，里面有很多做这种生意的，下面有很多的供应商。但是可能就像刚才永立说的，我们换一个供应商，那上面企业内部的 ERP 团队就要重写很多代码，所以就需要有一个中间商出来把中间 API 聚合层做了，那开发者只要基于聚合再去做就好了，这样他也不用担心下面供应商的替换了。所以你们现在平台上也有专门的软件供应商吗？
永立：对的，我们软件也有合作伙伴，硬件也有合作伙伴，因为我们是中间层嘛。
晓敏: 你们有一个场景化的概念——数字孪生，但是现在好像大家能接触到的场景还比较少，永立能讲一下吗？
永立: 这是个特别好的问题，但是数字孪生还没有明确的定义，理论上有，但是很多时候被带偏了，尤其是所谓做大屏的厂家给出的错误示范。我来解释一下目前市面上的数字孪生，据我了解这个市面上有一大半的数据可能都是假的，就直接拿出去在大屏上做一些展示。实际上它真正数字孪生是干嘛呢？是可以把真实世界、物理世界里的数据同步到数字世界里边，一些处理之后做出决策，然后再反向推送给物理世界，让它能达到所谓的理想状态，是感知决策执行的闭环过程。
举个例子，大众他们前段时间做的一个工厂，投入非常的大，就是用这种方式来做的。和我们做的方式都很像，它不是把每一个设备都虚拟化成 K8s 的 Pod，而是先构建一个虚拟的工厂，它是买了一个新的实体设备，把原来那个虚拟设备的 K8s 的 Pod 下线，然后连到它那个设备里一个一个地换，最后换完了就是一个完全真实的工厂了，也可以直接连在它系统里，这个想法很有意思。
晓敏：那它实际提供的价值是什么样的？
永立：如果不在虚拟世界里边调试，在真实世界里边直接调试的话，这个成本非常大。再有一点，这样的开发是断开的，可能就造成所谓的没有持续集成，就可能数字世界里边开发一遍，然后直接一下全换到物理世界里边，就发现完全不是那样的，就也不 work，所以是一步一步地去换。但是你想做这件事，那 K8s 确实是一个最好的底座。
晓敏：数字孪生除了说实体跟虚拟之间有个匹配之外，实体还可以跟数字世界的另一个东西连接，其实它们俩在一个世界里面了，比如说 a 的下游本来是 b 的，这样它俩都是实体去连的，但很可能 a 的下游变成一个虚拟的数字化的东西了。除了 API 层的这种兼容以外，还需要对它本身这个 b 行为的所有东西做出模拟吗？
永立：这个其实看最终的用途，具体的模拟或者仿真到什么程度是根据最终的应用场景来决定的，因为仿真本身是一个成本很高的工作。像这一个云台，数字世界里无所谓，我可以随便往上加嘛？，转 10 度、 20 度、 30 度都可以，但是可能真实的物理设备转不动了，对吧？你做这些事情就要求你的反馈也得是真实的。
唯一的可能就是假设只有虚拟设备，感知不到真实世界的外部信息，它只能模拟。假设有一辆车在那开着，只是虚拟的车在开着，只能通过以前的数据来猜测，如果不连接物理世界数据的话就是传统的仿真。那现在「边无际」除了提供 API 的兼容层以外会考虑到数字孪生，每一个设备都会被虚拟化成一个 Pod。这个 Pod 和这个设备就是双向且实时连接的仿真，算是这上面的一个插件、或者一个应用，那仿真就是下一步了，所以最底层可能是云原生的一套架构。然后上面就会出现很多不同供应商、厂商 API 的兼容层，然后在网上就可以去做不同设备的 Pod，一一对应去分层，再往上就是 AI。
物联网行业开源和商业化如何区分
永立：我觉得这个未来肯定会颠覆硬件开发的，传统硬件是先买硬件设备反复调试，然后独立地先去调试每一个硬件，再去组到一起，就不需要再去买那些板子，现在可以反过来去做，尤其是对于大项目的集成。我可能有一堆硬件，我怎么把它串起来呢？来回去调试吗？这个成本是巨大的。
德福：现在你们是已经有产品可以这样做了吗？
永立：我们有一个框架，但还没有达到产品的程度。虽然开发的门槛跟难度已经降低了，但是我们除了已经开源的产品，还有一些商业化的产品会易用很多。因为开源本身它就是一套框架，你要去用起来肯定是很难的，但是核心的东西都在里边，只不过商业的版本更好用、更简单易用。
晓敏：之前跟很多做 Infra 的朋友聊过开源跟商业化之间的关系。如果没有开源，可能软件世界发展得没那么快，但是开源必然会带来商业化上的困难。一家 Infra 的企业很难清楚地割清楚哪些应该开源，哪些应该闭源，但是一家商业公司最终还是要赚钱，权衡好利弊还是挺难的，目前来讲大家普遍接受的是在开源的第一天就做好手术刀式的切割。但是开源还是个趋势，Infra 这个领域一定会开源，永立你怎么看这个的？
永立: 我的逻辑比较简单，核心的部分一定要开源。因为你是 Infra，核心不开源别人怎么相信你，对吧？因为首先 Infra 本身使用了大概率就不换，那么一开始选择的时候就会很谨慎。那一定要考虑是否供应商锁定，开源的话供应商锁定的问题就可以有很大程度的缓解，而且你核心得开源。那么我站在客户的角度上来想这件事，就是他怎么能更相信我？那就是我把最核心的部分开源，哪怕「边无际」不在了，他自己也可以维护。比如说易用性或者一些这个大企业需要的安全和合规的功能一般都是付费的，我站在甲方的角度上来说这些东西让我买单是完全 OK 的。
德福：从个人付费角度来讲，通过开源去展示能力很好，但是不一定很懂怎么用这套系统，虽然我自己也可以去摆弄这个东西，那你最终提供的价值是啥？是服务价值吗？比如肯德基的原味鸡可以买回去用高压锅炸，但是你在家很难折腾，想做出一样的味道需要买设备和定时，这个工艺流程很复杂。我要投那么多成本不如就加点钱，其实就是 SaaS 服务的模式。
永立: 我觉得德福说的这点特别好，就是 SaaS，全称叫 Software as a service，其实应该叫 Service as a software，你把服务给包装成一个产品、软件提供给客户。对于很多客户来说，他其实不需要软件，他需要的是服务。
「边无际」的用户群体如何定位
晓敏: 前面提到「边无际」有两拨用户群体，一拨是大众的开发者，基于平台做完之后给 B 端的用户去用，还有一拨是已经在 B 端的团队，你们现在聚焦在哪一个群体更多一点？
永立：后者多一点，因为我们的服务首先偏向体量大一点的客户，毕竟一个比较新的产品有一定的风险。那决策者选择产品的时候要能看到产品的未来价值，所以他要有前瞻性。第二点就是要有足够的风险承担能力才会选用一个创新的 Infra 产品，所以同时满足这两点的基本都是 500 人以上的大企业。
晓敏：那咱们在这里边的机会是什么呢？
永立：越大的客户业务线就越多，最终的场景就越多，常规的供应商很难覆盖他们超过 10% 的诉求 ，基本 90% 都是外边不同的供应商来提供的。举个不太恰当的例子，海康和大华这两家已经是摄像头里边绝对的龙头老大了，对吧？他们加起来的市占率其实 10% 都不到，没有任何一家企业能从头到尾把一个 500 强企业的各种需求给搞定。如果我是某家硬件企业，我要是能从头到尾地覆盖所有需求，那规模应该比 n 个 500 强加起来还要大的一个公司才能做得到。
晓敏: 所以你们现在接触到的硬件会有多少种？单一环节的设备供应商多吗？
永立：肯定上千种，光接触一个生物的场景，就是一个合成生物的实验室都有上百种设备。不光是单一环节的不兼容性，更是解决它最终集成的不兼容性。比如说生物实验室有很多专业设备，有酶标仪，可能也有机械臂、AGV，这些东西都是不同品牌的，但只有这些东西完全串在一起了以后，他才能把这个实验做完，所以每一环都要集成，这 100 多种设备的集成对于一个非专业的人士或者团队来说是很大的工作量。任何的自动化产线都需要所有的设备协同起来才能把这件事完成，任何一个产线缺了中间一环，这个东西到最后都造不出来。比如像酶标仪就非常特殊，但是摄像头、机械臂会更通用一点，起码供应商种类比较多，然后这个东西的标准也更容易确定下来。
晓敏：那这两类的设备你们会有什么不同的标准？
永立：其实我们完全不制定标准，制定标准是物联网割裂一个很大的原因。每个人都想做一个标准，到最后谁都不跟谁玩。C 端一个简单的例子，华为我搞一鸿蒙，但是你看小米可能跟华为玩吗？那小米绝对不可能用鸿蒙系统的。如果不标准的话，开发者有统一标准的需求了，也就是我们能提供的价值，然后我们给到开发者的其实是一个框架，他可以自己制定自己的标准。
开发端如何对接不同的硬件厂商呢
晓敏：成百上千个硬件厂商有不同的 API，你们要去对接是很大的工作量，有什么解决办法吗？
永立：我们自己有内部工具让我们把对接各种协议的工作变得标准化，我们最近马上就要发布的一个产品叫 IoT driver Copilot，这个产品的作用就是微调 GPT 以后它可以调用我们以前积累下来的能力和知识，然后自动地把设备驱动给写好。我们现在自己写了上千款设备驱动了，公司也刚成立两年，平均每天写不止一个，这个效率很高，因为对我们来说已经简化到小时级就可以搞定，当然未来这个工作会尽量多地去交给 AI。
晓敏：如果你有了 Copilot，其实底层不兼容的东西还是有问题，对吧？
永立：Copilot 的工作原理挺有意思，首先我们有一个学习过很多设备驱动的模型，你用的时候它会有一个问卷问你设备的各种信息，你也可以上传设备的说明书或者 SDK 等等，然后你再把这些东西全都给这个模型的 Copilot，就会把最终的驱动代码给你写出来。我们和其他所谓的物联中台还有一个巨大的区别，就是我们的颗粒度细到每一个设备的 K8s 都是专门针对某种设备的，所以针对这个型号 100% 适配，100% 可复用。
德福：对啊，但是问题是你怎么解决海量设备的型号问题？
永立：有些是用户自己写的，或者我们平台也会提供有常用的设备。买了一些设备之后，可以先去找有没有你们写好的，没有的话现在就两种方案，一个是自己去写，再有一个就是委托给我们，我们帮你把这个东西搞定。
晓敏：刚刚聊到你们出了 IoT driver Copilot，这个是跟 AI 密切相关的。那你们在做产品的时候还、有什么跟 AI 结合的落地场景吗？
永立：2021 年在「奇绩创坛」孵化的时候，我当时跟陆奇博士这么说的——以后这个世界肯定是一个以人的意志定义的，就是你脑子里想什么，环境就会变成什么样。就是人的想法通过脑机接口到 AI 这个层面，然后 AI 做 NLP 的处理，最后把它转化成各种 API 的调用，而 API 的调用我们已经做好了，产品到我们这一层再去控制各种各样的设备，这样的话就能实现真正地用人的意志来改变整个世界了。
晓敏：感觉是好像每个人都有自己的一个世界，每个人都是自己世界的神。
「边无际」未来还有哪些新兴的应用场景
晓敏：有个朋友特别喜欢玩 3D 打印，但是要花很长时间，是一条比工厂要更微缩模型的流水线，也有摄像头要盯着它，那个朋友打印了很多的手办和键盘，那 3D 打印的想象力会不会在你们这上面也有一些结合？
永立：确实是这样的，我刚刚说的生物实验室其实就有 3D 打印，我觉得 3D 打印可能以后是很重要的一环，但是很难生产制造，因为生产制造的效率还是太低，更多的还是用那些工艺。但是 3D 打印的好处在于所谓的柔性，可以想打什么就打什么，特别适合需要灵活变化的研发场景。未来可能大家讲得比较多的是 C2M, the customer to manufacturing。客户提了需求，立刻传到工厂端生产，也是一个潜在的应用场景，但是稍微还有一些路要走。
晓敏：这个 Copilot 是什么样的？预计什么时候发布？
永立：是个 SaaS 产品，背后一定要调用我们自己的那个 fine tuning 的模型。其实已经快进入这个 closed beta，正在封闭测试。我觉得要真正能拿出来使的话，明年的 Q1 差不多。
晓敏: 「边无际」已经把很多的设备变成 Pod 了，那有没有可能再出现一些场景？比如说家里边做一个猫自动饮水的整个环节，或者是监测的环节。几个 Pod 集合模拟出来场景，我就去你平台上调试一下，调通了之后一键生成采购单就去买硬件，反正你支持的硬件可以直接寄过来给我。
永立：还真是英雄所见略同，我之前真的有过这种想法。其实对于我们来说，往上做到采购层面的话，对于客户最终提供的价值是更高的，现在就是研发资源有限。
德福：这是很理工科的浪漫，就是你自己想做一个东西，平台最终以解决方案的形式给到 C 端用户甚至产品化是非常受 C 端客户青睐的。小米就设计了一个猫饮水的装置，软件跟硬件搭配在一起，可以卖给小米也可以分个成，或者就在你们那上架，软件加上硬件一起卖，就是个 marketing case。我就有过很多想法，比如我们家冰箱很多东西突然就过期了，希望冰箱上有一个可扫描、打印的东西提醒我哪个要到期了，哪个东西怎么做。但是实现起来我发现路径坎坷很多，如果有个平台让我仿真来找到设备和解决方案就会非常方便。
如果这个东西出现的话，其实大部分的东西只有少数的创造者，大部分人都是使用者。如果我们平台可以供给创造者去发挥空间，然后组装出一些端到端的解决方案，其实是非常合理的。
永立：我原来把 marketplace 直接做到产品里边了，但是后来觉得还太早，就先把这个东西又撤回来了。B 端也有模板可以卖，甚至在产品化做得足够好的时候把这个东西开放出来，那 C 端大家都可以自己玩起来
永立：说实话我周边把家庭里边变成智能家居的人兴趣很高，但是他只会买单品，比如说买一个灯叫他起床，中间拿一个百度音箱或者小米音箱去呼唤它，只有这一步而已。现在来讲，对于个人消费者比较困难的事情就是安装一整套东西。标准化其实是释放创造力的一个基础。标准化做得越好，你越容易去释放创造力。如果有一天咱们「边无际」的组件能够拼起来的话，对于激发个人开发者的潜力还是有很大价值的。
这期节目更深入地探讨了物联网新星「边无际」的创业萌芽和未来展望，了解更多低代码相关请跳转上期播客。欢迎大家给我们来信交流讨论，也非常感谢大家的支持，欢迎持续关注我们的播客节目，我们将为大家带来更多更精彩的内容。
