端侧AI这么火，RFID企业可以怎么玩？

最近1年，在资本市场，端侧AI的概念很火热，其中，最直接受益的就是我们行业中做无线通信的芯片与模组企业，头部上市企业在最近1年的股价表现十分亮眼，我们大致进行了一个统计：

可以看到，在过去1年，通信芯片与模组上市公司的股票基本都翻倍，部分企业都涨了好几倍，虽然有大盘整体在变好的因素，但这个涨幅也远超大盘，由此可见，资本市场对于端侧AI这个概念的看好。

而这个概念之所以被资本市场看好，其底层逻辑有两个：

第一个：它能带来新的增量市场，比如AI玩具、AI游戏产品、AI眼镜、随身AI设备等消费级AI终端，这些终端的潜在量也很大。

第二个：扩大存量市场的蛋糕，并且是突破内卷的一个手段，现在市场的Wi-Fi、蓝牙、UWB、蜂窝通信等芯片加入大模型或者NPU之后，单价可以卖得更贵，技术门槛也相对会更高一些。

这样的增量逻辑，在部分企业预告的2025年Q1财报中得到了验证。

今天我们要探讨的话题是，对于RFID企业来说，如何跟AI结合起来并且能给RFID产品与方案带来哪些价值。

事实上，RFID行业的企业有很多已经在研究这个方向，基于我们的调研了解，RFID的产品与AI结合的点主要有2个层面，即软件与硬件层面。

在硬件层面，一般是在RFID读写器终端上加一个小算力芯片（或者NPU），让读写器产品具备了AI能力，在一些项目中，RFID读写器的数量比较多，如果每台读写器都加上算力芯片的话，成本就比较贵，因此，也有企业做成边缘计算盒子的产品形态（融合了网关+端侧算力+大模型等），在一个项目中只需要一台边缘计算盒子，将所有的读写器数据汇总到盒子即可。

在软件层面，目前看起来又有两种。

第一种是基于AI算力，植入成熟的大模型（豆包、Deepseek等），让RFID读写器产品更方便进行交互，比如在做库存盘点的时候，要知道库存里面有哪些产品，每种产品的库存数量有多少等，现有的方案是需要操作人员在一台电脑上登录系统，然后调出数据进行搜索查阅，而加上AI之后，就可以直接语音交互，操作人员语音唤醒之后，直接问你想要了解的库存信息，会便捷很多。

第二种是基于对目前RFID射频信号的了解，单独训练一些行业模型，以此来解决纯射频技术解决不了的业务问题。

因为RFID是一套无源的射频技术方案，其优势我们就不多做赘述，但是无源的产品一个老大难的技术难题就是读写器读取标签的准确率。RFID读写器对于标签的读取准确率会受到很多条件的影响，比如：读写器发射功率、标签芯片与读写器芯片的灵敏度、标签与读写器的距离、标签贴在物品上的位置与方向、周围环境的遮挡、标签的数量大小、标签移动的速度等等。

在很多应用场景中，对于RFID标签的读取准确度要求是100%，但在实际应用中，即便是RFID方案商费尽心思，也无法保证100%的准确度，因为射频技术的物理特性就是如此，而借助AI模型或许是一个很好思路。

当然，这样的AI模型跟市场上的通用模型是不一样的，需要RFID方案商根据具体的业务场景进行大量的训练，才会有比较好的效果体验。

这其实也是AI的产业价值，除了当前热门的各种AI工具之外，在各个垂直产业中，AI也能发挥出独有的价值，目前IoT产业已经在连接总量上形成了较大的规模，但是连接之后，这些数据能发挥多大的商业价值，还在探索中。比如目前UHF RFID标签每年的量已经达到了570亿PCS的级别，已经是一个非常庞大的数字，如果借助AI的力量，充分挖掘出它的数据价值，或许比卖硬件能产生更多的商业价值。

PS：最近，我们AIoT星图研究院启动了《2025中国RFID无源物联网产业白皮书》的调研，欢迎业界的朋友参与。