最近1年，在資本市場，端側AI的概念很火熱，其中，最直接受益的就是我們行業(yè)中做無線通信的芯片與模組企業(yè)，頭部上市企業(yè)在最近1年的股價表現十分亮眼，我們大致進行了一個統計：

可以看到，在過去1年，通信芯片與模組上市公司的股票基本都翻倍，部分企業(yè)都漲了好幾倍，雖然有大盤整體在變好的因素，但這個漲幅也遠超大盤，由此可見，資本市場對于端側AI這個概念的看好。

而這個概念之所以被資本市場看好，其底層邏輯有兩個：

第一個：它能帶來新的增量市場，比如AI玩具、AI游戲產品、AI眼鏡、隨身AI設備等消費級AI終端，這些終端的潛在量也很大。

第二個：擴大存量市場的蛋糕，并且是突破內卷的一個手段，現在市場的Wi-Fi、藍牙、UWB、蜂窩通信等芯片加入大模型或者NPU之后，單價可以賣得更貴，技術門檻也相對會更高一些。

這樣的增量邏輯，在部分企業(yè)預告的2025年Q1財報中得到了驗證。

今天我們要探討的話題是，對于RFID企業(yè)來說，如何跟AI結合起來并且能給RFID產品與方案帶來哪些價值。

事實上，RFID行業(yè)的企業(yè)有很多已經在研究這個方向，基于我們的調研了解，RFID的產品與AI結合的點主要有2個層面，即軟件與硬件層面。

在硬件層面，一般是在RFID讀寫器終端上加一個小算力芯片（或者NPU），讓讀寫器產品具備了AI能力，在一些項目中，RFID讀寫器的數量比較多，如果每臺讀寫器都加上算力芯片的話，成本就比較貴，因此，也有企業(yè)做成邊緣計算盒子的產品形態(tài)（融合了網關+端側算力+大模型等），在一個項目中只需要一臺邊緣計算盒子，將所有的讀寫器數據匯總到盒子即可。

在軟件層面，目前看起來又有兩種。

第一種是基于AI算力，植入成熟的大模型（豆包、Deepseek等），讓RFID讀寫器產品更方便進行交互，比如在做庫存盤點的時候，要知道庫存里面有哪些產品，每種產品的庫存數量有多少等，現有的方案是需要操作人員在一臺電腦上登錄系統，然后調出數據進行搜索查閱，而加上AI之后，就可以直接語音交互，操作人員語音喚醒之后，直接問你想要了解的庫存信息，會便捷很多。

第二種是基于對目前RFID射頻信號的了解，單獨訓練一些行業(yè)模型，以此來解決純射頻技術解決不了的業(yè)務問題。

因為RFID是一套無源的射頻技術方案，其優(yōu)勢我們就不多做贅述，但是無源的產品一個老大難的技術難題就是讀寫器讀取標簽的準確率。RFID讀寫器對于標簽的讀取準確率會受到很多條件的影響，比如：讀寫器發(fā)射功率、標簽芯片與讀寫器芯片的靈敏度、標簽與讀寫器的距離、標簽貼在物品上的位置與方向、周圍環(huán)境的遮擋、標簽的數量大小、標簽移動的速度等等。

在很多應用場景中，對于RFID標簽的讀取準確度要求是100%，但在實際應用中，即便是RFID方案商費盡心思，也無法保證100%的準確度，因為射頻技術的物理特性就是如此，而借助AI模型或許是一個很好思路。

當然，這樣的AI模型跟市場上的通用模型是不一樣的，需要RFID方案商根據具體的業(yè)務場景進行大量的訓練，才會有比較好的效果體驗。

這其實也是AI的產業(yè)價值，除了當前熱門的各種AI工具之外，在各個垂直產業(yè)中，AI也能發(fā)揮出獨有的價值，目前IoT產業(yè)已經在連接總量上形成了較大的規(guī)模，但是連接之后，這些數據能發(fā)揮多大的商業(yè)價值，還在探索中。比如目前UHF RFID標簽每年的量已經達到了570億PCS的級別，已經是一個非常龐大的數字，如果借助AI的力量，充分挖掘出它的數據價值，或許比賣硬件能產生更多的商業(yè)價值。

PS：最近，我們AIoT星圖研究院啟動了《2025中國RFID無源物聯網產業(yè)白皮書》的調研，歡迎業(yè)界的朋友參與。