下载掌阅APP，畅读海量书库
立即打开
物联网（Internet of Things，IoT）是指通过各种类型的传感器件，借助特定的信息传播媒介，实现物物相连、信息交换和共享的新型智慧化网络模式。物联网概念的出现源于20世纪90年代前后，是信息时代互联网出现之后最为重要的网络空间（Cyber Space）基础支持技术之一。物联网最早以“传感网”方式被提出，强调在各种传感器之间组成网络以便实现大规模的全面感知。感知是整个信息时代计算思维的起源，一切的控制、计算、智能都以对真实物理世界的数据化感知为起点和终点。一方面，各种计算的输入都来自物理世界运行状态感知到的数据；另一方面，智能计算和控制反馈的最终结果也需要通过对感知到的运行状态变化来进行确认。传统意义上，物联网最重要的任务和使命便是为“感知”进行服务。
随着通信和计算技术的高速发展，网络的边界正在以超乎想象的速度扩张，向着完整覆盖物理世界的元宇宙方向迅速逼近。需要感知的信息种类和规模迅速膨胀，可以进行感知的设备种类也从传统的传感器网络节点演变为手机、摄像头等嵌入式设备。据华为全球产业展望（GIV）预测，到2030年全球连接的设备数量将达到1000亿。时至今日，物联网已经从一种感知方法和技术变为智慧社会的公共基础设施之一。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》也对物联网提出了针对性的发展要求和思路。
从最开始的“物物相连”到现在的“万物互联”，在万亿传感网络节点背后蕴含着巨大的机遇和挑战。海量的物联网感知设备带来了海量的数据，其中蕴涵的数据价值也得到了前所未有的重视，而突破传统抽样统计进行数据分析的大数据问题应运而生。在大数据和高速增长算力支撑下的模式识别、机器学习等人工智能（Artificial Intelligence，AI）技术取得了长足的进步，已经成为新一轮科技革命的重要驱动力，算力、数据、算法的计算范式正在颠覆从制造加工、交通运输到生活消费的每一个行业。AI与IoT相辅相成的融合特点日益凸显，AIoT也由此浮现到我们面前。
2017年11月28日，在“万物智能·新纪元——AIoT未来峰会”上，研究者首次公开提出了人工智能物联网（Artificial Intelligence of Things，AIoT）的概念。AIoT是人工智能和物联网的融合应用，两种技术通过融合获益，相辅相成。一方面，物联网通过互联海量终端获取了大量可分析的数据对象，为人工智能算法的研究提供了海量异构的数据基础；另一方面，人工智能帮助物联网智慧化处理海量数据，对异构多源的数据进行深层次的挖掘和分析，完成了智慧决策、智慧控制等操作，不但极大程度地解决了“数据孤岛”问题，而且提升了物联网的应用价值。简言之，AI让IoT拥有了“大脑”，使“物联”提升为“智联”，而IoT则给予AI更广阔的研究“沃土”，将“人工智能”推向“普适智慧”。
在落地的场景方面，AIoT的应用范围相当广泛，既有因为算力限制将各种智能处理和计算移植到终端的物联网设备上执行的边缘计算场景，例如可以进行人脸特征提取甚至在本地进行人脸识别的摄像头，也有可能是IoT将处理来的数据直接上传至云端交由无服务器计算机框架直接进行智能化处理的云创新场景。因此，本书将AIoT界定和诠释为一种人工智能与物联网融合的新型融合技术框架。
无论是哪种AIoT的应用形态，IoT都是AIoT的基础设施，它通过遍布于边缘侧的传感器设备和嵌入式感知节点实现万物互联，并实现对环境态势的实时感知与数据采集，从而获取大量数据，为AIoT提供了大数据的来源；而AI是AIoT智慧决策与控制的工具，AI提高了传统IoT决策的科学性和准确度，这些优势来源于AI对问题精准的建模和对数据的高效分析，在AI的指导下也解决了传统方法无法解决的复杂问题。另外，由于融合AI的IoT应用通常要求物联网设备具有一定的算力，因此AIoT常常与云计算、边缘计算等IT基础设施平台进行融合。
目前，AIoT已经在多个应用领域实现了落地，如智慧停车场、智能家居、智能监控、智能建筑、智慧交通、智能仓储物流、设备健康管理、智能调度能源、可交互消费智能硬件等。艾瑞咨询发布的《2020年中国智能物联网（AIoT）白皮书》提出了2025年的产业瞭望：预测AI家庭管家将实现智能家居交互方式的无感化和跨终端的无缝体验，预计2025年超过65%的中国家庭会拥有AI管家，并且一户家庭可以拥有10台具备AI感知能力的设备，人机交互方式也会从物理遥控、触摸屏App逐渐演变到语义控制和自主大脑无感控制；智慧人居预计可以提升5000万人的居住体验。到2025年全国90%的社区会采用智能车牌识别停车；在工业制造和智慧城市等方面，2025年人机协同可使7万家工厂、630万名制造从业者受益，巡检机器人、智能公共停车系统、城市大脑智能运营系统等也会使日常生活更加便利。总之，AIoT是物联网和人工智能两项革命性技术相互赋能、融合的产物，也是未来数字化社会发展的必经之路。
物联网的概念早期见于比尔·盖茨的《未来之路》一书，书中提及了物物互联，但当时受限于无线网络、硬件和传感设备的发展，其中的描述并不清晰。1999年，美国麻省理工学院（MIT）的Kevin Ashton首次提出物联网（Internet of Things）的概念，同年MIT建立了自动识别中心，提出“万物皆可通过网络互联”，阐明了物联网的基本含义。在2005年的信息社会世界峰会（The World Summit on the Information Society，WSIS）上，国际电信联盟（ITU）报告指出，无所不在的“物联网”通信技术即将来临。此时业界开始存在相关共识：物联网将是继计算机、互联网和移动通信后，引领信息产业革命的一次新浪潮，也是未来社会经济发展、社会进步和科技创新方面最重要的基础设施之一，更是关系到未来国家安全的物理基础设施。2009年1月28日，IBM首席执行官彭明盛首次提出“智慧地球”的概念。同年8月，时任国务院总理温家宝提出了“感知中国”的战略构想，表示要抓住机遇，大力发展物联网技术。自此物联网在我国深入人心，并开始用于智能物流、智能交通、绿色建筑、智能电网、环境监测等领域。
AIoT的出现则始于是从物联网的云平台化，即各种物联网感知设备通过无线或者有线通信的方式将数据直接汇总到位于互联网中心的云平台上进行集中存储和管理。在这个阶段，物联网云平台更像是多种终端的设备管理平台，收集来的数据往往用于进行监控，而数据分析往往会交付其他云上的应用进行。这种架构形式时至今日在智慧楼宇、智能工厂等场景中仍然屡见不鲜。
之后便是利用AI对IoT相关设备充分赋能，与具备强大算力的云端AI一起，形成AIoT的框架，提供强大的整体性服务。尤其是在云原生这种淡化传统服务器架构的计算框架大趋势下，边缘计算设备、物联网操作系统等支撑性技术和产品正在不断丰富着AIoT的生态链，完善着整个计算框架。换言之，从云到端，从硬件到软件，从操作系统到应用平台，从数据到计算，AIoT的技术生态已经基本形成。
AIoT并不意味着AI和IoT的单纯技术叠加，而是智能与感知间的相互赋能。一方面，IoT能够源源不断地提供数据，为AI实现模型训练、提高精准性奠定基础；另一方面，AI也为IoT设备提供了更智慧的信息交互与分析的手段以及更丰富的应用场景。常见的AIoT研究主要从以下四个方面展开：感知层融合、操控层融合、应用层融合，以及安全及隐私保护融合。其中，感知层和操控层是应用的基础设施，感知层融合研究主要包括数据采集、数据分析、数据处理以及存储智慧化、异构感知设备智慧协同，操控层融合主要包括资源智慧化调度、异构物联网智慧协同、负载均衡、能耗管理、复杂事件智慧控制以及与云、边等计算范式的融合研究等内容。应用层融合主要包括智慧制造物联网、智慧农业、智能家居、智慧交通、智慧医疗、智慧社区等。安全与隐私保护研究主要涉及位置隐私保护、移动终端安全、传输媒介安全、信任管理、应用服务安全和数据与内容安全等。
受益于物联网技术的多年积累与近年来人工智能的快速发展，目前中国AIoT的市场规模在不断扩大。从投融角度便可见一斑，据艾瑞咨询发布的《2020年中国智能物联网（AIoT）白皮书》，2015—2019年11月，AIoT领域共发生1718起融资事件，总融资额达1919亿元，而从2015年到2018年的投资增速来看，投资事件数复合增速近14%，融资额增速高达73%，各种新创企业都在AIoT的风口抢滩布局，AIoT成为创投风口。另外，据中国信息通信研究院2020年发布的《物联网白皮书》，2019年我国物联网连接数全球占比高达30%，连接数为36.3亿，其中移动物联网连接数已从2018年的6.71亿增长到2019年底的10.3亿。截至2020年，我国的物联网产业规模已突破1.7万亿元。AIoT对实体经济的融合赋能，使AIoT整体业务未来可能享有十万亿元级的市场空间。受益于城市端AIoT业务的规模化落地及边缘计算的初步普及，2019年中国AIoT市场规模突破3000亿元。同时，由于AIoT在落地过程中需要重构传统产业价值链，过程中既要适应传统产业的特性、平衡传统产业链，又要与生态合作伙伴共同搭建最适宜产业AI赋能的架构体系，因此未来几年将处于较为稳定的发展节奏。
近年AIoT在实际应用中得到了快速普及。一方面是源于供给侧的不断成熟：人工智能硬件、芯片、算法、平台等技术的快速发展，使数据采集、数据存储和数据分析成本下降，降低了使用AIoT的成本门槛，而5G技术对AIoT的天然适性带来数据量的爆发，突破了AIoT的规模性技术瓶颈。另一方面是源于需求侧的强劲增长：消费领域个性化需求增强，消费者对智能生活助手等产品的便捷程度要求进一步提升，智能定制化产品大行其道；各个行业受环境影响对生产设备和系统的自动化、智能化需求旺盛，降本增效的意愿前所未有地迫切。
从AIoT当前的应用领域来看，物联网的智能化需求日渐迫切、价值日益凸显。在设备端侧，随着物联网应用行业的不断发展，数据实时分析、数据处理、数据决策和数据自治等边缘智能化需求日益增加。据IDC相关数据显示，未来超过50%的数据需要在网络边缘侧完成分析、处理和存储。在云上的业务服务侧，据GSMA预测，到2025年物联网上层的平台、应用和服务带来的收入占比将达到物联网收入的67%，成为价值增速最快的环节，而作为云端桥梁的物联网连接收入占比仅5%。在此仅以常见的数据挖掘为例进行分析，在AIoT中通过物联网采集而来的数据是超大规模的海量数据，依靠传统的人工观察和分析难以快速、有效地发现其中的规律，基于AIoT的数据挖掘可以运用关联分析、分类和预测、聚类分析、离群点分析、演化分析等方法快速从海量数据中获取潜在的、可解释的规律，以实现辅助决策。下面给出2个应用场景示例。
· 智慧农业，监控土壤等环境状况的传感器，将获得的数据通过物联网传输到云中心进行分析，以便根据农作物生长态势和环境的变化趋势进行及时干预和调控，以便达到预期生产目标。同时，AIoT采集的实时农业数据也可以为投资者或机构提供相关建议和预警。例如，在农产品期货交易中，大豆等作物的实时长势情况，便是各个金融机构进行多空交易的重要决策依据之一。
· 智能制造，现代制造和加工过程中不但伴随大量异构数据的产生和使用，更需要这些数据去控制和监控加工过程。AIoT通过各种监控设备和装置收集数据，以此监控每个生产环节的运行状态，进而实时监控与产品质量相关的各种状态，进而采取“停机”“变速”等不同的措施，以便达到保证质量、降本增效的目的。
在AIoT快速前行的同时，一些问题和挑战也不可避免地显现出来。首先是专用芯片发展速度滞后，专用芯片研发投入大、周期长，相比迭代速度，AI算法略显滞后；其次IoT的有限终端算力难以支持各种AI算法的直接部署，尤其在即时交互要求较高的场景中应用效果较差；同时安全和隐私也日益重要，AIoT应用需要对采集到的数据进行分析、挖掘或集成，尤其要将原本分布式和自主IoT设备中的数据进行集成，这些数据的维度和规模都在各种角度触及到了数据所有者的隐私。而数据窃取、数据滥用和数据误用的风险也将一直存在。