下载掌阅APP，畅读海量书库
立即打开
随着人工智能技术的成熟和广泛应用，以“AI与IoT深度融合”为特征的AIoT受到产业界与学术界的高度重视。研究从IoT到AIoT的发展过程，需要了解AIoT发展的社会背景与技术背景。
1.社会背景
“十二五”期间，我国的物联网发展与发达国家保持同步，成为全球物联网发展最活跃的国家之一。“十三五”期间，在“创新是引领发展的第一动力”的方针指导下，物联网进入了跨界融合、集成创新和规模化发展的新阶段。
2016年5月，在《国家创新驱动发展战略纲要》中，将“推动宽带移动互联网、云计算、物联网、大数据、高性能计算、移动智能终端等技术研发和综合应用，加大集成电路、工业控制等自主软硬件产品和网络安全技术攻关和推广力度，为我国经济转型升级和维护国家网络安全提供保障”作为战略任务之一。
2016年8月，在《“十三五”国家科技创新规划》中，“新一代信息技术”的“物联网”专题中提出：“开展物联网系统架构、信息物理系统感知和控制等基础理论研究，攻克智能硬件（硬件嵌入式智能）、物联网低功耗可信泛在接入等关键技术，构建物联网共性技术创新基础支撑平台，实现智能感知芯片、软件以及终端的产品化”。在“重点研究”中提出“基于物联网的智能工厂”“健康物联网”等研究内容，并将“显著提升智能终端和物联网系统芯片产品市场占有率”作为发展目标之一。
2016年12月，《“十三五”国家战略性新兴产业发展规划》提出实施“网络强国”战略，加快“数字中国”建设，推动物联网、云计算和人工智能等技术向各行业全面融合渗透，构建万物互联、融合创新、智能协同、安全可控的新一代信息技术产业体系。
2017年4月，《物联网的“十三五”规划（2016—2020年）》指出：物联网正进入跨界融合、集成创新和规模化发展的新阶段。物联网将进入万物互联发展新阶段，智能可穿戴设备、智能家电、智能网联汽车、智能机器人等数以万亿计的新设备将接入网络。物联网智能信息技术将在制造业智能化、网络化、服务化等转型升级方面发挥重要作用。车联网、健康、家居、智能硬件、可穿戴设备等消费市场需求更活跃，驱动物联网和其他前沿技术不断融合，人工智能、虚拟现实、自动驾驶、智能机器人等技术取得新突破。
2020年7月，国家标准化管理委员会、工业和信息化部等五部门联合发布《国家新一代人工智能标准体系建设指南》明确指出，新一代人工智能标准体系建设的支撑技术主要包括：大数据、物联网、云计算、边缘计算、智能传感器、数据存储及传输设备。关键领域技术标准主要包括：自然语言处理、智能语音、计算机视觉、生物特征识别、虚拟现实/增强现实、人机交互等。物联网标准建设主要包括：规范人工智能研发和应用过程中涉及的感知和执行关键技术要素，为人工智能各类感知信息的采集、交互与互联互通提供支撑。新一代人工智能标准体系建设将进一步加速AI技术与IoT的融合，推动AIoT技术的发展。
2021年3月，《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》的第11章第1节“加快建设新型基础设施”中指出：推动物联网全面发展，打造支持固移融合、宽窄结合的物联接入能力。加快构建全国一体化大数据中心体系，强化算力统筹智能调度，建设若干国家枢纽节点和大数据中心集群，建设大型超级计算中心。积极稳妥发展工业互联网和车联网。加快交通、能源、市政等传统基础设施数字化改造，加强泛在感知、终端联网、智能调度体系建设。同时，提出构建基于5G的应用场景和产业生态，在智能交通、智慧物流、智慧能源、智能医疗等重点领域开展试点示范。纲要明确了AIoT在“十四五”期间的建设任务，规划了2035年的发展远景目标。
2.技术背景
2018年出现的AIoT是云计算、边缘计算、5G、大数据、人工智能、数字孪生、区块链等新技术在物联网应用中交叉融合、集成创新的产物。
云计算（Cloud Computing）并不是一个全新的概念。早在1961年，计算机先驱John McCarthy就预言：“未来的计算资源能像公共设施（如水、电）一样被使用”。为了实现这个目标，在之后的几十年里，学术界和产业界陆续提出了集群计算、网格计算、服务计算等技术，而云计算正是在这些技术的基础上发展而来。
云计算作为一种利用网络技术实现的随时随地、按需访问和共享计算、存储与软件资源的计算模式，具有以下几个主要的技术特征：按需服务、资源池化、泛在接入、高可靠性、降低成本、快速部署。
物联网开发者可以将系统构建、软件开发、网络管理任务部分或全部交给云计算服务提供商，自己专注于规划和构思物联网应用系统的功能、结构与业务系统的运行。物联网客户端的各种智能终端设备（包括智能感知与控制设备、个人计算机、智能手机、智能机器人、可穿戴计算设备），都可以作为云终端在云计算环境中使用。
云计算平台可以为物联网应用系统提供灵活、可控和可扩展的计算以及存储与网络服务，成为AIoT集成创新的重要信息基础设施。
随着智能工业、智能交通、智能医疗、智慧城市等应用的发展，数以千亿计的感知与控制设备、智能机器人、可穿戴计算设备、智能网联汽车、无人机接入物联网，物联网应用对网络带宽、延时、可靠性方面的要求越来越高。传统的“端-云”架构已经难以满足高带宽、低延时、高可靠性的物联网应用需求，在这样的背景下，基于边缘计算与移动边缘计算的“端-边-云”架构出现了。
边缘计算（Edge Computing）概念的出现可以追溯到2000年。边缘计算的发展与面向数据的计算模式的发展是分不开的。随着数据规模的增大和对数据处理实时性要求的提高，研究人员希望在靠近数据的网络边缘增加数据处理能力，将计算任务从计算中心迁移到网络边缘。最初的解决思路是采用分布式数据库模型、P2P模型及CDN模型。1998年出现的内容分发网络（CDN）采用基于互联网的缓冲网络，通过在互联网边缘节点部署CDN缓冲服务器，降低用户远程访问Web网站的数据传输延时，加速内容提交。在早期的边缘计算中，“边缘”仅限于分布在世界各地的CDN缓冲服务器。随着边缘计算研究的发展，“边缘”资源的概念已经从最初的边缘节点设备，扩展到从数据源到核心云路径中的任何可利用的计算、存储与网络资源。
2013年，5G研究催生了移动边缘计算（Mobile Edge Computing，MEC）。MEC是一种在接近移动用户的无线接入网的位置部署，能够提供计算、存储与网络资源的边缘云或微云。它能够避免端节点直接通过主干网与云计算中心通信，从而突破云计算服务的限制。随着5G应用的发展，MEC正在形成一种新的生态系统与价值链，并成为一种标准化、规范化的技术。2014年9月，欧洲电信标准化协会（ETSI）成立了MEC工作组，针对MEC的应用场景、技术要求、体系结构开展研究。MEC在研究之初只适用于电信公司的移动通信网。2017年3月，ETSI将MEC更名为多接入边缘计算（Multiple-access Edge Computing），将MEC扩展到其他无线接入网（如Wi-Fi），以满足物联网对MEC的应用需求。
2012年，雾计算（Fog Computing）概念问世。雾计算被定义为一种将云计算中心任务迁移到网络边缘设备执行的虚拟化计算平台。通过为移动节点与云端之间路径上的计算与存储资源部署计算节点，构成层次化的雾计算体系。移动节点可以就近访问雾服务器缓存内容，以减轻主干链路的带宽负荷，提高数据传输的实时性与可靠性。雾计算的概念是由计算机网络研究人员提出的。雾计算从开始就考虑在电信运营商提供的MEC服务之外，允许非电信用户通过自有设备（包括服务器、路由器、网关、AP等）提供MEC服务。
随着5G应用的发展，MEC作为支撑5G应用的关键技术受到重视。电信运营商看到了MEC发展的重要性，于是投入大量资金大规模部署移动边缘云。从Google搜索的统计数据来看，从2017年开始，MEC的社会关注度逐渐超过雾计算。
综上所述，基于MEC的物联网“端-边-云”的网络结构能够为超高带宽、超低延时、高可靠性的AIoT应用提供技术支持。
随着商业、金融、医疗、环保、制造业领域的大数据分析能力越来越强，通过获取重要知识衍生出很多有价值的新产品与新服务，人们对“大数据”重要性的认识也日益深刻。2008年之前，这种大数据量的数据集通常称为“海量数据”。2008年， Nature 杂志出版了一期专刊，专门讨论未来大数据处理的挑战，提出了“大数据”（Big Data）的概念。产业界将2013年称为大数据元年。
随着物联网的快速发展，新的数据不断产生、汇聚、融合，这种数据量增长已经超出人类的预想。无论是数据的采集、存储与维护，还是数据的管理、分析与共享，对人类都是一种挑战。
大数据并不是一个确切的概念。到底多大的数据是大数据，不同的学科领域、不同的行业有不同的理解。目前，可看到三种大数据的定义。第1种定义是将大到不能用传统方法处理的数据称为大数据。第2种定义是将大小超过标准数据库工具软件能够收集、存储、管理与分析的数据集称为大数据。第3种定义是维基百科给出的定义：无法使用传统和常用的软件技术与工具在一定的时间内获取、管理和处理的数据集称为大数据。数据量的大小不是判断大数据的唯一标准，判断数据是否为“大数据”，需要看它是否具备“5V”特征：大体量（Volume）、多样性（Variety）、时效性（Velocity）、准确性（Veracity）和大价值（Value）。
物联网中的大数据研究与一般的大数据研究有共性的一面，也有个性的一面。共性的一面首先表现在大数据分析的基本内容上。大数据分析的基本内容包括可视化分析、数据挖掘算法、预测性分析能力、语义引擎、数据质量与数据管理。这五个内容在物联网大数据分析中依然存在。但是，物联网行业应用也有它的特殊要求，需要注意物联网产生的大数据与一般大数据的不同。物联网大数据具有异构性、多样性、实时性、颗粒性、非结构化、隐私性等特点。
物联网的智能交通、智能工业、智能医疗中的大量传感器、RFID标签、视频监控器、工业控制系统产生大量数据是造成数据“爆炸”的重要原因之一。物联网为大数据技术发展提出了重大应用需求，成为大数据技术发展的重要推动力。在物联网中，通过不同的感知手段获取大量数据不是目的；通过对大数据进行智能处理，提取正确的知识并准确地反馈控制信息，才是物联网对大数据研究提出的真正需求。
随着物联网规模的超常规发展，大量的物联网应用系统将部署在山区、森林、水域等偏僻地区。很多物联网感知与控制节点密集部署在大楼内部、地下室、地铁与隧道中，4G网络及技术已难以适应，只能寄希望于5G网络及技术。
物联网涵盖智能工业、智能交通、智能医疗与智能电网等行业，业务类型多、需求差异大。在智能工业的工业机器人与工业控制系统中，节点之间的感知数据与控制指令传输必须保证是正确的，延时必须在毫秒量级，否则就会造成工业生产事故。无人驾驶汽车与智能交通控制中心之间的感知数据与控制指令传输同样必须保证是准确的，延时必须控制在毫秒量级，否则会造成车毁人亡的重大交通事故。物联网中对反馈控制的实时性、可靠性要求高的应用对5G的需求格外强烈。
ITU明确了5G的三大应用场景：增强移动宽带通信、大规模机器类通信与超可靠低延时通信。其中，大规模机器类通信应用场景面向以人为中心的通信和以机器为中心的通信，面向智慧城市、环境监测、智慧农业等应用，为海量、小数据包、低成本、低功耗的设备提供有效的连接方式。超可靠低延时通信应用主要满足车联网、工业控制、移动医疗等行业的特殊应用对超高可靠、超低延时通信场景的需求。5G作为物联网集成创新的通信平台，有力地推动着AIoT应用的发展。
人工智能（Artificial Intelligence，AI）是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多学科高度发展、紧密结合、互相渗透而发展起来的一门交叉学科。但是，“人工智能”至今仍然没有一个被大家公认的定义。不同领域的研究者从不同角度给出了不同的定义。最早的人工智能的定义是“使一部机器的反应方式就像是一个人在行动时所依据的智能”。有的科学家认为“人工智能是关于知识的科学，即怎样表示知识、获取知识和使用知识的科学”。一种通俗的解释是人工智能大致可分为两类：弱人工智能和强人工智能。弱人工智能是能够完成某种特定任务的人工智能；强人工智能是具有人类同等的智慧，能表现人类所具有的所有智能行为或超越人类的人工智能。
人工智能诞生的时间可追溯到20世纪40年代，期间经历了三次发展热潮。第一次热潮出现在1956～1965年，第二次热潮出现在1975～1991年，第三次热潮出现在2006年至今。
2006年，以深度学习（Deep Learning）为代表的人工智能掀起第三次热潮。“学习”是人类智能的主要标志，也是人类获取知识的基本手段。“机器学习”研究计算机模拟或实现人类的学习行为，以获取新的知识与技能，不断提高自身能力的方法。自动知识获取成为机器学习的研究目标。提到“学习”，首先会联想到上课、作业、考试。上课时，跟着老师学习属于“有监督”的学习；课后做作业，需要自己完成，属于“无监督”的学习。平时做的课后习题是学习系统的“训练数据集”，而考试题属于“测试数据集”。学习好的同学由于平时训练好，因此考试成绩好；学习差的同学由于平时训练少，因此考试成绩差。如果将学习过程抽象表述，那就是：学习是一个不断发现并改正错误的迭代过程。机器学习也是如此。为了让机器自动学习，需要准备三份数据：训练集、验证集与测试集。
· 训练集是机器学习的样例。
· 验证集用于评估机器学习阶段的效果。
· 测试集用于在学习结束后评估实战的效果。
第三次人工智能热潮的研究热点主要是机器学习、神经网络与计算机视觉。在过去几年中，图像识别、语音识别、机器人、人机交互、无人驾驶汽车、无人机、智能眼镜等越来越多地使用了深度学习技术。
机器学习系统的主要组成部分是数据。物联网的数据来自不同行业、应用、感知设备，包括人与人、人与物、物与物等各种数据。这些数据可以进一步分为：环境数据、状态数据、位置数据、行为数据与控制数据，它们具有明显的异构性与多样性。因此，物联网数据是机器学习的“金矿”。物联网智能数据分析广泛应用了机器学习方法，它们越来越依赖于大规模的数据集和强大的计算能力；云计算、大数据、边缘计算、5G技术的发展为人工智能与物联网的融合提供了巨大的推动力。
工业4.0促进了数字孪生的发展。2002年，数字孪生（Digital Twin）这个术语出现。传统的控制理论与方法已不能满足物联网复杂大系统的智能控制需求。2019年，随着“智能+”概念的兴起，数字孪生成为产业界与学术界研究的热点。
数字孪生是基于人工智能与机器学习技术，它将数据、算法和分析决策结合在一起，通过仿真技术将物理对象映射到虚拟世界，在数字世界建立一个与物理实体相同的数字孪生体，通过人工智能的多维数据复杂处理与异常分析，合理地规划、实现对系统与设备的精准维护，预测潜在的风险。数字孪生的概念涵盖以下几个基本内容：
· 驱动数字孪生发展的五大要素是感知、数据、集成、分析、执行，它们与物联网是完全一致的。
· 数字孪生的核心技术包括多领域、多尺度仿真建模，数字驱动与物理模型融合的状态评估，生命周期数据管理，虚拟现实呈现，以及高性能计算等。
· 在5G应用的推动上，数字孪生表现出“精准映射、虚实交互、软件定义与智能控制”的特点。
数字孪生是在物联网、云计算、大数据与智能技术的支撑下，通过对产品全生命周期的“迭代优化”和“以虚控实”方法，彻底改变了传统的产品设计、制造、运行与维护技术，将极大地丰富智能技术与物联网技术融合的理论体系，为物联网的闭环智能控制提供新的设计理念与方法。目前，数字孪生正从工业应用向智慧城市等综合应用方向发展，从而进一步提升物联网的应用效果与价值。
区块链与机器学习被评价为未来十年可能提高人类生产力的两大创新技术。区块链（Blockchain）技术始于2009年。目前，区块链正在融入各行各业与社会的各个方面。
人类的文明起源于交易，交易的维护和提升需要有信任关系。一个交易社会需要有稳定的信用体系，这个体系有三个要素：交易工具、交易记录与交易权威。互联网金融打破了传统的交易体系，我们依赖了几百年的信任体系受到严峻的挑战。区块链作为“去中心化”协作、分布式数据存储、“点-点”传输、共识机制、加密算法、智能合约等技术在网络信任管理领域的集成，能够剔除网络应用中最薄弱的环节与最根本缺陷（即人为因素），因此研究人员认为区块链将成为重新构造社会信任体系的基础。
物联网存在与互联网类似的问题。物联网应用系统要为每个接入的节点（如传感器、执行器、网关、边缘计算设备与移动终端）配置一个节点名、分配一个地址、关联一个账户。账户要记录对传感器、执行器、网关、边缘计算设备、移动终端设备的感知、执行、处理之间的数据交互，以及高层用户对节点数据查询与共享的行为数据。物联网系统管理软件要随时对节点账户进行审计，检查对节点账户进行查询、更新的用户身份与权限是否合法，发现异常情况要立即报警和处置。同时，物联网中物流与供应链、云存储与个人隐私保护、智能医疗中个人健康数据的合法利用和保护、通信与社交网络中的用户网络关系维护，都会用到区块链技术。“物联网+区块链”（BIoT）将成为建立物联网系统可信、可用、可靠的信任体系的理论基础。目前，区块链已经应用到物联网的智慧城市、智能制造、供应链管理、数字资产交易、可信云计算与边缘计算等领域，并将逐步与实体经济深度融合。物联网、区块链与人工智能等技术的融合应用，将引发新一轮的技术创新和产业变革。
综上所述，AIoT的形成与发展的过程如图1-2所示。
传统的物联网实现了终端数据采集到云端数据处理的过程。通过大量传感器与其他终端设备采集来自环境的数据，再通过互联网将它们传输到云平台，然后通过互联网接收来自云平台的反馈。在传统物联网中，数据的计算与存储都在云平台，而智能物联网是以数据处理为中心，通过传感器与其他终端设备实现实时的数据采集，在终端设备、边缘节点或云平台通过数据挖掘或机器学习方法进行智能化处理与理解，最终形成一个智能化的物联网系统。与传统物联网的云端数据处理模式相比，在智能物联网中，从云平台、边缘节点到终端设备都能够参与到感知、学习与决策的过程中。
图1-2 AIoT形成与发展过程
在AIoT技术发展与完善的过程中，关于AIoT的代表性定义主要有以下几种，它们的研究背景与出发点各有不同。
· 维基百科的定义：AIoT是将人工智能技术与物联网基础设施结合，以实现更高效的物联网运营，改善人机交互，提高数据管理与分析能力。
· 2020年《中国智能物联网白皮书》中的定义：AIoT是人工智能与物联网的协同应用，它通过物联网系统中的传感器实现实时信息采集，在终端、边缘或云中实现智能数据分析，最终形成一个智能化的生态体系。
· 2023年西北工业大学研究人员在发表于《计算机学报》的论文中定义：AIoT是通过人工智能、边缘计算、物联网等技术的深度融合，赋能感知、通信、计算、应用等路径实现万物智联，呈现泛在智能感知、云边端协同计算、分布式机器学习、人机物融合等新特征，具有更高灵活性、自组织性、自适应性、持续演化的IoT系统。
智能物联网是人工智能与物联网技术相互融合的产物。随着物联网终端设备的广泛应用与普及，由终端设备生成的数据量呈爆炸式增长趋势，人工智能技术有助于物联网实现智能感知与互联，提升感知与连接的广度、深度及有效性。人工智能还能为物联网中数据的智能分析与处理提供支持，为物联网应用的效能提升与自主优化赋能，为用户提供更加个性化与智能化的体验，这就是所谓的“AI for IoT”。物联网应用的普及为人工智能提供了海量的数据，也为人工智能的应用落地提供了需求。随着智能芯片、感知设备的持续发展与小型化，终端设备具有越来越强的智能数据处理能力，异构智能体的协作感知计算为人工智能赋予了新特点，这就是所谓的“IoT for AI”。
通过以上的讨论，我们对AIoT的内涵有以下几点新的认识：
· AIoT并不是一种新的物联网，它是物联网与智能技术成熟应用、交叉融合的必然产物，标志着物联网技术、应用与产业进入了一个新的发展阶段。
· AIoT推进了“物联网+云计算+边缘计算+5G+大数据+智能决策+智能控制+区块链”等新技术与各行各业、社会的各个层面的深度融合与集成创新。
· AIoT的核心是智能技术的应用，研究目标是使物联网最终达到“感知智能、认知智能与控制智能”的境界。