五大核心构成的AIoT，正在遭遇三大挑战，两条突破口外还有什么？

来源：物联网智库

随着IoT与AI逐步走向融合，AIoT正将以全新的方式改变人们的生活。

一、新业务需求

近年来，物联网呈现突飞猛进的发展态势。根据中商情报网的数据，2018年全球物联网设备已经达到70亿台；到2020年，活跃的物联网设备数量预计将增加到100亿台，2025年将进一步增加到220亿台。全球物联网产业规模由2008年的500亿美元增长至2018年的近1510亿美元。

在中国，物联网的大规模应用与新一轮科技和产业变革的融合发展，预计2025年中国物联网连接数将达到53.8亿。

随着物联网设备规模的迅速扩大，工厂所产生的数据规模也正以极高的速度发生“膨胀”，单纯依靠人工处理越来越难以为继，企业急需一些智能化手段，以完成对数据的处理、流程的优化，AI的出现恰到好处。

物联网发展至今，已经从最开始的未连接状态发展至智能化，所带来的价值也将变得越来越大。AI的引入，一定程度上是发展的必然。AI与IoT的融合，将加速智能化进程，充分发挥物联网的价值。

据IDC预测，中国人工智能市场未来五年将处于高速发展阶段，2018年底中国人工智能市场规模将达到22.9亿美元，IDC预测到2022年市场规模将达到98.4亿美元，2017-2022年复合增长率达到54.5%。而在技术的发展方向方面，流程重构、合规治理及洞察服务等无疑是难度最高且极为重要的。

与此同时，IDC在另一份报告中也作出了自2019年起对全球制造业的十大预测，包括：

预测4：到2020年，为了提高速度，灵活性，效率和创新，80％的制造商需要进行广泛的重组，将数据置于流程的中心。

预测2：到2022年，35％的制造企业将通过借助以AI和区块链为中心的平台创建新的生态系统，从而实现50％的流程自动化。

预测6：到2024年，超过60％的G2000制造企业将依靠人工智能平台来推动整个供应链的数字化转型，从而使生产率提高20％以上。

我们由此可以看出，企业、尤其是产出大量数据的制造业对自动化、智能化的需求愈加迫切，传统的自动化、联网化已经越来越无法满足需求。从市场的需求看，随着企业智能化新业务的产生，愈加迫切的需求促成了AI与IoT的融合。

二、AIoT全解析

以众所周知的互联网为例，它是由设备、网络等基础设施及各种丰富多彩的应用构成的。倘若没有基础设施，再精彩的应用也只是空中楼阁，而没有丰富的应用为支撑，互联网的魅力也只能是一个个独立的机器。

与之类似的，如果我们将AIoT进行粗略分类，大抵也可以分为这样两类：基本组成部分与应用程序。

1.  基本组成“元素”

AIoT是指AI与IoT的互补融合，因此在组成上，几乎涵盖两种技术的核心“精华”。如果我们追本溯源，将AIoT进行分类，可分为数据、连接、用户、流程、可视化等五大类。

数据

数据是AIoT非常核心且基础的部分。对于IoT来讲，几十亿台设备的联网所产生的数据量远超人力所能及，而数据又是物联网的主要产出。

正如前文所讲的那样，数据规模正变得越来越“庞大”。 据IDC预测，物联网设备产生的数据从将2013年的0.1ZB增长到2020年的4.4ZB。

AI与IoT的融合正是以数据为依托的。对于AI来讲，数据是其发展的养料，源源不断的庞大数据量为其感知、处理和进步奠定了基础。

连接

连接的价值毋庸置疑，无论是设备联网，亦或AI的接入，所有的一切都需要连接。没有连接，AIoT的所有功能都将成为美好的愿景。

过去的2018年里，国内的物联网连接呈现“大象狂奔”的态势。知名市场研究公司Counterpoint曾发布报告显示，截止2018年年中，中国的三大运营商物联网连接数已占据全球蜂窝物联网60%以上份额，预计到2025年依然保持在60%以上。

用户

所有一切新兴技术，最终服务的对象都是人。因此，用户的直观体验至关重要。

在智能家居等C端领域，用户更加在乎的是设备“懂我”，期望智能产品能够满足自己“饭来张口、衣来伸手”的“懒人”生活；在工业等B端领域，企业客户更加需要搭载AIoT的智能产品能够降低成本，提高效率等。

因此，满足用户的需求是AIoT的重点方向，需要针对不同群体需求达到真正智能。

流程

AI与IoT的融合，是在IoT广泛连接物联设备的基础之上的。为什么IoT之后仍需要AI助力？因为连接不是目的，智能才是方向。

目前的物联网设备大都存在流程的冗余，通过AIoT的帮助，对于个人用户来讲，设备将更加好用智能、速度更快；对于工厂企业来讲，节省了成本，提高了效率。

 

可视化

物联网设备所产生的大量数据，一定程度上包含着无论是机器设备，亦或者个人用户的关键信息。对于企业来讲，能够真正将这些信息利用起来，并成为可视化的、可量化的资源显得尤为重要。

AIoT时代，将数据等信息可视化的表现出来，不仅能够将数据与业务紧密联系，也能帮助企业及时发现市场趋势，以为更多应用的开发提供智能化辅助。

2.应用

不只是基础组成“元素”，如何让AIoT得以发挥巨大效用才是重中之重。在AIoT的落地环节，仍然需要各种服务及平台作为支撑，从而将其强大能力具体显现。

在AIoT落地过程中，不外乎需要一些基建服务、运营平台、生产力平台以及分析平台。

对于用户来讲，通过雷达、wifi等基建服务可以保障AIoT的基本功能，为后期的运营分析等奠定基础。

运营平台则包括智能手机、工厂管理系统等，用户可以通过平台有效管理其上搭载AIoT的设备。

分析处理能力是AIoT非常关键的能力之一，在具体的分析管理中，平台的引入也为用户的可视化、易管理提供了帮助，因此分析平台也十分必要。

综上来看，AIoT的这些落地需求也存在着新的商机，尤其为系统集成商、服务提供商和咨询公司等带来了新的机会。

三、企业AIoT战略

对于企业来讲，AIoT存在着非常巨大的价值。雷军此前坦言，5G+AIoT将是下一代超级互联网。

尽管价值巨大，看起来非常诱人，但企业若想要能够真正分一杯羹，着实存在一些挑战，但风险与收益同在，挑战与机遇并存。

1.  商业挑战

任何新兴技术的引进，对于企业来讲，都存在挑战。尽管理论层面的数据可以显示出该技术的先进性，但技术与企业融合的难易程度、最终效果等等都存在不确定性。

对于企业而言，最迫切需要AIoT所带来的无外乎降低成本、提高利润率、增加收入。如何在真正落地中满足企业需求，是摆在企业心中的一大问号。

尽管智能化一直是人们对科技的高度向往，而AIoT能够将这一目标无比拉近，但是，利用AIoT降低成本并非易事。

首先，AI的投资多，见效慢。AI的前期投入相当庞大，无论是算力研发中硬件成本，还是人才的薪酬等投资都是巨大的。以AlphaGo为例，其算力相当于12000块常见的消费级1080TI TPU，所花费逾千万。而目前，人工智能相关岗位的薪酬也是非常之高的，甚至有消息称，年薪 25 万的 AI 工程师仅仅是白菜价。

昂贵的前期成本投入，并不能确保后期带来更高的收益，因此，对于企业来讲，AIoT是一项高额高风险的投资。

其次，模型的构建难，准确性也无法保证。传统工业领域的IT从业人员缺少模型的构建与管理经验，无法保证实现模型预测的准确性，也无法对模型进行全生命周期管理及升级，以更低成本和更高效率进行模型和算法的迭代。

正因此，企业很难从AIoT中获得利润率的提高，从而进一步抑制了企业对该技术的“兴趣”。

最后，因为企业在降低成本及提高利润率等方面存在问题，因此依靠AIoT增加收入也就变得更加困难。

2.  解决方法

但老话说的好：只要思想不滑坡，方法总比问题多。尽管现存的许多问题阻碍了AIoT的商业化进程，但与之相对应的解决方法总是有的。

首先。企业间以合作的形式，可以有效降低成本，获得更大利润。试想一下，原本一家企业做AIoT需要从AI及IoT全方位下手，但通过合作的方式，企业只需要专注于一小部分，例如数据、连接等等，通过互补合作的方式，可以有效降低成本、提高效率。

另外，企业需要创建新的“服务”模型。在AIoT所引领的智能化时代初期，用户的需求是逐步塑造与形成的，相对应的，新的商业模型存在很大发展空间，如何满足用户所需值得深入挖掘。

结语

AIoT是一个庞大的产业链，围绕它可以产生无限可能，价值是巨大的。但事物的发展不会一帆风顺，处于发展起步阶段的AIoT，在实际落地之中又有重重困境。尽管对企业来讲，解决问题的方法不止一个，但AIoT最终能否淬火之后达到繁荣生态，仍含有太多不确定性。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”