AIoT的关键要素有哪些？

六大要素相互融合，产生新的作用关系与商业价值，并形成三个新的技术和产业闭环

1.数据：标注数据，打磨模型

得益于企业数字化转型的进一步发展，物联网传感器 数量高速增长，数字孪生及区块链等新兴技术应用加 速普及，预计到2026年，企业数据将占到全球数据 总量的70%，巨大的数据潜力有待挖掘。企业若要将 这些数据转化为知识和行动建议，需要进行有效的数 据标记，持续学习。

2.算法：算法规模量产，触达广泛场景

算法是人工智能的核心驱动力，算法赋予数据智慧的思想和灵魂。与 数据、算力相比，算法更依赖人对其的“加工”，因此算法人才的技 术水平和数量储备是算法成功应用的关键，也是产业智能的核心竞争 力之一。基础算法的要求在于通用、高效和稳健，随着人工智能在各 个行业使用案例中变得越来越普遍，专业知识正在与算法加速结合， 通过算法规模量产可以降低算法的使用门槛，减小对人才技术水平的 依赖，为更广泛的业务场景的算法开发提供便利，优化产业空间的运 行效率。

3.算力：“云-边-端”算力再分布

传统AI算力主要部署在云端进行数据的集中处理和训练，随着企业对 洞察及时响应和实时反馈的要求，需要根据具体业务需求对算力进行 重新分配。 边缘计算：作为一种分布式的基础设施，距离用户或数据源更近，能 有效解决带宽成本高、时延较长、数据安全担忧等问题，更好支持实 时性强和计算密集型业务。 IoT智能终端：相较于边缘计算的“更接近数据源头”，端即源头。 随着车联网、 A R / V R、工业控制等算力要求高、时延敏感的业务普 及，端侧算力的需求将日益强烈。端承担着数据感知、交互和执行的 职责，是AI应用闭环的关键，还可以对数据价值进行判别，为边缘、 云端节省大量存储空间。

4.载体：算法定义硬件，放大载体价值

载体（终端）是 AI oT释放价值的入口，是空间数字化的关键一环，常见的 AI oT载体包括安防 摄像头、门禁闸机，以及工业场景中的工业相机、物流配送车等。载体从产品形态到功能配 置，如大小、算力、传感器等都取决于业务应用的具体需求。一直以来，中国市场都倾向于首 先投资硬件，这也是企业IT支出的重头，而其能否满足业务需求、发挥价值，很大程度是由其 搭载的算法决定，因而算法对载体的赋能十分关键。未来的AIoT载体是需要适配其搭载的算法 做定制化设计和针对性采购的，这样才能实现载体、算法以及数据的价值最大化，满足企业业 务需求，提升空间的智能化水平。IDC预测，到2025年，全球将有393亿台物联网设备，大部 分都将是AIoT赋能的设备来实现智能化应用。

5.联接：空间内数据流动的“血管”

联接是空间智能化的必要条件之一。联接就像是人体的神经，将大脑、中枢与各个感知器官连 接起来，实现感知的上行和控制下行。“物”只有被联接，产生的数据才有价值，才能交由 “脑”做出正确的判断和决策。未来联接的核心价值是数据流动，未来联接将保证业务数据在 人、物、流程和应用之间实时流转，为智能决策提供可靠的数据参考，并让知识和洞察快速的 通过网络分发给业务应用，从“建立管道”转向“持续交互”。

6.知识：技术赋能产业的前因与后果

知识是智能升级实现的重要基础。通过知识生态培育知识应用，在完善知识图谱的基础上形成 丰富的知识应用。AIoT解决方案的落地，需要在空间解决方案基础上结合行业知识。技术供应 商需要累积细分领域的解决方案，将沉淀的行业知识转化为技术工具的配置和模型，才能大幅 提升行业数据理解能力和交付效率。 知识同时是体现智能的一个最重要的维度，AI赋能的知识应用是实现认知智能的创新形态，通 过采用大数据、知识图谱、图存储和图计算等多种技术，将过去结构化、半结构化、非结构化 的信息变成知识库，建立模型并给出行动建议，帮助行业用户进一步利用知识、解释空间内复 杂关系，驱动企业基于知识智能决策。