AIoT兴起、落地场景及市场现状如何？

最早的边端落地硬件，或叠加 AI 机遇。

智能物联网（AIoT）是 2018 年兴起的概念，即 AIoT = AI + loT，是指系统通过各 种信息传感器实时采集各类信息（一般是在监控、互动、连接情境下的），在终端 设备、边缘域或云中心通过机器学习对数据进行智能化分析，包括定位、比对、预 测、调度等。在技术层面，人工智能使物联网获取感知与识别能力、物联网为人工 智能提供训练算法的数据，在商业层面，二者共同作用于实体经济，促使产业升 级、体验优化。从具体类型来看，主要有具备感知/交互能力的智能联网设备、通过 机器学习手段进行设备资产管理、拥有联网设备和 AI 能力的系统性解决方案等三大 类。从协同环节来看，主要解决感知智能化、分析智能化与控制/执行智能化的问 题。

AIoT 是一种人工智能与物联网融合研究模型，属于一种新型的深度 IoT 研究和 应用形态。其中，IoT 是 AIoT 的基础设施，其无所不在的传感器和智能终端将实现 人－机－物互联，实时获取大量应用数据，是数据来源和运行基石；AI 是 AIoT 的智 慧化手段和工具，AI 帮助实现智慧互联，提升连接的广度、深度和有效性，实现大 数据智能分析，增强 IoT 系统的感知、鉴别和决策能力，提升融合应用解决复杂问 题的能力和智慧化水平。 由于融合 AI 的 IoT 应用通常要求物联网设备具备一定的算力，因此也常常与云 计算、边缘计算等 IT 基础设施平台进行融合。AIoT 平台通过语音、视频等更加友好 的人机交互界面，实现对物联网设备的智能操控、物联网信息的深度语义理解、价 值提取、智能操控和其他高层衍生应用。目前 AIoT 已经在生物特征识别、智能家居 、智慧农业、智慧工业及智慧城市下属的智慧物联网平台（智能交通系统、智能社 区、智慧医疗）等领域展开了广泛研究。 AIoT 技术架构不仅需要考虑传统物联网的技术模型，还需要解决注入 AI 后如何 及时处理海量数据，进行语义理解、人机交互和智能控制等问题，是一种复杂的生 态系统，将催生新的从边缘到云的混合计算服务。 基于云的海量处理能力，人工智 能适合放在云端处理，但可能造成时延。不同应用的时延容忍性不同：比如语音助 手回答天气问题出现时延是可容忍的，而智能自动驾驶/工业制造时出现时延则不可 容忍。因此，为了适配不同应用对实时性和精确性的需求，同时平衡 AI 在各级网络层次的部署，我们提出一种云边端融合 AIoT 架构。在云边端融合 AIoT 架构中，当实 时响应和低时延是关键因素时，主要依靠更靠近用户的边缘计算架构；当计算决策 的精确性是关键因素时，主要依靠云服务器。通过 AI 在混合计算架构中的逐级布 局，以平衡云计算所带来的规模经济与在边缘引入人工智能处理能力的性能需求之 间的矛盾。

云边端融合 AIoT 架构通常而言包含 3 层：IoT 层、边缘计算层和云计算层。IoT 层包含大量泛在感知的智能 IoT 设备，能够实现面向用户的数据采集、智能服务响 应、本地计算、简单数据处理和决策。边缘计算层是 IoT 和云计算中心的中间件， 用以扩展终端的计算和存储能力，其主要功能包括数据/服务缓存、分布式数据处理 和协同、分布式 AI 算法部署和计算、智能决策支持、负载均衡、安全和隐私保护 等。云计算层即传统的云计算中心，包括海量的计算、存储和带宽能力，能够辅助 IoT 和边缘进行海量数据存储、深度学习、复杂计算、集中控制和决策等，是挖掘 AIoT 数据价值、创造增值服务的核心模块。 目前，AI 融合 IoT 应用的主要场景包括智能制造物联网、智能农业、智能家居 智能交通控制系统、智能医疗、智能社区。

在制造业中，AI 与 IoT 的结合实现了生产过程的智能化。传感器收集机器的实 时数据，AI 系统分析这些数据，以预测设备故障、优化生产计划和提高产品质量。 这种智能化不仅减少了人工干预，还提升了生产效率和降低了成本。 AI 与 IoT 在农业的应用使得种植过程更加精准和高效。通过安装在田间的传感 器，可以实时监测作物的生长环境，如土壤湿度、温度等。AI 分析这些数据，为农 民提供灌溉、施肥和病虫害防治的最佳时机和方法，从而提高作物产量和质量。 智能家居系统通过 AI 技术，使得家庭生活更加便捷和舒适。用户可以通过智能 手机或其他设备远程控制家中的智能设备，如灯光、空调等。AI 还能根据用户的行 为模式自动调整家中的环境设置，实现节能和提升居住体验。 在交通管理领域，AI 与 IoT 的结合有助于解决城市交通拥堵问题。智能交通系 统能够收集和分析交通流量数据，AI 据此优化交通信号灯的控制策略，指导车辆行 驶路线，减少交通延误，提高道路使用效率。 医疗领域通过 AI 与 IoT 的融合，实现了医疗服务的个性化和精准化。智能穿戴 设备和医疗传感器可以持续监测患者的生理指标，AI 系统分析这些数据，为医生提 供诊断支持，制定个性化的治疗方案，甚至在疾病发生前进行预警。 智能社区利用 AI 和 IoT 技术，提升了居民的生活质量和社区的安全管理。例 如，智能安防系统可以实时监控社区的安全状况，环境监测系统可以检测空气质量 和噪音水平。AI 系统分析这些数据，帮助社区管理者做出更合理的资源分配和应急 响应决策。

物联网为物理世界通往虚拟世界建立了通道，不同的用户和终端通过各制式的 物联网连接协议互联互通，然后将虚拟化的“现实世界”实时反馈至各个行业或场 景，从而推动各领域效率和效益的提升。因此，先连接再爆发是物联网实现“万物互 联”形态的重要路径。2015 年始，伴随物联网技术的更迭，中国物联网连接量开始 一路高歌猛进，2018 年中国物联网连接量接近 30 亿，年复合增长率高达 67%。艾瑞咨询推测，受益于智能家居场景的率先爆发，2019 年物联网连接量将达 45.7 亿， 而后由于 5G 的商用，低功耗广域物联网的超广覆盖，中国物联网连接量将增至 2025 年的 199 亿。目前，物联网正处于连接高速增长的阶段，未来数百亿的设备并 发联网产生的交互需求、数据分析需求将促使 IoT 与 AI 的更深融合。

同时在 AIoT 领域，创新硬件也不断涌现，2023 年 Ray-Ban Meta AI 眼镜和 Rabbit R1 尤为引人注目。Ray-Ban Meta AI 眼镜结合了雷朋的经典设计和 Meta 的先 进技术，具备拍摄和 AI 识别功能，而 Rabbit R1 则以其独特的操作系统和自然语言 处理能力，为用户提供了“后智能手机”的交互体验。这些设备不仅推动了智能穿 戴和家居自动化的发展，也预示着 AI 技术在消费电子产品中的广泛应用前景。

随着大模型在 2023 年迎来爆发，大大提升了全球人工智能技术对传统行业的渗 透融合和应用迭代速度。

2024 年，相关应用和解决方案有望率先在道路/桥梁监测、通行引导、路况分 析、低空管制、海域船只监测等交通相关领域迎来推广普及；此外，在自动驾驶、 自然资源、住建、农林牧渔、应急救灾、水利、供应链、工业生产和智能合约执行 等方面，其也有着广泛的场景和机遇。基于“通感智值一体化”的智能物联 适应了数 字经济的发展要求和技术融合的升级趋势，将带来巨大的经济效益和社会效益，自 身也将从此中获益，启动新一轮强势增长。