AIoT正在遭遇三大挑战 两条突破口外还有什么

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。