论文部分内容阅读
为更好地了解人工智能与物联网领域的结合应用情况，深刻把握AIoT技术应用落地面临的问题与挑战，2019年上半年，赛迪智库电子信息研究所与人工智能产业创新联盟联合举办了AIoT技术及应用研讨会，特斯联科技、英特尔中国研究院、旷视科技、升哲科技、出门问问、中移物联等企业和机构的专家、企业家出席会议，就人工智能与物联网技术的技术进展、应用障碍、政策环境等展开探讨并积极建言献策。
AIoT应用落地
面临四方面挑战
与会专家认为，AIoT概念自2017年左右诞生以来，不仅成为物联网领域的发展热点，也被认为是人工智能技术的重要应用方向。所谓“AIoT”即“AI IoT”，是指人工智能（AI）与物联网（IoT）技术融合应用以实现万物智联。人工智能可以使物联网的价值最大化，物联网能为人工智能提供数据流，二者有机结合，开拓了人工智能在应用层面更多的可能性，也为工业机器人、无人驾驶、智能家居、智慧城市，以及智慧物流等新兴领域提供了重要技术支撑。不过，AIoT的应用落地还面临着诸多问题。
人工智能算法无法直接应用于物联网的细分垂直领域。AIoT涉及人的行动、机器的联网、数据的处理等多个方面，各细分领域通常具备独特的生态特点，都需要一套独立的应用支撑算法。一方面，相对成熟的人工智能算法无法直接套用到具体的IoT应用之中;另一方面，特定应用领域的AIoT算法难以迁移复用到其他领域。例如，商汤、旷视等开发AI算法的企业，需要与特斯联等深耕物联网行业应用的企业进行配合，才能提供针对特定智慧城市服務场景的解决方案。再如，海康威视深耕安防行业，其AIoT算法在公共安全领域的适配性较好，但如果迁移到其他应用领域，则有明显的局限性。
行业间的技术割裂不利于打造立体化的AIoT应用场景。目前AIoT 落地应用还停留在技术堆积阶段，缺少融合贯通的系统设计，各行业的场景逻辑五花八门，存在严重的技术割裂现象。这既不利于打造贯通各行业的物联网场景化服务，同时也显著提高了AIoT落地的技术组合成本。例如，目前北京、上海、深圳等特大型城市的消防烟感、公共安防、城市用水、生活服务等模块共同组成了城市感知系统，但各模块的AIoT技术框架却相对分离，无法形成贯通各行业的智能物联能力。
商业模式缺乏创新拖慢了AIoT技术创新转化落地速度。AIoT应用落地离不开商业模式的推动，但很多当前或潜在的用户还不能很快响应AIoT的技术创新，无法从前瞻性、系统化的角度向市场提出需求。例如，在公共安全领域，AIoT算法演进大多由政府部门主导，与企业商业创新的出发点不同，两者很难实现平衡。再如，AIoT技术在文博数字化、无人机、城市水质监测等领域已有一定应用，但相关行业用户往往只考虑现阶段要解决的问题，没有为AIoT在该领域的可持续创新留出空间。
标准制定不够灵活融通限制了AIoT应用创新活力。目前，多数AIoT技术应用的标准制定未能充分考虑灵活性，部分政府机构针对特定领域出台的AIoT技术标准存在强制合规要求，导致企业为了合规只能沿用旧有技术，在一定程度上限制了创新发展。甚至在极端情况下，某项标准出台可能直接终止技术创新活动。例如2019年5月14日，美国旧金山城市监督委员会以8∶1的结果通过一项名为《反监控条例》的法令，禁止警察和其它政府机构购买和使用人脸识别技术，此举势必严重影响该地区相关AIoT技术的应用创新。与此同时，AIoT标准的地区差异化现象普遍存在，企业疲于应对，造成了不必要的生产损耗，也影响了跨地域AIoT的应用。
三点建议
推动形成行业联盟合力。第一，推动人工智能、物联网领域的相关企业组建涵盖AIoT领域芯片、算法、技术等产业上下游的紧密联盟，共同探索AIoT产业合作发展的新模式和新机制，合力构建AIoT融合创新生态体系。第二，依托行业联盟打造交流创新平台，围绕项目协作、资源协同、成果孵化、标准制定，以及方案共享、宣传推广和人才培养等开展常态化工作，促进联盟成员加强技术对接和产业配套，构建快速反应的AIoT生态链，提升AIoT创新应用落地的效率，降低技术组合成本。第三，推动骨干企业牵头整合联盟内多领域多企业的应用方案，向用户或技术需求方打包整体输出，不断提升AIoT相关产品供给的行业融合度。同时，通过加强与用户的沟通磨合，加强供需双方在技术、产品、服务等方面的匹配度，促进AIoT应用创新更快落地。
推动制定兼具灵活性和延续性的规范标准。第一，兼顾政策延续性和标准灵活性，为企业创新留出足够的空间，尽可能打消企业创新活动对政策面的顾虑。第二，加强跨行业技术标准合作，以应用场景为单位，提升行业标准之间的交融度，降低AIoT技术创新落地的合规复杂度。第三，依照技术演进情况不断升级异常行为检测、防火墙等AIoT相关安全标准，防御IoT端点设备和AI系统受到攻击。同时，不断完善人工智能相关技术标准，提前预防反人工智能等新型安全问题。
同步提升云计算和边缘计算能力。第一，进一步提升万物互联场景下的云计算能力，发展云端智能计算和数据处理能力，推动形成设备间信息共享、数据交互的崭新生态。二是加快提升边缘计算能力，在网络服务、智能应用业务、安全与隐私保护等方面，提升边缘侧海量数据的分析和处理能力。第三，全面提升物联网终端的智能化水平，紧密结合智慧城市、消费电子、智能网联汽车、工业互联网、智能家居等领域AIoT应用场景的创新需求，加快AIoT领域嵌入式芯片和算法的研发创新，全面提高人工智能端侧的推理能力。
AIoT应用落地
面临四方面挑战
与会专家认为，AIoT概念自2017年左右诞生以来，不仅成为物联网领域的发展热点，也被认为是人工智能技术的重要应用方向。所谓“AIoT”即“AI IoT”，是指人工智能（AI）与物联网（IoT）技术融合应用以实现万物智联。人工智能可以使物联网的价值最大化，物联网能为人工智能提供数据流，二者有机结合，开拓了人工智能在应用层面更多的可能性，也为工业机器人、无人驾驶、智能家居、智慧城市，以及智慧物流等新兴领域提供了重要技术支撑。不过，AIoT的应用落地还面临着诸多问题。
人工智能算法无法直接应用于物联网的细分垂直领域。AIoT涉及人的行动、机器的联网、数据的处理等多个方面，各细分领域通常具备独特的生态特点，都需要一套独立的应用支撑算法。一方面，相对成熟的人工智能算法无法直接套用到具体的IoT应用之中;另一方面，特定应用领域的AIoT算法难以迁移复用到其他领域。例如，商汤、旷视等开发AI算法的企业，需要与特斯联等深耕物联网行业应用的企业进行配合，才能提供针对特定智慧城市服務场景的解决方案。再如，海康威视深耕安防行业，其AIoT算法在公共安全领域的适配性较好，但如果迁移到其他应用领域，则有明显的局限性。
行业间的技术割裂不利于打造立体化的AIoT应用场景。目前AIoT 落地应用还停留在技术堆积阶段，缺少融合贯通的系统设计，各行业的场景逻辑五花八门，存在严重的技术割裂现象。这既不利于打造贯通各行业的物联网场景化服务，同时也显著提高了AIoT落地的技术组合成本。例如，目前北京、上海、深圳等特大型城市的消防烟感、公共安防、城市用水、生活服务等模块共同组成了城市感知系统，但各模块的AIoT技术框架却相对分离，无法形成贯通各行业的智能物联能力。
商业模式缺乏创新拖慢了AIoT技术创新转化落地速度。AIoT应用落地离不开商业模式的推动，但很多当前或潜在的用户还不能很快响应AIoT的技术创新，无法从前瞻性、系统化的角度向市场提出需求。例如，在公共安全领域，AIoT算法演进大多由政府部门主导，与企业商业创新的出发点不同，两者很难实现平衡。再如，AIoT技术在文博数字化、无人机、城市水质监测等领域已有一定应用，但相关行业用户往往只考虑现阶段要解决的问题，没有为AIoT在该领域的可持续创新留出空间。
标准制定不够灵活融通限制了AIoT应用创新活力。目前，多数AIoT技术应用的标准制定未能充分考虑灵活性，部分政府机构针对特定领域出台的AIoT技术标准存在强制合规要求，导致企业为了合规只能沿用旧有技术，在一定程度上限制了创新发展。甚至在极端情况下，某项标准出台可能直接终止技术创新活动。例如2019年5月14日，美国旧金山城市监督委员会以8∶1的结果通过一项名为《反监控条例》的法令，禁止警察和其它政府机构购买和使用人脸识别技术，此举势必严重影响该地区相关AIoT技术的应用创新。与此同时，AIoT标准的地区差异化现象普遍存在，企业疲于应对，造成了不必要的生产损耗，也影响了跨地域AIoT的应用。
三点建议
推动形成行业联盟合力。第一，推动人工智能、物联网领域的相关企业组建涵盖AIoT领域芯片、算法、技术等产业上下游的紧密联盟，共同探索AIoT产业合作发展的新模式和新机制，合力构建AIoT融合创新生态体系。第二，依托行业联盟打造交流创新平台，围绕项目协作、资源协同、成果孵化、标准制定，以及方案共享、宣传推广和人才培养等开展常态化工作，促进联盟成员加强技术对接和产业配套，构建快速反应的AIoT生态链，提升AIoT创新应用落地的效率，降低技术组合成本。第三，推动骨干企业牵头整合联盟内多领域多企业的应用方案，向用户或技术需求方打包整体输出，不断提升AIoT相关产品供给的行业融合度。同时，通过加强与用户的沟通磨合，加强供需双方在技术、产品、服务等方面的匹配度，促进AIoT应用创新更快落地。
推动制定兼具灵活性和延续性的规范标准。第一，兼顾政策延续性和标准灵活性，为企业创新留出足够的空间，尽可能打消企业创新活动对政策面的顾虑。第二，加强跨行业技术标准合作，以应用场景为单位，提升行业标准之间的交融度，降低AIoT技术创新落地的合规复杂度。第三，依照技术演进情况不断升级异常行为检测、防火墙等AIoT相关安全标准，防御IoT端点设备和AI系统受到攻击。同时，不断完善人工智能相关技术标准，提前预防反人工智能等新型安全问题。
同步提升云计算和边缘计算能力。第一，进一步提升万物互联场景下的云计算能力，发展云端智能计算和数据处理能力，推动形成设备间信息共享、数据交互的崭新生态。二是加快提升边缘计算能力，在网络服务、智能应用业务、安全与隐私保护等方面，提升边缘侧海量数据的分析和处理能力。第三，全面提升物联网终端的智能化水平，紧密结合智慧城市、消费电子、智能网联汽车、工业互联网、智能家居等领域AIoT应用场景的创新需求，加快AIoT领域嵌入式芯片和算法的研发创新，全面提高人工智能端侧的推理能力。