隨著IoT與AI逐步走向融合，AIoT正將以全新的方式改變人們的生活。
一、新業務需求
近年來，物聯網呈現突飛猛進的發展態勢。根據中商情報網的數據，2018年全球物聯網設備已經達到70億臺；到2020年，活躍的物聯網設備數量預計將增加到100億臺，2025年將進一步增加到220億臺。全球物聯網產業規模由2008年的500億美元增長至2018年的近1510億美元。
在中國，物聯網的大規模應用與新一輪科技和產業變革的融合發展，預計2025年中國物聯網連接數將達到53.8億。
隨著物聯網設備規模的迅速擴大，工廠所產生的數據規模也正以極高的速度發生“膨脹”，單純依靠人工處理越來越難以為繼，企業急需一些智能化手段，以完成對數據的處理、流程的優化，AI的出現恰到好處。
物聯網發展至今，已經從最開始的未連接狀態發展至智能化，所帶來的價值也將變得越來越大。AI的引入，一定程度上是發展的必然。AI與IoT的融合，將加速智能化進程，充分發揮物聯網的價值。
據IDC預測，中國人工智能市場未來五年將處于高速發展階段，2018年底中國人工智能市場規模將達到22.9億美元，IDC預測到2022年市場規模將達到98.4億美元，2017-2022年復合增長率達到54.5%。而在技術的發展方向方面，流程重構、合規治理及洞察服務等無疑是難度最高且極為重要的。
與此同時，IDC在另一份報告中也作出了自2019年起對全球制造業的十大預測，包括：
預測4：到2020年，為了提高速度，靈活性，效率和創新，80％的制造商需要進行廣泛的重組，將數據置于流程的中心。
預測2：到2022年，35％的制造企業將通過借助以AI和區塊鏈為中心的平臺創建新的生態系統，從而實現50％的流程自動化。
預測6：到2024年，超過60％的G2000制造企業將依靠人工智能平臺來推動整個供應鏈的數字化轉型，從而使生產率提高20％以上。
我們由此可以看出，企業、尤其是產出大量數據的制造業對自動化、智能化的需求愈加迫切，傳統的自動化、聯網化已經越來越無法滿足需求。從市場的需求看，隨著企業智能化新業務的產生，愈加迫切的需求促成了AI與IoT的融合。
二、AIoT全解析
以眾所周知的互聯網為例，它是由設備、網絡等基礎設施及各種豐富多彩的應用構成的。倘若沒有基礎設施，再精彩的應用也只是空中樓閣，而沒有豐富的應用為支撐，互聯網的魅力也只能是一個個獨立的機器。
與之類似的，如果我們將AIoT進行粗略分類，大抵也可以分為這樣兩類：基本組成部分與應用程序。
1. 基本組成“元素”
AIoT是指AI與IoT的互補融合，因此在組成上，幾乎涵蓋兩種技術的核心“精華”。如果我們追本溯源，將AIoT進行分類，可分為數據、連接、用戶、流程、可視化等五大類。
數據
數據是AIoT非常核心且基礎的部分。對于IoT來講，幾十億臺設備的聯網所產生的數據量遠超人力所能及，而數據又是物聯網的主要產出。
正如前文所講的那樣，數據規模正變得越來越“龐大”。 據IDC預測，物聯網設備產生的數據從將2013年的0.1ZB增長到2020年的4.4ZB。
AI與IoT的融合正是以數據為依托的。對于AI來講，數據是其發展的養料，源源不斷的龐大數據量為其感知、處理和進步奠定了基礎。
連接
連接的價值毋庸置疑，無論是設備聯網，亦或AI的接入，所有的一切都需要連接。沒有連接，AIoT的所有功能都將成為美好的愿景。
過去的2018年里，國內的物聯網連接呈現“大象狂奔”的態勢。知名市場研究公司Counterpoint曾發布報告顯示，截止2018年年中，中國的三大運營商物聯網連接數已占據全球蜂窩物聯網60%以上份額，預計到2025年依然保持在60%以上。
用戶
所有一切新興技術，最終服務的對象都是人。因此，用戶的直觀體驗至關重要。
在智能家居等C端領域，用戶更加在乎的是設備“懂我”，期望智能產品能夠滿足自己“飯來張口、衣來伸手”的“懶人”生活；在工業等B端領域，企業客戶更加需要搭載AIoT的智能產品能夠降低成本，提高效率等。
因此，滿足用戶的需求是AIoT的重點方向，需要針對不同群體需求達到真正智能。
流程
AI與IoT的融合，是在IoT廣泛連接物聯設備的基礎之上的。為什么IoT之后仍需要AI助力？因為連接不是目的，智能才是方向。
目前的物聯網設備大都存在流程的冗余，通過AIoT的幫助，對于個人用戶來講，設備將更加好用智能、速度更快；對于工廠企業來講，節省了成本，提高了效率。
可視化
物聯網設備所產生的大量數據，一定程度上包含著無論是機器設備，亦或者個人用戶的關鍵信息。對于企業來講，能夠真正將這些信息利用起來，并成為可視化的、可量化的資源顯得尤為重要。
AIoT時代，將數據等信息可視化的表現出來，不僅能夠將數據與業務緊密聯系，也能幫助企業及時發現市場趨勢，以為更多應用的開發提供智能化輔助。
2.應用
不只是基礎組成“元素”，如何讓AIoT得以發揮巨大效用才是重中之重。在AIoT的落地環節，仍然需要各種服務及平臺作為支撐，從而將其強大能力具體顯現。
在AIoT落地過程中，不外乎需要一些基建服務、運營平臺、生產力平臺以及分析平臺。
對于用戶來講，通過雷達、wifi等基建服務可以保障AIoT的基本功能，為后期的運營分析等奠定基礎。
運營平臺則包括智能手機、工廠管理系統等，用戶可以通過平臺有效管理其上搭載AIoT的設備。
分析處理能力是AIoT非常關鍵的能力之一，在具體的分析管理中，平臺的引入也為用戶的可視化、易管理提供了幫助，因此分析平臺也十分必要。
綜上來看，AIoT的這些落地需求也存在著新的商機，尤其為系統集成商、服務提供商和咨詢公司等帶來了新的機會。
三、企業AIoT戰略
對于企業來講，AIoT存在著非常巨大的價值。雷軍此前坦言，5G+AIoT將是下一代超級互聯網。
盡管價值巨大，看起來非常誘人，但企業若想要能夠真正分一杯羹，著實存在一些挑戰，但風險與收益同在，挑戰與機遇并存。
1. 商業挑戰
任何新興技術的引進，對于企業來講，都存在挑戰。盡管理論層面的數據可以顯示出該技術的先進性，但技術與企業融合的難易程度、最終效果等等都存在不確定性。
對于企業而言，最迫切需要AIoT所帶來的無外乎降低成本、提高利潤率、增加收入。如何在真正落地中滿足企業需求，是擺在企業心中的一大問號。
盡管智能化一直是人們對科技的高度向往，而AIoT能夠將這一目標無比拉近，但是，利用AIoT降低成本并非易事。
首先，AI的投資多，見效慢。AI的前期投入相當龐大，無論是算力研發中硬件成本，還是人才的薪酬等投資都是巨大的。以AlphaGo為例，其算力相當于12000塊常見的消費級1080ti TPU，所花費逾千萬。而目前，人工智能相關崗位的薪酬也是非常之高的，甚至有消息稱，年薪 25 萬的 AI 工程師僅僅是白菜價。
昂貴的前期成本投入，并不能確保后期帶來更高的收益，因此，對于企業來講，AIoT是一項高額高風險的投資。
其次，模型的構建難，準確性也無法保證。傳統工業領域的IT從業人員缺少模型的構建與管理經驗，無法保證實現模型預測的準確性，也無法對模型進行全生命周期管理及升級，以更低成本和更高效率進行模型和算法的迭代。
正因此，企業很難從AIoT中獲得利潤率的提高，從而進一步抑制了企業對該技術的“興趣”。
最后，因為企業在降低成本及提高利潤率等方面存在問題，因此依靠AIoT增加收入也就變得更加困難。
2. 解決方法
但老話說的好：只要思想不滑坡，方法總比問題多。盡管現存的許多問題阻礙了AIoT的商業化進程，但與之相對應的解決方法總是有的。
首先。企業間以合作的形式，可以有效降低成本，獲得更大利潤。試想一下，原本一家企業做AIoT需要從AI及IoT全方位下手，但通過合作的方式，企業只需要專注于一小部分，例如數據、連接等等，通過互補合作的方式，可以有效降低成本、提高效率。
另外，企業需要創建新的“服務”模型。在AIoT所引領的智能化時代初期，用戶的需求是逐步塑造與形成的，相對應的，新的商業模型存在很大發展空間，如何滿足用戶所需值得深入挖掘。
結語
AIoT是一個龐大的產業鏈，圍繞它可以產生無限可能，價值是巨大的。但事物的發展不會一帆風順，處于發展起步階段的AIoT，在實際落地之中又有重重困境。盡管對企業來講，解決問題的方法不止一個，但AIoT最終能否淬火之后達到繁榮生態，仍含有太多不確定性。
【來源：人工智能學家】
