AIoT的生死局：未來的AIoT很賺錢 但目前的AI+IoT很花錢

　　盡管從最近一段時間來看，AIoT已經(jīng)受到許多巨頭企業(yè)的重視，例如華為首次公布AIoT戰(zhàn)略、京東將其IoT業(yè)務整合升級為小京魚AIoT生態(tài)，但是這些并不意味著前路坦蕩。

　　AIoT目前仍處于發(fā)展的起步階段，只能作為一種美好的愿想，無論從AI還是IoT本身來看，仍然存在著許許多多的問題。如同互聯(lián)網(wǎng)等新興技術(shù)發(fā)展初期一樣，AIoT也多少存在追捧與泡沫。

　　AI的發(fā)展仍很薄弱

　　AI近些年非?；馃幔绕浣栌蒁eepMind推出的AlphaGo在圍棋領(lǐng)域戰(zhàn)勝人類一事，一度將其推上“神壇”。時隔兩年，DeepMind攜全新AlphaStar再次驚艷亮相，最近在策略類游戲“星際爭霸2”中也讓人類敗下陣來。

　　這些已有的成就固然令人矚目，然而現(xiàn)實生活中，AI仍然沒有真正走進生活，成為改變世界的重要力量。目前來看，成熟的AI需要相當長的路徑，無論是底層技術(shù)，還是相應的訓練，甚至相關(guān)人才的培養(yǎng)等，遠不是短時間內(nèi)可以完成的。AI作為AIoT的核心之一，它的發(fā)展對AIoT的落地仍然具有至關(guān)重要的影響。

　　算力太貴

　　AI算力平臺的搭建，需要大量的CPU和GPU。目前風靡全球的AI產(chǎn)品AlphaGo使用的TPU是一種類似GPU的算法芯片，它的能耗功效比非常高。訓練AlphaGo的算力相當于12000塊常見的消費級1080TI，所花費的開支逾千萬。

　　普通計算機的計算能力是有限的，利用其訓練一個模型往往需要數(shù)周至數(shù)月的時間。密集和頻繁地使用高速計算資源，其所花費的成本往往難以估計。這些開銷對于大企業(yè)來講或許承擔得起，但對中小型企業(yè)而言，往往是難以負擔的巨額數(shù)字。

　　正是由于AI對計算的需求非常大，對高性能計算芯片的需求很高，國內(nèi)企業(yè)對這一領(lǐng)域持續(xù)發(fā)力，比如華為不久前推出的鯤鵬920芯片，云知聲也宣布正在研發(fā)多款AI芯片，一時捷報頻傳。然而這不意味著芯片價格會大幅度下調(diào)，對于企業(yè)來講，仍然需要在硬件方面給予極大的支持，這也意味著企業(yè)需要花很多錢才能購買到需要的算力。

　　訓練太慢

　　AI芯片自設(shè)計生產(chǎn)后，其實是什么都做不了的，想要讓它達到真正的智能，需要大量正確的合適的樣例進行訓練。就像教寶寶逐漸學會說話和走路一樣，AI的訓練過程也是漫長的，而且難度更大、復雜度更高。

　　AI本質(zhì)上仍然是機器，并沒有具備真正意義上的智力。以識別圖片為例，AI需要對幾億張圖片進行數(shù)據(jù)標注，記住相應的數(shù)據(jù)特征，在實際的識別中完成的是一個概率判斷。所以，AI的“思考”核心是機器算法，并不會擁有人類這樣的真正思維。正因如此，AI的訓練所需的時間是非常長的，目前僅訓練一些簡單的識別尚需數(shù)周時間，面對未來應用場景的豐富性，有必要在算法層面予以增強。

　　另外，如今想要進入AIoT領(lǐng)域的企業(yè)有很多都是家電及硬件廠商——盡管它們深諳各自領(lǐng)域的相關(guān)技術(shù)及規(guī)則，但對于進入AI這個完全陌生的領(lǐng)域，本身對于算法的積累幾乎為零，需要針對相關(guān)產(chǎn)品從零設(shè)計相關(guān)算法并完成訓練所需耗費的時間成本也是巨大的。

　　應用太淺

　　盡管AI最近幾年非常熱門，但是目前仍然處于發(fā)展的初期，仍然很難將實驗室理想環(huán)境下的成功產(chǎn)品應用至生產(chǎn)生活中去。其最主要的原因有兩個，一個是數(shù)據(jù)少，另一個是AI并非單獨的產(chǎn)品。盡管AIoT或許能夠解決AI數(shù)據(jù)少的問題，但是AI針對不同問題、不同領(lǐng)域的落地仍然很難擴展，效率很低。

　　對于AIoT來講，將AI應用在數(shù)量眾多的物聯(lián)網(wǎng)設(shè)備上，首先要解決的是兼容性問題。物聯(lián)網(wǎng)設(shè)備并非都是單一標準的，將一項新技術(shù)應用推廣開來所需處理的兼容性問題非常繁雜，大規(guī)模部署問題重重。此外，從火熱的智能音箱可以看出，目前的AI相關(guān)技術(shù)仍然主要處于探索語音交互方面，對其他的交互仍沒有很好的解決方案，而且語音交互的適用場景并不能完全推廣開來。

　　AIoT想要跨越AI這座山峰，需要解決的是一個全場景的問題，從基礎(chǔ)的算法，到開發(fā)訓練，再到應用部署能力等等。未來AIoT的進步與落地，仍然需要企業(yè)間競爭與合作，促進資源分享與技術(shù)進步。

　　物聯(lián)網(wǎng)的進展仍很“簡單”

　　如果說在AIoT中AI扮演著大腦的角色，IoT則需要構(gòu)建連接，實現(xiàn)萬物智聯(lián)的第一步萬物互聯(lián)。盡管物聯(lián)網(wǎng)已經(jīng)出現(xiàn)了相當長的一段時間，但是目前的物聯(lián)網(wǎng)也仍然處于發(fā)展的初期階段。

　　技術(shù)

　　物聯(lián)網(wǎng)分為感知層、網(wǎng)絡層、平臺層和應用層，盡管物聯(lián)網(wǎng)近些年發(fā)展迅速，但是從各個層面來看，仍然存在一些問題。

　　從感知層來看，其關(guān)鍵技術(shù)主要包含射頻技術(shù)(RFID)和傳感器技術(shù)，以傳感器技術(shù)為例，目前來看，傳感器仍存在一些關(guān)鍵技術(shù)制約。傳感器的設(shè)計技術(shù)涉及到多種學科、理論、材料、工藝等，設(shè)計軟件昂貴，設(shè)計過程復雜等因素長期存在，國產(chǎn)傳感器無論是可靠性還是封裝技術(shù)等，都存在嚴重不足。