AIoT的生死局：未来的AIoT很赚钱，但目前的AI+IoT很花钱

尽管从最近一段时间来看，AIoT已经受到许多巨头企业的重视，例如华为首次公布AIoT战略、京东将其IoT业务整合升级为小京鱼AIoT生态，但是这些并不意味着前路坦荡。

AIoT目前仍处于发展的起步阶段，只能作为一种美好的愿想，无论从AI还是IoT本身来看，仍然存在着许许多多的问题。如同互联网等新兴技术发展初期一样，AIoT也多少存在追捧与泡沫。

AI的发展仍很薄弱

AI近些年非常火热，尤其借由DeepMind推出的AlphaGo在围棋领域战胜人类一事，一度将其推上“神坛”。时隔两年，DeepMind携全新AlphaStar再次惊艳亮相，最近在策略类游戏“星际争霸2”中也让人类败下阵来。

这些已有的成就固然令人瞩目，然而现实生活中，AI仍然没有真正走进生活，成为改变世界的重要力量。目前来看，成熟的AI需要相当长的路径，无论是底层技术，还是相应的训练，甚至相关人才的培养等，远不是短时间内可以完成的。AI作为AIoT的核心之一，它的发展对AIoT的落地仍然具有至关重要的影响。

1. 算力太贵

AI算力平台的搭建，需要大量的CPU和GPU。目前风靡全球的AI产品AlphaGo使用的TPU是一种类似GPU的算法芯片，它的能耗功效比非常高。训练AlphaGo的算力相当于12000块常见的消费级1080TI，所花费的开支逾千万。

普通计算机的计算能力是有限的，利用其训练一个模型往往需要数周至数月的时间。密集和频繁地使用高速计算资源，其所花费的成本往往难以估计。这些开销对于大企业来讲或许承担得起，但对中小型企业而言，往往是难以负担的巨额数字。

正是由于AI对计算的需求非常大，对高性能计算芯片的需求很高，国内企业对这一领域持续发力，比如华为不久前推出的鲲鹏920芯片，云知声也宣布正在研发多款AI芯片，一时捷报频传。然而这不意味着芯片价格会大幅度下调，对于企业来讲，仍然需要在硬件方面给予极大的支持，这也意味着企业需要花很多钱才能购买到需要的算力。

2. 训练太慢

AI芯片自设计生产后，其实是什么都做不了的，想要让它达到真正的智能，需要大量正确的合适的样例进行训练。就像教宝宝逐渐学会说话和走路一样，AI的训练过程也是漫长的，而且难度更大、复杂度更高。

AI本质上仍然是机器，并没有具备真正意义上的智力。以识别图片为例，AI需要对几亿张图片进行数据标注，记住相应的数据特征，在实际的识别中完成的是一个概率判断。所以，AI的“思考”核心是机器算法，并不会拥有人类这样的真正思维。正因如此，AI的训练所需的时间是非常长的，目前仅训练一些简单的识别尚需数周时间，面对未来应用场景的丰富性，有必要在算法层面予以增强。

另外，如今想要进入AIoT领域的企业有很多都是家电及硬件厂商——尽管它们深谙各自领域的相关技术及规则，但对于进入AI这个完全陌生的领域，本身对于算法的积累几乎为零，需要针对相关产品从零设计相关算法并完成训练所需耗费的时间成本也是巨大的。

3. 应用太浅

尽管AI最近几年非常热门，但是目前仍然处于发展的初期，仍然很难将实验室理想环境下的成功产品应用至生产生活中去。其最主要的原因有两个，一个是数据少，另一个是AI并非单独的产品。尽管AIoT或许能够解决AI数据少的问题，但是AI针对不同问题、不同领域的落地仍然很难扩展，效率很低。

对于AIoT来讲，将AI应用在数量众多的物联网设备上，首先要解决的是兼容性问题。物联网设备并非都是单一标准的，将一项新技术应用推广开来所需处理的兼容性问题非常繁杂，大规模部署问题重重。此外，从火热的智能音箱可以看出，目前的AI相关技术仍然主要处于探索语音交互方面，对其他的交互仍没有很好的解决方案，而且语音交互的适用场景并不能完全推广开来。

AIoT想要跨越AI这座山峰，需要解决的是一个全场景的问题，从基础的算法，到开发训练，再到应用部署能力等等。未来AIoT的进步与落地，仍然需要企业间竞争与合作，促进资源分享与技术进步。

物联网的进展仍很“简单”

如果说在AIoT中AI扮演着大脑的角色，IoT则需要构建连接，实现万物智联的第一步万物互联。尽管物联网已经出现了相当长的一段时间，但是目前的物联网也仍然处于发展的初期阶段。

1. 技术

物联网分为感知层、网络层、平台层和应用层，尽管物联网近些年发展迅速，但是从各个层面来看，仍然存在一些问题。

从感知层来看，其关键技术主要包含射频技术(RFID)和传感器技术，以传感器技术为例，目前来看，传感器仍存在一些关键技术制约。传感器的设计技术涉及到多种学科、理论、材料、工艺等，设计软件昂贵，设计过程复杂等因素长期存在，国产传感器无论是可靠性还是封装技术等，都存在严重不足。

从网络层来看，尽管多年来在网络层已经发展出蓝牙、Wi-Fi、NB-IoT、LoRa等多种技术，但技术方面仍有掣肘。以安全性来讲，一方面是物联网本身接入方式的安全问题，另一方面是数据传输面临的网络相关安全问题。物联网的网络核心仍然主要依赖于传统网络技术，目前普及使用的IPv4存在网络地址空间短缺等问题，尽管未来升级IPv6可以解决一些问题，但IPv6新的特性也仍然会存在一些问题，例如拒绝服务攻击(DDoS)等异常流量攻击将仍然猖獗。

从平台层和应用层来看，目前各大公司都在构建生态，但是各公司生态之间缺乏连接，犹如一个个孤岛。尽管各公司期望自身生态能够包含物联网产业链的方方面面，但以单独的一个个生态来讲仍然很难，庞大的物联网产业链条需要各生态群策群力，共同构建。

2. 应用

IoT目前来看前景良好，已经逐步从蓝图变为现实，在很多领域也逐步闪现物联网的影子。但是，互联网发展到现在的看似蓬勃，但仍然处于发展的初期，技术的应用落地仍然十分简单。

造成如此“困境”，一方面是兼容性问题。以智能家居为例，人们总是期待家居环境更加智能，但万物互联时代的智能家居不应该也不会仅仅体现在某款产品上，而是整体的一种感受。但对于物联网公司而言，由于各品牌间兼容性问题的存在，企业不得不利用第一款产品牢牢绑定用户，创造用户粘性。例如，购买了小米的智能音箱也很难再选用其他不兼容品牌的产品，尤其是存在竞争关系的一些品牌。而尽管有些号称庞大生态伙伴的产品互相兼容，但仍然免不了是一个个孤立的生态孤岛。

另一方面，是设计理念问题。物联网走进生活是为了让生活更方便更舒适，然而目前的很多物联网产品的使用都与智能相悖而行。

现在的智能家居市场有很多产品都是贯以智能之名，其实只是将产品与智能手机相连——这根本不能被称之为智能家居。例如，市面上有很多智能空调，所谓“智能”是其可以通过手机控制。但是，使用遥控器控制空调触手可及，相比之下，使用手机APP再进行控制是非常麻烦的。目前，许多厂商似乎仍然认为通过接入智能手机APP就实现了家居智能，然而这一观点显然是不成熟的。智能家居不应仅是通过智能手机控制，而应以用户的使用体验是否更便捷舒适来判断。

其实任何技术最终落地都是要处理与人的连接，连接是人与产品交互的第一步，一定程度上影响着用户对产品的认可度。如果一个产品从开机到联网需要非常复杂的方式，恐怕很少有用户愿意使用。因此，简化用户的操作变得尤为必要。

生局?死局?

AIoT已经成为2019的开年热词，尽管现在来看还存在各种各样的问题，但毫无疑问今年将会迎来AIoT的一波热潮，但光环之下，AIoT的未来或明或暗仍不甚清晰。

每项技术的诞生之初总是会被大众追捧，即使是现如今非常普遍的互联网，早在世纪初也曾面临泡沫的破灭。自1995年至2001年间，在欧美及亚洲多个国家的股票市场中，与科技及新兴的互联网相关企业股价高速上升。2000年4月，纳斯达克指数一路狂飙突进到历史顶点，5400多点。但不幸泡沫破裂，资本市场崩盘。寒冬持续了3年时间，才慢慢走出低谷。

技术初期由于被追捧而产生泡沫是一件很正常的事情，但是泡沫总会破碎，因此会对产业带来阵痛。而泡沫如果很大，带来的镇痛或许会非常痛，甚至摧毁产业。AIoT现在来看处在初期，从本文可以看出，无论AI还是IoT在技术方面都有待改进，但已经有越来越多的巨头企业入手AIoT，AIoT的火热在短时间内仍然会是概念，因此会产生泡沫。那么，产生的泡沫有多大呢?

目前来看，AIoT领域的融资规模还鲜少有超亿元的大额融资。对于其他大企业而言，小米号称五年投入100亿，但这个数字对于研发来讲并不算特别巨大，即使刚刚宣布专注AIoT技术研发的OPPO，早前在手机研发方面年投入也逾百亿元。而其他巨头虽然也早早在AIoT领域耗资布局，但是更多的也是专注技术以及生态。

如此看来，AIoT的泡沫可能并没有想象中那么大，尤其是对于专注于技术的企业而言，更是如此。例如，华为和云知声在芯片领域持续发力，所积累的技术与经验都是具有极高价值的;百度持续关注安全领域，而数字时代的安全也是至关重要、不可或缺的。

更重要的是，泡沫即使产生了巨大影响，但能否华丽转身仍然有赖于技术本身。早前的互联网泡沫来势汹汹，造成的巨大冲击更是数年才得以缓了过来。但是数字时代是大势所趋，互联网最终仍然会蓬勃发展，并延续至今。以现在来看，泡沫对互联网产生了一定的良性影响，无论国内外的互联网科技巨头仍然占据着最赚钱企业的席位。毫无疑问，物联网和AI是近年来非常热的两个概念，终其原因是人们相信其将会如互联网般改变生活。而且，作为优势互补的两个领域，AI与IoT之间的融合的好处是显而易见的。

当然，虽然我们相信AIoT在未来会产生巨大影响，但在当下仍然还很难在生活中直观感受到。或许AIoT的热度在未来会有一些反复，但对于产业领域而言，终究会慢慢渗透进入我们的生活。