1.2 AIoT的发展

1.2.1 AIoT发展的社会背景

“十二五”期间，我国IoT发展与发达国家保持同步，成为全球IoT研究与应用最为活跃的地区之一。“十三五”期间，在“创新是引领发展的第一动力”方针的指导下，IoT进入了跨界融合、集成创新和规模化发展的新阶段。“十四五”期间，新技术、新应用、新业态层出不穷，AIoT快速发展；国际上围绕着AIoT核心技术与标准的竞争日趋激烈。

2016年5月，在《国家创新驱动发展战略纲要》中将“推动宽带移动互联网、云计算、物联网、大数据、高性能计算、移动智能终端等技术研发和综合应用，加大集成电路、工业控制等自主软硬件产品和网络安全技术攻关和推广力度，为我国经济转型升级和维护国家网络安全提供保障”作为“战略任务”之一。

2016年8月，《“十三五”国家科技创新规划》“新一代信息技术”的“物联网”专题提出“开展物联网系统架构、信息物理系统感知和控制等基础理论研究，攻克智能硬件（硬件嵌入式智能）、物联网低功耗可信泛在接入等关键技术，构建物联网共性技术创新基础支撑平台，实现智能感知芯片、软件以及终端的产品化”的任务。在“重点研究”中提出了“基于物联网的智能工厂”“健康物联网”等研究内容，并将“显著提升智能终端和物联网系统芯片产品市场占有率”作为发展目标之一。

2016年12月，《“十三五”国家战略性新兴产业发展规划》提出实施网络强国战略，加快“数字中国”建设，推动物联网、云计算和人工智能等技术向各行业全面融合渗透，构建万物互联、融合创新、智能协同、安全可控的新一代信息技术产业体系。

2017年4月，《物联网的十三五规划（2016—2020年）》指出：物联网进入跨界融合、集成创新和规模化发展的新阶段。IoT将进入万物互联发展的新阶段，智能可穿戴设备、智能家电、智能网联汽车、智能机器人等数以万亿计的新设备将接入网络。物联网智能信息技术将在制造业智能化、网络化、服务化等转型升级方面发挥重要作用。车联网、健康、家居、智能硬件、可穿戴设备等消费市场需求更加活跃，驱动物联网和其他前沿技术不断融合，人工智能、虚拟现实、自动驾驶、智能机器人等技术不断取得新突破。

2020年7月，国家标准化管理委员会、工业与信息化部等五部门联合发布《国家新一代人工智能标准体系建设指南》明确指出，新一代人工智能标准体系建设的支撑技术与产品标准主要包括：大数据、物联网、云计算、边缘计算、智能传感器、数据存储及传输设备。关键领域技术标准主要包括：自然语言处理、智能语音、计算机视觉、生物特征识别、虚拟现实/增强现实、人机交互等。物联网标准建设主要包括：规范人工智能研发和应用过程中涉及的感知和执行关键技术要素，为人工智能各类感知信息的采集交互和互联互通提供支撑。新一代人工智能标准体系的建设将进一步加速AI技术与IoT的融合，推动AIoT技术的发展。

2021年3月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》的第十一章第一节“加快建设新型基础设施”中指出推动物联网全面发展，打造支持固移融合、宽窄结合的物联接入能力。加快构建全国一体化大数据中心体系，强化算力统筹智能调度，建设若干国家枢纽节点和大数据中心集群，建设E级和10E级超级计算中心。积极稳妥发展工业互联网和车联网。加快交通、能源、市政等传统基础设施数字化改造，加强泛在感知、终端联网、智能调度体系建设。同时，提出构建基于5G的应用场景和产业生态，在智能交通、智慧物流、智慧能源、智慧医疗等重点领域开展试点示范。纲要明确了AIoT在“十四五”期间的建设任务，规划了到2035年的发展远景目标。

1.2.2 AIoT发展的技术背景

2018年出现的AIoT就是云计算、边缘计算、大数据、5G、人工智能、数字孪生、区块链等技术，在IoT应用中交叉融合、集成创新的产物。

1.云计算与AIoT

云计算（Cloud Computing）并不是一个全新的概念。早在1961年，计算机科学家就预言：“未来的计算资源能像公共设施（如水、电）一样被使用”。为了实现这个目标，在之后的几十年里，学术界和产业界陆续提出了集群计算、网格计算、服务计算等技术，而云计算正是在这些技术的基础上发展而来。

云计算是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需提供给计算机和其他设备，它具有的主要的技术特征包括：按需服务、资源池化、泛在接入、高可靠性、低成本、快速部署。

有了云计算服务的支持，AIoT开发者可以将系统构建、软件开发、网络管理任务，部分或全部交给云计算服务提供商去负责，自己专心于规划和构思AIoT应用系统的功能、结构与业务系统的运行。AIoT客户端的各种智能终端设备，包括智能感知与控制设备、个人计算机、笔记本计算机、智能手机、智能机器人、可穿戴计算设备都可以作为云终端，在云计算环境中使用。

云计算平台可以为AIoT应用系统提供灵活、可控与可扩展的计算、存储与网络服务，成为AIoT集成创新的重要信息基础设施。

2.边缘计算与AIoT

随着智能工业、智能交通、智能医疗、智慧城市应用的发展，数以千亿计的感知与控制设备、智能机器人、可穿戴计算设备、智能网联汽车、无人机接入了AIoT，AIoT对网络带宽、延时、可靠性的要求越来越高。传统的“端-云”架构已经不能满足AIoT应用对网络高带宽、高可靠性、超低延时的要求，基于边缘计算与移动边缘计算的“端-边-云”架构应运而生。

边缘计算（Edge Computing）概念的出现可以追溯到2000年。边缘计算的发展与面向数据的计算模式发展分不开。随着数据规模的增大和人们对数据处理实时性要求的提高，研究人员必然希望在靠近数据的网络边缘增加数据处理能力，将计算任务从计算中心迁移到网络边缘。1998年出现的内容分发网络（Content Delivery Network，CDN）采用的是基于Internet的缓冲网络，通过在Internet边缘节点部署CDN缓冲服务器，来降低用户远程访问Web网站的数据下载延时，加速内容提交。早期的边缘计算中，“边缘”仅限于分布在世界各地的CDN缓冲服务器。随着边缘计算研究的发展，“边缘”资源的概念已经从最初的边缘节点设备，扩展到从数据源到核心云路径中的任何可利用的计算、存储与网络资源。

2013年，5G的研究催生了移动边缘计算（Mobile Edge Computing, MEC）的发展。移动边缘计算在接近移动用户的无线接入网的位置，部署能够提供计算、存储与网络资源的边缘云（或微云），避免端节点只有直接通过主干网与云计算中心的通信，才能突破云计算服务的限制。移动节点只需要访问边缘云缓存的内容，接受边缘计算的服务。

随着5G应用的发展，移动边缘计算正在形成一种新的生态系统与价值链，成为一种标准化、规范化的技术。2014年9月ETSI正式成立了MEC工作组，针对MEC技术的应用场景、技术要求、体系结构开展研究。移动边缘计算研究之初只适用于电信移动通信网。2017年3月ETSI将移动边缘计算行业规范工作组正式更名为“多接入边缘计算”（Multiple-access Edge Computing, MEC）工作组，将移动边缘计算从电信移动通信网扩展到其他无线接入网（如Wi-Fi），以满足AIoT对移动边缘计算的应用需求。

随着5G应用的发展，移动边缘计算MEC作为支撑5G应用的关键技术受到进一步的重视。电信运营商看到了移动边缘计算发展的重要性，于是投入大量资金，大规模部署移动边缘云的建设。基于移动边缘计算的AIoT“端-边-云”的网络结构，能够为需要提供超高带宽与可靠性、超低延时的AIoT应用提供技术支持。

3.大数据与AIoT

在对商业、金融、银行、医疗、环保与制造业领域进行大数据分析的基础上，获取的重要知识衍生出很多有价值的新产品与新服务，人们逐渐认识到“大数据”的重要性。2008年之前我们一般将这种大数据量的数据集称为“海量数据”。2008年Nature杂志上出版了一期专刊，专门讨论未来大数据处理面临的挑战问题，提出了“大数据”（Big Data）的概念。产业界将2013年称为大数据元年。

随着AIoT的发展，新的数据将不断产生、汇聚、融合，这种数据量增长已经超出人类的预想。无论是对数据的收集、存储、维护，还是管理、分析和共享，对人类都是一种挑战。

大数据并不是一个确切的概念。到底多大的数据是大数据，不同的学科领域、不同的行业会有不同的理解。目前对于大数据大致可以看到三种定义。第一种是大到不能用传统方法进行处理的数据。第二种是那些大小超过标准数据库工具软件收集、存储、管理与分析能力的数据集。第三种是维基百科给出的定义：大数据是指无法使用传统和常用的软件技术与工具在一定的时间内完成获取、管理和处理的数据集。

数据量的大小不是判断一个数据是否是“大数据”的唯一标准，判断这个数据是不是“大数据”，要看它是不是具备以下“5V”的特征：大体量（Volume）、多样性（Variety）、时效性（Velocity）、准确性（Veracity）、大价值（Value）。

AIoT中智能交通、智能工业、智能医疗中的大量传感器、RFID芯片、视频监控探头、工业控制系统是造成数据“爆炸”的重要原因之一。AIoT为大数据技术的发展提出了重大的应用需求，成为大数据技术发展的重要推动力之一。通过不同的感知手段获取大量的数据不是AIoT的目的，如何通过对大数据的智能处理，提取正确的知识与准确的反馈控制信息，这才是AIoT对大数据研究提出的真正需求。

4.5G与AIoT

AIoT规模的超常规发展，导致大量的AIoT应用系统将部署在山区、森林、水域等偏僻地区。很多的AIoT感知与控制节点，密集部署在大楼内部、地下室、地铁与隧道中，4G网络与技术已难以适应，只能寄希望于5G网络与技术。

AIoT涵盖智能工业、智能农业、智能交通、智能医疗与智能电网等各个行业，业务类型多、业务需求差异性大。在智能工业的工业机器人与工业控制系统中，节点之间的感知数据与控制指令传输必须保证是正确的，延时必须在ms量级，否则就会造成工业生产事故。无人驾驶汽车与智能交通控制中心之间的感知数据与控制指令传输尤其要求准确性，延时必须控制在ms量级，否则就会造成车毁人亡的重大交通事故。AIoT中对反馈控制的实时性、可靠性要求高的应用对5G的需求格外强烈。

ITU-R明确了5G的三大应用场景：增强移动宽带通信、大规模机器类通信与超可靠低延时通信。其中，大规模机器类通信面向以人为中心的通信和以机器为中心的通信，面向智慧城市、环境监测、智慧农业等应用，为海量、小数据包、低成本、低功耗的设备提供有效的连接方式。例如，有安全要求的车辆间的通信、工业设备的无线控制、远程手术，以及智能电网中的分布式自动化。超可靠低延时通信主要是满足车联网、工业控制、移动医疗等行业的特殊应用对超高可靠、超低延时通信场景的需求。5G作为AIoT集成创新的通信平台，有力地推动着AIoT应用的发展。

5.人工智能与AIoT

人工智能（Artificial Intelligence, AI）是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科高度发展、紧密结合、互相渗透而发展起来的一门交叉学科，但是它至今仍然没有一个被大家公认的定义。不同领域的研究者从不同的角度给出了各自不同的定义。最早人工智能定义是“使一部机器的反应方式就像是一个人在行动时所依据的智能”。有的科学家认为“人工智能是关于知识的科学，即怎样表示知识、获取知识和使用知识的科学”。一种通俗的解释是，人工智能大致可以分为两类，一类是弱人工智能，一类是强人工智能。弱人工智能是能够完成某种特定任务的人工智能；强人工智能是具有与人类等同的智慧，能表现人类所具有的所有智能行为，或超越人类的人工智能。

人工智能诞生的时间可追溯到20世纪40年代，经历了三次发展热潮。第一次热潮出现在1956年至60年代，第二次热潮出现在1975年至1991年，第三次热潮出现在2006年至今。

2006年，以深度学习为代表的人工智能进入了第三次热潮。“学习”是人类智能的主要标志与获取知识的基本手段。“机器学习”研究计算机如何模拟或实现人类的学习行为，以获取新的知识与技能，不断提高自身能力。自动知识获取成为机器学习应用研究的目标。一提到“学习”，我们首先会联想到读书、上课、做作业、考试。上课时，我们跟着老师一步步地学习属于“有监督”的学习；课后做作业，需要自己完成，属于“无监督”的学习。平时做的课后练习题属于学习系统的“训练数据集”，而考试题属于“测试数据集”。学习好的同学平时“训练”好，所以考试成绩好。学习差的同学平时“训练”不够，考试成绩自然会差。如果将学习的过程抽象表述，那就是：学习是一个不断发现自身错误并改正错误的迭代过程。机器学习也是如此。为了让机器自动学习，同样要准备三份数据：训练集、验证集与测试集。

• 训练集是机器学习的样例。

• 验证集用来评估机器学习阶段的效果。

• 测试集用来在学习结束后评估实战的效果。

2006年，“深度学习（deep learning）”研究的发展，开启了人工智能的第三次热潮。第三次人工智能热潮的研究热点主要是机器学习、神经网络、计算机视觉。在过去的几年中，图像识别、语音识别、机器人、人机交互、无人机、无人驾驶汽车、智能眼镜越来越多地使用了深度学习技术。

机器学习系统的主要组成部分是数据。AIoT的数据来自不同的行业、不同的应用、不同的感知手段，有人与人、人与物、物与物、机器与人、机器与物、机器与机器等各种数据，这些数据可以进一步分为：环境数据、状态数据、位置数据、个性化数据、行为数据与控制数据，这些数据具有明显的异构性与多样性。因此，AIoT数据是机器学习的“金矿”。AIoT智能数据分析广泛应用了有监督与无监督的机器学习方法。机器学习越来越依赖于大规模的数据集和强大的计算能力；云计算、大数据、边缘计算、5G技术的发展，为AI与AIoT的融合提供了巨大的推动力。

6.数字孪生与AIoT

工业4.0促进了数字孪生的发展。2002年，“数字孪生”（Digital Twin）术语出现。传统控制理论与方法已经不能够满足AIoT复杂大系统的智能控制需求。2019年，随着“智能+”概念的兴起，数字孪生成为了产业界与学术界研究的热点。

数字孪生基于人工智能与机器学习技术，将数据、算法和分析决策结合在一起，通过仿真技术将物理对象映射到虚拟世界，在数字世界建立一个与物理实体一模一样的数字孪生体，通过人工智能的多维数据复杂处理与异常分析，合理地规划、实现对系统与设备的精准维护，预测潜在的风险。数字孪生的概念涵盖着以下的基本内容：

• 驱动数字孪生发展的五大要素是感知、数据、集成、分析、执行，这些与AIoT是完全一致的；

• 数字孪生的核心技术包括多领域、多尺度仿真建模，数字驱动与物理模型融合的状态评估，生命周期数据管理，虚拟现实呈现，高性能计算；

• 在5G应用的推动上，数字孪生表现出“精准映射、虚实交互、软件定义与智能控制”的特征。

数字孪生是在AIoT、云计算、大数据与智能技术的支撑之上，通过对产品全生命周期实施“迭代优化”和“以虚控实”方法，彻底改变了传统的产品设计、制造、运行与维护技术，将极大地丰富智能技术与AIoT技术融合的理论体系，数字孪生为AIoT大系统智能控制提供了新的设计理念与方法。目前数字孪生正从工业应用向智慧城市等综合应用方向发展，将进一步提升AIoT的应用效果与价值。

7.区块链与AIoT

区块链与机器学习被评价为未来十年可能提高人类生产力的两大创新技术。区块链（Blockchain）技术始于2009年，起源于虚拟货币，如今区块链正在渗入各行各业与社会的各个方面。

人类的文明起源于交易，交易的维护和提升需要有信任关系。一个交易社会需要有稳定的信任体系，这个体系有三个要素：交易工具、交易记录与交易权威。Internet金融打破了传统的交易体系，我们依赖了几百年的信任体系正在受到严峻的挑战。

由于区块链作为“去中心化”协作、分布式数据存储、“点-点”传输、共识机制、加密算法和智能合约等技术在网络信任管理领域的集成，能剔除网络应用中最薄弱环节与最根本缺陷——人为的因素，因此研究人员认为区块链将成为重新构造社会信任体系的基础。

AIoT存在着与Internet类似的问题。AIoT应用系统要为每一个接入的节点（如传感器、执行器、网关、边缘计算设备与移动终端设备）配置一个节点名、分配一个地址、关联一个账户。账户要记录对传感器、执行器、网关、边缘计算设备、移动终端设备的感知、执行、处理之间的数据交互，以及高层用户查询与共享节点数据的行为数据。AIoT系统管理软件要随时对节点账户进行审计，检查对节点账户进行查询、更新的用户的身份与权限是否合法，发现异常情况需要立即报警和处置。同时，AIoT中物流与供应链、云存储与个人隐私保护、智能医疗中个人健康数据合法利用和保护、通信与社交网络中用户网络关系的维护、无线频段资源共享与保护，都会用到区块链技术。“物联网+区块链”（BIoT）将成为建立AIoT系统“可信、可用、可靠”的信任体系的理论基础。目前，区块链技术已经开始应用到AIoT的智慧城市、智能制造、供应链管理、数字资产交易、可信云计算与边缘计算、网络标识管理等诸多领域，并将逐步与实体经济深度融合。AIoT、区块链与智能技术的融合应用，将引发新一轮的技术创新和产业变革。

综上所述，AIoT的形成与发展的过程如图1-14所示。

通过以上的讨论，我们对AIoT概念的内涵有以下几点新的认识。

• AIoT并不是一种新的IoT，它是IoT技术与AI技术交叉融合的必然产物。它的出现标志着IoT技术、应用与产业进入了一个新的发展阶段。

• AIoT推进了“IoT+云计算+边缘计算+大数据+5G+智能决策+智能控制+区块链”等新技术与各行各业、社会的各个层面的深度融合和集成创新。

• AIoT的核心是AI技术的应用，研究的目标是使IoT最终达到“感知智能、认知智能与控制智能”的境界。