工業(yè)互聯(lián)網(wǎng)時(shí)代，任何一家工業(yè)制造業(yè)要想不被“淘汰出局”，就需要實(shí)現(xiàn)轉(zhuǎn)型升級和工廠自動(dòng)化智能化水平提升，隨著技術(shù)的不斷革新，企業(yè)轉(zhuǎn)型升級提速，而工業(yè)互聯(lián)網(wǎng)則被認(rèn)為是企業(yè)轉(zhuǎn)型的關(guān)鍵支撐。
近年來，人工智能（AI）和物聯(lián)網(wǎng)（IoT）被認(rèn)為是推動(dòng)當(dāng)今行業(yè)發(fā)展的主導(dǎo)技術(shù)，兩者融合產(chǎn)生了一個(gè)新的概念：AIoT（智聯(lián)網(wǎng)），隨著5G技術(shù)的發(fā)展，AIoT在工業(yè)自動(dòng)化中被寄予厚望。
AI是大腦，IoT是連接
“AIoT”即“AI+IoT”，指的是人工智能技術(shù)與物聯(lián)網(wǎng)在實(shí)際應(yīng)用中的落地融合?，F(xiàn)在業(yè)內(nèi)有一個(gè)說法就是，AI是大腦，IoT是連接。兩者的融合可以提供智能連接系統(tǒng)，能夠進(jìn)行自我糾正和修復(fù)。
不管是技術(shù)還是產(chǎn)業(yè)，IoT都是由來已久，它解決底層連接和數(shù)據(jù)傳輸問題。同時(shí)它帶來的連接設(shè)備和數(shù)據(jù)類型遠(yuǎn)大于傳統(tǒng)互聯(lián)網(wǎng)，在工業(yè)領(lǐng)域由于設(shè)備的多樣性及工藝流程的復(fù)雜性，其連接系統(tǒng)也更為復(fù)雜，為了更好的理解AIoT，我們需要了解連接系統(tǒng)的發(fā)展。
云計(jì)算的出現(xiàn)為物聯(lián)網(wǎng)連接系統(tǒng)提供連接、存儲(chǔ)和計(jì)算三個(gè)關(guān)鍵功能。借助云計(jì)算的基礎(chǔ)架構(gòu)，可以使多個(gè)設(shè)備之間無縫連接，除了可以發(fā)送機(jī)器對機(jī)器（M2M）消息之外，這些設(shè)備還可以將獲取的遙測數(shù)據(jù)集中存儲(chǔ)在云中，同時(shí)這些數(shù)據(jù)可以通過計(jì)算分析服務(wù)處理，以獲得洞察力。
AI則可以根據(jù)大量的歷史資料和實(shí)時(shí)觀察找出對于未來預(yù)測性的洞察。由于同時(shí)分析過去的和實(shí)時(shí)的數(shù)據(jù)，AI更容易注意到有哪些資料屬于例外，并做出合理、合適的推斷。
數(shù)據(jù)對于AI的重要性不言而喻，AI需要持續(xù)的數(shù)據(jù)流入，它可以處理和從中學(xué)習(xí)的數(shù)據(jù)越多，其預(yù)測的準(zhǔn)確率也會(huì)越高。
AI是IoT的大腦，讓設(shè)備的簡單連接上升為智能連接，讓萬物互聯(lián)進(jìn)化到萬物智聯(lián)，IoT是讓AI具備行動(dòng)能力的身體。就像人類的眼睛，耳朵，鼻子和皮膚感知我們周圍的世界一樣，IoT中數(shù)十億的傳感器和攝像頭采集周圍環(huán)境的數(shù)據(jù)，并將這些數(shù)據(jù)發(fā)送給AI進(jìn)行分析和處理。這些數(shù)據(jù)也是AI進(jìn)行深度學(xué)習(xí)的重要養(yǎng)料，協(xié)助AI變得越來越聰明，做出的決定也越來越明智。
正如阿里云首席智聯(lián)網(wǎng)科學(xué)家柯鎮(zhèn)所說：“缺少AI的IoT會(huì)變?yōu)?lsquo;雞肋’，缺少IoT的AI會(huì)成為‘傻瓜’”。
目前，AIoT在工業(yè)中的應(yīng)用主要是在工業(yè)機(jī)器人領(lǐng)域。
在自動(dòng)化普及的工業(yè)時(shí)代，生產(chǎn)過程幾乎完全自動(dòng)化、機(jī)器人具備高度的適應(yīng)能力，工業(yè)互聯(lián)網(wǎng)不只是實(shí)現(xiàn)機(jī)器互聯(lián)，還有智能。AIoT在幫助機(jī)器人實(shí)現(xiàn)智能互聯(lián)的同時(shí)，還能讓管理者任意自如的操控，尤其是在很多工業(yè)危險(xiǎn)的領(lǐng)域。
在未來，工業(yè)生產(chǎn)將更進(jìn)一步實(shí)現(xiàn)智能化，工業(yè)機(jī)器人將得到更廣泛的應(yīng)用。在AIoT的支持下，機(jī)器人與工業(yè)設(shè)備等完成了完全的互聯(lián)互通，并可對相關(guān)數(shù)據(jù)進(jìn)行實(shí)時(shí)持續(xù)處理，從而進(jìn)一步提高效率，降低成本。
5G是連接AI與IoT的橋梁
隨著5G商用牌照的發(fā)放，不少業(yè)內(nèi)人士表示，AIoT將會(huì)迎來一個(gè)爆發(fā)期，5G將為AIoT的發(fā)展掃清技術(shù)上的障礙。
在5G技術(shù)加持下，AIoT在未來20年將成為全球備受矚目的黑科技。
中國工程院院士鄔賀銓表示，“5G是連接AI與IoT的橋梁，其高帶寬、高可靠低延時(shí)、大連接開拓了AIoT更廣闊的應(yīng)用領(lǐng)域”。
那么5G和AI、IoT之間是什么關(guān)系？鄔賀銓表示，5G是將AI和IoT連接起來，成為一個(gè)可靠的高帶寬、大連接、低時(shí)延的通道。通過5G將IoT提升到人工智能的層面，體現(xiàn)IoT的價(jià)值，同時(shí)，5G幫助AI與IoT結(jié)合，產(chǎn)生落地效應(yīng)。
在工廠內(nèi)部WiFi無線網(wǎng)絡(luò)應(yīng)用的最多，但由于無線技術(shù)的帶寬、可擴(kuò)展性、抗干擾能力很難滿足工廠環(huán)境的實(shí)際應(yīng)用需求。而5G在可靠性、抗干擾能力上剛好可以滿足工廠環(huán)境需求，因而可以用在企業(yè)外網(wǎng)和企業(yè)內(nèi)網(wǎng)中。
鄔賀銓指出，現(xiàn)在應(yīng)用較多的公用網(wǎng)絡(luò)上的5G是一種利用TDD（時(shí)分雙工）的模式，在某個(gè)頻率上根據(jù)時(shí)序的不同分為上行下行，工業(yè)互聯(lián)網(wǎng)中，需要上傳的帶寬高，回傳指令的帶寬低，TDD的下行較上行時(shí)隙多。
現(xiàn)在應(yīng)用較多的公用網(wǎng)絡(luò)上的5G是一種利用TDD的模式，在某個(gè)頻率上根據(jù)時(shí)序的不同分為上行下行，工業(yè)互聯(lián)網(wǎng)中，需要上傳的帶寬高，回傳指令的帶寬低，TDD的下行較上行時(shí)隙多。
這其中，機(jī)器人將來會(huì)大量應(yīng)用，“5G+8k+移動(dòng)邊緣計(jì)算”可以讓機(jī)器人反映更敏感。商飛公司用8K高清攝像頭掃描飛機(jī)蒙皮鉚接質(zhì)量，通過5G寬帶快速連接企業(yè)的云平臺(tái)，顯著提升效率與檢測質(zhì)量，商飛還利用5G的低時(shí)延同步兩個(gè)攝像頭，將從兩側(cè)獲取的視頻合成飛機(jī)精確的3D視像。
機(jī)器視覺也將得到廣泛應(yīng)用，數(shù)據(jù)顯示，中國每天在產(chǎn)線上進(jìn)行目視檢查的工人超過350萬，其中僅3C行業(yè)就超過了150萬人。但人工檢測準(zhǔn)確度不高。機(jī)器視覺需要借助邊緣計(jì)算與中心云的大規(guī)模AI比對分析能力，5G為云連接提供寬帶和快速通道。
AIoT發(fā)展還存在諸多挑戰(zhàn)
雖然AIoT已經(jīng)成為行業(yè)技術(shù)發(fā)展風(fēng)口，但鄔賀銓認(rèn)為，AIoT發(fā)展將經(jīng)歷單機(jī)智能階段、互聯(lián)智能階段及主動(dòng)智能階段3個(gè)發(fā)展階段。
第一階段單機(jī)智能階段，單機(jī)系統(tǒng)需要精確感知、識別、理解用戶的各類指令，如語音、手勢等，并正確決策、執(zhí)行和反饋。而這個(gè)過程中設(shè)備與設(shè)備之間是不發(fā)生相互聯(lián)系。
第二階段互聯(lián)智能階段，采用集中的云或邊緣計(jì)算控制多個(gè)終端（感知器）的模式，構(gòu)成互聯(lián)的產(chǎn)品矩陣，打破了單機(jī)智能的孤島效應(yīng)，對智能化體驗(yàn)場景進(jìn)行了不斷升級和優(yōu)化。當(dāng)用戶晚上在臥室對著空調(diào)說出“睡眠模式”時(shí)，客廳的電視、音箱，以及窗簾、燈等都自動(dòng)進(jìn)入關(guān)閉狀態(tài)。
第三階段主動(dòng)智能階段，智能系統(tǒng)根據(jù)用戶行為偏好、用戶畫像、環(huán)境等各類信息，自我學(xué)習(xí)、主動(dòng)提供適用于用戶的服務(wù)。例如，清晨伴隨著光線的變化，窗簾自動(dòng)緩緩開啟，音箱傳來悅耳的起床音樂，空調(diào)調(diào)整到適應(yīng)白天的溫度。
AIoT發(fā)展還面臨很多的挑戰(zhàn)，包括算力、算法、平臺(tái)兼容性、安全性四個(gè)方面。
第一是算力，普通計(jì)算機(jī)的計(jì)算能力有限，利用其訓(xùn)練一個(gè)模型往往需要數(shù)周至數(shù)月的時(shí)間。密集和頻繁地使用高速計(jì)算資源面臨成本壓力；
第二是算法，AI的訓(xùn)練所需的時(shí)間非常長，目前僅訓(xùn)練一些簡單的識別尚需數(shù)周時(shí)間，面對未來應(yīng)用場景的豐富性，有必要在算法層面予以增強(qiáng)。此外，基礎(chǔ)算法非常復(fù)雜，應(yīng)用的企業(yè)開發(fā)者能力不足。
第三是平臺(tái)兼容性，物聯(lián)網(wǎng)產(chǎn)品碎片化，而各AI公司生態(tài)之間又缺乏協(xié)同，本地算力、網(wǎng)絡(luò)連接能力、平臺(tái)間的不兼容，要把框架里的算法部署到數(shù)量眾多的物聯(lián)網(wǎng)設(shè)備上，大規(guī)模部署問題重重；
第四是安全性，人工智能呢決策的正確性受IoT數(shù)據(jù)的精確度影響，AI的分析結(jié)構(gòu)還缺乏可解釋性，AIoT還存在被攻擊而成為僵尸物聯(lián)網(wǎng)的風(fēng)險(xiǎn)。
