粗略来说，把AI赋能到IoT（物联网）的各个层面，就成了AIoT。

香港中文大学（深圳）理工学院执行院长、未来智联网络研究院院长、深圳市大数据研究院常务副院长、IEEE Fellow 崔曙光教授近日表示，AI和IoT相辅相成——AI促进了IoT的演进，IoT给AI提供了原料，因为所有的AI算法都依赖数据。未来绝大部分数据都来自于物联网，所以AIoT是一个应运而生的产物，AIoT将成为未来智能网络的主角。

他同时指出，理想很美好，怎么去实现还存在很多技术壁垒。从学术角度来讲，只有解决了技术障碍和弱点，才能把AIoT真正应用到社会各个层面。

以下内容根据崔曙光教授在由雷锋网主办的2019全球AIoT产业·智能制造峰会上的讲话整理，由氢云资讯编辑。

5G+通信网络是AIoT的骨架支撑

现在5G正在商用化，5G大致的功能定义、技术范围已经基本确定。但5G还不成熟，还需要时间，因此可称为5G+，“+”的意思是面向未来、面向6G。有观点认为，把AI融入到5G的各个层面，是一种实现6G的可能性。

5G系统主要面对三大应用场景。

第一是海量机器通信（mMTC）,也是IoT的典型场景，如智能家居、智慧城市。

第二是超可靠低时延通讯（uRLLC），如自动驾驶、智能制造、智慧医疗等对时延要求非常严苛的应用。

第三是增强移动宽带（eMBB），如超高清视频传输、AR/VR等。

与4G相比，5G的性能指标提升显著。在规模与场景方面，5G有10倍用户数密度增长、百倍数据流量密度增长、两倍移动速率增加。在数据传输速率方面，5G有千倍单位面积容量增长、百倍用户体验速率增长和几十倍峰值传输速率增长。另外，5G还有十倍端到端延时降低、百倍能效增加，以及十倍谱效增加。

AI赋能未来智联网络：数据与模型协同

分布式学习与集中式控制结合是AI赋能未来智联网络的强有力体现。要实现分布式学习和集中式控制，最重要的就是数据。而IoT就是数据担当，大部分数据都由IoT提供。可以说，未来智能网络就是AIoT。

用户需求多样性与网络复杂度的不断提升在推动未来智能网络演进的同时也带来了挑战，而不同场景中的数据则提供了解决当前网络困境的契机。海量的数据资源及丰富的应用场景可以训练强大的AI算法，形成“AI控制大脑”来实现更高效的操作。比如，5G网络发展成6G，让云的效能提高，整合在一起就形成了未来智能网络的框架。

要实现这样的框架愿景，核心理念就是数据与模型协同。

可以看到，模型驱动高局限性、低适应性、高执行效率，数据驱动低局限性、高适应性、低执行效率。不难发现，如果要找到更好的系统模式的话，一个自然而然的选择就是两者结合。

模型和数据协同驱动会带来很多好处。在一个场景中，AI可能无法马上解决问题。因此，在AI学习阶段可以用模型驱动的方式，而同时模型驱动阶段也可以提供大量数据，这些数据又有助于让数据驱动的算法更快收敛。

模型和数据协同驱动、互相促进，在学术术语里叫做learning and planning。Learning是纯数据驱动，planning是基于模型，这和人的自然学习也是一样的。上学就是planning——根据前人经验从书本知识做规划，然后去社会上摸爬滚打，那就是learning。对人而言，既上学又去社会上实践，才是最好的发展模式。

当然，learning and planning的架构要真正应用在AIoT里并非易事，需要对这一基本框架做出拓展，包括大规模分布式强化学习、多任务迁移学习、多进程元学习。

云是核心，AI是大脑

作为AIoT的架构支撑，云是一种资源共享的概念，通过网络提供可伸缩的、廉价的分布式计算能力。混合云将成为云计算的未来趋势，因为混合云既有私有云的优点（如私密性），又有公有云的优点（如可拓展性），其中的技术热点就在于AI驱动的混合云资源管理。

AI在IoT里的应用主要在本地智能化与中心智能化两个层面。

在本地终端、基站层面，现在有很多非常有效的AI算法可以做的很小。很多算法在训练的时候可能需要庞大的系统和大量数据，可一旦训练好，收敛之后，这样的AI网络就可以浓缩到一个很小的平台（传感器）里去运行。

比如说，智能机器人终端对本地智能的要求就会更高一点。而在基站层面，也可以做一些边缘计算，这就是底层网络与AI的结合。

在云+AI的中心智能化层面，云本身就有很强的计算资源，可以通过结合AI来做更多。基于云AI的高效率，可以支撑很多AI应用，比如语音识别和自然语言处理，或是基于计算机视觉的智能应用，都可以在云上通过AI做得很好。

未来智联网络促进产业数字化转型

如果所有技术难点得以解决，AIoT将会有很大用武之地，未来智联网络将促进产业数字化转型。5G+物联网将为产业中的企业实现量化描述，快速详尽地为管理/决策者（人/AI）提供原始或初步处理的数据。而在云上则可以挖掘数据，根据数据分析给出策略和建议，更可整合产业链中各部分数据实现全局掌控。

以电力系统为例，AIoT的赋能可以实现智能自动化配电。通过各终端间的对等通信，可进行智能判断、分析、故障定位、故障隔离以及非故障区域供电恢复等操作，从而实现故障处理过程的全自动，最大可能减少故障停电时间和范围，使配网故障处理时间从分钟级提高到毫秒级。

以AIoT赋能产业链的视角来看，从原材料生产、加工，到产品生产、销售、使用，各个层面都可以部署IoT终端，收集信息、观察状态，上云计算出最佳生产策略，这也是未来产业升级的愿景。

• 以上内容仅代表作者个人观点，不代表氢云资讯观点及立场
• 以上内容及观点不构成任何投资建议，据此投资后果自负