本文转自智慧产品圈（微信号：pieeco） 作者：李映

人工智能（AI）已成为最新“热词”，曾经风光无限的物联网有些“黯然神伤”。但是两者不是“井水不犯河水”，在驱动全球经济变革的道路上，两者会产生怎样的交会，又该如何理会这“交会时互放的光芒”？ 

从物联网基础架构出发，从感应层的硬件到云平台，从通信层到应用层，物联网也架起了面向个人应用如可穿戴设备、健康医疗，企业应用如智能办公、医疗保健，产业互联网如工业4.0、智能制造等的“网络”，通过这一构建，让AI得以“成全”。

对于AI来说，数据的重要性至关重要，必须要以数据为“粮食”。物联网时代一个显著的特征可连接大量不同的设备及装置，嵌入在各个产品中的传感器不断地将新数据上传至云端，让大量的物联网数据汇入数据平台，推动MT数据、互联网数据的融合，构建各种行业的应用。而AI通过算法进行数据挖掘，促进应用不断智能化。

一个智能系统有三个最基本的层次：感知、互联、控制。可以说物联网对AI有个正向的激励作用，而反过来AI也将物联网变得更加“智能”。比如在感应层，虽然很多传感器的功能都还处于初级阶段，但AI必然是发展的一个方向。举例来说，如果在每个红绿灯路口加装监控系统，在没有用到AI技术的情况下，也许能够统计到经过车辆的数量这样的信息。但是一旦用上AI技术中的图像识别技术，就不仅能知道这个路口的车辆经过数量，还可以识别出经过车辆的车牌号、车辆类型等信息。这样就可以在感应层采集到更多的有用信息，用于进一步的分析处理。

在应用层就更不用说了，AI在应用层可以提供智能决策，利用感应层的实时数据，实时调节某些路口的红绿灯，如果整条路上几乎没有车辆的时候，就可以将这条路上的人行横道旁的指示灯全部置为绿色。

可以说，物联网与AI之间的关系互为表里，相辅相成应是“主旋律”。

但要实现AI，算法、算力和数据均不可或缺。虽然一方面物联网的数据可为AI的“落地”提供“粮食”，网络可为AI提供“桥梁”，但另一方面，雾计算和边缘计算已然兴起。可在设备和云数据中心之间的某处（“在雾中”）进行一些所需的工作。或使前端设备智能化，通过与其它附近设备（“边缘”）沟通，可以本地实时处理。

要知道，并不是所有数据都需要回到云中心的。比如智能汽车的每一个指令都需要回到“中央”检查一遍吗？那显然“来不及”。智能家居的每台设备都需要自动更新吗，何不全部下载到一个设备，然后通过本地Wi-Fi分发到其它设备上？这种前端智能处理的需求将推动边缘计算/雾计算的爆发。当前的一项研究也指出，将赋予边缘设备强大的计算能力——这几乎“消除”了对云的需求。

显然，AI要顺应边缘计算/雾计算的潮流，那必然对算法的“下沉”和算力的“进步”要携手“并行”。借助于CPU、GPU、FPGA等的“精进”，借助于深度学习等算法与芯片处理的效率“提升”，前端智能已俨然要成为AI的新“Style”。

最近火热的“智能音箱”就是一大实例，巨头都希望借此打开家庭物联网的入口，这时智能音箱与其它家庭设备的互联互通就显得尤为重要，但在这方面显然还有不少“功课”要做。

随着技术的进步，配备AI的物联网会缔造更大的价值已毋庸置疑，但是该如何取舍，如何“知行合一”？。

物联网中的AI可能需要极其昂贵和强大的计算能力。要知道AlphaGo中有1920个CPU、280个GPU，还储存几百万个专业围棋的走子记录，才得以用如此大量的计算资源打败了围棋职业9段高手。

那么，在某些应用中，完全可以减少计算资源，让AI解决复杂度更低的挑战和更多样化的物联网用例的问题。

同时，要在物联网中应用AI，必须为了特定的应用花时间研发传统算法并训练AI。目前已经有一些这样的解决方案，比如某公司的运营数据管理和分析(ODMA)业务应用程序就使用了机器学习技术，以实时检测传感器所搜集技术的异常现象。随着IT产业解决问题能力的增强，这一点将得到逐步改善。

AI可以最大化IoT带来的价值，而IoT能为AI提供所需的数据流。只有它们被同时使用时，才能同时实现AI和IoT的利益及优势。而AI的成熟是一个渐进的过程，不可能一蹴而就，更不可能一下就跳过临界点。Gartner前不久发布的新兴技术成熟度曲线图显示，共有几十项新兴技术进入了技术萌芽期和期望膨胀期，其中AI占据了一大部分。而物联网的构建也非“一日之功”，让我们一起期待它们“交互时互放的光芒”吧！

我们正在为创造一个丰富多彩的智能世界而努力，

你的关注与支持就是对我们的最大鼓励。