盡管從最近一段時間來看，AIoT已經受到許多巨頭企業的重視，例如華為首次公布AIoT戰略、京東將其IoT業務整合升級為小京魚AIoT生態，但是這些并不意味著前路坦蕩。

AIoT目前仍處于發展的起步階段，只能作為一種美好的愿想，無論從AI還是IoT本身來看，仍然存在著許許多多的問題。如同互聯網等新興技術發展初期一樣，AIoT也多少存在追捧與泡沫。

AI的發展仍很薄弱

AI近些年非常火熱，尤其借由DeepMind推出的AlphaGo在圍棋領域戰勝人類一事，一度將其推上“神壇”。時隔兩年，DeepMind攜全新AlphaStar再次驚艷亮相，最近在策略類游戲“星際爭霸2”中也讓人類敗下陣來。

這些已有的成就固然令人矚目，然而現實生活中，AI仍然沒有真正走進生活，成為改變世界的重要力量。目前來看，成熟的AI需要相當長的路徑，無論是底層技術，還是相應的訓練，甚至相關人才的培養等，遠不是短時間內可以完成的。AI作為AIoT的核心之一，它的發展對AIoT的落地仍然具有至關重要的影響。

算力太貴

AI算力平臺的搭建，需要大量的CPU和GPU。目前風靡全球的AI產品AlphaGo使用的TPU是一種類似GPU的算法芯片，它的能耗功效比非常高。訓練AlphaGo的算力相當于12000塊常見的消費級1080TI，所花費的開支逾千萬。

普通計算機的計算能力是有限的，利用其訓練一個模型往往需要數周至數月的時間。密集和頻繁地使用高速計算資源，其所花費的成本往往難以估計。這些開銷對于大企業來講或許承擔得起，但對中小型企業而言，往往是難以負擔的巨額數字。

正是由于AI對計算的需求非常大，對高性能計算芯片的需求很高，國內企業對這一領域持續發力，比如華為不久前推出的鯤鵬920芯片，云知聲也宣布正在研發多款AI芯片，一時捷報頻傳。然而這不意味著芯片價格會大幅度下調，對于企業來講，仍然需要在硬件方面給予極大的支持，這也意味著企業需要花很多錢才能購買到需要的算力。

訓練太慢

AI芯片自設計生產后，其實是什么都做不了的，想要讓它達到真正的智能，需要大量正確的合適的樣例進行訓練。就像教寶寶逐漸學會說話和走路一樣，AI的訓練過程也是漫長的，而且難度更大、復雜度更高。

AI本質上仍然是機器，并沒有具備真正意義上的智力。以識別圖片為例，AI需要對幾億張圖片進行數據標注，記住相應的數據特征，在實際的識別中完成的是一個概率判斷。所以，AI的“思考”核心是機器算法，并不會擁有人類這樣的真正思維。正因如此，AI的訓練所需的時間是非常長的，目前僅訓練一些簡單的識別尚需數周時間，面對未來應用場景的豐富性，有必要在算法層面予以增強。

另外，如今想要進入AIoT領域的企業有很多都是家電及硬件廠商——盡管它們深諳各自領域的相關技術及規則，但對于進入AI這個完全陌生的領域，本身對于算法的積累幾乎為零，需要針對相關產品從零設計相關算法并完成訓練所需耗費的時間成本也是巨大的。

應用太淺

盡管AI最近幾年非常熱門，但是目前仍然處于發展的初期，仍然很難將實驗室理想環境下的成功產品應用至生產生活中去。其最主要的原因有兩個，一個是數據少，另一個是AI并非單獨的產品。盡管AIoT或許能夠解決AI數據少的問題，但是AI針對不同問題、不同領域的落地仍然很難擴展，效率很低。

對于AIoT來講，將AI應用在數量眾多的物聯網設備上，首先要解決的是兼容性問題。物聯網設備并非都是單一標準的，將一項新技術應用推廣開來所需處理的兼容性問題非常繁雜，大規模部署問題重重。此外，從火熱的智能音箱可以看出，目前的AI相關技術仍然主要處于探索語音交互方面，對其他的交互仍沒有很好的解決方案，而且語音交互的適用場景并不能完全推廣開來。

AIoT想要跨越AI這座山峰，需要解決的是一個全場景的問題，從基礎的算法，到開發訓練，再到應用部署能力等等。未來AIoT的進步與落地，仍然需要企業間競爭與合作，促進資源分享與技術進步。

物聯網的進展仍很“簡單”

如果說在AIoT中AI扮演著大腦的角色，IoT則需要構建連接，實現萬物智聯的第一步萬物互聯。盡管物聯網已經出現了相當長的一段時間，但是目前的物聯網也仍然處于發展的初期階段。

技術

物聯網分為感知層、網絡層、平臺層和應用層，盡管物聯網近些年發展迅速，但是從各個層面來看，仍然存在一些問題。

從感知層來看，其關鍵技術主要包含射頻技術（RFID）和傳感器技術，以傳感器技術為例，目前來看，傳感器仍存在一些關鍵技術制約。傳感器的設計技術涉及到多種學科、理論、材料、工藝等，設計軟件昂貴，設計過程復雜等因素長期存在，國產傳感器無論是可靠性還是封裝技術等，都存在嚴重不足。

從網絡層來看，盡管多年來在網絡層已經發展出藍牙、Wi-Fi、NB-IoT、LoRa等多種技術，但技術方面仍有掣肘。以安全性來講，一方面是物聯網本身接入方式的安全問題，另一方面是數據傳輸面臨的網絡相關安全問題。物聯網的網絡核心仍然主要依賴于傳統網絡技術，目前普及使用的IPv4存在網絡地址空間短缺等問題，盡管未來升級IPv6可以解決一些問題，但IPv6新的特性也仍然會存在一些問題，例如拒絕服務攻擊（DDoS）等異常流量攻擊將仍然猖獗。

從平臺層和應用層來看，目前各大公司都在構建生態，但是各公司生態之間缺乏連接，猶如一個個孤島。盡管各公司期望自身生態能夠包含物聯網產業鏈的方方面面，但以單獨的一個個生態來講仍然很難，龐大的物聯網產業鏈條需要各生態群策群力，共同構建。

應用

IoT目前來看前景良好，已經逐步從藍圖變為現實，在很多領域也逐步閃現物聯網的影子。但是，互聯網發展到現在的看似蓬勃，但仍然處于發展的初期，技術的應用落地仍然十分簡單。

造成如此“困境”，一方面是兼容性問題。以智能家居為例，人們總是期待家居環境更加智能，但萬物互聯時代的智能家居不應該也不會僅僅體現在某款產品上，而是整體的一種感受。但對于物聯網公司而言，由于各品牌間兼容性問題的存在，企業不得不利用第一款產品牢牢綁定用戶，創造用戶粘性。例如，購買了小米的智能音箱也很難再選用其他不兼容品牌的產品，尤其是存在競爭關系的一些品牌。而盡管有些號稱龐大生態伙伴的產品互相兼容，但仍然免不了是一個個孤立的生態孤島。

另一方面，是設計理念問題。物聯網走進生活是為了讓生活更方便更舒適，然而目前的很多物聯網產品的使用都與智能相悖而行。

現在的智能家居市場有很多產品都是貫以智能之名，其實只是將產品與智能手機相連——這根本不能被稱之為智能家居。例如，市面上有很多智能空調，所謂“智能”是其可以通過手機控制。但是，使用遙控器控制空調觸手可及，相比之下，使用手機APP再進行控制是非常麻煩的。目前，許多廠商似乎仍然認為通過接入智能手機APP就實現了家居智能，然而這一觀點顯然是不成熟的。智能家居不應僅是通過智能手機控制，而應以用戶的使用體驗是否更便捷舒適來判斷。

其實任何技術最終落地都是要處理與人的連接，連接是人與產品交互的第一步，一定程度上影響著用戶對產品的認可度。如果一個產品從開機到聯網需要非常復雜的方式，恐怕很少有用戶愿意使用。因此，簡化用戶的操作變得尤為必要。

生局？死局？

AIoT已經成為2019的開年熱詞，盡管現在來看還存在各種各樣的問題，但毫無疑問今年將會迎來AIoT的一波熱潮，但光環之下，AIoT的未來或明或暗仍不甚清晰。

每項技術的誕生之初總是會被大眾追捧，即使是現如今非常普遍的互聯網，早在世紀初也曾面臨泡沫的破滅。自1995年至2001年間，在歐美及亞洲多個國家的股票市場中，與科技及新興的互聯網相關企業股價高速上升。2000年4月，納斯達克指數一路狂飆突進到歷史頂點，5400多點。但不幸泡沫破裂，資本市場崩盤。寒冬持續了3年時間，才慢慢走出低谷。

技術初期由于被追捧而產生泡沫是一件很正常的事情，但是泡沫總會破碎，因此會對產業帶來陣痛。而泡沫如果很大，帶來的鎮痛或許會非常痛，甚至摧毀產業。AIoT現在來看處在初期，從本文可以看出，無論AI還是IoT在技術方面都有待改進，但已經有越來越多的巨頭企業入手AIoT，AIoT的火熱在短時間內仍然會是概念，因此會產生泡沫。那么，產生的泡沫有多大呢？

目前來看，AIoT領域的融資規模還鮮少有超億元的大額融資。對于其他大企業而言，小米號稱五年投入100億，但這個數字對于研發來講并不算特別巨大，即使剛剛宣布專注AIoT技術研發的OPPO，早前在手機研發方面年投入也逾百億元。而其他巨頭雖然也早早在AIoT領域耗資布局，但是更多的也是專注技術以及生態。

如此看來，AIoT的泡沫可能并沒有想象中那么大，尤其是對于專注于技術的企業而言，更是如此。例如，華為和云知聲在芯片領域持續發力，所積累的技術與經驗都是具有極高價值的；百度持續關注安全領域，而數字時代的安全也是至關重要、不可或缺的。

更重要的是，泡沫即使產生了巨大影響，但能否華麗轉身仍然有賴于技術本身。早前的互聯網泡沫來勢洶洶，造成的巨大沖擊更是數年才得以緩了過來。但是數字時代是大勢所趨，互聯網最終仍然會蓬勃發展，并延續至今。以現在來看，泡沫對互聯網產生了一定的良性影響，無論國內外的互聯網科技巨頭仍然占據著最賺錢企業的席位。毫無疑問，物聯網和AI是近年來非常熱的兩個概念，終其原因是人們相信其將會如互聯網般改變生活。而且，作為優勢互補的兩個領域，AI與IoT之間的融合的好處是顯而易見的。

當然，雖然我們相信AIoT在未來會產生巨大影響，但在當下仍然還很難在生活中直觀感受到。或許AIoT的熱度在未來會有一些反復，但對于產業領域而言，終究會慢慢滲透進入我們的生活。