云 & AIoT是怎樣的一種關系

大家可能會發現，在過去一段時間里，云計算、AI和物聯網這三件事被同時提及的次數之多，可謂史無前例。可能大家已經認為這是某種套路，或者科技八股，廠商如果不同時念叨這哥仨就顯得跟不上潮流。

但是沒有無緣無故的愛恨，也沒有無緣無故的并列。

為什么云計算廠商紛紛選擇了帶上IoT一起玩耍，其中還是有邏輯與產業趨勢的。

而其關鍵點或許在于，當云廠商希望將AI技術和能力賣到一家家商店、工廠，或者政府機構，也就是形成所謂的產業AI，或者產業互聯網市場時——這個生意究竟如何成立？

沿著這個問題，我們會發現假如沒有可聯網、可執行AI交互的端側硬件支撐，云與AI的產業之夢根本無法成立。

而這個現實反過來，導致了我們曾經認為云計算的出現就是要讓硬件繁多的IT產業徹底虛擬化，一切計算都發生在網絡的那頭。

但是，當AI帶來了新的市場可能時，端側硬件反而變成了云計算密不可分的組成部分。甚至于在AIoT進入具體場景時，云計算獲得了成為操作系統和協調系統的新機會。

今天，云計算市場的一大變數，來自想成為AIoT幕后老板的野心與困難。

一、AIoT：產業互聯網的理想型

為了能夠更清晰理解云、AI和IoT三者之間的關系，我們可能要回到企業市場的原點，去看看近兩年火熱的產業互聯網、產業智能究竟是怎樣一個生意。

事實上，企業信息化這個市場已經打開了20年，如果只是把APP和網站賣給產業客戶，那么今天這門生意跟以往沒有什么不同。

以云廠商為代表的產業互聯網玩家，實質上是想把可以直接作用于生產流程的智能技術與相關平臺賣到企業。

但是問題來了，消費互聯網普及靠PC和手機，產業互聯網普及靠什么？

想讓AI技術在企業生產中被應用，不能依靠企業里的電腦手機，而是需要生產設備、監控設備、服務設備具備AI的能力。換言之，這就需要企業中配備大量適配生產與AI技術的新硬件。

所以說，AIoT是產業互聯網的理想型，也是一條必經之路。

這兩年，這個領域已經有了不少進展。

從硬件能力來區分，我們可以將產業互聯網中的AIoT分成三個發展階段。

第一階段，主要以智能攝像頭搭載機器視覺算法為主。今天這樣的搭配已經廣泛應用于交通、零售、安防場景，在工業中主要作用于工業質檢場景。

第二階段，AIoT產生了兩條進化軌跡：一條是能夠處理復雜AI算法、網絡擁有低時延特性的大型AIoT設備，這種設備可以深度運用于工業場景，真正取代部分人工勞動；另一條則是硬件本身無法處理復雜AI算法，但可以通過簡單算法和龐大的設備聯接數，解決數據快速流通的問題，這類AIoT設備可以應用于農業、零售、機場、公共服務領域。

第三階段，則是AI交互深度與設備聯接廣度的組合，也就是我們理想中無處不在的深度智能設備，人類可以隨時在生產、生活中呼喚復雜的AI服務。按照這樣的進化軌跡，我們其實可以將產業互聯網的需求，看作是更好網絡條件、更大算力與更復雜AI算法在專有硬件中的集成。

在這個過程里，云計算會得到一個巨大的機會：AIoT指揮中心。

二、衍生問題：云為AIoT提供什么？

之所以要先梳理一遍產業市場對AIoT的需求，是因為我們在關注云+AIoT這個市場變化時，必須首先回答這么一個問題：企業用AI，可不可以直接購買硬件？這個生意跟互聯網徹底沒關系行不行？

要知道，聯接公有云也就意味著安全風險，這對于企業核心生產體系來說顯然是很難接受的。

但是，從上述討論可以看出，并不是因為互聯網和云計算公司話語強勢，企業AI就必須執行網聯化和云化。

而是從主流趨勢上看，公有云占據著企業應用AIoT這條軌道上難以避開的位置。或者說，在產業AI的執行過程里，幾個關鍵能力都必須有公有云來提供，而企業繞開公有云體系，則意味著巨大的成本和更新困境。

這里可以用幾個例子，來分析一下云到底將為AIoT提供什么。

1. 大型AI任務的處理能力與更新能力

對于大部分企業來說，AI訓練和重型AI任務的推理，如何放在本地進行將會是巨大的算力成本。

理想的AI任務處理流程，是云側訓練、端側部署，數據回傳后再到云側進行跟進訓練。這個過程也意味著企業可以基于公有云，隨時更新產業中需要的AI模型。

云計算將成為產業互聯網的協同工具——這個能力，是在非云化的封閉環境中很難完成的。

2. 大規模的數據處理能力

企業AIoT體系，其實是建立在數據學習、數據存儲與數據應用的循環體系上。而這意味著企業用戶要實時調用和存進大量的數據。

其高同步要求，讓數據很難完全在本地側處理。本地預處理搭配云端深度處理與存儲，是相對合理的解決方案。

3. 公有云體系的工具融合作用

在企業深度應用AI設備時，面臨的可能不是某些能力的長時間應用，而是大量AI相關軟硬件的協同兼容。

這里有個問題，就是企業用戶需要保持與工具鏈的高度同步，以便隨時保持AI技術下的產業競爭力，將工具鏈與場景融會貫通，也需要在云端完成來觸發更高效率。

4. 邊緣計算的重要性

企業真正應用AI，很難完全依靠云或端，邊緣計算往往可以提供效率與成本之間的精準平衡。

但邊緣計算所需要的算力與設備結合，很大程度也在云廠商提供的服務范疇中，并且享受著公有云產業目前相對高速的技術進化紅利。

5. 帶領解決方案式的交付能力

此前我們說過，企業購買AI，更多情況不是購買API或者硬件。尤其是非云原生企業和大型政企，更傾向購買解決方案式的交付品。

但誰來帶領產業協同的解決方案商業模式呢？

今天來看，云廠商的機會非常大。基于云生態為企業提供綜合的AIoT服務，似乎更符合產業鏈對效率的追求。

這幾點，都是云能夠與AIoT硬件體系聯接的方式。

站住了這些位置，公有云在產業智能化時代的巨大紅利似乎指日可待。但是，要客觀看到，這場變革并沒有那么容易發生，因為今天產業互聯網的混亂局面，正在延遲“云+AI+IoT”這條路真正走通。

三、理想與現實間的癥結

產業AI聽上去非常美好，各種數據報告都對其給予厚望，甚至給出了可以打開第四次工業革命的預言。

但是，真正走到各行業看一看，我們很難聽說工廠主、連鎖店老板、市政服務設施激進地擁抱AI，大規模換裝AIoT設備。

這里面存在的矛盾，一方面來自技術解決方案依舊不到成熟期；而另一方面，也源自混亂的AIoT市場。

由于AIoT是一個缺乏標準化的技術名詞，企業服務市場的復雜，又導致各個云服務商各自為戰，都在合作和宣傳一些自己技術理解下的解決方案，缺少統一性與兼容性。

這個過程里，很多市場和產業問題都暴露了出來。“云+AIoT”到底是不是真正的未來，也就隨之被蒙上了一層陰霾。

站在企業用戶的角度看，今天不選擇通過公有云駛入產業AI，主要可能有這樣幾種顧慮：

1）王婆賣瓜

在服務商的表述里，AI對于企業來說似乎已經非常有用。但當企業真正了解AI后，會發現首先將面臨極其龐大復雜的成本支出。而且如果自身行業缺乏AI實踐，往往會支出大量探索型成本。加上AI可能帶來的實用性不足、上云帶來的安全隱患等，會給企業加上層層顧慮，最終讓AIoT變成服務商自己的表演。

2）魚目混珠

云+AIoT走進產業，似乎每家廠商都是這么說的。但如果仔細拆分各家廠商的合作方案，就會發現從方案、評判指標，甚至對具體技術的稱呼全都不一樣。這一方面會給用戶十分混亂的困擾感，另一方面也讓用戶難以清楚判斷優劣。今天，即使只能提供簡單數字化能力的企業服務商，也一定會往AI、IoT這類熱門名詞上掛靠，最終用戶只覺得亂花迷眼。

3）囫圇吞棗

AIoT解決方案與行業的結合，今天依舊是個巨大問題。大部分所謂的AIoT解決方案，實際提供的依舊是以智能攝像頭為主的機器視覺解決方案。這類方案近乎適用于所有行業，但大部分都是錦上添花的作用。真正與傳感器、流水線、操作系統深度結合的行業AIoT設備與技術，更多時候還處在有待開啟的空白。

四、產業破障的機會

總體來看，產業應用AIoT體系，是云計算廠商絕好的機會，也是云+AI打開巨大產業市場的核心方案。尤其對于產業結構龐大、提質增效需求十分突出的中國市場來說，引導云+AIoT進行產業革命，絕非不可能之事。

但是這場云計算聯接的變局中，美好的前景與現實的困難同時存在。

野蠻生長期里，各自為戰的混亂，成為了這個需要平臺化與標準化的長尾產業中，最明顯的絆馬索。

當然，困難同時也意味著機會，想要理清復雜的局面，讓云+AIoT踏上快速發展紅利期，今天有三件事是值得關注的：

1. 云+AIoT的標準和操作系統

長久以來，物聯網產業缺乏標準都是癥結的集中點。

當需求倒逼產業走向標準化和平臺化，這個問題或許能夠迎來答案。目前，給予學術組織、特定技術，以及操作系統的物聯網協議、標準化進程都在推進當中。

雖然難度很大，但并非沒有希望。尤其值得注意的，是基于操作系統、開發系統層面的AIoT標準統一，或許相對來說更具可行性。

2. 工業級別的IoT硬件