五大核心构成的AIoT,正在遭遇三大挑战,两条突破口外还有什么?

物联网智库
AIoT是一个庞大的产业链,围绕它可以产生无限可能,价值是巨大的。但事物的发展不会一帆风顺,处于发展起步阶段的AIoT,在实际落地之中又有重重困境。尽管对企业来讲,解决问题的方法不止一个,但AIoT最终能否淬火之后达到繁荣生态,仍含有太多不确定性。

随着IoT与AI逐步走向融合,AIoT正将以全新的方式改变人们的生活。

一、新业务需求

近年来,物联网呈现突飞猛进的发展态势。根据中商情报网的数据,2018年全球物联网设备已经达到70亿台;到2020年,活跃的物联网设备数量预计将增加到100亿台,2025年将进一步增加到220亿台。全球物联网产业规模由2008年的500亿美元增长至2018年的近1510亿美元。

在中国,物联网的大规模应用与新一轮科技和产业变革的融合发展,预计2025年中国物联网连接数将达到53.8亿。

随着物联网设备规模的迅速扩大,工厂所产生的数据规模也正以极高的速度发生“膨胀”,单纯依靠人工处理越来越难以为继,企业急需一些智能化手段,以完成对数据的处理、流程的优化,AI的出现恰到好处。

物联网发展至今,已经从最开始的未连接状态发展至智能化,所带来的价值也将变得越来越大。AI的引入,一定程度上是发展的必然。AI与IoT的融合,将加速智能化进程,充分发挥物联网的价值。

据IDC预测,中国人工智能市场未来五年将处于高速发展阶段,2018年底中国人工智能市场规模将达到22.9亿美元,IDC预测到2022年市场规模将达到98.4亿美元,2017-2022年复合增长率达到54.5%。而在技术的发展方向方面,流程重构、合规治理及洞察服务等无疑是难度最高且极为重要的。

与此同时,IDC在另一份报告中也作出了自2019年起对全球制造业的十大预测,包括:

预测4:到2020年,为了提高速度,灵活性,效率和创新,80%的制造商需要进行广泛的重组,将数据置于流程的中心。

预测2:到2022年,35%的制造企业将通过借助以AI和区块链为中心的平台创建新的生态系统,从而实现50%的流程自动化。

预测6:到2024年,超过60%的G2000制造企业将依靠人工智能平台来推动整个供应链的数字化转型,从而使生产率提高20%以上。

我们由此可以看出,企业、尤其是产出大量数据的制造业对自动化、智能化的需求愈加迫切,传统的自动化、联网化已经越来越无法满足需求。从市场的需求看,随着企业智能化新业务的产生,愈加迫切的需求促成了AI与IoT的融合。

二、AIoT全解析

以众所周知的互联网为例,它是由设备、网络等基础设施及各种丰富多彩的应用构成的。倘若没有基础设施,再精彩的应用也只是空中楼阁,而没有丰富的应用为支撑,互联网的魅力也只能是一个个独立的机器。

与之类似的,如果我们将AIoT进行粗略分类,大抵也可以分为这样两类:基本组成部分与应用程序。

1. 基本组成“元素”

AIoT是指AI与IoT的互补融合,因此在组成上,几乎涵盖两种技术的核心“精华”。如果我们追本溯源,将AIoT进行分类,可分为数据、连接、用户、流程、可视化等五大类。

数据

数据是AIoT非常核心且基础的部分。对于IoT来讲,几十亿台设备的联网所产生的数据量远超人力所能及,而数据又是物联网的主要产出。

正如前文所讲的那样,数据规模正变得越来越“庞大”。 据IDC预测,物联网设备产生的数据从将2013年的0.1ZB增长到2020年的4.4ZB。

AI与IoT的融合正是以数据为依托的。对于AI来讲,数据是其发展的养料,源源不断的庞大数据量为其感知、处理和进步奠定了基础。

连接

连接的价值毋庸置疑,无论是设备联网,亦或AI的接入,所有的一切都需要连接。没有连接,AIoT的所有功能都将成为美好的愿景。

过去的2018年里,国内的物联网连接呈现“大象狂奔”的态势。知名市场研究公司Counterpoint曾发布报告显示,截止2018年年中,中国的三大运营商物联网连接数已占据全球蜂窝物联网60%以上份额,预计到2025年依然保持在60%以上。

用户

所有一切新兴技术,最终服务的对象都是人。因此,用户的直观体验至关重要。

在智能家居等C端领域,用户更加在乎的是设备“懂我”,期望智能产品能够满足自己“饭来张口、衣来伸手”的“懒人”生活;在工业等B端领域,企业客户更加需要搭载AIoT的智能产品能够降低成本,提高效率等。

因此,满足用户的需求是AIoT的重点方向,需要针对不同群体需求达到真正智能。

流程

AI与IoT的融合,是在IoT广泛连接物联设备的基础之上的。为什么IoT之后仍需要AI助力?因为连接不是目的,智能才是方向。

目前的物联网设备大都存在流程的冗余,通过AIoT的帮助,对于个人用户来讲,设备将更加好用智能、速度更快;对于工厂企业来讲,节省了成本,提高了效率。

可视化

物联网设备所产生的大量数据,一定程度上包含着无论是机器设备,亦或者个人用户的关键信息。对于企业来讲,能够真正将这些信息利用起来,并成为可视化的、可量化的资源显得尤为重要。

AIoT时代,将数据等信息可视化的表现出来,不仅能够将数据与业务紧密联系,也能帮助企业及时发现市场趋势,以为更多应用的开发提供智能化辅助。

2.应用

不只是基础组成“元素”,如何让AIoT得以发挥巨大效用才是重中之重。在AIoT的落地环节,仍然需要各种服务及平台作为支撑,从而将其强大能力具体显现。

在AIoT落地过程中,不外乎需要一些基建服务、运营平台、生产力平台以及分析平台。

对于用户来讲,通过雷达、wifi等基建服务可以保障AIoT的基本功能,为后期的运营分析等奠定基础。

运营平台则包括智能手机、工厂管理系统等,用户可以通过平台有效管理其上搭载AIoT的设备。

分析处理能力是AIoT非常关键的能力之一,在具体的分析管理中,平台的引入也为用户的可视化、易管理提供了帮助,因此分析平台也十分必要。

综上来看,AIoT的这些落地需求也存在着新的商机,尤其为系统集成商、服务提供商和咨询公司等带来了新的机会。

三、企业AIoT战略

对于企业来讲,AIoT存在着非常巨大的价值。雷军此前坦言,5G+AIoT将是下一代超级互联网。

尽管价值巨大,看起来非常诱人,但企业若想要能够真正分一杯羹,着实存在一些挑战,但风险与收益同在,挑战与机遇并存。

1. 商业挑战

任何新兴技术的引进,对于企业来讲,都存在挑战。尽管理论层面的数据可以显示出该技术的先进性,但技术与企业融合的难易程度、最终效果等等都存在不确定性。

对于企业而言,最迫切需要AIoT所带来的无外乎降低成本、提高利润率、增加收入。如何在真正落地中满足企业需求,是摆在企业心中的一大问号。

尽管智能化一直是人们对科技的高度向往,而AIoT能够将这一目标无比拉近,但是,利用AIoT降低成本并非易事。

首先,AI的投资多,见效慢。AI的前期投入相当庞大,无论是算力研发中硬件成本,还是人才的薪酬等投资都是巨大的。以AlphaGo为例,其算力相当于12000块常见的消费级1080TI TPU,所花费逾千万。而目前,人工智能相关岗位的薪酬也是非常之高的,甚至有消息称,年薪 25 万的 AI 工程师仅仅是白菜价。

昂贵的前期成本投入,并不能确保后期带来更高的收益,因此,对于企业来讲,AIoT是一项高额高风险的投资。

其次,模型的构建难,准确性也无法保证。传统工业领域的IT从业人员缺少模型的构建与管理经验,无法保证实现模型预测的准确性,也无法对模型进行全生命周期管理及升级,以更低成本和更高效率进行模型和算法的迭代。

正因此,企业很难从AIoT中获得利润率的提高,从而进一步抑制了企业对该技术的“兴趣”。

最后,因为企业在降低成本及提高利润率等方面存在问题,因此依靠AIoT增加收入也就变得更加困难。

2. 解决方法

但老话说的好:只要思想不滑坡,方法总比问题多。尽管现存的许多问题阻碍了AIoT的商业化进程,但与之相对应的解决方法总是有的。

首先。企业间以合作的形式,可以有效降低成本,获得更大利润。试想一下,原本一家企业做AIoT需要从AI及IoT全方位下手,但通过合作的方式,企业只需要专注于一小部分,例如数据、连接等等,通过互补合作的方式,可以有效降低成本、提高效率。

另外,企业需要创建新的“服务”模型。在AIoT所引领的智能化时代初期,用户的需求是逐步塑造与形成的,相对应的,新的商业模型存在很大发展空间,如何满足用户所需值得深入挖掘。

结语

AIoT是一个庞大的产业链,围绕它可以产生无限可能,价值是巨大的。但事物的发展不会一帆风顺,处于发展起步阶段的AIoT,在实际落地之中又有重重困境。尽管对企业来讲,解决问题的方法不止一个,但AIoT最终能否淬火之后达到繁荣生态,仍含有太多不确定性。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论