吳吉義，李文娟，曹健，錢(qián)詩(shī)友，張啟飛，BUYYA Rajkumar

（1.浙江省人工智能學(xué)會(huì)，浙江 杭州310027；2.杭州師范大學(xué)錢(qián)江學(xué)院，浙江 杭州 310036；3.上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系，上海200240；4.浙江大學(xué)軟件學(xué)院，浙江 寧波 315048；5.墨爾本大學(xué)云計(jì)算與分布式系統(tǒng)CLOUDS實(shí)驗(yàn)室，澳大利亞 墨爾本 VIC3010）

1 引言

物聯(lián)網(wǎng)（internet of things, IoT）指通過(guò)各種類(lèi)型的傳感器件，并借助特定的信息傳播媒介，實(shí)現(xiàn)物物相連、信息交換和共享的新型智慧化網(wǎng)絡(luò)模式[1]。移動(dòng)通信技術(shù)的發(fā)展將物聯(lián)網(wǎng)的邊界從傳感器網(wǎng)絡(luò)，延伸到包括人、車(chē)、家用電器和公共基礎(chǔ)設(shè)施等在內(nèi)的泛在物體，物聯(lián)網(wǎng)已從最初的物物互聯(lián)網(wǎng)絡(luò)擴(kuò)展到萬(wàn)物互聯(lián)（internet of everything）時(shí)代。萬(wàn)物互聯(lián)是人類(lèi)科技史上的又一次重大革命，對(duì)社會(huì)生產(chǎn)及生活產(chǎn)生了巨大而深遠(yuǎn)的影響。它在給人們帶來(lái)更便捷、更智慧生活的同時(shí)，也引發(fā)了大量新的技術(shù)和社會(huì)問(wèn)題：智能設(shè)備聯(lián)網(wǎng)和數(shù)字化率提升、頻繁的互操作，將造成解決方案復(fù)雜性的不斷提升，如何在低時(shí)延的前提下，確保操控、決策和協(xié)同的正確和有效性；萬(wàn)物互聯(lián)持續(xù)制造比以往任何時(shí)代更為巨量的數(shù)據(jù)，對(duì)這些體量巨大而價(jià)值密度低的數(shù)據(jù)進(jìn)行合理篩選、存儲(chǔ)、加工和處理將成為難題，數(shù)據(jù)累積、分析和應(yīng)用將成為未來(lái)企業(yè)競(jìng)爭(zhēng)的主戰(zhàn)場(chǎng)，數(shù)據(jù)價(jià)值挖掘得越好，企業(yè)所獲經(jīng)濟(jì)效益越大；萬(wàn)物互聯(lián)將互聯(lián)網(wǎng)連接與共享的本質(zhì)體現(xiàn)得淋漓盡致，然而無(wú)處不在的連接將導(dǎo)致嚴(yán)峻的安全隱患、引發(fā)數(shù)據(jù)隱私保護(hù)危機(jī)，安全策略、模型、平臺(tái)和交互規(guī)則設(shè)計(jì)必須提上日程。

通信技術(shù)的升級(jí)僅解決了物聯(lián)網(wǎng)在聯(lián)網(wǎng)層面上的問(wèn)題，其普及和深度應(yīng)用仍面臨巨大挑戰(zhàn)。從目前來(lái)看，物聯(lián)網(wǎng)需要重點(diǎn)突破的環(huán)節(jié)包括設(shè)備智能控制、數(shù)據(jù)智慧分析處理、語(yǔ)義理解和基于內(nèi)容的融合應(yīng)用開(kāi)發(fā)等。而人工智能恰恰是實(shí)現(xiàn)信息技術(shù)高層次智慧化應(yīng)用（如數(shù)據(jù)挖掘、語(yǔ)義理解、智能推理、智慧化決策）的能手。因此，人工智能成為解決 IoT技術(shù)瓶頸的有效工具，人工智能與物聯(lián)網(wǎng)的深度融合將成為物聯(lián)網(wǎng)技術(shù)進(jìn)一步發(fā)展的驅(qū)動(dòng)力。

2017年11月28日，“萬(wàn)物智能.新紀(jì)元AIoT未來(lái)峰會(huì)”上，研究者首次公開(kāi)提出了人工智能物聯(lián)網(wǎng)（artificial intelligence of things，AIoT）的概念[2]。AIoT是人工智能和物聯(lián)網(wǎng)的融合應(yīng)用，兩種技術(shù)通過(guò)融合獲益。一方面，人工智能幫助物聯(lián)網(wǎng)智慧化處理海量數(shù)據(jù)，提升其決策流程的智慧化程度，改善人機(jī)交互體驗(yàn)，幫助開(kāi)發(fā)出高層次應(yīng)用，提升物聯(lián)網(wǎng)應(yīng)用價(jià)值。另一方面，物聯(lián)網(wǎng)通過(guò)萬(wàn)物互聯(lián)，其無(wú)所不在的傳感器和終端設(shè)備為人工智能提供了大量可分析的數(shù)據(jù)對(duì)象，使得人工智能研究落地。簡(jiǎn)言之，AI讓IoT擁有了“大腦”，使“物聯(lián)”提升為“智聯(lián)”，而IoT則給予AI更廣闊的研究“沃土”，促使“人工智能”推向“應(yīng)用智能”。

短短幾年時(shí)間，人工智能物聯(lián)網(wǎng)已在多個(gè)應(yīng)用領(lǐng)域?qū)崿F(xiàn)了落地，如智能家居、智慧化城市、智慧醫(yī)療、無(wú)人駕駛、智慧工業(yè)控制等。華為GIV（全球產(chǎn)業(yè)愿景）報(bào)告預(yù)測(cè)[3]，到 2025年全球連接的設(shè)備數(shù)將達(dá)到1 000億臺(tái)，萬(wàn)物感知、萬(wàn)物互聯(lián)帶來(lái)的數(shù)據(jù)洪流將與各產(chǎn)業(yè)深度融合，催生產(chǎn)業(yè)物聯(lián)網(wǎng)的興起，提升行業(yè)效率，推動(dòng)產(chǎn)業(yè)升級(jí)。IDC則預(yù)測(cè)：到2022年，將有超過(guò)500億的終端與設(shè)備聯(lián)網(wǎng)，未來(lái)超過(guò) 75%的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)分析、處理與存儲(chǔ)[4]。

2 AIoT的基本概念

2.1 AIoT定義

智能物聯(lián)網(wǎng)（AIoT）屬于比較新的名詞，業(yè)界對(duì)其定義并未達(dá)成一致。百度百科認(rèn)為：AIoT=AI+IoT，是AI和IoT兩種技術(shù)相互融合的產(chǎn)物，IoT是異構(gòu)、海量數(shù)據(jù)的來(lái)源，而AI用于實(shí)施大數(shù)據(jù)分析，其最終目標(biāo)是實(shí)現(xiàn)萬(wàn)物數(shù)據(jù)化、萬(wàn)物智聯(lián)化[5]?！?020年中國(guó)智能物聯(lián)網(wǎng)（AIoT）白皮書(shū)》中指出：AIoT是人工智能與物聯(lián)網(wǎng)的協(xié)同應(yīng)用，它通過(guò)IoT系統(tǒng)的傳感器實(shí)現(xiàn)實(shí)時(shí)信息采集，而在終端、邊緣或云進(jìn)行數(shù)據(jù)智能分析，最終形成一個(gè)智能化生態(tài)體系[6]。白皮書(shū)同時(shí)對(duì)AIoT在技術(shù)和商業(yè)層面的內(nèi)涵做出了解釋。

本文認(rèn)為，AIoT是一種人工智能與物聯(lián)網(wǎng)融合研究模型，屬于一種新型的深度 IoT研究和應(yīng)用形態(tài)。其中，IoT是AIoT的基礎(chǔ)設(shè)施，其無(wú)所不在的傳感器和智能終端將實(shí)現(xiàn)人－機(jī)－物互聯(lián)，實(shí)時(shí)獲取大量應(yīng)用數(shù)據(jù)，是數(shù)據(jù)來(lái)源和運(yùn)行基石；AI是AIoT的智慧化手段和工具，AI幫助IoT實(shí)現(xiàn)智慧互聯(lián)，提升連接的廣度、深度和有效性，實(shí)現(xiàn)大數(shù)據(jù)智能分析，增強(qiáng)IoT系統(tǒng)的感知、鑒別和決策能力，提升融合應(yīng)用解決復(fù)雜問(wèn)題的能力和智慧化水平。

圖1對(duì)AIoT模型進(jìn)行了詮釋。由于融合AI的 IoT應(yīng)用通常要求物聯(lián)網(wǎng)設(shè)備具備一定的算力，因此也常常與云計(jì)算、邊緣計(jì)算等IT基礎(chǔ)設(shè)施平臺(tái)進(jìn)行融合。AIoT平臺(tái)通過(guò)語(yǔ)音、視頻等更加友好的人機(jī)交互界面，實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)設(shè)備的智能操控、物聯(lián)網(wǎng)信息的深度語(yǔ)義理解、價(jià)值提取、智能操控和其他高層衍生應(yīng)用。目前AIoT已經(jīng)在生物特征識(shí)別、智能家居、智慧農(nóng)業(yè)、智慧工業(yè)及智慧城市下屬的智慧物聯(lián)網(wǎng)平臺(tái)（智能交通系統(tǒng)、智能社區(qū)、智慧醫(yī)療）等領(lǐng)域展開(kāi)了廣泛研究。

圖1 AIoT是IoT與AI的融合

AIoT通過(guò)應(yīng)用AI提高IoT應(yīng)用的智慧化程度，提升應(yīng)用層次，因此通常按照智慧化級(jí)別對(duì)AIoT進(jìn)行分級(jí)，如圖2所示。其中，智慧級(jí)別分成從低到高5個(gè)層次，包括傳播智慧化、聚合智慧化、處理智慧化、識(shí)別智慧化和決策智慧化。嵌入人工智能的物體包括智慧個(gè)體、智慧物件和智慧容器3個(gè)級(jí)別。而AIoT構(gòu)建的智慧化系統(tǒng)按照復(fù)雜程度分為3個(gè)級(jí)別，包括嵌入式智慧平臺(tái)、一般智慧服務(wù)平臺(tái)和分布式智慧服務(wù)平臺(tái)。而網(wǎng)絡(luò)基礎(chǔ)設(shè)施層則按照覆蓋面分成智慧局域網(wǎng)、智慧同構(gòu)互聯(lián)網(wǎng)和智慧跨域互聯(lián)網(wǎng)。

圖2 以智慧級(jí)別對(duì)IoT進(jìn)行分類(lèi)

2.2 AIoT技術(shù)架構(gòu)

2.2.1 云邊端融合AIoT架構(gòu)

AIoT技術(shù)架構(gòu)不僅需要考慮傳統(tǒng)物聯(lián)網(wǎng)的技術(shù)模型，還需要解決注入AI后如何及時(shí)處理海量數(shù)據(jù)，進(jìn)行語(yǔ)義理解、人機(jī)交互和智能控制等問(wèn)題[7]，是一種非常復(fù)雜的生態(tài)系統(tǒng)，將催生新的從邊緣到云的混合計(jì)算服務(wù)。

基于云的海量處理能力，人工智能適合放在云端處理，但可能造成時(shí)延。不同應(yīng)用的時(shí)延容忍性不同：比如語(yǔ)音助手回答天氣問(wèn)題出現(xiàn)時(shí)延是可容忍的，而智能自動(dòng)駕駛/工業(yè)制造時(shí)出現(xiàn)時(shí)延則不可容忍。因此，為了適配不同應(yīng)用對(duì)實(shí)時(shí)性和精確性的需求，同時(shí)平衡AI在各級(jí)網(wǎng)絡(luò)層次的部署，本文提出一種云邊端融合AIoT架構(gòu)。在云邊端融合AIoT架構(gòu)中，當(dāng)實(shí)時(shí)響應(yīng)和低時(shí)延是關(guān)鍵因素時(shí)，主要依靠更靠近用戶的邊緣計(jì)算架構(gòu)；當(dāng)計(jì)算決策的精確性是關(guān)鍵因素時(shí)，主要依靠云服務(wù)器。通過(guò)AI在混合計(jì)算架構(gòu)中的逐級(jí)布局，以平衡云計(jì)算所帶來(lái)的規(guī)模經(jīng)濟(jì)與在邊緣引入人工智能處理能力的性能需求之間的矛盾，該架構(gòu)如圖3所示。

圖3 云邊端融合AIoT架構(gòu)

云邊端融合AIoT架構(gòu)包含3層：IoT層、邊緣計(jì)算層和云計(jì)算層。IoT層包含大量泛在感知的智能IoT設(shè)備，能夠?qū)崿F(xiàn)面向用戶的數(shù)據(jù)采集、智能服務(wù)響應(yīng)、本地計(jì)算、簡(jiǎn)單數(shù)據(jù)處理和決策。邊緣計(jì)算層是IoT和云計(jì)算中心的中間件，用以擴(kuò)展終端的計(jì)算和存儲(chǔ)能力，其主要功能包括數(shù)據(jù)/服務(wù)緩存、分布式數(shù)據(jù)處理和協(xié)同、分布式AI算法部署和計(jì)算、智能決策支持、負(fù)載均衡、安全和隱私保護(hù)等。云計(jì)算層即傳統(tǒng)的云計(jì)算中心，包括海量的計(jì)算、存儲(chǔ)和帶寬能力，能夠輔助IoT和邊緣進(jìn)行海量數(shù)據(jù)存儲(chǔ)、深度學(xué)習(xí)、復(fù)雜計(jì)算、集中控制和決策等，是挖掘AIoT數(shù)據(jù)價(jià)值、創(chuàng)造增值服務(wù)的核心模塊。

2.2.2 業(yè)務(wù)邏輯模型

對(duì)應(yīng)于AIoT技術(shù)架構(gòu)，圖4給出了AIoT的業(yè)務(wù)邏輯模型。其主要包含4層：應(yīng)用層（涵蓋AIoT的主要應(yīng)用領(lǐng)域）、操作系統(tǒng)服務(wù)層（包含各種服務(wù)資源調(diào)度、信息、位置及安全管理等服務(wù)）、基礎(chǔ)設(shè)施層（包含對(duì)整個(gè)實(shí)現(xiàn)過(guò)程中涉及的宏觀資源管理和抽象）以及接入層（包含接入媒介、信號(hào)感知識(shí)別等功能）。

圖4 AIoT業(yè)務(wù)邏輯模型

2.3 AIoT的應(yīng)用場(chǎng)景

目前AIoT已在多個(gè)應(yīng)用領(lǐng)域?qū)崿F(xiàn)了落地。

（1）智慧安防

截至2017年9月，全國(guó)安裝于公共服務(wù)的視頻監(jiān)控?cái)z像機(jī)已經(jīng)達(dá)到3 000萬(wàn)臺(tái)，這些公共基礎(chǔ)設(shè)施中捕獲的視頻圖像的內(nèi)容可以通過(guò) AIoT進(jìn)行深入挖掘，從而構(gòu)建智慧社會(huì)治安防線，實(shí)現(xiàn)對(duì)違法案件的提前預(yù)防和精準(zhǔn)打擊。

（2）智慧交通

AIoT通過(guò)視頻圖像分析交通的擁堵?tīng)顟B(tài)以及車(chē)流量、人流量等，在數(shù)據(jù)分析的基礎(chǔ)上疊加紅綠燈等實(shí)際手段，優(yōu)化城市交通路徑，改善擁堵?tīng)顩r。此外，通過(guò)車(chē)－路－邊的配合，AIoT有望打造無(wú)人駕駛系統(tǒng)。

（3）智慧銷(xiāo)售

AIoT技術(shù)能夠借助物聯(lián)網(wǎng)獲取的人臉數(shù)據(jù)、結(jié)合用戶軌跡和購(gòu)買(mǎi)數(shù)據(jù)，了解用戶行為，充實(shí)用戶畫(huà)像，實(shí)現(xiàn)主動(dòng)服務(wù)、智能服務(wù)推薦和增值服務(wù)，構(gòu)建人－貨－場(chǎng)生態(tài)，幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷(xiāo)。

（4）智慧園區(qū)

AIoT能夠?qū)崿F(xiàn)社區(qū)檔案、安全防控、軌跡定位、智慧物業(yè)和出入控制等智能化管理。

（5）智慧制造物聯(lián)

通過(guò)融合物聯(lián)網(wǎng)、電子信息、人工智能與制造技術(shù)等實(shí)現(xiàn)對(duì)產(chǎn)品制造與服務(wù)過(guò)程全生命周期制造資源與信息資源的動(dòng)態(tài)感知、智能處理與優(yōu)化控制。

國(guó)內(nèi)主要IT企業(yè)在AIoT方面的主要應(yīng)用領(lǐng)域見(jiàn)表1。

表1 國(guó)內(nèi)主要IT企業(yè)AIoT應(yīng)用領(lǐng)域

此外，傳統(tǒng)的家電廠商（如美的、海爾等）也將戰(zhàn)略重點(diǎn)放在AI和物聯(lián)網(wǎng)的融合上。

3 AIoT研究體系及研究現(xiàn)狀

3.1 研究體系

AIoT屬于跨學(xué)科交叉、涵蓋研究領(lǐng)域較廣，涉及信息處理、互聯(lián)網(wǎng)、移動(dòng)通信、計(jì)算機(jī)等多種技術(shù)。通過(guò)對(duì)當(dāng)前AIoT相關(guān)研究工作進(jìn)行歸類(lèi)和梳理，同時(shí)按照AI輔助IoT實(shí)現(xiàn)各層智慧化為研究對(duì)象，結(jié)合AIoT的主流應(yīng)用場(chǎng)景，形成如圖5所示的AIoT的研究體系。

圖5 AIoT的研究體系

該體系包含四大AI與IoT融合研究主題，分別是AI與IoT感知層融合、AI與IoT操控層融合、AI與IoT應(yīng)用場(chǎng)景融合，以及AI與IoT安全及隱私保護(hù)融合。其中，感知層和操控層是應(yīng)用的基礎(chǔ)設(shè)施。感知層融合研究主要包括數(shù)據(jù)采集、分析、處理及存儲(chǔ)智慧化、異構(gòu)感知設(shè)備智慧協(xié)同，操控層融合主要包括資源智慧調(diào)度、異構(gòu)資源智慧協(xié)同、智慧負(fù)載均衡、智慧能耗管理、復(fù)雜事件智慧控制以及與云霧邊等計(jì)算范式的融合研究等內(nèi)容。應(yīng)用場(chǎng)景融合主要包括智慧制造物聯(lián)網(wǎng)、智慧農(nóng)業(yè)、智慧家居、智慧交通控制系統(tǒng)、智慧醫(yī)療、智慧社區(qū)等。安全及隱私保護(hù)融合主要涉及位置隱私保護(hù)、移動(dòng)終端安全、傳輸媒介安全、可信管理、應(yīng)用服務(wù)安全和數(shù)據(jù)與內(nèi)容安全等主要內(nèi)容。

3.2 研究現(xiàn)狀

3.2.1 AI融合IoT數(shù)據(jù)采集

傳統(tǒng)物聯(lián)網(wǎng)中，感知層的數(shù)據(jù)采集器僅能從點(diǎn)上獲取物理世界信息，而構(gòu)建二維乃至三維空間信息，需要透析數(shù)據(jù)語(yǔ)義，分析數(shù)據(jù)之間的深層次聯(lián)系。因此，進(jìn)行智慧化數(shù)據(jù)采集、實(shí)現(xiàn)大規(guī)模異構(gòu)網(wǎng)元的高效互聯(lián)、數(shù)據(jù)語(yǔ)義理解是突破數(shù)據(jù)感知的關(guān)鍵。

徐華偉[8]針對(duì)傳統(tǒng)物聯(lián)網(wǎng)信息采集自動(dòng)化程度較低的問(wèn)題，提出了一種大數(shù)據(jù)環(huán)境下物聯(lián)網(wǎng)信息智能采集方法。駱淑云[9]提出了一種針對(duì)低占空比無(wú)線傳感器網(wǎng)絡(luò)的最小時(shí)延數(shù)據(jù)收集機(jī)制和面向群智感知網(wǎng)絡(luò)的多任務(wù)博弈激勵(lì)機(jī)制，鼓勵(lì)用戶共享數(shù)據(jù)資源。祝幸輝[10]則聚焦海量異構(gòu)云物聯(lián)數(shù)據(jù)的匯聚與存儲(chǔ)方法，針對(duì)協(xié)議不一致而導(dǎo)致的多源數(shù)據(jù)匯聚問(wèn)題，提出一種異構(gòu)網(wǎng)絡(luò)協(xié)議適配及數(shù)據(jù)匯聚方法；針對(duì)數(shù)據(jù)類(lèi)型不一致而導(dǎo)致的異構(gòu)數(shù)據(jù)存儲(chǔ)問(wèn)題，提出一種海量物聯(lián)網(wǎng)數(shù)據(jù)混合存儲(chǔ)體系結(jié)構(gòu)和異構(gòu)數(shù)據(jù)分類(lèi)存儲(chǔ)方法。

上述AIoT數(shù)據(jù)采集研究方案的比較見(jiàn)表2。

表2 AIoT數(shù)據(jù)采集研究方案比較

3.2.2 AI融合物聯(lián)網(wǎng)復(fù)雜事件處理及協(xié)同

金彥齡[11]結(jié)合生物機(jī)體模型和調(diào)節(jié)機(jī)制，提出了一系列實(shí)現(xiàn)物聯(lián)網(wǎng)大規(guī)模異構(gòu)網(wǎng)元交互、分布式動(dòng)態(tài)自組織和服務(wù)協(xié)同監(jiān)測(cè)策略。高恩池[12]針對(duì)未來(lái)5G網(wǎng)絡(luò)中M2M通信問(wèn)題，提出了基于負(fù)載估計(jì)的自適應(yīng)隨機(jī)接入策略和基于遺傳算法的小區(qū)負(fù)載均衡策略，以最大化系統(tǒng)吞吐量，降低設(shè)備接入時(shí)延，滿足未來(lái)移動(dòng)通信場(chǎng)景需求。王國(guó)智[13]提出了以Storm流式框架和Esper為基礎(chǔ)的分布式復(fù)雜事件處理引擎，從而幫助企業(yè)從海量多源數(shù)據(jù)中準(zhǔn)確獲取與業(yè)務(wù)規(guī)則相匹配的內(nèi)容，同時(shí)提出了一種基于規(guī)則模板和規(guī)則關(guān)聯(lián)設(shè)備集的流分組策略，提高了引擎的事件處理性能。周柳慧[14]以農(nóng)業(yè)物聯(lián)網(wǎng)環(huán)境為背景，設(shè)計(jì)了一套基于USB技術(shù)實(shí)現(xiàn)識(shí)別視頻監(jiān)控、遠(yuǎn)程采集和控制的智能網(wǎng)關(guān)架構(gòu)。該設(shè)計(jì)框架主要包含三大模塊：感知協(xié)調(diào)處理、智能管理系統(tǒng)和識(shí)別視頻監(jiān)控。

Tang等[15-16]討論了如何使用深度學(xué)習(xí)模型預(yù)測(cè) SDN-IoT中流量負(fù)載和進(jìn)行信道分配。Milis等[17]利用語(yǔ)義Web技術(shù)，設(shè)計(jì)了一種新穎的語(yǔ)義增強(qiáng)型物聯(lián)網(wǎng)智能控制系統(tǒng)（SEMIoTICS）架構(gòu)。

上述復(fù)雜事件處理領(lǐng)域研究方案的比較見(jiàn)表3。

表3 AIoT復(fù)雜事件處理領(lǐng)域研究方案比較

3.2.3 云霧邊融合研究

（1）5G+AIoT

目前AIoT的實(shí)現(xiàn)尤其商業(yè)實(shí)現(xiàn)大多基于4G技術(shù)。相對(duì)于 4G，5G將帶來(lái)通信和數(shù)據(jù)交換層面的巨大變革，其高速率、低時(shí)延有望進(jìn)一步擴(kuò)大和延伸AIoT的應(yīng)用場(chǎng)景，比如可應(yīng)用于對(duì)帶寬和時(shí)限要求更高的實(shí)時(shí)應(yīng)用場(chǎng)景（遠(yuǎn)程操控、遠(yuǎn)程智慧醫(yī)療、實(shí)時(shí)監(jiān)控等）。然而，5G在 AIoT應(yīng)用還需解決能耗、多場(chǎng)景/跨域服務(wù)協(xié)同、互操作及面向用戶的UI等問(wèn)題。

Javaid等[18]探討了基于 5G網(wǎng)絡(luò)架構(gòu)的物聯(lián)網(wǎng)中引入人工智能技術(shù)的必然性，并分析引入AI之后對(duì) 5G物聯(lián)網(wǎng)動(dòng)態(tài)頻譜管理、大數(shù)據(jù)的結(jié)構(gòu)化、異構(gòu)設(shè)備的集成、互操作性和節(jié)能方面的影響。Wang等[19]提出一種稱(chēng)為5G智能物聯(lián)網(wǎng)的下一代互聯(lián)網(wǎng)連接框架。該架構(gòu)充分利用最新的通信技術(shù)以及大數(shù)據(jù)挖掘、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等AI技術(shù)，幫助智能地處理物聯(lián)大數(shù)據(jù)，并試圖優(yōu)化通信信道。Kravari等[20]提出應(yīng)結(jié)合與AI及IoT相關(guān)的科學(xué)理論知識(shí)，并從工程應(yīng)用角度出發(fā)構(gòu)建符合現(xiàn)實(shí)需求的AIoT模型。

（2）云霧邊+IoT

傳統(tǒng)IoT雖然能通過(guò)泛在的傳感器獲知數(shù)據(jù)，但無(wú)法存儲(chǔ)和處理復(fù)雜業(yè)務(wù)，因此不少研究者提出結(jié)合共享基礎(chǔ)設(shè)施平臺(tái)（包括云計(jì)算、霧計(jì)算或邊緣計(jì)算）的IoT模型。

針對(duì)邊緣端算力受限無(wú)法很好部署AI模型，Zou等[21]研究了以霧計(jì)算為中間件架構(gòu)的云－邊混合計(jì)算框架，深入分析了機(jī)器學(xué)習(xí)算法在混合框架部署應(yīng)用的最新研究進(jìn)展，主要從智能算法、應(yīng)用場(chǎng)景、能耗角度進(jìn)行了比較。Liu等[22]針對(duì)以物聯(lián)網(wǎng)構(gòu)建的智慧城市中能源有效性問(wèn)題，提出設(shè)計(jì)IoT+邊緣架構(gòu)的能源基礎(chǔ)設(shè)施，并應(yīng)用深層強(qiáng)化學(xué)習(xí)來(lái)進(jìn)行有效能源調(diào)度。Patel等[23]提出了一種云+霧+IoT的混合框架，并提出根據(jù)動(dòng)態(tài)條件和應(yīng)用要求，實(shí)現(xiàn)邊緣和云之間的自動(dòng)轉(zhuǎn)換智能分析方法。Lin等[24]研究以霧計(jì)算+IoT構(gòu)建的車(chē)載網(wǎng)中基于內(nèi)容的智能個(gè)性化推薦算法。Tao等[25]提出整合云和 IoT的制造資源智慧分類(lèi)和接入模型。該模型包括5層（資源層、感知層、網(wǎng)絡(luò)層、服務(wù)層和應(yīng)用層），并提出了基于物聯(lián)網(wǎng)的資源智能感知和接入方法。Sun等[26]針對(duì)工業(yè)物聯(lián)網(wǎng)的智能大數(shù)據(jù)處理需求，提出了云－邊協(xié)同智能計(jì)算架構(gòu)，通過(guò)一個(gè)AI增強(qiáng)的任務(wù)卸載模型，提高服務(wù)準(zhǔn)確度，通過(guò)案例分析驗(yàn)證新策略的性能。

云霧邊融合研究方案比較見(jiàn)表4。

表4 云霧邊融合研究方案比較

3.2.4 AI融合IoT應(yīng)用

目前，AI融合IoT應(yīng)用的主要場(chǎng)景包括工業(yè)物聯(lián)網(wǎng)、智慧農(nóng)業(yè)物聯(lián)網(wǎng)、智能家居和智慧城市相關(guān)應(yīng)用。其應(yīng)用形態(tài)大多表現(xiàn)為單點(diǎn)式應(yīng)用，業(yè)務(wù)融合性、深度和廣度仍比較局限。

（1）智慧工業(yè)物聯(lián)網(wǎng)

El-Gendy[27]對(duì) AIoT在工業(yè)領(lǐng)域的應(yīng)用進(jìn)行了綜述，包括智慧工業(yè)物聯(lián)網(wǎng)和智慧機(jī)器人，指出存在問(wèn)題和研究方向。馬靖[28]以提高機(jī)械產(chǎn)品裝配透明化與智能化為目標(biāo)，研究了制造物聯(lián)網(wǎng)環(huán)境下智能產(chǎn)品裝配系統(tǒng)的建模、多源異構(gòu)數(shù)據(jù)感知、集成與交互、多層動(dòng)態(tài)優(yōu)化等問(wèn)題，并設(shè)計(jì)了系統(tǒng)原型。趙江[29]提出智能制造物聯(lián)網(wǎng)的物性要素和協(xié)議要素概念，提出以數(shù)據(jù)交換服務(wù)器為核心的數(shù)據(jù)交換網(wǎng)關(guān)和基于數(shù)據(jù)庫(kù)的數(shù)據(jù)交換模型。

工業(yè)物聯(lián)網(wǎng)是 AIoT在工業(yè)領(lǐng)域的主戰(zhàn)場(chǎng)，AIoT為工業(yè)生產(chǎn)注入了聯(lián)通、共享和智能元素。目前，AIoT與工業(yè)物聯(lián)網(wǎng)的結(jié)合主要表現(xiàn)在以智能工業(yè)數(shù)據(jù)采集為代表的感知層面和以提供智慧化決策和執(zhí)行控制為代表的操作系統(tǒng)和軟件層面。工業(yè)智能化的終極目標(biāo)是構(gòu)建高度協(xié)同的數(shù)字化產(chǎn)能生態(tài)，幫助工業(yè)企業(yè)建立連接供需兩端、集采產(chǎn)供銷(xiāo)存為一體的現(xiàn)代化系統(tǒng)。然而，迄今為止，工業(yè)領(lǐng)域AIoT植入率仍比較低，已有解決方案偏單點(diǎn)和輕量級(jí)，需要研究者進(jìn)一步探索AIoT對(duì)工業(yè)集成化全場(chǎng)景的支持，提升智能化決策的執(zhí)行時(shí)效。

（2）智慧農(nóng)業(yè)物聯(lián)網(wǎng)

智慧農(nóng)業(yè)物聯(lián)網(wǎng)將農(nóng)業(yè)發(fā)展成為一個(gè)集信息管理、農(nóng)田監(jiān)控、智能作業(yè)的智慧化過(guò)程，是現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)升級(jí)的新模式。Krishnan等[30]對(duì)結(jié)合AI、IoT和機(jī)器人技術(shù)的現(xiàn)代農(nóng)業(yè)應(yīng)用進(jìn)行了綜述，包括智慧精準(zhǔn)農(nóng)業(yè)生產(chǎn)、現(xiàn)代溫室管理，智能機(jī)器人勞動(dòng)力等新技術(shù)。劉軍濤[31]提出基于循環(huán)神經(jīng)網(wǎng)絡(luò)和物聯(lián)網(wǎng)技術(shù)的智能農(nóng)業(yè)水肥一體化云系統(tǒng)架構(gòu)，設(shè)計(jì)了農(nóng)田監(jiān)測(cè)、數(shù)據(jù)匯聚與存儲(chǔ)、水肥一體控制及農(nóng)業(yè)數(shù)據(jù)分析等功能模塊。鄭婷婷[32]應(yīng)用物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)對(duì)農(nóng)作物的生長(zhǎng)狀況的實(shí)時(shí)檢測(cè)、數(shù)據(jù)分析、智能管理和設(shè)備遠(yuǎn)程控制。Yan-e[33]針對(duì)提高農(nóng)業(yè)產(chǎn)出和充分利用農(nóng)業(yè)資源，提高農(nóng)業(yè)信息化水平，提出基于IoT的智慧農(nóng)業(yè)信息管理系統(tǒng)。

與工業(yè)物聯(lián)網(wǎng)相似，目前AIoT在農(nóng)業(yè)物聯(lián)網(wǎng)的應(yīng)用主要集中在泛在感知和集中控制兩個(gè)層面，AIoT的應(yīng)用場(chǎng)景比較局限，研究的深度和廣度仍有待提高。

（3）智能家居

智能家居屬于普適計(jì)算的子領(lǐng)域，利用通信網(wǎng)絡(luò)將家居中的各類(lèi)電子產(chǎn)品接入互聯(lián)網(wǎng)，通過(guò)環(huán)境智能、遠(yuǎn)程控制等方式，為用戶提供一個(gè)舒適、健康及安全的生活環(huán)境。胡書(shū)山[34]針對(duì)家庭傳感以及控制的需求，設(shè)計(jì)了一套家庭網(wǎng)絡(luò)通信協(xié)議，并以此為基礎(chǔ)設(shè)計(jì)了一個(gè)共享式家庭網(wǎng)絡(luò)構(gòu)建框架。Wang等[35]開(kāi)發(fā)了一款可以用智能手機(jī)遠(yuǎn)程操控的家居機(jī)器人，該機(jī)器人提供家政服務(wù)，通過(guò)智能手機(jī)可實(shí)現(xiàn)遠(yuǎn)程視頻搜索、家電控制和室內(nèi)安全。Bhide 和Vagh[36]提出了智能家居環(huán)境監(jiān)測(cè)和控制的智能 IoT系統(tǒng)，通過(guò)基于貝葉斯分類(lèi)器的數(shù)據(jù)挖掘方法預(yù)測(cè)智能設(shè)備可能出現(xiàn)的故障以及尋找最優(yōu)解決方法。Adiono等[37]提出了一個(gè)基于物聯(lián)網(wǎng)的智能家居軟件應(yīng)用程序，能夠根據(jù)操作指令或行為對(duì)家用電器進(jìn)行自動(dòng)智能控制，并通過(guò)加密保護(hù)通信安全和隱私。Jian等[38]提出了家庭即服務(wù)（HaaS）的概念，并設(shè)計(jì)了一款基于云智能交換機(jī)的智能家居設(shè)備。

AIoT提升人居體驗(yàn)，關(guān)鍵在于學(xué)習(xí)人的偏好，依據(jù)喜好適時(shí)自適應(yīng)調(diào)整居住環(huán)境。因此，偏好學(xué)習(xí)和家居設(shè)備自適應(yīng)調(diào)控是 AIoT在智能家居中應(yīng)用的關(guān)鍵技術(shù)。此外，人與家居產(chǎn)品、產(chǎn)品與平臺(tái)、人與平臺(tái)之間的交互也是需要重點(diǎn)關(guān)注的領(lǐng)域，AIoT融合的智能家居應(yīng)逐漸從目前的環(huán)境感知、用戶行為分析、單場(chǎng)景適應(yīng)到多場(chǎng)景自主聯(lián)動(dòng)決策的升級(jí)，從而真正提高居住智能化和舒適度。

（4）智慧城市應(yīng)用

AIoT是提升城市智慧化程度的重要方式，目前 AIoT融合城市應(yīng)用主要集中在智慧社區(qū)/小鎮(zhèn)、智慧交通、安防和智慧醫(yī)療等領(lǐng)域。AIoT城市級(jí)應(yīng)用的關(guān)鍵技術(shù)主要包括智能識(shí)別、行為預(yù)測(cè)、決策控制、服務(wù)/資源調(diào)度和大數(shù)據(jù)挖掘等。

1）智慧社區(qū)

智慧社區(qū)以物聯(lián)網(wǎng)技術(shù)為核心，綜合運(yùn)用現(xiàn)代計(jì)算機(jī)、衛(wèi)星定位與導(dǎo)航、數(shù)據(jù)挖掘技術(shù)等，對(duì)社區(qū)中的人、事、物、資源和公共服務(wù)進(jìn)行統(tǒng)籌管理，實(shí)現(xiàn)社區(qū)信息的有效獲取和高效處理。參考文獻(xiàn)[39]設(shè)計(jì)了基于RFID、ZigBee和視頻監(jiān)控技術(shù)實(shí)現(xiàn)的智慧社區(qū)管理系統(tǒng)，實(shí)現(xiàn)了 RFID卡片管理、人員信息管理、物業(yè)收費(fèi)管理和安防監(jiān)控管理等功能。針對(duì)智慧城市中 IoT應(yīng)用的安全防護(hù)，Charkrabarty等[40]基于Black Network協(xié)議和 AI技術(shù)設(shè)計(jì)了一個(gè)新型的抵御網(wǎng)絡(luò)攻擊的框架，該框架采用層次化模型，能夠有效應(yīng)對(duì)IoT通信中的單點(diǎn)故障和沙盒攻擊。

2）智能交通

魏赟[41]針對(duì)以智慧物聯(lián)網(wǎng)構(gòu)建的智能交通系統(tǒng)，提出了車(chē)載自組網(wǎng)分層協(xié)議模型、車(chē)輛移動(dòng)模型、車(chē)輛路由算法與路由協(xié)議以及安全解決方案。Ni等[42]將車(chē)內(nèi)環(huán)境監(jiān)控與應(yīng)急管理機(jī)制相結(jié)合，提出了一種基于物聯(lián)網(wǎng)的車(chē)輛智能生命監(jiān)控系統(tǒng)，Rane等[43]提出針對(duì)有限泊車(chē)位、面向雇員的智能泊車(chē)系統(tǒng)，具體方案是通過(guò)人臉識(shí)別系統(tǒng)判別合法用戶，自動(dòng)提供可停泊號(hào)碼，并通過(guò)手機(jī)App與用戶交互。Bhate等[44]提出基于物聯(lián)網(wǎng)的交通智能管理系統(tǒng)，幫助正確疏導(dǎo)車(chē)流、清理道路擁堵，并縮短應(yīng)急車(chē)輛的行駛時(shí)間。Ren等[45]引入?yún)^(qū)塊鏈技術(shù)，借助于合理設(shè)計(jì)的智能合約，在沒(méi)有中心認(rèn)證節(jié)點(diǎn)的情況下，幫助車(chē)輛進(jìn)行通信和協(xié)作，從而實(shí)現(xiàn)路網(wǎng)車(chē)智能化。Pendor 和Tasgaonkar[46]基于 IoT開(kāi)發(fā)了一款低開(kāi)銷(xiāo)高可靠性的高速公路車(chē)輛行駛軌跡追蹤框架。

3）智慧醫(yī)療

智慧醫(yī)療是AIoT技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用。參考文獻(xiàn)[47]以基于物聯(lián)網(wǎng)技術(shù)的智慧醫(yī)院為研究對(duì)象，提出了體系架構(gòu)模型和具體設(shè)計(jì)方案。參考文獻(xiàn)[48]設(shè)計(jì)了一套結(jié)合物聯(lián)網(wǎng)與云計(jì)算的智能藥盒系統(tǒng)，針對(duì)任務(wù)調(diào)度時(shí)效性，提出了一種基于改進(jìn)粒子群算法的云任務(wù)調(diào)度模型。Srinivas等[49]也設(shè)計(jì)了一款基于IoT平臺(tái)的智慧藥盒，幫助患者在家進(jìn)行健康監(jiān)測(cè)和診斷，同時(shí)通過(guò)安卓手機(jī)應(yīng)用讓醫(yī)生和患者保持密切聯(lián)系。馬玉軍[50]提出云端融合、包含感知層、傳輸層和云服務(wù)層的健康物聯(lián)網(wǎng)架構(gòu)。Yang等[51]針對(duì)全球老齡化和慢性病問(wèn)題，設(shè)計(jì)了一個(gè)包含智能藥箱（iMedBox）、智能藥品包裝（iMedPack）和可穿戴生物醫(yī)學(xué)傳感設(shè)備（Bio-Patch）的智能家庭健康平臺(tái)，幫助孤寡老人實(shí)時(shí)監(jiān)測(cè)和分析生命體征，檢查他們使用醫(yī)囑和用藥情況，從而架構(gòu)起完整的云－端、端－云看護(hù)體系。Affreen和Aftab[52]提出如何對(duì)IoT采集到的數(shù)據(jù)進(jìn)行集成、流分析和機(jī)器學(xué)習(xí)，提高糖尿病管理系統(tǒng)的智能化。

對(duì)于大多數(shù)城市而言，由于智慧化基礎(chǔ)設(shè)施部署不足，AIoT融合城市應(yīng)用尚處在初級(jí)階段。隨著智能終端的增加、數(shù)字化設(shè)備聯(lián)網(wǎng)率的提升，以及城市相關(guān)政策、標(biāo)準(zhǔn)的逐漸出臺(tái)，AIoT融合的智慧城市將不斷升級(jí)。

3.2.5 AI融合IoT安全及隱私保護(hù)

Zhang等[53]針對(duì)IoT數(shù)據(jù)采集時(shí)的計(jì)算開(kāi)銷(xiāo)和可信問(wèn)題，提出了一個(gè)基于區(qū)塊鏈的大規(guī)模數(shù)據(jù)采集智能框架，稱(chēng)為MIDS，其中包含一個(gè)協(xié)作驗(yàn)證協(xié)議、智能信任管理模型、分層數(shù)據(jù)聚合策略和基于區(qū)塊鏈的 IoT數(shù)據(jù)管理方案，通過(guò)理論論證和仿真實(shí)驗(yàn)證明了新模型在大規(guī)模異構(gòu)WSN環(huán)境下的性能。Guo等[54]針對(duì)AI支持的IoT數(shù)據(jù)采集中存在的安全問(wèn)題，提出了通過(guò)移動(dòng)車(chē)輛和無(wú)人機(jī)協(xié)作收集數(shù)據(jù)的智能信任合作網(wǎng)絡(luò)系統(tǒng)ITCN，其中包含了截止時(shí)間感知的數(shù)據(jù)協(xié)作收集框架，主動(dòng)可驗(yàn)證的信任評(píng)估算法和基于信任的無(wú)人機(jī)航跡路線智能優(yōu)化算法以提升數(shù)據(jù)采集量、降低數(shù)據(jù)采集成本，通過(guò)仿真實(shí)驗(yàn)證明新策略比傳統(tǒng)方法在采集成本和時(shí)間上有大幅提升。Xiong等[55]針對(duì) IoT大數(shù)據(jù)分析和挖掘中的隱私問(wèn)題，提出了一種基于k-means算法和差分隱私的隱私和可用性數(shù)據(jù)聚類(lèi)（PADC）方案，它增強(qiáng)了初始中心點(diǎn)的選擇和從其他點(diǎn)到中心點(diǎn)距離的計(jì)算方法。

Cha和 Yeh[56]以區(qū)塊鏈為底層架構(gòu)設(shè)計(jì)了一個(gè)符合ISO/IEC 15408-2標(biāo)準(zhǔn)的安全審計(jì)系統(tǒng)，該系統(tǒng)能夠滿足AIoT應(yīng)用的安全需求。Bagaa等[57]提出了一款基于機(jī)器學(xué)習(xí)的 IoT安全框架，通過(guò)SDN和NFV的結(jié)合實(shí)現(xiàn)對(duì)安全威脅的轉(zhuǎn)移，通過(guò)自主研發(fā)的入侵檢測(cè)系統(tǒng)檢驗(yàn)了新模型的性能。Xiao等[58]構(gòu)建了 IoT系統(tǒng)的攻擊模型，并對(duì) AI增強(qiáng)的 IoT安全策略進(jìn)行了綜述，重點(diǎn)分析了機(jī)器學(xué)習(xí)在 IoT身份驗(yàn)證、訪問(wèn)控制、任務(wù)卸載、惡意軟件檢測(cè)及數(shù)據(jù)隱私保護(hù)方面的研究現(xiàn)狀。參考文獻(xiàn)[59]對(duì)應(yīng)用邊緣智能進(jìn)行 IoT數(shù)據(jù)使用、存儲(chǔ)和處理過(guò)程中的安全和隱私問(wèn)題進(jìn)行了綜述，并對(duì)可行的解決路線進(jìn)行推薦。

AIoT安全和隱私保護(hù)策略比較見(jiàn)表5。目前，AI融合IoT安全和隱私保護(hù)相關(guān)研究仍處于初級(jí)階段，以模型和策略的構(gòu)想為主，為數(shù)不多的解決方案也處于模擬和仿真階段，并且局限于具體的應(yīng)用場(chǎng)景。

表5 AIoT安全與隱私保護(hù)研究方案比較

3.3 存在問(wèn)題

（1）研究碎片化、單點(diǎn)式，業(yè)務(wù)融合性差，缺少面向一般應(yīng)用的統(tǒng)一解決方案

目前 AIoT策略大多針對(duì)某個(gè)具體應(yīng)用場(chǎng)景，缺少統(tǒng)一標(biāo)準(zhǔn)，缺少可大面積推廣的統(tǒng)一解決方案。隨著AIoT技術(shù)的發(fā)展，需要政府、企業(yè)和學(xué)術(shù)機(jī)構(gòu)共同制定統(tǒng)一的技術(shù)規(guī)范和標(biāo)準(zhǔn)，探索面向復(fù)雜融合應(yīng)用的解決方案。

（2）研究成果多局限于模型和框架，缺少落地應(yīng)用

大多數(shù)AIoT模型采用理論論證、案例分析和仿真實(shí)驗(yàn)驗(yàn)證策略的有效性，缺少原型系統(tǒng)和真實(shí)運(yùn)行環(huán)境的檢測(cè)，普遍缺少融入新策略的落地應(yīng)用。

（3）終端算力無(wú)法支持AI算法部署

IoT系統(tǒng)中終端設(shè)備的算力和資源受限，而AI算法尤其是數(shù)據(jù)挖掘和深度學(xué)習(xí)算法通常需要強(qiáng)大的算力支持，因此面臨著部署AI模型的困難以及基于 AI的數(shù)據(jù)挖掘和智能決策的時(shí)延問(wèn)題，導(dǎo)致在即時(shí)交互場(chǎng)景中應(yīng)用效果不佳。面向終端有限算力的 AI模型拆解和并行化實(shí)現(xiàn)是可行的解決路徑之一，同時(shí)，可以探索結(jié)合云邊端融合智能的協(xié)同AI策略，增加AIoT應(yīng)用的可伸縮性。

（4）無(wú)法保證復(fù)雜事務(wù)處理的效率

加入邊緣和霧服務(wù)器的云－邊－端混合計(jì)算框架可以緩解AI在邊緣部署的資源問(wèn)題，但是當(dāng)邊緣催生復(fù)雜應(yīng)用或產(chǎn)生復(fù)雜服務(wù)需求時(shí)，任務(wù)的多邊和分層卸載仍未有特別理想的策略，能夠確保協(xié)同的效率和安全性，以及實(shí)現(xiàn)負(fù)載均衡。未來(lái)可結(jié)合調(diào)度歷史數(shù)據(jù)，通過(guò)AI中的機(jī)器學(xué)習(xí)算法構(gòu)建任務(wù)和需求模型，通過(guò)資源預(yù)分配降低服務(wù)時(shí)延，也可以通過(guò)構(gòu)建邊－邊、云－邊服務(wù)聯(lián)盟形成相對(duì)穩(wěn)定的服務(wù)供應(yīng)鏈，提升服務(wù)協(xié)同效率。

（5）無(wú)法平衡AIoT參與各方利益

AIoT在多個(gè)領(lǐng)域的探索性實(shí)踐，提升了城市、工農(nóng)業(yè)生產(chǎn)和現(xiàn)代交通的智慧化。然而其實(shí)施過(guò)程中產(chǎn)生的能耗開(kāi)銷(xiāo)，如何在參與者之間進(jìn)行成本分?jǐn)?；其所帶?lái)的附加價(jià)值，包括數(shù)據(jù)的附加價(jià)值、催生的增值業(yè)務(wù)、獲取的行業(yè)趨勢(shì)報(bào)告等，如何在參與者之間進(jìn)行利益分配。這些問(wèn)題尚未有合理有效的解決方案。未來(lái)，可探索基于博弈論、供需理論等經(jīng)濟(jì)社會(huì)學(xué)理論的AIoT模型，實(shí)現(xiàn)AIoT在跨領(lǐng)域、跨場(chǎng)景下實(shí)現(xiàn)的多方利益均衡。

（6）面臨安全和隱私保護(hù)瓶頸

AI驅(qū)動(dòng)的IoT應(yīng)用，需要對(duì)采集到的數(shù)據(jù)進(jìn)行分析挖掘或集成，這需要將原本分布式和自主IoT設(shè)備中的數(shù)據(jù)進(jìn)行集成，即使在本地或加入邊緣服務(wù)器的云－邊混合處理，也可能侵犯數(shù)據(jù)所有者的隱私，存在數(shù)據(jù)竊取、誤用和濫用的風(fēng)險(xiǎn)。未來(lái)，可結(jié)合區(qū)塊鏈技術(shù)探索構(gòu)建去中心信任管理，提升AIoT系統(tǒng)的安全等級(jí)，通過(guò)數(shù)據(jù)和行為溯源，確保數(shù)據(jù)一致性和可靠性，保護(hù)數(shù)據(jù)隱私。此外，由于不同用戶或數(shù)據(jù)對(duì)安全和隱私保護(hù)需求的強(qiáng)度不同，可探索分級(jí)多粒度隱私保護(hù)策略。

4 研究方向

人工智能物聯(lián)網(wǎng)相關(guān)研究目前尚處于起步階段，存在大量的開(kāi)放性問(wèn)題有待進(jìn)一步研究和探索，研究機(jī)會(huì)、意義和價(jià)值非常明顯。本文梳理了AIoT未來(lái)值得重點(diǎn)關(guān)注的研究領(lǐng)域，如圖6所示。

圖6 AIoT未來(lái)研究方向

4.1 AIoT體系架構(gòu)及標(biāo)準(zhǔn)化

（1）云邊端融合AIoT架構(gòu)

云邊端融合物聯(lián)網(wǎng)架構(gòu)能夠兼顧傳統(tǒng) IoT泛在感知和處理特性，也能解決加入AI之后對(duì)存儲(chǔ)與算力的要求。然而，如何實(shí)現(xiàn)基于內(nèi)容的動(dòng)態(tài)部署；如何改進(jìn)現(xiàn)有的計(jì)算框架使之更好地處理異構(gòu)和關(guān)系稀疏型AIoT任務(wù)，實(shí)現(xiàn)彈性可伸縮管理；如何確保數(shù)據(jù)一致性、降低新架構(gòu)帶來(lái)的額外管理能耗，如何實(shí)現(xiàn)成本分?jǐn)偤屠婢獾仁切枰攸c(diǎn)關(guān)注的問(wèn)題。

（2）標(biāo)準(zhǔn)化建設(shè)

統(tǒng)一的行業(yè)標(biāo)準(zhǔn)、 統(tǒng)一的規(guī)范和協(xié)議是推動(dòng)技術(shù)發(fā)展和應(yīng)用落地的關(guān)鍵環(huán)節(jié)。然而AIoT兩大核心技術(shù)AI和IoT本身的標(biāo)準(zhǔn)化工作仍不十分完善，因此作為融合物，AIoT的標(biāo)準(zhǔn)化工作顯然面臨諸多問(wèn)題和挑戰(zhàn)。

需要解決的問(wèn)題包括：如何統(tǒng)一人工智能物聯(lián)網(wǎng)涉及的概念、內(nèi)涵和應(yīng)用模式；如何實(shí)現(xiàn)數(shù)據(jù)和應(yīng)用的跨平臺(tái)互操作，如何建立評(píng)估AIoT解決方案的分類(lèi)標(biāo)準(zhǔn)，如何正確評(píng)價(jià) IoT的智能化水準(zhǔn)等。AIoT的標(biāo)準(zhǔn)化問(wèn)題, 不單是技術(shù)問(wèn)題,還涉及倫理道德及法律法規(guī)等, 這些都是需要逐步研究解決的方面。

4.2 AIoT部署和實(shí)施策略

（1）AI算法的拆解和集成

AI算法需要大量算力支撐，構(gòu)建基于 AI的智能終端、實(shí)施數(shù)據(jù)處理和深度分析，需要研究 AI模型、尤其是深度學(xué)習(xí)模型在邊緣側(cè)的拆解和簡(jiǎn)化。若采用云邊混合架構(gòu)，還需要研究算法在多邊協(xié)同或并行實(shí)現(xiàn)方式的集成問(wèn)題。

（2）AI技術(shù)與應(yīng)用場(chǎng)景的適配

AIoT可應(yīng)用于智慧工農(nóng)業(yè)、城市、人居等不同應(yīng)用場(chǎng)景，由AI幫助實(shí)現(xiàn)智能控制、學(xué)習(xí)和交互。然而，不同應(yīng)用場(chǎng)景、不同問(wèn)題追求的目標(biāo)不同，應(yīng)選擇與之相匹配的AI技術(shù)。

偏好學(xué)習(xí)、用戶黏性分析、業(yè)務(wù)行為預(yù)測(cè)等需要對(duì)歷史數(shù)據(jù)進(jìn)行分析和挖掘的場(chǎng)景，適合使用AI中的機(jī)器學(xué)習(xí)算法；自然語(yǔ)言處理需要大規(guī)模前期訓(xùn)練，適合強(qiáng)化學(xué)習(xí)或深度學(xué)習(xí)，比如卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)或基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法等；身份識(shí)別和認(rèn)證適合使用生物認(rèn)證方式，在終端上搭載生物識(shí)別模塊。未來(lái)，不僅需要關(guān)注AI技術(shù)本身的發(fā)展，也依據(jù)AIoT應(yīng)用場(chǎng)景的需求、目標(biāo)和技術(shù)框架特點(diǎn)選擇合適的AI算法。

（3）復(fù)雜事件處理與協(xié)同

AIoT所構(gòu)建的網(wǎng)絡(luò)信息系統(tǒng)其泛在性和復(fù)雜性已遠(yuǎn)遠(yuǎn)超過(guò)傳統(tǒng)互聯(lián)網(wǎng)，大規(guī)模異質(zhì)網(wǎng)元接入、異構(gòu)網(wǎng)絡(luò)的動(dòng)態(tài)不穩(wěn)定性、底層資源受限、海量數(shù)據(jù)交換、無(wú)集中式中心控制結(jié)構(gòu)等極大增加了事件處理的難度，另一方面，多層次異質(zhì)網(wǎng)元之間又存在連接和交互需求，異源數(shù)據(jù)也存在聚合和整體分析需求，使得AIoT事件處理還需要關(guān)注資源和服務(wù)協(xié)同問(wèn)題。

（4）高效跨域資源調(diào)度策略

引入AI方法設(shè)計(jì)動(dòng)態(tài)資源管理策略，可提高IoT系統(tǒng)的工作效率，降低資源成本和消耗，但同時(shí)也增加了算法設(shè)計(jì)的復(fù)雜性并需要提供智能負(fù)載平衡，以及分布式和自組織操作。大多數(shù)現(xiàn)有資源調(diào)度方案不適用于AIoT系統(tǒng)，因此，提出針對(duì) AIoT特點(diǎn)的高性能跨域跨層統(tǒng)一資源調(diào)度策略是AIoT系統(tǒng)高效運(yùn)作的關(guān)鍵。

（5）原型和應(yīng)用系統(tǒng)開(kāi)發(fā)

目前 AIoT原型和平臺(tái)還比較匱乏。為了更好地檢測(cè) AIoT模型和策略的有效性，從而最終實(shí)現(xiàn)大規(guī)模應(yīng)用，需要研究原型和應(yīng)用系統(tǒng)開(kāi)發(fā)。

4.3 安全和隱私保護(hù)

（1）AIoT安全模型

隨著物聯(lián)網(wǎng)的普及，少量未經(jīng)嚴(yán)格認(rèn)證、存在安全隱患的設(shè)備加入網(wǎng)絡(luò)，這威脅到聯(lián)網(wǎng)其他設(shè)備的安全。安全和可靠性認(rèn)證是限制IoT全部?jī)?yōu)勢(shì)的兩大問(wèn)題，也是 IoT領(lǐng)域需長(zhǎng)期關(guān)注的重點(diǎn)問(wèn)題[60]。同時(shí)，AIoT在傳統(tǒng)IoT中融入了 AI技術(shù)，使得數(shù)據(jù)聚合和語(yǔ)義理解成為可能，這些經(jīng)過(guò)加工處理后凸顯價(jià)值的數(shù)據(jù)倘若被非法使用，將對(duì)安全和隱私帶來(lái)巨大威脅。

另一方面，AIoT屬于異構(gòu)多層次融合的多元復(fù)雜體系，不同結(jié)構(gòu)層面的安全性需相互擬合，互相促進(jìn)，使得AIoT中有效安全防護(hù)及可靠性認(rèn)證工作比傳統(tǒng) IoT更加復(fù)雜。因此，需研究如何升級(jí)傳統(tǒng)安全模型以適應(yīng) AIoT領(lǐng)域應(yīng)用，研究AIoT從感知層到應(yīng)用層的各級(jí)安全防護(hù)機(jī)制，構(gòu)建統(tǒng)一的安全體系架構(gòu)。

（2）跨域信任認(rèn)證和管理

AIoT的底層架構(gòu)在泛在感知的物聯(lián)網(wǎng)環(huán)境下，其高度分散、隨機(jī)加入退出的特性和分布式環(huán)境很難實(shí)施傳統(tǒng)集中式信任認(rèn)證。因此，需研究分布式去中心信任管理以提升 AIoT交互的可靠性，同時(shí)研究如何進(jìn)行跨域和跨組織認(rèn)證以提高云－邊和多邊協(xié)同的安全性。

4.4 高層次應(yīng)用

（1）異構(gòu)網(wǎng)絡(luò)融合和數(shù)據(jù)聚合

AIoT系統(tǒng)整合了不同類(lèi)型的網(wǎng)絡(luò)（無(wú)線傳感器網(wǎng)絡(luò)、邊緣服務(wù)器、霧服務(wù)器和集中式云服務(wù)器等），而不同類(lèi)型的網(wǎng)絡(luò)存在不同的特點(diǎn)和約束（數(shù)據(jù)傳輸速率、能量消費(fèi)、服務(wù)質(zhì)量等），需要研究有效的異網(wǎng)融合方案，以保證當(dāng)任務(wù)卸載及跨網(wǎng)、跨層協(xié)作時(shí)的質(zhì)量穩(wěn)定。另一方面，由于AIoT在不同應(yīng)用場(chǎng)景中落地，不同層面的感知設(shè)備必然產(chǎn)生異源異構(gòu)數(shù)據(jù)，必須研究如何提取和準(zhǔn)確理解這些異構(gòu)數(shù)據(jù)語(yǔ)義，進(jìn)一步實(shí)現(xiàn)數(shù)據(jù)聚合，以挖掘數(shù)據(jù)價(jià)值，實(shí)現(xiàn)AIoT高層次應(yīng)用。

（2）智能數(shù)據(jù)采集、清洗、處理和挖掘

目前大數(shù)據(jù)處理技術(shù)的研究主要面向應(yīng)用層數(shù)據(jù)，而物聯(lián)網(wǎng)中絕大部分?jǐn)?shù)據(jù)產(chǎn)生于網(wǎng)絡(luò)邊緣，這些來(lái)自終端或網(wǎng)絡(luò)邊緣的數(shù)據(jù)往往具有異構(gòu)粗糙、噪聲多、數(shù)據(jù)聯(lián)系稀疏等特點(diǎn)，使得數(shù)據(jù)的加工處理變得異常困難。與此同時(shí)，終端應(yīng)用通常對(duì)數(shù)據(jù)處理的實(shí)時(shí)性要求又比較高，這使現(xiàn)有技術(shù)很難滿足AIoT應(yīng)用的數(shù)據(jù)處理要求。因此應(yīng)將 AIoT數(shù)據(jù)處理研究的重心放在底層數(shù)據(jù)處理技術(shù)上（如感知層的數(shù)據(jù)處理技術(shù)），從而保障IoT信息感知、采集、分析和處理的及時(shí)準(zhǔn)確和高效。

（3）智能決策的可解釋性

AI擴(kuò)大了IoT的領(lǐng)域，提升了IoT的應(yīng)用層次。然而基于AI的智慧決策，需要向使用者證明其有效性和合理性，這不僅是AI技術(shù)本身需要解決的問(wèn)題。在AI與IoT融合之后，在面向具體應(yīng)用落地時(shí)，更需要結(jié)合實(shí)際應(yīng)用場(chǎng)景，有針對(duì)性地向目標(biāo)用戶解釋決策的合法性。

（4）數(shù)據(jù)和服務(wù)增值

通過(guò)基于AI的數(shù)據(jù)處理和挖掘，AIoT將賦能實(shí)際應(yīng)用，并產(chǎn)生附加價(jià)值，比如獲得服務(wù)偏好、個(gè)性化行為特點(diǎn)、領(lǐng)域的發(fā)展趨勢(shì)等，幫助服務(wù)提供者開(kāi)發(fā)出新的增值業(yè)務(wù)。

（5）AIoT新應(yīng)用領(lǐng)域

AIoT目前已在多個(gè)領(lǐng)域?qū)崿F(xiàn)落地，包括工業(yè)、農(nóng)業(yè)、交通和智慧城市等，未來(lái)將進(jìn)一步滲透到社會(huì)生活的其他領(lǐng)域。研究者可關(guān)注AIoT的新應(yīng)用領(lǐng)域，并解決落地時(shí)的技術(shù)問(wèn)題。

5 結(jié)束語(yǔ)

人工智能物聯(lián)網(wǎng)涉及信息處理、人工智能、物聯(lián)網(wǎng)、霧計(jì)算、邊緣計(jì)算、云計(jì)算等諸多技術(shù)，是多學(xué)科交叉融合的產(chǎn)物，目前已廣泛應(yīng)用在智慧城市、智能家居、智慧醫(yī)療、智能交通、智慧制造等多個(gè)場(chǎng)景, 是IT領(lǐng)域極富應(yīng)用前景的新興領(lǐng)域。然而，智能物聯(lián)網(wǎng)的發(fā)展仍處于初級(jí)階段，面臨諸多問(wèn)題和挑戰(zhàn)急需解決，比如體系架構(gòu)、安全和信任管理、異構(gòu)數(shù)據(jù)融合處理、異構(gòu)網(wǎng)絡(luò)融合、復(fù)雜事件處理協(xié)同等。

然而, 來(lái)自工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注、參與和支持，使得我們對(duì)智能物聯(lián)網(wǎng)未來(lái)的發(fā)展充滿信心。相信在不遠(yuǎn)的將來(lái), 智能物聯(lián)網(wǎng)領(lǐng)域必將誕生具有較強(qiáng)創(chuàng)新性和影響力的標(biāo)志性成果，創(chuàng)新型的應(yīng)用模式和嶄新的相關(guān)技術(shù)解決方案等, 推動(dòng)人工智能物聯(lián)網(wǎng)不斷走向成熟。