作者:彭昭(物联网智库创始人&云和资本合伙人)
物联网智库 原创
转载请注明来源和出处
导 读
2020注定是不平凡的一年,技术轮替、新冠疫情和国际局势,让我们从全新视角复盘和审视过去那些潜藏的、被忽视的、崭新的挑战与机遇。作为历届挚物大会的演讲嘉宾之一,中国工程院邬贺铨院士是AIoT领域首屈一指的专家,因此在挚物大会之前,我邀请邬贺铨老师进行了一次长谈。
全文字数:7000字,阅读时间:15分钟
物女皇:挚物大会的硬核剧透
你好,这是我在【物女心经】专栏写的第192篇文章。
一年一度的挚物·AIoT产业领袖峰会(简称:挚物大会)即将于8月26日在上海拉开帷幕,作为综合呈现AIoT产业趋势的大型活动,本届大会具有独特意义。
2020注定是不平凡的一年,技术轮替、新冠疫情和国际局势,让我们从全新视角复盘和审视过去那些潜藏的、被忽视的、崭新的挑战与机遇。
作为历届挚物大会的演讲嘉宾之一,中国工程院邬贺铨院士是AIoT领域首屈一指的专家,同时他还兼任国家标准化专家委员会主任委员、国家物联网专家组组长等重要职位。
尤其在5G和物联网领域,邬贺铨院士作为旗帜性人物,一贯以务实的视角,推进产业的健康与可持续发展。他曾说:“所有技术没有一劳永逸,永远领先的,而是在于能不能持续创新。以5G为例,不是瞄准现在5G能卖多少,能干什么,而是瞄准将来可持续发展的能力。”
站在2020到2021年的关键时间节点,应该如何对焦和把握AIoT产业的发展风向?
因此在挚物大会之前,我邀请中国工程院院士邬贺铨老师进行了一次长谈,我们深入交流的话题包括:
AIoT的发展将会经历几个阶段?
哪些是促进AIoT发展的关键因素?
5G将会激发何种创新的商业模式?
中国制造业转型升级的难点在哪里?
5G+工业互联网,将产生哪些变革性影响?
5G是中国弯道超车的机会吗?
新基建对我们每个人意味着什么,如何把握?
01
AIoT的发展将会经历几个阶段?
彭昭:最开始大家谈论IoT、谈论AI,后来大家谈各种技术的融合,于是产业进化到智联网AIoT时代,现在5G、区块链等技术将赋能AIoT。在您看来AIoT发展会经历哪些阶段,现在处于什么阶段?
邬院士:我认为智联网AIoT大体上分4个阶段。
第一个阶段是物联网。经过传统的通信网络,物联网将前端数据连到后台,使用大数据分析和人工智能决策。大部分物联网应用,都需要进行数据分析,所以自然会利用到人工智能,或多或少而已。这个阶段主要是处理一些非实时性的物联网应用。
比如一个城市收集了大量家庭的电表、水表、气表的数据,这些数据并不见得非要每时每刻都传输。统计这个城市的用电量、用气量,可以估算城市的经济活力和经济复苏的情况,这些是非实时性的。
第二个阶段是引入5G。5G的出现,使得我们的通信传输的带宽更高了、时延更低了。这个时候,物联网的数据一样送到后台决策,而且这个决策可以第一时间反馈到我们的物联网终端上、模块上。这有什么好处呢?从非实时到实时,智能系统可以起到实时的反应控制作用。
比如说马路上一辆车出故障了,我们能够立即发现这个情况并即刻传出去。然后我们可以很快的调度,提升城市的交通管理、车辆的疏导能力。这个数据我们要求是实时的,需要第一时间产生决策,能够控制我们的物联网设备产生响应。这种应用我们现在通过5G已经可以实现。
第三个阶段是把人工智能的芯片和一些操作软件,集成到物联网设备上,变成一体化的AIoT终端。这个阶段赋予了前端物联网模块一种智能处理的能力。
比如街上的摄像头,一天到晚都在拍,过去我们拍什么传什么,实际上是低效率的,不合理。
从凌晨一两点,到天亮四五点钟,中间可能一辆车都没有,一个人也没有,所拍的图像一点儿都没有变化。这种情况下我们就可以压缩掉,只需要标记几点几分到几点几分,图上一点儿都没动,这就要求前端具有一定的智能分析能力,能够识别这个图像在这个阶段没有发生变化。
当然不仅如此,还有更复杂的智能化处理,比如无人机、机器人,它们需要有一定的智能。所以相当于完全把人工智能的能力,前端决策的能力,放到物联网终端上面,甚至还可以说,某些边缘计算的能力,已经结合到物联网终端里面,我认为这可以算是第三个阶段。
第四个阶段,不仅限于人工智能的能力,还可以加入区块链的能力,给物联网终端一个可信的身份。不仅仅是终端,终端传输的数据也保证它的可信性,更好的进行隐私保护等等。
那么未来是不是还会有更高的阶段?会的,还可能把更多的技术与能力融合进去。
02
促进AIoT发展,有哪些关键因素?
彭昭:您提到的4个阶段,分别对应于物联网和5G、人工智能、区块链等技术的融合密切程度,形成一体化的AIoT智联网终端。为了促进AIoT智联网产业发展,您认为哪些是关键因素?当下最需要解决的问题是什么?
邬院士:智联网的底座还是物联网,底层它仍然要依赖于传感器来收集大量的信息。
第一点是传感技术和成本的挑战。传感器我们都知道,它实际上是实现物理量、化学量各种变量的采集与转换。这里存在跨学科的技术挑战,包括我们现在对于新冠病毒的检测,本身也属于物联网的传感感知。
再看成本控制。物联网的传感和采集模块,量很大,类型很多。每种批量不大、碎片化,不容易做到成本可控。所以首先要解决传感器的技术和成本问题。
第二点是数据有效采集与利用的挑战。数据采集不是说采到什么数据,就上传什么数据这么简单。每个数据上要有一定的标签,标志这个数据是从哪个位置、哪个时间采集到的,是什么类型的数据。一个企业的车间里面可能有各种各样的传感器,每时每刻都在传输数据,如果这些数据不加以标记,根本识别不了它是什么。
除了标注,我们还需要数据清洗。有些数据实际上太离谱了。比如我们这个房间放了10个温度传感器,测出来有一两个跟别人的偏差太大,显然这个数据是不准确的,就要去掉,所以要做数据清洗,去掉噪声数据。还有一些摄像头拍摄的数据是非结构化的,那么还需要降维,变成结构化的特质进行提取。
也就是说数据采集的前端是要做很多前置工作的,并且这些数据还要与其他数据相关联,比如我们工厂的用电、用水、用气数据,环境以及社会的数据、市场的数据,实现数据的融合。这里既有技术问题,也有管理上的挑战。每个企业想要解决的问题是不一样的,本身企业的现状也有所不同,所以不是说买一个通用的智能系统拿到企业就可以用了,都需要做一些适应性的改造和升级,甚至开发专用软件和系统。
所以第二点解决数据采集与利用的挑战,是很关键的一步。
第三点是安全性、隐私性方面的挑战。AIoT智联网中大量的传感器,我们都希望它们低功耗,能够长期工作,而且适应于恶劣的工况。这会导致什么?导致这些传感器轻量化,安全防御能力也没那么强。再加上智联网的终端量很大,永远在线,那就很容易成为拒绝服务攻击(DoS)的对象。
智联网的安全问题相对于一般的通信网络,还要来的更为严峻。传感器数量很大、场景很多,安全问题不容易处理。当然不能说因为保证安全,我们就把智联网系统搞得很复杂,增加成本的压力。
解决物联网的安全问题,一方面要靠终端设备自身解决,引入区块链等技术,另外还需要跨产品、跨部门之间的协同。这个问题不是单一应用、单一企业能够解决的,需要国家在整个产业链上推进联合创新来共同解决。