作者：郭斌、刘思聪、王琰、李志刚、於志文 周兴社
智能物联网是当前人工智能与物联网技术相融合的产物，正成长为一个具有广泛发展前景的新兴前沿领 域，实现从“万物互联”到“万物智联”的演进. 在人工智能、边缘计算、物联网、移动嵌入式硬件等技术发展 背景下，本文系统性地介绍智能物联网这一新兴方向. 它对物联网感知、通信、计算和应用通过人工智能技术赋 能，呈现泛在智能感知、云边端协同计算、分布式机器学习、人机物融合等新特征，具有更高灵活性、自组织性、 自适应性. 本文首先介绍了智能物联网的基本概念特质；其次阐述了智能物联网的体系架构；进一步详细介绍了 智能物联网中的研究挑战与关键技术，包括泛在智能感知、群智感知计算、智能物联网通信、终端适配深度计算、 物联网分布式学习、云边端协同计算、安全与隐私保护；最后，基于最新研究动态展望了极具潜力的未来研究方 向，包括软硬协同终端智能、面向 AIoT 的智能演进、新一代智能物联网络、动态场景模型持续演化、人机物融 合群智计算和通用 AIoT 系统平台.
物联网（Internet of Things，IoT），即“万物 相连的互联网”，被认为是继计算机、互联网之后的 又一次信息产业浪潮，是新一代信息技术的重要组 成部分. 它是在互联网基础上进一步延伸和扩展的 网络，将各种信息传感设备与网络结合起来而形成 的一个巨大网络，实现任何时间、任何地点，人、 机、物的互联互通、信息交换与智能服务. 万物互 联是人类科技史上的又一次重大革命，对社会生产 及生活产生了巨大而深远的影响. 自诞生以来，物联网技术的飞速发展不断引领 产业升级，同时对其技术的演进提出了更高的要求. 具体来讲，有五个重要的发展趋势.
一是物联网终端设备大规模普及，导致终端数 据和连接出现井喷式增长. 根据华为 GIV（全球产 业展望）①和思科②预测，到 2025 年全球连接的设备 数将达到 1000 亿台，而到 2030 年将有超过 5000 亿 物联网设备接入互联网，届时全球每年产生的数据 总量达 1YB，相比 2020 年，增长 23 倍. 海量数据 连接需要计算能力更高的物联网体系架构以实现数 据的及时分析和处理.
二是数据处理的实时性、隐私性要求更为迫切. 新的物联网业务不断衍生，万物感知、万物互联带 来的数据洪流将与各产业深度融合，催生产业物联 网的兴起. 许多特殊的领域应用场景，如安防监测、自动驾驶、在线医疗等，一方面对数据的实时性要 求较高，需要较低的数据传输时延，另一方面因为 逐步与人们的日常生活深度融合，对隐私性保护的 要求也极为迫切.
三是深度学习等人工智能技术的兴起. 近年 来，以深度学习为代表的新一代人工智能技术快速 发展. 相比传统机器学习模型，深度学习在很多领 域任务上都取得了更好的性能结果. 但同时，随着 网络层数的增加，其模型参数规模不断变大，计算 成本不断提高，为其在物联网环境的部署和执行带 来了很大挑战.
四是物联网终端计算能力不断提升. 传统物联 网终端主要负责数据的采集与传输，而随着智能芯 片、嵌入式处理器、感知设备等的不断发展和小型化，终端设备被不断赋予了智能数据处理能力，能 在成本约束下完成部分数据处理和智能推理任务， 可以为提升计算的实时性和保护数据隐私性提供 支撑.
五是边缘计算和边缘智能的兴起. 边缘计算是 指在用户或数据源的物理位置或附近进行的计算， 能就近提供边缘智能数据处理服务，这样可以降低 延迟，节省带宽. 边缘计算的兴起进一步提升了 本地数据处理能力. Gartner 将边缘计算列为 2020 年 十大战略技术趋势之一③，其诞生解决了智能物联网 发展的瓶颈问题.
综上，传统物联网架构的处理和计算能力已不足以支撑物联网络的深度覆盖、海量连接、实时处理和智能计算等需求，在终端智能及边缘计算等发 展背景下，智能物联网（Artificial Intelligence of Things, AIoT，一般也表示为 AI+IoT 或人工智能物 联网）作为未来物联网发展的新趋势近年来得到 广泛关注. 智能物联网是 2017 年兴起的概念①，是人工智 能与物联网技术相融合的产物，正成长为一个具有 广泛发展前景的新兴前沿领域，实现从“万物互联” 到“万物智联”的演进. 据 Gartner 预测，未来超过 75%的数据需要在网络边缘侧分析、处理与存储. AIoT 首先通过各种传感器联网实时采集各类数据 （环境数据、运行数据、业务数据、监测数据等）， 进而在终端设备、边缘设备或云端通过数据挖掘和 机器学习方法进行智能化处理和理解. 近年来，智 能物联网应用已逐步融入国家重大需求和民生的各 个领域，例如智慧城市、智能制造、社会治理等.
智能物联网带来了泛在智能感知、情境自适应 通信、分布式群体智能、云边端协同计算等新的挑战问题. 来自麻省理工学院、斯坦福大学、耶鲁大 学、加州大学伯克利分校、剑桥大学，以及国内的 研究人员都对智能物联网这一前沿领域开展了系统 性研究. 例如，麻省理工学院研究人员对资源受限 物联网终端上的深度模型压缩等技术进行了系统性 研究. 耶鲁大学研究人员提出了边端协同高效深 度推理模型. 斯坦福大学研究团队基于多智能体 深度强化学习对智能体间的分布式协作学习能力进 行了研究. 剑桥大学研究人员就资源受限环境下 深度学习模型的轻量级自动搜索提出了新的方法. 香港理工大学研究人员则对车联网背景下边缘智能 计算的应用进行了深入分析和探索.
在 AIoT 快速发展趋势下，国内外著名 IT 企业 都加紧布局，在边缘智能、智能芯片、智能物联网 软件平台等方面取得了很多基础性成果. 微软在 2015 年正式发布了 Azure 物联网套件——Azure IoT Suite②. 2021 年，又进一步发布全新的边缘计算平台 Azure Edge Zone 以支持实时数据处理. 亚马逊也于 2015 率先发布 AWS IoT③平台，并于 2017 年推出 FreeRTOS 操作系统，适用于小型低功耗的边缘设备 进行编程、部署、连接与管理. 2018 年，阿里巴巴 推出 AliOS Things④物联网操作系统，提供 IoT 连接、智能处理、云边端协同计算等服务. 同年，京东发 布“城市计算平台”，结合深度学习等构建时空关联 模型及学习算法解决交通规划、火力发电、环境保 护等城市不同场景下的智能应用问题. 2019 年，华 为推出了面向物联网的华为鸿蒙操作系统 HarmonyOS⑤，这是一种基于微内核、面向 5G 的全 场景分布式操作系统，在传统的单设备系统能力基 础上，提出了基于同一套系统能力、适配多种终端 形态的分布式理念. 综上，无论在学术界和产业界，智能物联网均 成为新的发展趋势. 鉴于此，本文将面向泛在计算、 人工智能与物联网交叉学术前沿，阐述其基本概念、 体系架构、关键技术及典型应用，并在此基础上探 索其未来科学挑战及机遇.
智能物联网体系架构
物联网的核心是物与物以及人与物之间的信息 交互. 传统的物联网体系架构分为 3 层：感知层如 同人的各种感觉器官，由各种各样的传感器设备组 成，用来感知外界环境的温/湿度、压强、光照、气 压、受力情况等信息；网络层相当于人的神经系统， 由各种异构网络组成，将来自感知层的各类信息通 过网络传输到应用层；应用层是用户和物联网间的 桥梁，通过云计算、大数据、中间件等技术，为不 同行业提供应用方案. 智能物联网以数据处理为中心，面临新的机遇 与挑战，将形成新的体系架构与系统软件平台，下 面分别进行阐述.
智能物联网以高效的智能信息、实时处理为中 心，随着边缘计算和边缘智能的引入，将形成云边 端协同的 AIoT 体系架构. 如图 1 所示，系统分为三 层，包括智能终端层、边缘智能层、云计算层。
智能物联网是“软硬协同”的智能系统，在云 边端协同的智能物联网体系结构之上，软件平台也 是智能物联网的核心组成要素. 软件平台在设备和 应用之间提供互操作能力，能够集成异构的计算和 通信设备，简化应用的开发，并为运行在异构设备 上的多种应用和服务之间提供互操作能力. 一般来 说，体现为中间件形式，如微服务框架.
智能物联网的人机物融合、泛在计算、分布式 智能、云边端协同等新特质，以及区别于传统物联 网的体系及软件结构带来了很多新的挑战问题，下 面将简要阐述所面临的挑战及相关技术. 本节从智 能感知-网络通讯-协同计算-隐私保护四个层面分别 介绍 AIoT 关键技术，如图 3 所示
总 结
智能物联网在物联网感知、网络、应用三层架 构的基础上进行扩充，利用人工智能技术和物联网 泛在设备平台的感知、存储、计算和学习能力，以 智能信息的高效、实时、智能处理为目标，基于云 边端协同的 AIoT 体系架构实现感知、通信、计算 和应用的智能化提升. 本文阐述了云边端协同 AIoT 体系架构和 AIoT 系统软件平台基本构想，介绍了 泛在智能感知、群智感知计算、群智物联网通信、 终端适配深度计算、物联网分布式学习、云边端协 同计算、安全与隐私保护几个层面的关键技术及其 前沿探索. 未来，智能物联网研究需要更多的研究者共同 参与，深入物联网系统应用问题研究、关键技术瓶 颈突破以及通用性平台的凝练与研发. 一方面需要 在软硬协同终端智能、面向 AIoT 的智能演进、新 一代智能物联网网络、动态场景模型持续演化、人 机物融合群智计算等关键技术方面实现不断突破. 另一方面，面对多模态感知、泛在互联、场景动态、 资源受限、实时处理、普适服务等技术挑战，亟需 要研发具有“自组织、可配置、抽象化”等特征的 通用 AIoT 操作系统、中间件等系统平台，推动生 态发展.
