在人工智能、邊緣計算、物聯(lián)網(wǎng)、移動嵌入式硬件等技術(shù)發(fā)展 背景下，本文系統(tǒng)性地介紹智能物聯(lián)網(wǎng)這一新興方向. 它對物聯(lián)網(wǎng)感知、通信、計算和應用通過人工智能技術(shù)賦 能，呈現(xiàn)泛在智能感知、云邊端協(xié)同計算、分布式機器學習、人機物融合等新特征，具有更高靈活性、自組織性、 自適應性. 本文首先介紹了智能物聯(lián)網(wǎng)的基本概念特質(zhì)；其次闡述了智能物聯(lián)網(wǎng)的體系架構(gòu)；進一步詳細介紹了 智能物聯(lián)網(wǎng)中的研究挑戰(zhàn)與關(guān)鍵技術(shù)，包括泛在智能感知、群智感知計算、智能物聯(lián)網(wǎng)通信、終端適配深度計算、 物聯(lián)網(wǎng)分布式學習、云邊端協(xié)同計算、安全與隱私保護；最后，基于最新研究動態(tài)展望了極具潛力的未來研究方 向，包括軟硬協(xié)同終端智能、面向 AIoT 的智能演進、新一代智能物聯(lián)網(wǎng)絡、動態(tài)場景模型持續(xù)演化、人機物融 合群智計算和通用 AIoT 系統(tǒng)平臺.

物聯(lián)網(wǎng)（Internet of Things，IoT），即“萬物 相連的互聯(lián)網(wǎng)”，被認為是繼計算機、互聯(lián)網(wǎng)之后的 又一次信息產(chǎn)業(yè)浪潮，是新一代信息技術(shù)的重要組 成部分. 它是在互聯(lián)網(wǎng)基礎上進一步延伸和擴展的 網(wǎng)絡，將各種信息傳感設備與網(wǎng)絡結(jié)合起來而形成 的一個巨大網(wǎng)絡，實現(xiàn)任何時間、任何地點，人、 機、物的互聯(lián)互通、信息交換與智能服務. 萬物互 聯(lián)是人類科技史上的又一次重大革命，對社會生產(chǎn) 及生活產(chǎn)生了巨大而深遠的影響. 自誕生以來，物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展不斷引領 產(chǎn)業(yè)升級，同時對其技術(shù)的演進提出了更高的要求. 具體來講，有五個重要的發(fā)展趨勢. 

一是物聯(lián)網(wǎng)終端設備大規(guī)模普及，導致終端數(shù) 據(jù)和連接出現(xiàn)井噴式增長. 根據(jù)華為 GIV（全球產(chǎn) 業(yè)展望）①和思科②預測，到 2025 年全球連接的設備 數(shù)將達到 1000 億臺，而到 2030 年將有超過 5000 億 物聯(lián)網(wǎng)設備接入互聯(lián)網(wǎng)，屆時全球每年產(chǎn)生的數(shù)據(jù) 總量達 1YB，相比 2020 年，增長 23 倍. 海量數(shù)據(jù) 連接需要計算能力更高的物聯(lián)網(wǎng)體系架構(gòu)以實現(xiàn)數(shù) 據(jù)的及時分析和處理.

二是數(shù)據(jù)處理的實時性、隱私性要求更為迫切. 新的物聯(lián)網(wǎng)業(yè)務不斷衍生，萬物感知、萬物互聯(lián)帶 來的數(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. 許多特殊的領域應用場景，如安防監(jiān)測、自動駕駛、在線醫(yī)療等，一方面對數(shù)據(jù)的實時性要 求較高，需要較低的數(shù)據(jù)傳輸時延，另一方面因為 逐步與人們的日常生活深度融合，對隱私性保護的 要求也極為迫切. 

三是深度學習等人工智能技術(shù)的興起. 近年 來，以深度學習為代表的新一代人工智能技術(shù)快速 發(fā)展. 相比傳統(tǒng)機器學習模型，深度學習在很多領 域任務上都取得了更好的性能結(jié)果. 但同時，隨著 網(wǎng)絡層數(shù)的增加，其模型參數(shù)規(guī)模不斷變大，計算 成本不斷提高，為其在物聯(lián)網(wǎng)環(huán)境的部署和執(zhí)行帶 來了很大挑戰(zhàn). 

四是物聯(lián)網(wǎng)終端計算能力不斷提升. 傳統(tǒng)物聯(lián) 網(wǎng)終端主要負責數(shù)據(jù)的采集與傳輸，而隨著智能芯 片、嵌入式處理器、感知設備等的不斷發(fā)展和小型化，終端設備被不斷賦予了智能數(shù)據(jù)處理能力，能 在成本約束下完成部分數(shù)據(jù)處理和智能推理任務， 可以為提升計算的實時性和保護數(shù)據(jù)隱私性提供 支撐. 

五是邊緣計算和邊緣智能的興起. 邊緣計算是 指在用戶或數(shù)據(jù)源的物理位置或附近進行的計算， 能就近提供邊緣智能數(shù)據(jù)處理服務，這樣可以降低 延遲，節(jié)省帶寬. 邊緣計算的興起進一步提升了 本地數(shù)據(jù)處理能力. Gartner 將邊緣計算列為 2020 年 十大戰(zhàn)略技術(shù)趨勢之一③，其誕生解決了智能物聯(lián)網(wǎng) 發(fā)展的瓶頸問題.

綜上，傳統(tǒng)物聯(lián)網(wǎng)架構(gòu)的處理和計算能力已不足以支撐物聯(lián)網(wǎng)絡的深度覆蓋、海量連接、實時處理和智能計算等需求，在終端智能及邊緣計算等發(fā) 展背景下，智能物聯(lián)網(wǎng)（Artificial Intelligence of Things, AIoT，一般也表示為 AI+IoT 或人工智能物 聯(lián)網(wǎng)）作為未來物聯(lián)網(wǎng)發(fā)展的新趨勢近年來得到 廣泛關(guān)注. 智能物聯(lián)網(wǎng)是 2017 年興起的概念①，是人工智 能與物聯(lián)網(wǎng)技術(shù)相融合的產(chǎn)物，正成長為一個具有 廣泛發(fā)展前景的新興前沿領域，實現(xiàn)從“萬物互聯(lián)” 到“萬物智聯(lián)”的演進. 據(jù) Gartner 預測，未來超過 75%的數(shù)據(jù)需要在網(wǎng)絡邊緣側(cè)分析、處理與存儲. AIoT 首先通過各種傳感器聯(lián)網(wǎng)實時采集各類數(shù)據(jù) （環(huán)境數(shù)據(jù)、運行數(shù)據(jù)、業(yè)務數(shù)據(jù)、監(jiān)測數(shù)據(jù)等）， 進而在終端設備、邊緣設備或云端通過數(shù)據(jù)挖掘和 機器學習方法進行智能化處理和理解. 近年來，智 能物聯(lián)網(wǎng)應用已逐步融入國家重大需求和民生的各 個領域，例如智慧城市、智能制造、社會治理等.

智能物聯(lián)網(wǎng)帶來了泛在智能感知、情境自適應 通信、分布式群體智能、云邊端協(xié)同計算等新的挑戰(zhàn)問題.來自麻省理工學院、斯坦福大學、耶魯大 學、加州大學伯克利分校、劍橋大學，以及國內(nèi)的 研究人員都對智能物聯(lián)網(wǎng)這一前沿領域開展了系統(tǒng) 性研究. 例如，麻省理工學院研究人員對資源受限 物聯(lián)網(wǎng)終端上的深度模型壓縮等技術(shù)進行了系統(tǒng)性 研究. 耶魯大學研究人員提出了邊端協(xié)同高效深 度推理模型. 斯坦福大學研究團隊基于多智能體 深度強化學習對智能體間的分布式協(xié)作學習能力進 行了研究. 劍橋大學研究人員就資源受限環(huán)境下 深度學習模型的輕量級自動搜索提出了新的方法. 香港理工大學研究人員則對車聯(lián)網(wǎng)背景下邊緣智能 計算的應用進行了深入分析和探索. 

在 AIoT 快速發(fā)展趨勢下，國內(nèi)外著名 IT 企業(yè) 都加緊布局，在邊緣智能、智能芯片、智能物聯(lián)網(wǎng) 軟件平臺等方面取得了很多基礎性成果. 微軟在 2015 年正式發(fā)布了 Azure 物聯(lián)網(wǎng)套件——Azure IoT Suite②. 2021 年，又進一步發(fā)布全新的邊緣計算平臺 Azure Edge Zone 以支持實時數(shù)據(jù)處理. 亞馬遜也于 2015 率先發(fā)布 AWS IoT③平臺，并于 2017 年推出 FreeRTOS操作系統(tǒng)，適用于小型低功耗的邊緣設備 進行編程、部署、連接與管理. 2018 年，阿里巴巴 推出 AliOSThings④物聯(lián)網(wǎng)操作系統(tǒng)，提供 IoT 連接、智能處理、云邊端協(xié)同計算等服務. 同年，京東發(fā) 布“城市計算平臺”，結(jié)合深度學習等構(gòu)建時空關(guān)聯(lián) 模型及學習算法解決交通規(guī)劃、火力發(fā)電、環(huán)境保 護等城市不同場景下的智能應用問題. 2019 年，華 為推出了面向物聯(lián)網(wǎng)的華為鴻蒙操作系統(tǒng) HarmonyOS⑤，這是一種基于微內(nèi)核、面向 5G的全 場景分布式操作系統(tǒng)，在傳統(tǒng)的單設備系統(tǒng)能力基 礎上，提出了基于同一套系統(tǒng)能力、適配多種終端 形態(tài)的分布式理念. 綜上，無論在學術(shù)界和產(chǎn)業(yè)界，智能物聯(lián)網(wǎng)均 成為新的發(fā)展趨勢. 鑒于此，本文將面向泛在計算、 人工智能與物聯(lián)網(wǎng)交叉學術(shù)前沿，闡述其基本概念、 體系架構(gòu)、關(guān)鍵技術(shù)及典型應用，并在此基礎上探 索其未來科學挑戰(zhàn)及機遇.

智能物聯(lián)網(wǎng)體系架構(gòu)

物聯(lián)網(wǎng)的核心是物與物以及人與物之間的信息 交互. 傳統(tǒng)的物聯(lián)網(wǎng)體系架構(gòu)分為 3 層：感知層如 同人的各種感覺器官，由各種各樣的傳感器設備組 成，用來感知外界環(huán)境的溫/濕度、壓強、光照、氣 壓、受力情況等信息；網(wǎng)絡層相當于人的神經(jīng)系統(tǒng)， 由各種異構(gòu)網(wǎng)絡組成，將來自感知層的各類信息通 過網(wǎng)絡傳輸?shù)綉脤?；應用層是用戶和物?lián)網(wǎng)間的 橋梁，通過云計算、大數(shù)據(jù)、中間件等技術(shù)，為不 同行業(yè)提供應用方案. 智能物聯(lián)網(wǎng)以數(shù)據(jù)處理為中心，面臨新的機遇 與挑戰(zhàn)，將形成新的體系架構(gòu)與系統(tǒng)軟件平臺，下 面分別進行闡述.

智能物聯(lián)網(wǎng)以高效的智能信息、實時處理為中 心，隨著邊緣計算和邊緣智能的引入，將形成云邊 端協(xié)同的 AIoT 體系架構(gòu). 如圖 1 所示，系統(tǒng)分為三 層，包括智能終端層、邊緣智能層、云計算層。

智能物聯(lián)網(wǎng)是“軟硬協(xié)同”的智能系統(tǒng)，在云 邊端協(xié)同的智能物聯(lián)網(wǎng)體系結(jié)構(gòu)之上，軟件平臺也 是智能物聯(lián)網(wǎng)的核心組成要素. 軟件平臺在設備和 應用之間提供互操作能力，能夠集成異構(gòu)的計算和 通信設備，簡化應用的開發(fā)，并為運行在異構(gòu)設備 上的多種應用和服務之間提供互操作能力. 一般來 說，體現(xiàn)為中間件形式，如微服務框架.

智能物聯(lián)網(wǎng)的人機物融合、泛在計算、分布式 智能、云邊端協(xié)同等新特質(zhì)，以及區(qū)別于傳統(tǒng)物聯(lián) 網(wǎng)的體系及軟件結(jié)構(gòu)帶來了很多新的挑戰(zhàn)問題，下 面將簡要闡述所面臨的挑戰(zhàn)及相關(guān)技術(shù). 本節(jié)從智 能感知-網(wǎng)絡通訊-協(xié)同計算-隱私保護四個層面分別 介紹 AIoT 關(guān)鍵技術(shù)，如圖 3 所示

總 結(jié) 

智能物聯(lián)網(wǎng)在物聯(lián)網(wǎng)感知、網(wǎng)絡、應用三層架 構(gòu)的基礎上進行擴充，利用人工智能技術(shù)和物聯(lián)網(wǎng) 泛在設備平臺的感知、存儲、計算和學習能力，以 智能信息的高效、實時、智能處理為目標，基于云 邊端協(xié)同的 AIoT 體系架構(gòu)實現(xiàn)感知、通信、計算 和應用的智能化提升. 本文闡述了云邊端協(xié)同 AIoT 體系架構(gòu)和 AIoT 系統(tǒng)軟件平臺基本構(gòu)想，介紹了 泛在智能感知、群智感知計算、群智物聯(lián)網(wǎng)通信、 終端適配深度計算、物聯(lián)網(wǎng)分布式學習、云邊端協(xié) 同計算、安全與隱私保護幾個層面的關(guān)鍵技術(shù)及其 前沿探索. 未來，智能物聯(lián)網(wǎng)研究需要更多的研究者共同 參與，深入物聯(lián)網(wǎng)系統(tǒng)應用問題研究、關(guān)鍵技術(shù)瓶 頸突破以及通用性平臺的凝練與研發(fā). 一方面需要 在軟硬協(xié)同終端智能、面向 AIoT 的智能演進、新 一代智能物聯(lián)網(wǎng)網(wǎng)絡、動態(tài)場景模型持續(xù)演化、人 機物融合群智計算等關(guān)鍵技術(shù)方面實現(xiàn)不斷突破. 另一方面，面對多模態(tài)感知、泛在互聯(lián)、場景動態(tài)、 資源受限、實時處理、普適服務等技術(shù)挑戰(zhàn)，亟需 要研發(fā)具有“自組織、可配置、抽象化”等特征的 通用 AIoT 操作系統(tǒng)、中間件等系統(tǒng)平臺，推動生 態(tài)發(fā)展.