工业互联网时代，任何一家工业制造业要想不被“淘汰出局”，就需要实现转型升级和工厂自动化智能化水平提升，随着技术的不断革新，让企业转型升级提速。 

人工智能（AI）和物联网（IoT）被认为是推动当今行业发展的主导技术，近年来两者融合产生了一个新的概念：AIoT（智联网），随着5G技术的发展，AIoT在工业自动化中被寄予厚望。

AI是大脑，IoT是连接

“AIoT”即“AI+IoT”，指的是人工智能技术与物联网在实际应用中的落地融合。现在业内有一个说法就是，AI是大脑，IoT是连接。两者的融合可以提供智能连接系统，能够进行自我纠正和修复。

不管是技术还是产业，IoT都是由来已久，它解决底层连接和数据传输问题。同时它带来的连接设备和数据类型远大于传统互联网，在工业领域由于设备的多样性及工艺流程的复杂性，其连接系统也更为复杂，为了更好的理解AIoT，我们需要了解连接系统的发展。

云计算的出现为物联网连接系统提供连接、存储和计算三个关键功能。借助云计算的基础架构，可以使多个设备之间无缝连接，除了可以发送机器对机器（M2M）消息之外，这些设备还可以将获取的遥测数据集中存储在云中，同时这些数据可以通过计算分析服务处理，以获得洞察力。

AI则可以根据大量的历史资料和实时观察找出对于未来预测性的洞察。由于同时分析过去的和实时的数据，AI更容易注意到有哪些资料属于例外，并做出合理、合适的推断。

数据对于AI的重要性不言而喻，AI需要持续的数据流入，它可以处理和从中学习的数据越多，其预测的准确率也会越高。

AI是IoT的大脑，让设备的简单连接上升为智能连接，让万物互联进化到万物智联，IoT是让AI具备行动能力的身体。就像人类的眼睛，耳朵，鼻子和皮肤感知我们周围的世界一样，IoT中数十亿的传感器和摄像头采集周围环境的数据，并将这些数据发送给AI进行分析和处理。这些数据也是AI进行深度学习的重要养料，协助AI变得越来越聪明，做出的决定也越来越明智。

正如阿里云首席智联网科学家柯镇所说：“缺少AI的IoT会变为‘鸡肋’，缺少IoT的AI会成为‘傻瓜’”。

目前，AIoT在工业中的应用主要是在工业机器人领域。

在自动化普及的工业时代，生产过程几乎完全自动化、机器人具备高度的适应能力，工业互联网不只是实现机器互联，还有智能。AIoT在帮助机器人实现智能互联的同时，还能让管理者任意自如的操控，尤其是在很多工业危险的领域。

在未来，工业生产将更进一步实现智能化，工业机器人将得到更广泛的应用。在AIoT的支持下，机器人与工业设备等完成了完全的互联互通，并可对相关数据进行实时持续处理，从而进一步提高效率，降低成本。

5G是连接AI与IoT的桥梁

随着5G商用牌照的发放，不少业内人士表示，AIoT将会迎来一个爆发期，5G将为AIoT的发展扫清技术上的障碍。

在5G技术加持下，AIoT在未来20年将成为全球备受瞩目的黑科技。

中国工程院院士邬贺铨表示，“5G是连接AI与IoT的桥梁，其高带宽、高可靠低延时、大连接开拓了AIoT更广阔的应用领域”。

那么5G和AI、IoT之间是什么关系？邬贺铨表示，5G是将AI和IoT连接起来，成为一个可靠的高带宽、大连接、低时延的通道。通过5G将IoT提升到人工智能的层面，体现IoT的价值，同时，5G帮助AI与IoT结合，产生落地效应。

在工厂内部WiFi无线网络应用的最多，但由于无线技术的带宽、可扩展性、抗干扰能力很难满足工厂环境的实际应用需求。而5G在可靠性、抗干扰能力上刚好可以满足工厂环境需求，因而可以用在企业外网和企业内网中。

邬贺铨指出，现在应用较多的公用网络上的5G是一种利用TDD（时分双工）的模式，在某个频率上根据时序的不同分为上行下行，工业互联网中，需要上传的带宽高，回传指令的带宽低，TDD的下行较上行时隙多。

现在应用较多的公用网络上的5G是一种利用TDD的模式，在某个频率上根据时序的不同分为上行下行，工业互联网中，需要上传的带宽高，回传指令的带宽低，TDD的下行较上行时隙多。

这其中，机器人将来会大量应用，“5G+8k+移动边缘计算”可以让机器人反映更敏感。商飞公司用8K高清摄像头扫描飞机蒙皮铆接质量，通过5G宽带快速连接企业的云平台，显著提升效率与检测质量，商飞还利用5G的低时延同步两个摄像头，将从两侧获取的视频合成飞机精确的3D视像。

机器视觉也将得到广泛应用，数据显示，中国每天在产线上进行目视检查的工人超过350万，其中仅3C行业就超过了150万人。但人工检测准确度不高。机器视觉需要借助边缘计算与中心云的大规模AI比对分析能力，5G为云连接提供宽带和快速通道。

AIoT发展还存在诸多挑战

虽然AIoT已经成为行业技术发展风口，但邬贺铨认为，AIoT发展将经历单机智能阶段、互联智能阶段及主动智能阶段3个发展阶段。

第一阶段单机智能阶段，单机系统需要精确感知、识别、理解用户的各类指令，如语音、手势等，并正确决策、执行和反馈。而这个过程中设备与设备之间是不发生相互联系。

第二阶段互联智能阶段，采用集中的云或边缘计算控制多个终端（感知器）的模式，构成互联的产品矩阵，打破了单机智能的孤岛效应，对智能化体验场景进行了不断升级和优化。当用户晚上在卧室对着空调说出“睡眠模式”时，客厅的电视、音箱，以及窗帘、灯等都自动进入关闭状态。

第三阶段主动智能阶段，智能系统根据用户行为偏好、用户画像、环境等各类信息，自我学习、主动提供适用于用户的服务。例如，清晨伴随着光线的变化，窗帘自动缓缓开启，音箱传来悦耳的起床音乐，空调调整到适应白天的温度。

AIoT发展还面临很多的挑战，包括算力、算法、平台兼容性、安全性四个方面。

第一是算力，普通计算机的计算能力有限，利用其训练一个模型往往需要数周至数月的时间。密集和频繁地使用高速计算资源面临成本压力；

第二是算法，AI的训练所需的时间非常长，目前仅训练一些简单的识别尚需数周时间，面对未来应用场景的丰富性，有必要在算法层面予以增强。此外，基础算法非常复杂，应用的企业开发者能力不足。

第三是平台兼容性，物联网产品碎片化，而各AI公司生态之间又缺乏协同，本地算力、网络连接能力、平台间的不兼容，要把框架里的算法部署到数量众多的物联网设备上，大规模部署问题重重；

第四是安全性，人工智能呢决策的正确性受IoT数据的精确度影响，AI的分析结构还缺乏可解释性，AIoT还存在被攻击而成为僵尸物联网的风险。