在人工智能、邊緣計算、物聯(lián)網(wǎng)、移動嵌入式硬件等技術發(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；進一步詳細介紹了 智能物聯(lián)網(wǎng)中的研究挑戰(zhàn)與關鍵技術，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)技術的飛速發(fā)展不斷引領 產(chǎn)業(yè)升級，同時對其技術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的興起. 近年 來，以深度學習為代表的新一代人工智能技術快速 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”，結合深度學習等構建時空關聯(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)交叉學術前沿，闡述其基本概念、 體系架構、關鍵技術及典型應用，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

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脤樱粦脤邮怯脩艉臀锫?lián)網(wǎng)間的 橋梁，通過云計算、大數(shù)據(jù)、中間件等技術，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. 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)體系結構之上，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，能夠集成異構的計算和 通信設備，簡化應用的開發(fā)，并為運行在異構設備 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)的體系及軟件結構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)及相關技術. 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 關鍵技術，如圖 3 所示

總 結 

智能物聯(lián)網(wǎng)在物聯(lián)網(wǎng)感知、網(wǎng)絡、應用三層架 構的基礎上進行擴充，利用人工智能技術和物聯(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 體系架構和 AIoT 系統(tǒng)軟件平臺基本構想，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鍵技術及其 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、關鍵技術瓶 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鍵技術方面實現(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.