工業互聯網時代，任何一家工業製造業要想不被“淘汰出局”，就需要實現轉型升級和工廠自動化智能化水平提升，隨著技術的不斷革新，企業轉型升級提速，而工業互聯網則被認為是企業轉型的關鍵支撐。
工業互聯網時代，任何一家工業製造業要想不被“淘汰出局”，就需要實現轉型升級和工廠自動化智能化水平提升，隨著技術的不斷革新，企業轉型升級提速，而工業互聯網則被認為是企業轉型的關鍵支撐。
近年來，人工智能（AI）和物聯網（IoT）被認為是推動當今行業發展的主導技術，兩者融合產生了一個新的概念：AIoT（智聯網），隨著5G技術的發展，AIoT在工業自動化中被寄予厚望。
AI是大腦，IoT是連接
“AIoT”即“AI+IoT”，指的是人工智能技術與物聯網在實際應用中的落地融合。現在業內有一個說法就是，AI是大腦，IoT是連接。兩者的融合可以提供智能連接系統，能夠進行自我糾正和修復。
不管是技術還是產業，IoT都是由來已久，它解決底層連接和數據傳輸問題。同時它帶來的連接設備和數據類型遠大於傳統互聯網，在工業領域由於設備的多樣性及工藝流程的複雜性，其連接系統也更為複雜，為了更好的理解AIoT，我們需要了解連接系統的發展。
雲計算的出現為物聯網連接系統提供連接、存儲和計算三個關鍵功能。藉助雲計算的基礎架構，可以使多個設備之間無縫連接，除了可以發送機器對機器（M2M）消息之外，這些設備還可以將獲取的遙測數據集中存儲在雲中，同時這些數據可以通過計算分析服務處理，以獲得洞察力。
AI則可以根據大量的歷史資料和實時觀察找出對於未來預測性的洞察。由於同時分析過去的和實時的數據，AI更容易注意到有哪些資料屬於例外，並做出合理、合適的推斷。
數據對於AI的重要性不言而喻，AI需要持續的數據流入，它可以處理和從中學習的數據越多，其預測的準確率也會越高。
AI是IoT的大腦，讓設備的簡單連接上升為智能連接，讓萬物互聯進化到萬物智聯，IoT是讓AI具備行動能力的身體。就像人類的眼睛，耳朵，鼻子和皮膚感知我們周圍的世界一樣，IoT中數十億的傳感器和攝像頭採集周圍環境的數據，並將這些數據發送給AI進行分析和處理。這些數據也是AI進行深度學習的重要養料，協助AI變得越來越聰明，做出的決定也越來越明智。
正如阿里雲首席智聯網科學家柯鎮所說：“缺少AI的IoT會變為‘雞肋’，缺少IoT的AI會成為‘傻瓜’”。
目前，AIoT在工業中的應用主要是在工業機器人領域。
在自動化普及的工業時代，生產過程幾乎完全自動化、機器人具備高度的適應能力，工業互聯網不只是實現機器互聯，還有智能。AIoT在幫助機器人實現智能互聯的同時，還能讓管理者任意自如的操控，尤其是在很多工業危險的領域。
在未來，工業生產將更進一步實現智能化，工業機器人將得到更廣泛的應用。在AIoT的支持下，機器人與工業設備等完成了完全的互聯互通，並可對相關數據進行實時持續處理，從而進一步提高效率，降低成本。
5G是連接AI與IoT的橋樑
隨著5G商用牌照的發放，不少業內人士表示，AIoT將會迎來一個爆發期，5G將為AIoT的發展掃清技術上的障礙。
在5G技術加持下，AIoT在未來20年將成為全球備受矚目的黑科技。
中國工程院院士鄔賀銓表示，“5G是連接AI與IoT的橋樑，其高帶寬、高可靠低延時、大連接開拓了AIoT更廣闊的應用領域”。
那麼5G和AI、IoT之間是什麼關係？鄔賀銓表示，5G是將AI和IoT連接起來，成為一個可靠的高帶寬、大連接、低時延的通道。通過5G將IoT提升到人工智能的層面，體現IoT的價值，同時，5G幫助AI與IoT結合，產生落地效應。
在工廠內部WiFi無線網絡應用的最多，但由於無線技術的帶寬、可擴展性、抗干擾能力很難滿足工廠環境的實際應用需求。而5G在可靠性、抗干擾能力上剛好可以滿足工廠環境需求，因而可以用在企業外網和企業內網中。
鄔賀銓指出，現在應用較多的公用網絡上的5G是一種利用TDD（時分雙工）的模式，在某個頻率上根據時序的不同分為上行下行，工業互聯網中，需要上傳的帶寬高，回傳指令的帶寬低，TDD的下行較上行時隙多。
現在應用較多的公用網絡上的5G是一種利用TDD的模式，在某個頻率上根據時序的不同分為上行下行，工業互聯網中，需要上傳的帶寬高，回傳指令的帶寬低，TDD的下行較上行時隙多。
這其中，機器人將來會大量應用，“5G+8k+移動邊緣計算”可以讓機器人反映更敏感。商飛公司用8K高清攝像頭掃描飛機蒙皮鉚接質量，通過5G寬帶快速連接企業的雲平臺，顯著提升效率與檢測質量，商飛還利用5G的低時延同步兩個攝像頭，將從兩側獲取的視頻合成飛機精確的3D視像。
機器視覺也將得到廣泛應用，數據顯示，中國每天在產線上進行目視檢查的工人超過350萬，其中僅3C行業就超過了150萬人。但人工檢測準確度不高。機器視覺需要藉助邊緣計算與中心雲的大規模AI比對分析能力，5G為雲連接提供寬帶和快速通道。
AIoT發展還存在諸多挑戰
雖然AIoT已經成為行業技術發展風口，但鄔賀銓認為，AIoT發展將經歷單機智能階段、互聯智能階段及主動智能階段3個發展階段。
第一階段單機智能階段，單機系統需要精確感知、識別、理解用戶的各類指令，如語音、手勢等，並正確決策、執行和反饋。而這個過程中設備與設備之間是不發生相互聯繫。
第二階段互聯智能階段，採用集中的雲或邊緣計算控制多個終端（感知器）的模式，構成互聯的產品矩陣，打破了單機智能的孤島效應，對智能化體驗場景進行了不斷升級和優化。當用戶晚上在臥室對著空調說出“睡眠模式”時，客廳的電視、音箱，以及窗簾、燈等都自動進入關閉狀態。
第三階段主動智能階段，智能系統根據用戶行為偏好、用戶畫像、環境等各類信息，自我學習、主動提供適用於用戶的服務。例如，清晨伴隨著光線的變化，窗簾自動緩緩開啟，音箱傳來悅耳的起床音樂，空調調整到適應白天的溫度。
AIoT發展還面臨很多的挑戰，包括算力、算法、平臺兼容性、安全性四個方面。
第一是算力，普通計算機的計算能力有限，利用其訓練一個模型往往需要數週至數月的時間。密集和頻繁地使用高速計算資源面臨成本壓力；
第二是算法，AI的訓練所需的時間非常長，目前僅訓練一些簡單的識別尚需數週時間，面對未來應用場景的豐富性，有必要在算法層面予以增強。此外，基礎算法非常複雜，應用的企業開發者能力不足。
第三是平臺兼容性，物聯網產品碎片化，而各AI公司生態之間又缺乏協同，本地算力、網絡連接能力、平臺間的不兼容，要把框架裡的算法部署到數量眾多的物聯網設備上，大規模部署問題重重；
第四是安全性，人工智能呢決策的正確性受IoT數據的精確度影響，AI的分析結構還缺乏可解釋性，AIoT還存在被攻擊而成為殭屍物聯網的風險。