雲之變4：想成為AIoT幕後老闆的雲_風聞
脑极体-脑极体官方账号-从技术协同到产业革命，从智能密钥到已知尽头2019-10-06 20:40
大家可能會發現，在過去一段時間裏，雲計算、AI和物聯網這三件事被同時提及的次數之多，可謂史無前例。
可能大家已經認為這是某種套路，或者科技八股，廠商如果不同時念叨這哥仨就顯得跟不上潮流。但是沒有無緣無故的愛恨，也沒有無緣無故的並列。為什麼雲計算廠商紛紛選擇了帶上IoT一起玩耍，其中還是有邏輯與產業趨勢的。而其關鍵點或許在於，當雲廠商希望將AI技術和能力賣到一家家商店、工廠，或者政府機構，也就是形成所謂的產業AI，或者產業互聯網市場時——這個生意究竟如何成立？
沿着這個問題，我們會發現假如沒有可聯網、可執行AI交互的端側硬件支撐，雲與AI的產業之夢根本無法成立。
今天，雲計算市場的一大變數，來自想成為AIoT幕後老闆的野心與困難。
AIoT：產業互聯網的理想型
為了能夠更清晰理解雲、AI和IoT三者之間的關係，我們可能要回到企業市場的原點，去看看近兩年火熱的產業互聯網、產業智能究竟是怎樣一個生意。
事實上，企業信息化這個市場已經打開了20年，如果只是把APP和網站賣給產業客户，那麼今天這門生意跟以往沒有什麼不同。以雲廠商為代表的產業互聯網玩家，實質上是想把可以直接作用於生產流程的智能技術與相關平台賣到企業。
但是問題來了，消費互聯網普及靠PC和手機，產業互聯網普及靠什麼？想讓AI技術在企業生產中被應用，不能依靠企業裏的電腦手機，而是需要生產設備、監控設備、服務設備具備AI的能力。換言之，這就需要企業中配備大量適配生產與AI技術的新硬件。
所以説，AIoT是產業互聯網的理想型，也是一條必經之路。這兩年，這個領域已經有了不少進展。從硬件能力來區分，我們可以將產業互聯網中的AIoT分成三個發展階段。
第二階段，AIoT產生了兩條進化軌跡。一條是能夠處理複雜AI算法、網絡擁有低時延特性的大型AIoT設備。這種設備可以深度運用於工業場景，真正取代部分人工勞動。另一條則是硬件本身無法處理複雜AI算法，但可以通過簡單算法和龐大的設備聯接數，解決數據快速流通的問題。這類AIoT設備可以應用於農業、零售、機場、公共服務領域。
第三階段，則是AI交互深度與設備聯接廣度的組合，也就是我們理想中無處不在的深度智能設備。人類可以隨時在生產、生活中呼喚複雜的AI服務。
按照這樣的進化軌跡，我們其實可以將產業互聯網的需求，看作是更好網絡條件、更大算力與更復雜AI算法在專有硬件中的集成。
在這個過程裏，雲計算會得到一個巨大的機會：AIoT指揮中心。
衍生問題：云為AIoT提供什麼？
之所以要先梳理一遍產業市場對AIoT的需求，是因為我們在關注雲+AIoT這個市場變化時，必須首先回答這麼一個問題：企業用AI，可不可以直接購買硬件？這個生意跟互聯網徹底沒關係行不行？
要知道，聯接公有云也就意味着安全風險，這對於企業核心生產體系來説顯然是很難接受的。
但是從上述討論可以看出，並不是因為互聯網和雲計算公司話語強勢，企業AI就必須執行網聯化和雲化
而是從主流趨勢上看，公有云佔據着企業應用AIoT這條軌道上難以避開的位置。或者説，在產業AI的執行過程裏，幾個關鍵能力都必須有公有云來提供，而企業繞開公有云體系，則意味着巨大的成本和更新困境。
這裏可以用幾個例子，來分析一下雲到底將為AIoT提供什麼：
1、大型AI任務的處理能力與更新能力
對於大部分企業來説，AI訓練和重型AI任務的推理，如何放在本地進行將會是巨大的算力成本。理想的AI任務處理流程，是雲側訓練、端側部署，數據回傳後再到雲側進行跟進訓練。這個過程也意味着企業可以基於公有云，隨時更新產業中需要的AI模型。雲計算將成為產業互聯網的協同工具。這個能力，是在非雲化的封閉環境中很難完成的。
企業AIoT體系，其實是建立在數據學習、數據存儲與數據應用的循環體系上。而這意味着企業用户要實時調用和存進大量的數據。其高同步要求，讓數據很難完全在本地側處理。本地預處理搭配雲端深度處理與存儲，是相對合理的解決方案。
3、公有云體系的工具融合作用
在企業深度應用AI設備時，面臨的可能不是某些能力的長時間應用，而是大量AI相關軟硬件的協同兼容。這裏有個問題，就是企業用户需要保持與工具鏈的高度同步，以便隨時保持AI技術下的產業競爭力。將工具鏈與場景融會貫通，也需要在雲端完成來觸發更高效率。
4、邊緣計算的重要性
企業真正應用AI，很難完全依靠雲或端，邊緣計算往往可以提供效率與成本之間的精準平衡。但邊緣計算所需要的算力與設備結合，很大程度也在雲廠商提供的服務範疇中，並且享受着公有云產業目前相對高速的技術進化紅利。
5、帶領解決方案式的交付能力
此前我們説過，企業購買AI，更多情況不是購買API或者硬件。尤其是非雲原生企業和大型政企，更傾向購買解決方案式的交付品。但誰來帶領產業協同的解決方案商業模式呢？今天來看，雲廠商的機會非常大。基於雲生態為企業提供綜合的AIoT服務，似乎更符合產業鏈對效率的追求。
這幾點，都是雲能夠與AIoT硬件體系聯接的方式。站住了這些位置，公有云在產業智能化時代的巨大紅利似乎指日可待。但是要客觀看到，這場變革並沒有那麼容易發生，因為今天產業互聯網的混亂局面，正在延遲雲+AI+IoT這條路真正走通。
理想與現實間的癥結
產業AI聽上去非常美好，各種數據報告都對其給予厚望，甚至給出了可以打開第四次工業革命的預言。
但是真正走到各行業看一看，我們很難聽説工廠主、連鎖店老闆、市政服務設施激進地擁抱AI，大規模換裝AIoT設備。這裏面存在的矛盾，一方面來自技術解決方案依舊不到成熟期，而另一方面，也源自混亂的AIoT市場。
由於AIoT是一個缺乏標準化的技術名詞。而企業服務市場的複雜，又導致各個雲服務商各自為戰，都在合作和宣傳一些自己技術理解下的解決方案，缺少統一性與兼容性。這個過程裏，很多市場和產業問題都暴露了出來。雲+AIoT到底是不是真正的未來，也就隨之被蒙上了一層陰霾。站在企業用户的角度看，今天不選擇通過公有云駛入產業AI，主要可能有這樣幾種顧慮：
2、魚目混珠：雲+AIoT走進產業，似乎每家廠商都是這麼説的。但如果仔細拆分各家廠商的合作方案，就會發現從方案、評判指標，甚至對具體技術的稱呼全都不一樣。這一方面會給用户十分混亂的困擾感，另一方面也讓用户難以清楚判斷優劣。今天，即使只能提供簡單數字化能力的企業服務商，也一定會往AI、IoT這類熱門名詞上掛靠。最終用户只覺得亂花迷眼。
3、囫圇吞棗：AIoT解決方案與行業的結合，今天依舊是個巨大問題。大部分所謂的AIoT解決方案，實際提供的依舊是以智能攝像頭為主的機器視覺解決方案。這類方案近乎適用於所有行業，但大部分都是錦上添花的作用。真正與傳感器、流水線、操作系統深度結合的行業AIoT設備與技術，更多時候還處在有待開啓的空白。
產業破障的機會
總體來看，產業應用AIoT體系，是雲計算廠商絕好的機會，也是雲+AI打開巨大產業市場的核心方案。尤其對於產業結構龐大、提質增效需求十分突出的中國市場來説，引導雲+AIoT進行產業革命，絕非不可能之事。
但是這場雲計算聯接的變局中，美好的前景與現實的困難同時存在。野蠻生長期裏，各自為戰的混亂，成為了這個需要平台化與標準化的長尾產業中，最明顯的絆馬索。當然困難同時也意味着機會，想要理清複雜的局面，讓雲+AIoT踏上快速發展紅利期，今天有三件事是值得關注的：
1、雲+AIoT的標準和操作系統
長久以來，物聯網產業缺乏標準都是癥結的集中點。當需求倒逼產業走向標準化和平台化，這個問題或許能夠迎來答案。目前，給予學術組織、特定技術，以及操作系統的物聯網協議、標準化進程都在推進當中。雖然難度很大，但並非沒有希望。尤其值得注意的，是基於操作系統、開發系統層面的AIoT標準統一，或許相對來説更具可行性。
2、工業級別的IoT硬件
雲+AI+IoT這個組合，最薄弱的其實是IoT硬件層面的創新。中國產業鏈與世界一線水準之間還有不小的差距。而基於AI走進產業的核心需求，去填補工業級IoT設備的空白，是一件產業價值與利益空間兼具的機會，也是突破目前AIoT困境的關鍵一環。
3、坐落在雲、硬件、行業三者之間的開發者
AIoT想要走進產業，重點還是有能夠與行業需求、行業特殊性相結合的解決方案。這往往需要在大的技術廠商、硬件製造廠商與行業用户之間進行溝通和供需協調的開發者出現。而優質開發者對一個行業的快速改變，很可能在混亂的雲+AIoT產業中造成鮎魚效應，倒逼產業鏈開始出現面對特定市場的協同。因此培養和賦能開發者，也是大廠商必須要完成的任務。
整體來看，基於智能變局，雲走向IoT支點這條路，已經在今天的產業中達成了某種共識。但是與外界的期許，或者説行業人士在發展初期吹下的flag相比，今天的產業實際進度還遠遠不足。
突破或許在旦夕之間，也許在雲山之外。但云計算產業要湧向IoT所帶來的變化出口，應該已經是毫無疑問的了。這場變革的終點，十分令人期待。