看完8小时云栖大会,最值得关注AIoT趋势总结在此
来源 | 物联网智库2023-11-03 14:45:19
大模型在这一年以强劲的势头渗透到全球产业的边边角角,遍及科教文卫,更是在数字化转型的趋势下,在工业界如鱼得水。AI已经以不可思议的方式,融入我们生活的方方面面,这种情况对于大模型,需要的时间会更短。物

大模型在这一年以强劲的势头渗透到全球产业的边边角角,遍及科教文卫,更是在数字化转型的趋势下,在工业界如鱼得水。AI已经以不可思议的方式,融入我们生活的方方面面,这种情况对于大模型,需要的时间会更短。

物联网是新一代信息网络技术的高度集成和综合运用,对于培育经济发展新动能、推动产业结构调整、提升社会治理服务水平,可以发挥重要的支撑作用。据研究机构Statista统计,到2030年,全球IoT设备数量将达到294.2亿台,相比今年翻一番,而中国届时消费级IoT设备就会有80亿台。庞大的数量和市场应用,也是物联网行业备受关注的重要原因。

大模型x物联网,一个是风头正盛的科技前沿,一个是量大势猛的关键产业。它们能碰撞出来怎样的火花呢?

就在今天,以计算,为了不可计算的价值为主题的云栖大会正式落幕,阿里以云厂商的视角展示了他们在各个领域的探索与实践。

值得关注的是,相比2022年云栖大会,除了增加了这一年来逢会必谈的大模型之外,物联网相关话题也有了明显地增加,涉及物联网各个场景的落地和实践。

我们从众多精彩演讲中梳理出重要的观点,探究大模型如何为物联网厂商带来新的机遇,以及云厂商如何为物联网产业赋能。

云厂商怎么看物联网与大模型?

看完大会关于物联网相关场景的发布,一言以蔽之,他们同时看到了机会和痛点。

针对不同领域的需求,阿里云进行了多项发布:

尽管大模型占据了本次大会的半壁江山,物联网也不遑多让,各个并行主题甚至有大量重复,“物联网”之所以能够与如日中天的“大模型”并排成为云栖大会上经常谈到的话题,来自于物联网经济。除了巨大的数量规模和各种痛点之外,物联网被“盯上”的原因还有一个,它带来的海量、真实的数据非常珍贵的。

  • 智能网联平台

阿里表示,从AWS提出IoT core以来,近几年他们发现了三点趋势:1. 中国物联网经济正在飞速发展,到2030年会成为全球最大的物联网经济体;2. B2B物联网(也就是产业物联网)的崛起;3. 智能成为价值核心,也就是到处都在提AI和大模型。

于是,阿里开始思考提供2.0版本的物联网云服务,并提出智能物联网平台应该满足三个特性:

1.更深入行业,更理解场景; 2.更便捷的设备上云体验; 3.智能化的数据服务和算法应用。

  • 应用引擎2.0

关于穿戴设备和教育场景,他们发布了飞雀应用引擎2.0,带来表盘生成能力、音乐地图等终端能力,并且拥抱生成式AI。但是这并不只是为了做一个智能设备,而是他们发现人们对于AI交互需求日益增长的同时,也关注到了物联网产业的一个特点——碎片化问题

阿里表示,新的应用引擎从三个方面帮助解决碎片化的开发效率问题:

  1. 提供100+api,增强与芯片侧合作; 2. 搭建应用市场,提升移动端应用体验; 3. 通过生成式组件,结合数字人渲染能力,带来终端创新动力。

  • 工业物联数智底座2.0

此外,他们也面向工业物联网的痛点开刀,发布了工业物联数智底座2.0。

阿里表示,未来的工厂将会是智能物联的现代化工厂,工业的设备增长率已经超越了网联汽车。一方面,这展示了巨大的市场,另一方面,IT与OT领域的数据结构是天然割裂的,OT的数据更多是时序性、低密度的,而IT则更多是结构化、高密度的数据。这里的痛点在于,如何将两种数据进行统一的分析和价值挖掘。

所以,他们带来新的架构,从原有的数据采集、资源建模&空间资产以及数据分析和计算的基础上,增加了海量设备接入、大模型驱动的工业知识库,以及工业低代码开发。用一个听起来简单的一个词就是“一致”,阿里云希望能够将OT与IT融合,而这并不是一件容易的事情。

尽管没有掌声热烈的“隆重发布”,阿里云在发布引擎和平台的背后,依然反映出他们的对于物联网现状和痛点的理解。对于大模型x物联网,他们又是怎样看的呢?

  • 从小模型到大模型

上述三个新平台发布当中,无一例外都有大模型的加持。

2022年由ChatGPT带来的大模型浪潮席卷全球,从学术圈到工业产业界,几乎言必称“大模型”,阿里云解决方案架构师苏吉普在介绍品类趋势的时候这样说:在产品技术基础探讨的时候,大家已经把大模型作为不可忽视的考虑项,成为一种标配的产品逻辑

对于物联网产品来说,其实在设备端的算力和算法存在一定的不足,阿里云联合达摩院构建了设备端的算法生态,通过魔搭平台和IoT技术结合,解决了异构信息算法不足和部署问题。此外,他们还提供了包括模型选取、数据标注、训练、转合和部署等环节的技术Pipeline.

阿里表示,通过大模型结合设备端小模型,能够实现诸如猫脸识别、智能问答等功能,大模型结合RoT场景将为物理世界带来新的变化。

不能用做IT的路子去做OT

物联网带来的大量真实数据也是云平台所渴望和乐于处理的,那么,面对物联网海量的感知设备和数据,如何在复杂的场景下布局,以提供智能化的解决方案,帮助客户提效和转型,我们一起来看一看”阿里方案“。

物联网的数据,除了大数据的5V特点:大量、高速、真实、多元、价值之外,还具有序列、固化、标准等3S的特点。传统的方式就是通过Hbase,spark等开源解决方案。需要针对物联网场景进行配置和调试,甚至需要几十个人去调试和开发,阿里云则提出了一个一体化数据平台,即云原生多模数据库Lindorm,为物联网场景下的数据管理提供了更加高效和低成本的解决方案。

而他们此前也踩了坑,会上,阿里云还以多家企业为例,讲述了为什么传统互联网的架构不适合物联网的场景。

此前,美的采用阿里云的互联网产品解决物联网场景的问题,往往需要几十组物理集群才能满足,而且还需要在夜间进行运维,同样,TCL也面临类似的问题,原因在于,物联网场景往往有不同于互联网产品的需求。甚至还有一家车厂,由于网络割接造成了连接风暴,居然出现了无法打开车门的情况。

在不断的沟通当中,阿里云提出了云网络解决方案,为物联网场景下的用户提供了具有弹性IP、云连接器、负载均衡、云数据传输等性能的产品,保证了物联网产品的可靠运行,而他们也总结道,不能用IT的路子搞OT。

云边端一体化

我国“十四五”规划中明确提出要“协同发展云服务与边缘计算服务”,国务院《“十四五”数字经济发展规划》同时指出要“加强面向特定场景的边缘计算能力”。显然,云边端等侧的协同已经成为了行业趋势。

在物联网场景下,如何形成统一化与定制化的解决方案,带来更加智能的平台,是包括物联网企业和云厂商都在做的事情。

从2008年就专业做云计算的阿里云,自然希望能够以“我”为主,用平台将云、边、端整合为一体化,帮助企业实现对各个位置进行统一调控。此外,边缘云也能在一定程度上解决物联网产品对于带宽、时延等的需求。

面对物联网发展到新阶段,大规模、多场景的复杂架构,阿里云提出了具有全息感知、智能加持、高性能高可用等特点的云边端一体化的场景智联平台。他们表示,这也是对过去五六年的脏活累活进行的沉淀和总结。

阿里提出了云边端一体化的场景智联平台,从演讲者对于该平台核心能力的描述当中,我们也总结出对于物联网行业的痛点和启示:

目前,物联网的感知数据和协议仍然呈现碎片化的特点,除了感知采集到的数据,对于设备和历史系统里面的数据也需要进行处理,讲者认为,物模型的万物归一抽象为软硬件耦合,但是并不能发挥出其全部能力。

另外,时序引擎对于碎片化的物联网数据其实太重了,可以采用更轻量的计算方式;对于感知设备,通过AI+RPA的技术,能够让人工的重复操作自动化。与传统科学计算的CPU密集和GPU密集型不同,物联网领域的核心是IO密集,因而需要进行线程优化。

写在最后

可以说,阿里云在面对物联网场景和大模型潮流下,依然保持了作为“云厂商”的厚度,建立了应用引擎2.0、物联网平台2.0,工业数智底座AIM2.0。一言蔽之就是“疯狂搞基建”,在实践当中也总结出不能用IT方式去搞IoT等经验,为众多企业在降本增效、产业落地以及降碳减排等领域提供了支持。

值得一提的是,高通也谈了他们对于终端侧生成式AI能力的探索,他们在肯定云计算能力的同时表示:未来,生成式AI将在终端侧运行。并演示了他们在手机端实现的Stable Diffusion以及ControlNet等能力。他们希望在未来在一些场景下将计算从云上卸载到终端领域中,让需要更多算力的场景上云,实现终端与云端AI的双向奔赴。

那么,随着芯片算力的提升,未来是否如上所言,生成式AI在终端侧运行呢?


参考内容:

1.https://www.statista.com/statistics/1183457/iot-connected-devices-worldwide

2. https://gxt.jiangsu.gov.cn/art/2016/11/1/art_6288_3705222.html

3 .云栖大会2023官网

4. 云栖大会2022官网

5. 《漫话边缘计算》,2023,中国科学技术出版社