阿里云深度布局AIoT：99%设备等待连接( 五 )_在地球生命演化过程中

这些能力单独拿出来，市面上都有很多成熟解决方案。但是整合到物联网的大环境下，考虑到端边云的协同，国内基本上就没有成熟的供应商。中长期来看，阿里云还有更丰富的云计算能力可以迁移到边缘计算中。 Link IoT Edge最大的价值是提供了一整套云边协同的计算框架，可以非常容易的根据企业的需求将计算能力平滑的在边和云之间协同分配。这提供了非常高的灵活性。这些功能看起来没有AI那么高大上，但是其适用的领域很广，是企业组织数字化绕不过去的坎。比如在工厂，传统的设备数据上报和指令下发，就可以用边缘网关完成协议转换，这样传统设备就可以完成上云、远程管理。再比如一些实时要求高的场景，例如生产线控制，就不太可能把数据回传到云端，等云端处理完成再反应，确保延时就得把计算贴近现场。还有一些场景，数据量太大，例如基于视频的各种检测执行，将所有数据回传云端没人任何经济性可言，所以在边缘布置视频计算就是必然选择。当然，这些还是降低成本方面。物联网要发展，更重要的是用AI增加能力。阿里云已经在多个城市落地的城市大脑，就是对城市进行全局实时分析，自动调配公共资源，修正城市运行中的缺陷，成为治理城市的超级人工智能。但是城市大脑第一步要完成的就是，利用阿里云AIoT将交通、能源、供水等基础设施全部数据化，连接散落在城市各单元的数据资源，打通“神经网络” 。城市大脑依赖从基础设置中获取的数据做出判断推理，而最后的落地也需要AIoT连接的各个执行单元去实现，资源优化调度才能得以实现。但是AI的发展非常迅速，最新的算法应用到生产场景一般也就6-12个月时间。比如Facebook何凯明团队最新发表的图像分割算法论文，不但精度提高而且算力仅需要传统算法的2.6% 。再比如Facebook田渊栋团队发表的彩票假设论文，该论文验证了在不同数据集彩票假设的存在，利用适当的方法可以将神经网络缩小10-100倍。算力的节省，模型的缩小，不但意味着更好的经济性，更意味着很多之前难以在边缘部署的应用可以部署。技术就是生产力在AI领域体现得很明显。不过跟踪最前沿的研究，将论文变成代码在云端训练成可用的模型，然后根据需要将模型分发到边缘，在边缘变成一个个应用场景。显然，这对大多数硬件设备生产商来说，都不大可能。但是在阿里云AIoT的框架下，就是自然的结果。