1.1.3　智联网

1. 基本概念

智能物联网（AIoT，AI+IoT），简称智联网，是2018年开始兴起的概念，指将物联网通过各类传感器感知、采集和产生的大量数据存储在终端设备、边缘端或云端，再利用人工智能和大数据相关技术对数据进行智能分析和预测[5]等，使得网络系统具有感知、认知、学习、行为决策甚至自演进能力，不断提高网络的服务质量和用户体验。人工智能技术为物联网赋予了感知、识别、学习和行为决策能力，物联网为人工智能提供训练机器学习算法的数据。从协同环节来看[6]，智联网主要解决感知智能化、分析智能化与控制/执行智能化的问题。

中国科学院自动化研究所复杂系统管理与控制国家重点实验室的王飞跃教授认为[7]：智联网，以互联网、物联网技术为前序基础科技，在此之上以知识自动化系统为核心系统，以知识计算为核心技术，以获取知识、表达知识、交换知识、关联知识为关键任务，进而建立包含人、机、物在内的智能实体之间语义层次的联结，实现各智能体所拥有的知识之间的互联互通；智联网的最终目的是支撑和完成需要大规模社会化协作的，特别是在复杂系统中需要的知识功能和知识服务。

长期从事智联网研究的学者彭昭认为[8]：智联网是建立在互联网、大数据、人工智能、物联网等基础之上的，是具备智能的连接万事万物的互联网，是智能时代的重要载体和思维方式。智联网通过将物理世界抽象到虚拟世界，并借此建立完整的数字世界，构筑新型的生产关系。智联网将改变旧有思维模式，从而实现人与人、人与物、物与物之间的大规模社会化协作。

2. 体系架构

随着网络边缘终端设备产生的数据量快速增加和新型应用对实效性要求的不断提升，数据处理和应用正在从云端走向网络边缘设备，而边缘计算和雾计算正在加速物联网从“连接”走向“智能”；同时，随着边缘设备算力的提升和人工智能芯片的发展，人工智能正在从云端走向“边缘”。因此，智联网的体系架构主要包括智能基础层、智能感知层、智能网络层、智能应用层四大层级，如图1-3所示。

图1-3　智联网的体系架构

智能基础层包括机器学习、智能芯片、人工智能（AI）框架、数据和服务器等，为智联网提供人工智能算法、算力、数据和存储支撑。智能感知层通过各种智能终端设备携带的传感器完成音频、视频、图片、文本等小规模数据的收集，在智能终端设备或边缘服务器完成数据的计算和处理任务，并结合计算机视觉、机器学习、自然语言处理、机器人技术、语音识别等人工智能技术，形成具有协同感知能力和协同控制能力的智联网。例如，对携带多传感器和执行器的无人机、无人车等无人系统的协同感知和控制。需要指出的是，智能终端已不再简单指智能手机、平板电脑等传统意义上的终端设备，家居产品、无人机、无人车、机器人等各种产品在智联网时代都属于拥有智能功能的终端设备。智能网络层可以利用路由器和网关等进行大规模、广范围的数据交换和传输，可以访问更大量的数据并拥有巨大的计算资源，并结合深度学习、持续学习、因果推理等人工智能技术，使得网络设备（如智能终端、路由器和网关）能理解、会思考，不断优化网络存储、网络接入、网络连接、数据路由和调度策略等决策能力，为智联网赋予认知能力和决策能力。智能应用层在智能基础层、智能感知层和智能网络层功能和能力的支撑下，实现数据、网络与各行业相结合，可以实现包括智慧城市、智慧医疗、智慧制造和智慧交通等新型应用。

3. 典型应用

智联网服务于智慧工厂。随着工厂信息化和智能制造的不断发展，智联网在推动工业控制向着低成本、高可扩展和智能化发展中起着重要作用。无线网络在可扩展、布线维护等方面具有便利性，对比有线网络具有明显优势，而无线网络在网络时延确定性[9-11]、可靠性和安全性方面逐步加强。工业智联网的诞生，将会以极高的效率加强信息管理和服务，极大地减少工业过程中不必要的消耗，极大地减少工业生产线上的人工干预，合理的生产计划编排与生产进度将促进智能大工业的出现和高速发展。

智联网服务于智慧城市、智慧建筑和智慧家庭。智联网是建设智慧城市、智慧建筑和智慧家庭的重要技术支撑之一，基于智联网及时传递、整合和利用城市、建筑和家庭产生和关联的各类信息，提高物与物、物与人、人与人的互联互通、提升全面感知和利用信息能力，从而实现对城市的精细化和智能化管理，对建筑的高效化能源管理和优化，以及对家庭的健康化和便捷化的居家服务。例如，AIoT助力智慧城市实现智能交通、智能电网，提升能源效率，应对气候变化，提升城市运转效率；AIoT助力智慧建筑，实现楼宇内空调、给排水和供配电的智能控制，以及残障人士无障碍出入等节能环保和便利的居住环境。

智联网服务于智慧交通。智联网在采集和共享交通数据的同时，可以利用大数据和人工智能技术对交通参与者的轨迹信息、交通基础设施占用率和使用情况等进行关联分析，提供实时交通数据下的智能服务，包括交通状况预判、辅助车辆控制、个性化的信息推送和辅助交通管理等，实现智慧交通的系统性、实时性、信息交流的交互性及服务的广泛性。例如，无人驾驶系统可以通过感知周围的行驶环境，推算车辆和行人的意图及行动轨迹，也可以通过检测识别交通指示牌的形态与位置，进行定位及地图建模，辅助制定车辆行驶策略，并可与其他交通参与者进行交互。