就其带来的变革速度和影响的扩展性而言，全球数字化转型仍在持续加速，这将从根本上改变企业乃至整个行业未来的运营方式。
成功实现数字化转型的一个核心要素，是能够获取高质量的实时数据，这些数据可用于做出更明智的决策，并实施更先进的自动化方案，从而提高运营效率、改善客户体验并提升员工生产力。因此，数字化转型带来的一个重要影响便是物联网的蓬勃发展，这并不令人意外。物联网解决方案为企业提供了一种可靠的方式，用于从各类联网资产、设备和装置中获取信息——这些都是任何工业组织的核心资产。Omdia在2023年发布的《Omdia物联网企业调查》中，物联网与数字化转型之间的这种关联显而易见：88%的受访者表示，物联网正在其组织的多个领域得到实施，或者已成为其数字化转型的关键要素。
部分得益于数字化转型步伐的加快，Omdia预计，到2023年底，全球物联网设备安装量将达到近380亿台，到2030年将突破820亿台。然而，尽管独立的物联网应用能够创造价值，但也带来了诸多挑战。 首要挑战在于它们产生的海量数据以及由此带来的计算压力，有估计称，全球物联网市场目前每天产生约10亿千兆字节的数据。
本文摘自《Telenor IoT 预测报告》，该报告由 Telenor 与Omdia合作编制。您可以在下方免费下载完整报告！
结果是，许多企业最终被“数据湖”淹没，因为它们无法有效分析海量数据并从中提取有意义的信息来创造商业价值。可以预见，随着这些物联网项目的规模扩大，以及终端设备和数据量的增加，这一问题只会愈演愈烈。
显然，仅靠收集数据并不能释放其潜在价值。在数据收集的基础上结合人类智慧进行分析并采取行动固然是一个开端，但海量的信息使得这种做法既不切实际，甚至根本无法实现。因此，企业必须在物联网项目中融入分析工具，使应用程序变得更智能、更高效、更可持续。
答案就是人工智能。随着2024年的到来，我们认为将人工智能能力融入物联网部署已不再是一种奢侈。相反，对于希望在数字时代保持竞争力和韧性的企业而言，“物联网人工智能”将成为运营层面的必然选择。通过这种方式，“智能设备”将融入“智能系统”解决方案之中——这是一种全面且具有变革性的方式，能够为组织创造最大的附加值。 了解企业如何利用AIoT的策略。
AIoT 或 AI4IoT 是指将人工智能技术融入物联网应用的过程，其中物联网代表数据，而人工智能则是一套能够从数据中提取价值的分析工具。该概念通常也被称为“智能物联网”、“人工智能物联网”和“物联网机器学习”。这些术语可以互换使用，它们各自描述了一种将这两项技术整合到单一解决方案中的架构，这种结合能够产生变革性的影响。
如下图所示，将人工智能集成到物联网部署中，既可以在边缘端进行，也可以在云端进行。云计算能够提供传统本地设备无法企及的规模、灵活性和处理能力，这使其成为分析和人工智能的传统平台，有助于管理海量数据并将其转化为具有实际影响力的洞察。 不过，最近，边缘人工智能（Edge AI）作为满足低延迟要求、降低成本并缓解安全和隐私担忧的一种方式，正受到越来越多的关注。
无论哪种情况，使用人工智能的核心目标都是在数据中发现规律，并通过分析提取对业务有意义的洞察，或实现任务自动化，从而优化决策流程。 简而言之，AI4IoT能够将原始数据转化为具有切实商业价值的强有力行动。如果我们能正确实施，在部署包括生成式人工智能在内的大多数现代数据和人工智能技术时，便能实现更快、更稳健且可持续地利用物联网数据来创造价值。
换句话说，物联网提供数据，而人工智能则提供解锁响应的能力。 一个关于“AI4IoT”的简单比喻是人体。在这个比喻中，物联网相当于中枢神经系统，负责收集数据并通过其网络传输这些信息；人工智能则相当于大脑，它接收这些收集到的信息，进行分析以判断其重要性，并决定如何做出响应。尽管每个系统都有其特定的功能，但它们彼此互联、相互依存，而它们的融合则使彼此更加高效。
边缘人工智能（Edge AI）是指在数据生成所在的物理设备上部署人工智能，而非将这些功能置于云端。这一概念也被称为“智能边缘”、“边缘物联网”或“边缘人工智能”，随着2024年的到来，正引起越来越多的关注。 随着设备开始生成更多数据，原始设备制造商（OEM）和半导体供应商正部署人工智能模型及人工智能推理芯片组，以在终端实现更强大的分析和决策能力，同时满足应用程序对低延迟、数据隐私及安全性的要求。尽管如此，许多边缘设备通常仍受限于较低的能耗。
推动智能边缘发展的最明显驱动力，是那些对响应时间要求极高，或者延迟对服务交付至关重要的应用（例如支持增强现实和虚拟现实的游戏）。 数据从采集、传输到集中式数据中心，再返回本地所需的时间实在太长。除了延迟优势外，边缘AI还能通过将所有数据保存在本地来提升安全性和隐私保护，同时降低与数据传输及后续云端存储相关的成本。相对较低的计算资源消耗所带来的可持续性优势也十分显著。
请观看这段时长17分钟的对话，参与者包括Omdia咨询总监大卫·格林（David Green）、Telenor IoT 首席技术官马丁·惠特洛克（Martin Whitlock）以及 Telenor 集团高级副总裁兼研究与创新负责人伊娃·马丁凯奈特（Ieva Martinkenaite）。
Omdia认为，2024年将有多重因素共同作用，这预示着这一年将成为物联网（IoT）在人工智能（AI）应用方面具有里程碑意义的一年。生成式人工智能技术的快速发展，以及许多企业高管层由此产生的紧迫感，表明在物联网部署中，人工智能/机器学习（AI/ML）已被列为优先事项，这预示着AIoT将得到广泛应用。 此外，硬件领域的进步带来了更强大、更微型且更节能的设备；人工智能模型的突破；以及即将出台的人工智能法规——这些法规要求以更负责任和更可持续的方式使用数字技术——都为这一势头提供了助力。综合来看，这些条件突显了企业将人工智能技术整合到物联网应用中的紧迫性与机遇窗口，以保持领先地位。
在Omdia的物联网企业调查中，超过48%的企业受访者表示，人工智能/机器学习（AI/ML）是其未来物联网部署的优先事项，也是首选方案。Omdia认为，这预示着2024年AIoT将得到更广泛的采用。企业必须采取这一举措，否则将面临被淘汰的风险。
硬件进步：将人工智能功能集成到边缘物联网解决方案中需要更强的计算能力。传统上，这一实施面临的关键挑战在于如何找到在价格、功耗、性能和外形尺寸方面达到最佳平衡的硬件。然而，近年来半导体市场的激烈竞争推动了这些领域各自的巨大进步。 目前，已有大量芯片供应商在价格低至微控制器级别的范围内提供了AI加速选项，而尚未提供此类选项的厂商也在努力填补这一空白。Omdia预测，AI边缘处理器的出货量将从2023年的23亿增长至2028年的近40亿。
人工智能研发领域的突破：旨在缩小人工智能模型规模的研发工作，将成为人工智能赋能的物联网应用（尤其是运行在边缘端的应用）可扩展性的关键因素。模型压缩——本质上是将庞大而复杂的模型转换为更轻量级的模型——使机器学习算法能够在内存和功耗资源有限的设备上运行。 这一技术发展（有时被称为TinyML）将推动2024年及以后人工智能在物联网应用中的更广泛应用。
生成式人工智能：2024年任何关于人工智能的讨论都将涉及生成式人工智能（GenAI）。Omdia对生成式人工智能的简明定义是：利用人工智能技术“创造新事物”。生成式人工智能生成的内容形式多样，包括对话式或长篇文本生成、软件代码编写、图像合成，甚至音乐创作。
Omdia的研究表明，企业对生成式人工智能表现出了极大的热情：在Omdia的《2024年IT企业洞察报告》中，38%的受访者表示他们已经全面采用生成式人工智能，或者正在实施相关方案。仅有10%的受访者表示对生成式人工智能不感兴趣。
在当前这一初期阶段，很难准确评估生成式人工智能（GenAI）将对物联网（IoT）机器学习产生何种影响。其中一项短期影响可能体现在自动化软件代码生成方面。生成式人工智能加速编码过程的能力可应用于物联网应用程序的开发，从而缩短产品上市时间。这两项技术的另一项潜在融合方向可能是合成数据的生成。
外部因素：预计2024年还有一系列其他因素将促使企业向融合人工智能的物联网转型。高成本国家的人力短缺将推动更多企业在可行的情况下采用自动化解决方案。 2024年的另一项值得关注的发展将是人工智能监管。各政府机构预计将着手应对人工智能带来的影响，并建立负责任的人工智能治理框架，以防范其潜在危害（例如隐私泄露、虚假信息、偏见和歧视）。虽然乍看之下这似乎会抑制市场发展，但Omdia的调查显示，绝大多数企业认为政府监管对于该领域的长期治理至关重要。 在Omdia的一项调查中，65%的企业AI从业者认为AI应当受到监管。
综合来看，这些因素正共同推动2024年成为企业级“人工智能物联网”领域具有里程碑意义的一年。然而，与任何技术一样，未来成功的最终决定因素将是“人工智能物联网”项目所能带来的投资回报。
以下应用场景列举了我们认为AIoT将带来或已经带来切实可观的投资回报（ROI）的几个领域。
