云 & AIoT：谁是幕后老板？

云计算走向IoT困难不少，但趋势是必然。

大家可能会发现，在过去一段时间里，云计算、AI和物联网这三件事被同时提及的次数之多，可谓史无前例。可能大家已经认为这是某种套路，或者科技八股，厂商如果不同时念叨这哥仨就显得跟不上潮流。

但是没有无缘无故的爱恨，也没有无缘无故的并列。

为什么云计算厂商纷纷选择了带上IoT一起玩耍，其中还是有逻辑与产业趋势的。

而其关键点或许在于，当云厂商希望将AI技术和能力卖到一家家商店、工厂，或者政府机构，也就是形成所谓的产业AI，或者产业互联网市场时——这个生意究竟如何成立？

沿着这个问题，我们会发现假如没有可联网、可执行AI交互的端侧硬件支撑，云与AI的产业之梦根本无法成立。

而这个现实反过来，导致了我们曾经认为云计算的出现就是要让硬件繁多的IT产业彻底虚拟化，一切计算都发生在网络的那头。

但是，当AI带来了新的市场可能时，端侧硬件反而变成了云计算密不可分的组成部分。甚至于在AIoT进入具体场景时，云计算获得了成为操作系统和协调系统的新机会。

今天，云计算市场的一大变数，来自想成为AIoT幕后老板的野心与困难。

一、AIoT：产业互联网的理想型

为了能够更清晰理解云、AI和IoT三者之间的关系，我们可能要回到企业市场的原点，去看看近两年火热的产业互联网、产业智能究竟是怎样一个生意。

事实上，企业信息化这个市场已经打开了20年，如果只是把APP和网站卖给产业客户，那么今天这门生意跟以往没有什么不同。

以云厂商为代表的产业互联网玩家，实质上是想把可以直接作用于生产流程的智能技术与相关平台卖到企业。

但是问题来了，消费互联网普及靠PC和手机，产业互联网普及靠什么？

想让AI技术在企业生产中被应用，不能依靠企业里的电脑手机，而是需要生产设备、监控设备、服务设备具备AI的能力。换言之，这就需要企业中配备大量适配生产与AI技术的新硬件。

所以说，AIoT是产业互联网的理想型，也是一条必经之路。

这两年，这个领域已经有了不少进展。

从硬件能力来区分，我们可以将产业互联网中的AIoT分成三个发展阶段。

云之变4：想成为AIoT幕后老板的云

第一阶段，主要以智能摄像头搭载机器视觉算法为主。今天这样的搭配已经广泛应用于交通、零售、安防场景，在工业中主要作用于工业质检场景。
第二阶段，AIoT产生了两条进化轨迹：一条是能够处理复杂AI算法、网络拥有低时延特性的大型AIoT设备，这种设备可以深度运用于工业场景，真正取代部分人工劳动；另一条则是硬件本身无法处理复杂AI算法，但可以通过简单算法和庞大的设备联接数，解决数据快速流通的问题，这类AIoT设备可以应用于农业、零售、机场、公共服务领域。
第三阶段，则是AI交互深度与设备联接广度的组合，也就是我们理想中无处不在的深度智能设备，人类可以随时在生产、生活中呼唤复杂的AI服务。按照这样的进化轨迹，我们其实可以将产业互联网的需求，看作是更好网络条件、更大算力与更复杂AI算法在专有硬件中的集成。

在这个过程里，云计算会得到一个巨大的机会：AIoT指挥中心。

二、衍生问题：云为AIoT提供什么？

之所以要先梳理一遍产业市场对AIoT的需求，是因为我们在关注云+AIoT这个市场变化时，必须首先回答这么一个问题：企业用AI，可不可以直接购买硬件？这个生意跟互联网彻底没关系行不行？

要知道，联接公有云也就意味着安全风险，这对于企业核心生产体系来说显然是很难接受的。

但是，从上述讨论可以看出，并不是因为互联网和云计算公司话语强势，企业AI就必须执行网联化和云化。

而是从主流趋势上看，公有云占据着企业应用AIoT这条轨道上难以避开的位置。或者说，在产业AI的执行过程里，几个关键能力都必须有公有云来提供，而企业绕开公有云体系，则意味着巨大的成本和更新困境。

这里可以用几个例子，来分析一下云到底将为AIoT提供什么。

1. 大型AI任务的处理能力与更新能力

对于大部分企业来说，AI训练和重型AI任务的推理，如何放在本地进行将会是巨大的算力成本。

理想的AI任务处理流程，是云侧训练、端侧部署，数据回传后再到云侧进行跟进训练。这个过程也意味着企业可以基于公有云，随时更新产业中需要的AI模型。

云计算将成为产业互联网的协同工具——这个能力，是在非云化的封闭环境中很难完成的。

2. 大规模的数据处理能力

企业AIoT体系，其实是建立在数据学习、数据存储与数据应用的循环体系上。而这意味着企业用户要实时调用和存进大量的数据。

其高同步要求，让数据很难完全在本地侧处理。本地预处理搭配云端深度处理与存储，是相对合理的解决方案。

3. 公有云体系的工具融合作用

在企业深度应用AI设备时，面临的可能不是某些能力的长时间应用，而是大量AI相关软硬件的协同兼容。

这里有个问题，就是企业用户需要保持与工具链的高度同步，以便随时保持AI技术下的产业竞争力，将工具链与场景融会贯通，也需要在云端完成来触发更高效率。

4. 边缘计算的重要性

企业真正应用AI，很难完全依靠云或端，边缘计算往往可以提供效率与成本之间的精准平衡。

但边缘计算所需要的算力与设备结合，很大程度也在云厂商提供的服务范畴中，并且享受着公有云产业目前相对高速的技术进化红利。

5. 带领解决方案式的交付能力

此前我们说过，企业购买AI，更多情况不是购买API或者硬件。尤其是非云原生企业和大型政企，更倾向购买解决方案式的交付品。

但谁来带领产业协同的解决方案商业模式呢？

今天来看，云厂商的机会非常大。基于云生态为企业提供综合的AIoT服务，似乎更符合产业链对效率的追求。

这几点，都是云能够与AIoT硬件体系联接的方式。

站住了这些位置，公有云在产业智能化时代的巨大红利似乎指日可待。但是，要客观看到，这场变革并没有那么容易发生，因为今天产业互联网的混乱局面，正在延迟“云+AI+IoT”这条路真正走通。

三、理想与现实间的症结

产业AI听上去非常美好，各种数据报告都对其给予厚望，甚至给出了可以打开第四次工业革命的预言。

但是，真正走到各行业看一看，我们很难听说工厂主、连锁店老板、市政服务设施激进地拥抱AI，大规模换装AIoT设备。

这里面存在的矛盾，一方面来自技术解决方案依旧不到成熟期；而另一方面，也源自混乱的AIoT市场。

由于AIoT是一个缺乏标准化的技术名词，企业服务市场的复杂，又导致各个云服务商各自为战，都在合作和宣传一些自己技术理解下的解决方案，缺少统一性与兼容性。

这个过程里，很多市场和产业问题都暴露了出来。“云+AIoT”到底是不是真正的未来，也就随之被蒙上了一层阴霾。

站在企业用户的角度看，今天不选择通过公有云驶入产业AI，主要可能有这样几种顾虑：

1）王婆卖瓜

在服务商的表述里，AI对于企业来说似乎已经非常有用。但当企业真正了解AI后，会发现首先将面临极其庞大复杂的成本支出。而且如果自身行业缺乏AI实践，往往会支出大量探索型成本。加上AI可能带来的实用性不足、上云带来的安全隐患等，会给企业加上层层顾虑，最终让AIoT变成服务商自己的表演。

2）鱼目混珠

云+AIoT走进产业，似乎每家厂商都是这么说的。但如果仔细拆分各家厂商的合作方案，就会发现从方案、评判指标，甚至对具体技术的称呼全都不一样。这一方面会给用户十分混乱的困扰感，另一方面也让用户难以清楚判断优劣。今天，即使只能提供简单数字化能力的企业服务商，也一定会往AI、IoT这类热门名词上挂靠，最终用户只觉得乱花迷眼。

3）囫囵吞枣

AIoT解决方案与行业的结合，今天依旧是个巨大问题。大部分所谓的AIoT解决方案，实际提供的依旧是以智能摄像头为主的机器视觉解决方案。这类方案近乎适用于所有行业，但大部分都是锦上添花的作用。真正与传感器、流水线、操作系统深度结合的行业AIoT设备与技术，更多时候还处在有待开启的空白。