从今后的发展来看，尤其在数字化转型中，越来越需要这种能够感知人类意图的机器。它们可以根据使用者、最终用户的意图来主动地自我调配，选择适宜的网络模型、数据结构，从而得到最适宜处理当前场景的模型，并把模型发送到前端来进行相应的工作。

AI本身是技术 用户体验到的是服务

《科创板日报》：当下我们处于AIoT发展的哪个阶段？

张宇：暂时还处于第一阶段，对第二阶段还在探索中。因为算力和数据是两大挑战。比如在物联网的边缘端，如何来标注数据，是亟待解决的。

《科创板日报》：能否具体谈谈AIoT落地的挑战？

张宇：首先随着AI应用越来越多，对于AI的效果以及即时性要求也越来越强。如何保证大量的AI数据能够及时处理，是一大问题。现在有一些解决办法，比如边缘计算正越来越兴起，把AI的处理工作放在边缘来进行操作，从而更好地响应用户的需求。

第二，现在有越来越多AI的不同框架、不同的计算平台以及不同的应用场景。在这种碎片化的场景，开发者如何拥有一个更好的开发工具，能利用这个工具找到最适宜的使用场景的关键API也好、适宜的硬件平台也好，可以让想法快速落地。这些开发工具也是一个很大的挑战。

我们看到百度推出了PaddlePaddle，英特尔推出了OpenVINO，通过这样一些工具的结合，能够让开发者从构建、优化到最后的部署都有一整套的开发工具，帮助其更快实现想法的落地。

三是生态方面的挑战。AI是一种技术，但从最终用户的角度来看，能够体验到的是服务。所有的服务都不是依靠单一的技术来支撑的，而是一系列技术的结合，以及一系列平台的支撑。

所以就需要在整个AIoT产业链的各个环节，包括开发者、服务提供商、芯片提供商以及硬件的OEM、ODM，以及软件的ISV等等，大家一起合作，来构建一个完整的服务平台。通过这样一个服务平台，使得最终用户切身感受到基于AI的这种应景、实时的服务。但是，如何构建这样一个产业链，打通产业链的各个环节，这存在很大的挑战。

AI芯片落地需要生态圈合力

《科创板日报》：目前AI芯片初创公司的产品落地难点，是否也在生态上？

张宇：一方面由于AI芯片的研发投入很大，比如芯片流片的成本很高；另一方面在于生态系统。因为芯片光有硬件不行，要有软件，还需要与应用结合起来。AI芯片落地不可能只依靠一家公司来完成，需要生态圈一起合力。

比如做芯片的企业，需要软件伙伴来帮其做软件解决方案、软件工具，从而配合硬件一起推给用户，这是产业链协同来完成的，光靠一家很难做成。

《科创板日报》：你看到的AIoT当下有哪些应用场景？

张宇：其实这方面的应用很多，总的来说可以分为两大类，一类是2B的应用，一类是2C的应用。

在2C的应用方面，像手机上的美颜，或者大家在购物的时候，电商平台会给你主动推送可能需要、也可能不需要的商品，其实这些都是人工智能技术的应用。

包括最近热门的元宇宙，其实AR/VR只是元宇宙的入口，但AR/VR背后所展现的内容，实际上也需要AI技术的支撑。通过AI技术来感知用户需要什么样的信息，然后把这些信息进行汇总、处理以及分析，最终让结果呈现在AR/VR的设备之上。

在2B方面，我们看到AI在智能制造领域得到了越来越广泛的应用。比如在边缘端，可以进行AI缺陷监测，及时在生产线上发现有瑕疵的半成品，并第一时间剔除出来。这样，一方面帮助企业提高生产效率，另一方面也为碳中和、碳达峰在做相应的贡献，这些都是AI在2B的场景里的具体应用。

《科创板日报》：2B和2C在要求上有哪些不同？

张宇：2B与2C最大的区别在于，2B对准确度的要求很高。举个例子，个人手机上使用的智能美颜功能，即使美颜出错了也无伤大雅。而2B业务如果出了错，会导致成本消耗、产品的损失。此外，B端的应用场景也更复杂。

比如， 2021年我们在奥迪的一家德国工厂落地人工智能。那家工厂里有2500台机器人，其中有1000台是焊接机器人，均用于奥迪的汽车制造。

一辆汽车有多达5000个焊点。奥迪通过焊接机器人来分析每一个焊点的质量，包括通过的电流情况、焊枪的位置等等。把这些信息综合起来，判断当前焊点的质量是好、还是不好，这里是利用了一整套人工智能的算法来完成的。

可以想象，如果5000个焊点里只要有一个出错，那么这辆车就废了。所以B端要求跟C端是不同的，而且算法更难，所使用的参数会更多。

文章来源：《物联网技术》 网址: http://www.wlwjszz.cn/zonghexinwen/2022/0112/2450.html