云之变4：想成为AIoT幕后老板的云

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。

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。

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。

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。

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。而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。

产业破障的机会

总体来看，产业应用 AIoT 体系，是云计算厂商绝好的机会，也是云 +AI 打开巨大产业市场的核心方案。尤其对于产业结构庞大、提质增效需求十分突出的中国市场来说，引导云 +AIoT 进行产业革命，绝非不可能之事。

但是这场云计算联接的变局中，美好的前景与现实的困难同时存在。野蛮生长期里，各自为战的混乱，成为了这个需要平台化与标准化的长尾产业中，最明显的绊马索。当然困难同时也意味着机会，想要理清复杂的局面，让云 +AIoT 踏上快速发展红利期，今天有三件事是值得关注的：

1、云 +AIoT 的标准和操作系统

长久以来，物联网产业缺乏标准都是症结的集中点。当需求倒逼产业走向标准化和平台化，这个问题或许能够迎来答案。目前，给予学术组织、特定技术，以及操作系统的物联网协议、标准化进程都在推进当中。虽然难度很大，但并非没有希望。尤其值得注意的，是基于操作系统、开发系统层面的 AIoT 标准统一，或许相对来说更具可行性。

2、工业级别的 IoT 硬件

云 +AI+IoT 这个组合，最薄弱的其实是 IoT 硬件层面的创新。中国产业链与世界一线水准之间还有不小的差距。而基于 AI 走进产业的核心需求，去填补工业级 IoT 设备的空白，是一件产业价值与利益空间兼具的机会，也是突破目前 AIoT 困境的关键一环。

3、坐落在云、硬件、行业三者之间的开发者

AIoT 想要走进产业，重点还是有能够与行业需求、行业特殊性相结合的解决方案。这往往需要在大的技术厂商、硬件制造厂商与行业用户之间进行沟通和供需协调的开发者出现。而优质开发者对一个行业的快速改变，很可能在混乱的云 +AIoT 产业中造成鲇鱼效应，倒逼产业链开始出现面对特定市场的协同。因此培养和赋能开发者，也是大厂商必须要完成的任务。

整体来看，基于智能变局，云走向 IoT 支点这条路，已经在今天的产业中达成了某种共识。但是与外界的期许，或者说行业人士在发展初期吹下的 flag 相比，今天的产业实际进度还远远不足。

突破或许在旦夕之间，也许在云山之外。但云计算产业要涌向 IoT 所带来的变化出口，应该已经是毫无疑问的了。这场变革的终点，十分令人期待。