人工智能的模型和算法擅長從海量無序數(shù)據(jù)中發(fā)現(xiàn)規(guī)律、學習策略，而物聯(lián)網(wǎng)則能為數(shù)以億計的實體設備建立廣泛連接。因此，人工智能與物聯(lián)網(wǎng)兩者的融合將發(fā)揮更強大的協(xié)同感知計算效力，但同時也將帶來更多值得深入探索的問題和挑戰(zhàn)。

1. 物聯(lián)網(wǎng)將持續(xù)增長并成為一種勢頭強勁的網(wǎng)絡

預計2025年我國物聯(lián)網(wǎng)連接節(jié)點將達到200億個，將遠遠超過互聯(lián)網(wǎng)主體（即人類用戶）的數(shù)量。谷歌預測，到2025年世界將被IoT設備主導。因此，未來數(shù)百億異構(gòu)設備和用戶并發(fā)聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)分析和融合需求將促成物聯(lián)網(wǎng)與人工智能的深度融合。

與以人為中心的互聯(lián)網(wǎng)不同，AIoT是把電子、通信、計算機、人工智能四大領域的技術融合起來的新型網(wǎng)絡，在互聯(lián)網(wǎng)連接的基礎上進一步拓展，實現(xiàn)人與人、人與物、物與物以及人與環(huán)境的廣泛互聯(lián)，從而將傳統(tǒng)“互聯(lián)網(wǎng)”和“物聯(lián)網(wǎng)”的連接范圍和連接方式提升為“人、機、物”三類異構(gòu)主體的聯(lián)結(jié)共生和深度融合。

2. AIoT背景下的群智協(xié)同研究面臨新的研究挑戰(zhàn)

AIoT在架構(gòu)和實現(xiàn)層面通常包括物理感知層、網(wǎng)絡連接層、智能計算層和綜合應用層。AIoT首先通過各種異構(gòu)設備聯(lián)網(wǎng)實時感知各類數(shù)據(jù)（環(huán)境數(shù)據(jù)、運行數(shù)據(jù)、業(yè)務數(shù)據(jù)、監(jiān)測數(shù)據(jù)等），進而在終端設備、邊緣設備或云端通過大數(shù)據(jù)挖掘或機器學習算法來進行處理、理解和認知，如智能感知、目標識別、能耗管理、預測預警、自動決策等。

近年來，智能物聯(lián)網(wǎng)應用和服務已經(jīng)逐步融入智慧城市、智能制造、無人駕駛等多個國家重大需求和民生領域。由于海量AIoT設備具有全天候、多層次的感知、計算、存儲和通信能力，不僅能感知人和環(huán)境，而且能與人（群用戶）、機（群應用）、物（群智體）交互以滿足應用驅(qū)動的性能需求。

此外，在終端智能和云邊端層次化資源控制等新興技術的不斷推動下，AIoT在感知、計算、通信和應用四個環(huán)節(jié)的整體聯(lián)動都需要人、機、物之間有更深入的協(xié)作和互補。

因此，如何使群智能體以分布式協(xié)作的方式通過自組織、自適應和自學習增強演化，在AIoT全生命周期內(nèi)實現(xiàn)群信息的優(yōu)選匯聚和深度挖掘，并始終維持群應用總體性能與分布式資源能效間的權(quán)衡優(yōu)化，已成為一個重要的科學問題。

3. AIoT分布式協(xié)同生態(tài)尚未成熟，但發(fā)展?jié)摿薮?/h4>

微軟、IBM、阿里巴巴、騰訊、華為、京東等企業(yè)近年來都積極在智能物聯(lián)網(wǎng)領域布局。

2017年，谷歌逐步推出TensorFlow Lite框架支持深度模型壓縮和硬件加速，Edge TPU、Coral Dev Board等硬件開發(fā)設備支持AIoT應用落地。微軟在2019年度的開發(fā)者大會上發(fā)布AIoT的戰(zhàn)略布局。

2018年，阿里巴巴宣布進軍物聯(lián)網(wǎng)領域，定位為物聯(lián)網(wǎng)基礎設施的搭建者，提供IoT連接和AI能力，實現(xiàn)云邊端一體的協(xié)同計算，并開發(fā)了輕量級物聯(lián)網(wǎng)嵌入式操作系統(tǒng)AliOS Things。

騰訊也推出了一款物聯(lián)網(wǎng)系統(tǒng)TencentOS tiny，具有低功耗、低資源占用等特點。華為則推出了面向物聯(lián)網(wǎng)的華為鴻蒙操作系統(tǒng)，作為一種基于微內(nèi)核的全場景分布式操作系統(tǒng)，在5G時代具有廣泛應用前景。

京東也于2018年發(fā)布“城市計算平臺”，結(jié)合深度學習等構(gòu)建時空關聯(lián)模型及學習算法解決交通規(guī)劃、火力發(fā)電、環(huán)境保護等城市不同場景下的智能應用問題。

然而，影響AIoT發(fā)展的阻礙因素之一是設備在計算資源（如算力、存儲）、操作系統(tǒng)、算法框架等方面的異構(gòu)性，而統(tǒng)一的AIoT感知計算范式尚未發(fā)展成熟。在此背景下，人機物如何以分布式互補增強或競爭對抗的方式實現(xiàn)協(xié)同感知、學習、計算和通信以完成復雜任務成為重要的研究方向。