布局AIoT，芯片/AI/通信技術有標準嗎？

當前物聯網市場的特點是碎片化，根據艾瑞《2019年物聯網行業研究報告》，2018 年中國物聯網連接量約 30 億，2019 年約 45.7 億，年復合增長率高達 67%。到2025 年這一數字將達 199 億，未來數百億的設備并發聯網產生的交互需求、數據分析需求將促使 IoT 與 AI 的更深融合。

2015-2025年中國物聯網連接量（來源：艾瑞）

物聯網連接數量指智能穿戴、車聯網、工業物聯網、安防、白色家電、城市公共服務等場景應用的傳感設備連接數，不包括手機等移動設備。目前來看，物聯網連接中還是以消費者端占多數，但再過幾年后將由消費級向公共級轉變，例如智慧城市、智能制造這些都是以國家行為為背景，在推進物聯網的發展。

2018-2022年中國AIoT市場規模及結構（來源：艾瑞）

智慧物聯網（AIoT）的普及，必能賦能實體經濟。根據艾瑞的數據，中國 AIoT 2019 年總產值接近 4000 億元， 2022 年預計超 7500 億元。那么布局公共級AIoT需要什么樣的技術？物聯網芯片發展最大的痛點是什么？2G/3G 退網后，哪種物聯網連接技術將迎來大規模發展空間？

9月18日，在由芯原微電子主辦的第十屆松山湖中國IC創新高峰論壇上，中國半導體行業協會IC設計分會副理事長、芯原股份創始人、董事長兼總裁戴偉民主持了一場主題為《布局工業物聯網的關鍵技術》的圓桌論壇討論。瑞芯微電子首席營銷官陳鋒、美的集團IoT事業部智能連接部長陳挺、小米產投高級合伙人孫昌旭、華山資本合伙人王志偉以及泰矽微創始人、CEO熊海峰共同參與了討論。

從左到右依次為：戴偉民、陳鋒、陳挺、孫昌旭、王志偉、熊海峰

會上，戴偉民首先拋出了一個預熱問題：誰最適合主導AIoT產業。從現場與會嘉賓的投票結果來看，云計算公司、系統集成商和IoT設備公司占前三位。

問題一：智慧物聯網需要怎樣的 AI 技術？

據Gartner研究數據，未來 2~5 年內，發展物聯網產業的關鍵技術主要包括數字業務技術平臺、邊緣人工智能、事件流處理、物聯網邊緣架構、物聯網集成以及信息技術 / 運營技術（ IT/OT ）融合。

孫昌旭認為，AIoT應該分為家庭和工業兩種場景來討論。家庭物聯網最看重的是互聯技術和易用性，以提高使用體驗為主。而在工業領域，目前的AIoT尚處于井噴的前期階段，還有很多事情要做，例如傳統以太網的延時和成本，都不適合現今的工業物聯網，需要對網絡架構進行改變、對傳感器進行升級換代等。另外，工業物聯網對可靠性也有著更高要求，無論采用何種技術都應該把可靠性放在第一位，這是與家庭物聯網最大的不同。

從調研機構的數據來看，2018-2025 年，工業物聯網連接數量將實現 3.7 倍增長，發展驅動力在于解決和優化工業、能源、交通等行業各個環節以及企業的相關發展問題。

2016-2025年全球消費物聯網設備及工業物聯網設備聯網數量及預測情況（單位：億個，來源：GSMA 前瞻產業研究院整理）

從投資人的角度，王志偉就比較關注如何去解決上述IoT領域碎片化的問題，企業要契合行業，提供模塊化的方案。相較西方同行，中國企業的IT技術和整合能力還比較弱，所以提供一個整合解決方案，比只提供一項技術從生意上要更容易成功。 另外，定制化和可擴展性也是物聯網技術必不可少的。

問題二：物聯網芯片發展的主要痛點是什么？

在這一輪的投票中，現場與會者認為排名前三的物聯網芯片痛點是：缺乏標準、功耗較高、開放性不夠以及集成度不高并列第三。

陳鋒認為，痛點其實也是重點，物聯網領域太過碎片化，一家芯片公司很難服務N個行業。另一點是工業領域產品迭代慢，對可靠性要求高，“消費類產品可以重啟解決問題，工業產品重啟影響就大了，如果是因為芯片導致的死機，可能還會被要求賠償”。針對難進難出的工業物聯網市場，芯片廠商往往會推出一個系列的產品，來滿足碎片化和高可靠性需求。

陳挺則認為，最大的痛點應該是缺乏標準。“3GPP是這個行業的標桿，標準需要經過一系列討論、驗證后才能達成一致。這主要因為蜂窩通信領域玩家不多，容易統一，而在物聯網領域，應用場景復雜多樣，用戶需求也各不相同。”缺乏標準的后果是，終端廠商不知道用什么樣的芯片合適，芯片廠商也很痛苦，不知道用戶想要什么樣的產品。

此前，前瞻產業研究院也給出了目前中國物聯網芯片供應的幾個特點：

1、物聯網成為微控制芯片（MCU）持續增長的重要動力

智能卡對MCU的需求下滑后，物聯網的需求激增成為MCU出貨量持續增長的保障。恩智浦、瑞薩、微芯科技、三星、意法半導體等MCU大廠也緊抓物聯網方向，推出相應的產品

2、短距離通信芯片在物聯網芯片出貨量中占比最高

2018年全球91億物聯網連接中約80%為無線個域網、無線局域網連接，短距離芯片仍將是未來的出貨主力；其中，BLE芯片出貨量最大。隨著消費電子產品等應用領域增速趨緩，物聯網智能終端將成為短距離通信芯片的最大應用市場

3、廣域物聯網通信芯片仍以傳統蜂窩為主

截至2018年，全球廣域物聯網通信芯片出貨量最多的仍是傳統蜂窩通信芯片，其中以2G和4G芯片為主，占比超過70%。據loT Analytics預測，2017-2023年，LPWAN的連接數將實現109%的年復合增長率

而在特點之中，前瞻產業研究院也同樣指出了物聯網芯片的痛點，分別是安全問題、開放性不夠、功耗較高和集成度不高，答案和現場觀眾選擇的差不多。不過，安全問題被忽視也從一個側面代表了當前物聯網行業的隱患——大家都希望快速地把這件事做起來，而少有人希望一開始就能夠做得安全。

問題三：2G/3G 退網后，哪種物聯網連接技術將迎來大規模發展？

數據顯示，2020 年整個廣域物聯網連接中，90%都屬于LPWAN領域。這個領域以中低速率應用為主，主要接入包括eMTC、2G、Cat.1這些中速率技術，以及NB-IoT、LoRa和Sigfox等低速率技術。

那么問題來了，2G/3G 退網后，哪種物聯網連接技術將迎來大規模發展空間？大部分人選了新晉“網紅”Cat.1，昔日寵兒NB-IoT得票率只有前者一半。

熊海峰認為，2G/3G的退網，給NB-IoT和Cat.1帶來的機會最大，NB-IoT是非語音接入，成本和功耗更低，而Cat.1有現成網絡支持，支持語音和要求不那么高的視頻傳輸。兩者結合后會帶來的成本非常低，甚至比單獨使用NB-IoT更低，是2G/3G退網后物聯網更好的連接模式。它對于低端的一些市場，像國家電網的基礎設施連接都可以使用。

陳鋒則表示， Cat.1可以利用現有4G基站進行部署，覆蓋范圍比新建網絡要好，成本也會少很多。NB-IoT主要還是建網成本問題，另外應用場景比較單一，而Cat.1有集成性，更通用。

問題四：中國該如何發展自己的類 LoRa 技術？

熊海峰對這個問題，提出了反問：“中國還需要類LoRa技術嗎？因為在To B行業應用場景中，大家更關注的是服務質量（QS），而服務質量最高的是蜂窩網絡，它的持續性保障能夠解決大部分廣域通訊的網絡覆蓋問題。而To C行業則天生不適合LoRa這種非授權網絡，因為它要求一個無處不在的網絡，所以也更傾向使用蜂窩廣域網，如果在最后一公里或一百米再加入LAN，例如Wi-Fi、BLE、Sub-1G等的話，功耗和成本會非常低。”

陳挺也認為，中國現在不是面臨如何發展類LoRa的問題，而是選擇的問題。因為大家都想掌握數據，所以選擇連接技術其實是看使用者對通信有什么需求，例如智能工廠要求毫秒級響應，就不可能用蜂窩網絡讓數據到運營商那轉一圈再回來；如果對實時性要求不高，可以用運營商的蜂窩網絡。

戴偉民從陳挺的觀點中引出另一個關鍵點：選擇不同通信技術的背后，數據在誰的手里很重要。選擇蜂窩網絡來做AIoT，網絡年費是其次，關鍵在于邊緣端的數據需要上云，在運營商或其他云服務商數據中心作處理。如果想用蜂窩網絡，又把關鍵數據留在邊緣側，可能需要將機器學習（ML）的訓練在邊緣端實現。

安全和分布式計算

以前ML訓練都集中在云端，邊緣主要負責推理，很大一部分原因是邊緣和終端缺乏足夠的數據，訓練出的AI就是沒有云端的好。不過，云計算現在的總體趨勢是向邊緣端發展，是因為大家越來越看重數據隱私，不希望自己的私人數據被傳上云端“被人研究”。

戴偉民的觀點是，未來訓練過程確實可以在邊緣端甚至終端完成，而且將敏感數據的計算移到終端，不但可以減少云基礎架構所需的帶寬，還能達到更快的響應時間、更好的隱私和可擴展性。訓練好的數據再傳到云端，供其它終端學習使用，減少了直接隱私暴露的風險。

云端服務器 （云計算，集中），邊緣端服務器（霧計算，今天） ，終端設備 （分布式計算，未來）

要實現這一愿景，安全和分布式計算是關鍵。

首先是安全，許多 ML 模型可供在線使用，但人們無法獲得實現高精度所需的復雜數據集。因為數據集是專有的，包含敏感數據，以及涉及隱私的數據。如果提高了安全性，則可以對數據集進行加密并在網絡上安全地分發，從而可以共享經過訓練的模型，還可以將數據集從邊緣節點傳輸到云。

再來是分布式計算，戴偉民認為，房屋中的設備可用私有云計算來替代家庭服務器云計算，由此可通過 AIoT 設備來擴展處理能力，分布式計算將實現最有效（和可擴展）的模型 / 數據處理。 不過實現的前提是，能夠創建可以安全分配負載的 ML 模型。

戴偉民表示，助力邊緣 AI 計算的發展，需要建立一個開放創新、保護隱私、安全的AI技術生態系統。邊緣AI在本地實現計算處理 ,數據無需上云，要求機器學習模塊開源，同時具備低功耗內核和實時在線域等功能。據悉，芯原正在向這個方向努力。

責編：Luffy Liu