盡管從最近一段時間來看，AIoT已經受到許多巨頭企業(yè)的重視，例如華為首次公布AIoT戰(zhàn)略、京東將其IoT業(yè)務整合升級為小京魚AIoT生態(tài)，但是這些并不意味著前路坦蕩。

　　AIoT目前仍處于發(fā)展的起步階段，只能作為一種美好的愿想，無論從AI還是IoT本身來看，仍然存在著許許多多的問題。如同互聯(lián)網等新興技術發(fā)展初期一樣，AIoT也多少存在追捧與泡沫。

　　AI的發(fā)展仍很薄弱

　　AI近些年非?；馃?，尤其借由DeepMind推出的AlphaGo在圍棋領域戰(zhàn)勝人類一事，一度將其推上“神壇”。時隔兩年，DeepMind攜全新AlphaStar再次驚艷亮相，最近在策略類游戲“星際爭霸2”中也讓人類敗下陣來。

　　這些已有的成就固然令人矚目，然而現實生活中，AI仍然沒有真正走進生活，成為改變世界的重要力量。目前來看，成熟的AI需要相當長的路徑，無論是底層技術，還是相應的訓練，甚至相關人才的培養(yǎng)等，遠不是短時間內可以完成的。AI作為AIoT的核心之一，它的發(fā)展對AIoT的落地仍然具有至關重要的影響。

　　算力太貴

　　AI算力平臺的搭建，需要大量的CPU和GPU。目前風靡全球的AI產品AlphaGo使用的TPU是一種類似GPU的算法芯片，它的能耗功效比非常高。訓練AlphaGo的算力相當于12000塊常見的消費級1080TI，所花費的開支逾千萬。

　　普通計算機的計算能力是有限的，利用其訓練一個模型往往需要數周至數月的時間。密集和頻繁地使用高速計算資源，其所花費的成本往往難以估計。這些開銷對于大企業(yè)來講或許承擔得起，但對中小型企業(yè)而言，往往是難以負擔的巨額數字。

　　正是由于AI對計算的需求非常大，對高性能計算芯片的需求很高，國內企業(yè)對這一領域持續(xù)發(fā)力，比如華為不久前推出的鯤鵬920芯片，云知聲也宣布正在研發(fā)多款AI芯片，一時捷報頻傳。然而這不意味著芯片價格會大幅度下調，對于企業(yè)來講，仍然需要在硬件方面給予極大的支持，這也意味著企業(yè)需要花很多錢才能購買到需要的算力。

　　訓練太慢

　　AI芯片自設計生產后，其實是什么都做不了的，想要讓它達到真正的智能，需要大量正確的合適的樣例進行訓練。就像教寶寶逐漸學會說話和走路一樣，AI的訓練過程也是漫長的，而且難度更大、復雜度更高。

　　AI本質上仍然是機器，并沒有具備真正意義上的智力。以識別圖片為例，AI需要對幾億張圖片進行數據標注，記住相應的數據特征，在實際的識別中完成的是一個概率判斷。所以，AI的“思考”核心是機器算法，并不會擁有人類這樣的真正思維。正因如此，AI的訓練所需的時間是非常長的，目前僅訓練一些簡單的識別尚需數周時間，面對未來應用場景的豐富性，有必要在算法層面予以增強。

　　另外，如今想要進入AIoT領域的企業(yè)有很多都是家電及硬件廠商——盡管它們深諳各自領域的相關技術及規(guī)則，但對于進入AI這個完全陌生的領域，本身對于算法的積累幾乎為零，需要針對相關產品從零設計相關算法并完成訓練所需耗費的時間成本也是巨大的。

　　應用太淺

　　盡管AI最近幾年非常熱門，但是目前仍然處于發(fā)展的初期，仍然很難將實驗室理想環(huán)境下的成功產品應用至生產生活中去。其最主要的原因有兩個，一個是數據少，另一個是AI并非單獨的產品。盡管AIoT或許能夠解決AI數據少的問題，但是AI針對不同問題、不同領域的落地仍然很難擴展，效率很低。

　　對于AIoT來講，將AI應用在數量眾多的物聯(lián)網設備上，首先要解決的是兼容性問題。物聯(lián)網設備并非都是單一標準的，將一項新技術應用推廣開來所需處理的兼容性問題非常繁雜，大規(guī)模部署問題重重。此外，從火熱的智能音箱可以看出，目前的AI相關技術仍然主要處于探索語音交互方面，對其他的交互仍沒有很好的解決方案，而且語音交互的適用場景并不能完全推廣開來。

　　AIoT想要跨越AI這座山峰，需要解決的是一個全場景的問題，從基礎的算法，到開發(fā)訓練，再到應用部署能力等等。未來AIoT的進步與落地，仍然需要企業(yè)間競爭與合作，促進資源分享與技術進步。

　　物聯(lián)網的進展仍很“簡單”

　　如果說在AIoT中AI扮演著大腦的角色，IoT則需要構建連接，實現萬物智聯(lián)的第一步萬物互聯(lián)。盡管物聯(lián)網已經出現了相當長的一段時間，但是目前的物聯(lián)網也仍然處于發(fā)展的初期階段。

　　技術

　　物聯(lián)網分為感知層、網絡層、平臺層和應用層，盡管物聯(lián)網近些年發(fā)展迅速，但是從各個層面來看，仍然存在一些問題。

　　從感知層來看，其關鍵技術主要包含射頻技術(RFID)和傳感器技術，以傳感器技術為例，目前來看，傳感器仍存在一些關鍵技術制約。傳感器的設計技術涉及到多種學科、理論、材料、工藝等，設計軟件昂貴，設計過程復雜等因素長期存在，國產傳感器無論是可靠性還是封裝技術等，都存在嚴重不足。