Matt Hatton，Transforma Insights 创始合伙人
在物联网(IoT)领域，近期关于“物理人工智能”(Physical AI)、“AIoT”以及人工智能与物联网这两大技术领域融合所产生影响的讨论日益增多。Transforma Insights 认为，人工智能所创造的价值，最显著地体现在物理世界与数字世界的交汇处——即物联网所在的领域。例如，人工智能最直观的影响体现在自动驾驶等应用场景中;而在更常规的层面，它也能通过提升缺陷检测、工作流程优化、车队路线规划及个人防护装备(PPE)检测等运营环节的效率，带来成本、能源、燃料消耗及人员福祉等方面的显著改善。
随之而来的必然结果是，为人工智能提供数据支持的物联网部署需求将大幅增加。与此同时，由于涉及边缘处理、低延迟以及日益复杂的部署要求，人工智能的需求也将给物联网部署所依赖的网络、平台及实施方法带来巨大压力。为了有效把握“物理人工智能”带来的机遇，物联网的交付模式必须进行演进。
Transforma Insights 在一份由塔塔通信(Tata Communications)赞助的最新报告中探讨了这一演进过程。该报告题为《智能“最后一公里”：网络如何利用人工智能应对物联网不断变化的需求》(The Intelligent Last Mile: How networks must leverage AI to address the evolving needs of IoT)，重点分析了物联网连接服务的交付方式应如何适应人工智能的需求，以实现超高效率、合规性、安全性和灵活性。报告概述了支持人工智能的物联网连接解决方案应具备的九大关键特征，具体如下：
“设计即安全”(Secure-by-design) —— 应对日益严峻的安全威胁，最佳策略是采用“设计即安全”的方法。这种方法不仅全面考量物联网(IoT)应用的各个要素，还对整体安全策略进行审慎规划。
合规性(Compliant) —— 长期以来，通过设备认证和安全要求，监管合规一直是物联网领域的重要组成部分。然而，随着物联网日益广泛地应用于关键基础设施和敏感领域，相关法规的范围和复杂性也在不断增加，特别是在安全、数据主权和人工智能(AI)方面。因此，合规性正逐渐成为物联网连接的核心要素，而不再仅仅是次要考量。
灵活性(Flexible) —— 过去十年间，提供全球性(基于蜂窝网络)物联网连接的技术手段发生了显著演变。这其中包括用于管理连接的远程SIM配置(RSP)技术的出现，以及针对物联网不同需求而优化的网络技术的普及(如NB-IoT、LTE-M和5G独立组网/5G SA)。尽管技术的多样化有助于满足物联网的各种需求，但也带来了一定的复杂性。理想的物联网连接方案应提供全套技术选项，并具备灵活性，以便根据客户的具体需求进行选择。
互操作性与跨层优化(Interoperable and cross-optimised) —— 真正全面的AI“最后一公里”部署涵盖了多种环境，包括楼宇内部、极度偏远地区以及全球分布式场景，同时也涉及高度异构的设备群。连接方案必须具备足够的互操作性，能够管理特性各异、来自不同供应商及运行于不同网络的设备，并支持eSIM管理等功能。此外，业界也越来越关注物联网解决方案各环节(从传感器、网关、网络、云端到应用层)的跨层优化，综合考量功耗管理、数据处理、AI模型管理及成本等因素。
协同编排(Orchestrated) —— 新一代连接方案的设计必须能够支持跨设备、边缘环境和中央云平台的AI工作负载。随着应用对快速决策周期、更丰富情境数据及更高自主性的依赖日益加深，网络已成为决定信息传输方式与计算执行位置的关键因素。本地推理通常需要靠近数据源，以最大限度降低延迟并减少传输开销;而大规模模型训练与数据聚合则仍依赖于中央设施。要支持这种分布式架构，就需要一个能够在架构各层级间高效、可预测地传输数据的连接层。
协作性——智能“最后一公里”必须日益支持一种更具协作性的运营模式，因为人工智能驱动的系统依赖于整个物联网(IoT)技术栈中各组件的协同运作。随着数据在设备、边缘平台、编排层和云环境之间进行采集、处理和应用，没有任何单一组件能够孤立运行。协作能力涵盖了共享诊断、开放API、统一策略框架以及协同管理模式，这些能力有助于优化数据流转并提升整体服务质量。
易用性——鉴于部署的复杂性，物联网连接能力的另一个关键方面在于其易用性。基于“单屏视图”(SPOG)平台构建的统一体验，允许用户在单一环境中管理设备、连接、策略及AI相关的数据路径，从而减少操作阻力和配置错误风险。集中式计费、整合的支持渠道以及统一的故障解决流程，免去了在多个供应商或界面间切换的麻烦，从而简化了管理工作。分层管理、直观的界面、自动配置、数据可视化等功能，都有助于提升系统的易用性。
韧性、可扩展性与高效性——智能“最后一公里”必须通过内置的韧性机制，应对网络中断、信号质量波动及硬件故障等挑战。此外，随着设备规模的扩大和AI模型对数据丰富度要求的提高，连接层(特别是底层的连接管理平台)必须具备良好的可扩展性，以确保在不引入延迟或拥塞的情况下满足需求。
确定性与可观测性——AI应用往往依赖于网络行为的可预测性。确定性性能要求对延迟、抖动、吞吐量和可用性进行严格控制。流量优先级划分和确定性调度等功能，确保设备能在既定范围内传输数据，从而支持实时推理和可靠的执行操作。
这份题为《智能“最后一公里”：网络如何利用人工智能应对物联网不断变化的需求》的报告，探讨了一系列关键议题，阐述了连接技术应如何演进以满足人工智能(AI)与物联网(IoT)融合所带来的需求。报告首先探讨了 AI 与 IoT 之间日益增强的相互依赖关系，以及 AI 在推动 IoT 发展方面所发挥的关键作用。随后，报告分析了为 AI 传输数据所面临的挑战，以及所谓“智能‘最后一公里’”在功能方面的各项要求，包括安全性、合规性、灵活性、互操作性、编排、协作、易用性、韧性、可扩展性、效率、确定性及可观测性。最后，报告通过一个具体案例，展示了这些原则如何应用于互联汽车领域。
参与评论 (0)