大模型在這一年以強勁的勢頭滲透到全球產業的邊邊角角，遍及科教文衛，更是在數字化轉型的趨勢下，在工業界如魚得水。AI已經以不可思議的方式，融入我們生活的方方面面，這種情況對于大模型，需要的時間會更短。
物聯網是新一代信息網絡技術的高度集成和綜合運用，對于培育經濟發展新動能、推動產業結構調整、提升社會治理服務水平，可以發揮重要的支撐作用。據研究機構Statista統計，到2030年，全球IoT設備數量將達到294.2億臺，相比今年翻一番，而中國屆時消費級IoT設備就會有80億臺。龐大的數量和市場應用，也是物聯網行業備受關注的重要原因。
大模型x物聯網，一個是風頭正盛的科技前沿，一個是量大勢猛的關鍵產業。它們能碰撞出來怎樣的火花呢？
就在今天，以計算，為了不可計算的價值為主題的云棲大會正式落幕，阿里以云廠商的視角展示了他們在各個領域的探索與實踐。
值得關注的是，相比2022年云棲大會，除了增加了這一年來逢會必談的大模型之外，物聯網相關話題也有了明顯地增加，涉及物聯網各個場景的落地和實踐。
我們從眾多精彩演講中梳理出重要的觀點，探究大模型如何為物聯網廠商帶來新的機遇，以及云廠商如何為物聯網產業賦能。
云廠商怎么看物聯網與大模型？
看完大會關于物聯網相關場景的發布，一言以蔽之，他們同時看到了機會和痛點。
針對不同領域的需求，阿里云進行了多項發布：
盡管大模型占據了本次大會的半壁江山，物聯網也不遑多讓，各個并行主題甚至有大量重復，“物聯網”之所以能夠與如日中天的“大模型”并排成為云棲大會上經常談到的話題，來自于物聯網經濟。除了巨大的數量規模和各種痛點之外，物聯網被“盯上”的原因還有一個，它帶來的海量、真實的數據非常珍貴的。
智能網聯平臺
阿里表示，從AWS提出IoT core以來，近幾年他們發現了三點趨勢：1. 中國物聯網經濟正在飛速發展，到2030年會成為全球最大的物聯網經濟體；2. B2B物聯網（也就是產業物聯網）的崛起；3. 智能成為價值核心，也就是到處都在提AI和大模型。
于是，阿里開始思考提供2.0版本的物聯網云服務，并提出智能物聯網平臺應該滿足三個特性：
1.更深入行業，更理解場景； 2.更便捷的設備上云體驗； 3.智能化的數據服務和算法應用。
應用引擎2.0
關于穿戴設備和教育場景，他們發布了飛雀應用引擎2.0，帶來表盤生成能力、音樂地圖等終端能力，并且擁抱生成式AI。但是這并不只是為了做一個智能設備，而是他們發現人們對于AI交互需求日益增長的同時，也關注到了物聯網產業的一個特點——碎片化問題。
阿里表示，新的應用引擎從三個方面幫助解決碎片化的開發效率問題：
提供100+api，增強與芯片側合作； 2. 搭建應用市場，提升移動端應用體驗； 3. 通過生成式組件，結合數字人渲染能力，帶來終端創新動力。
工業物聯數智底座2.0
此外，他們也面向工業物聯網的痛點開刀，發布了工業物聯數智底座2.0。
阿里表示，未來的工廠將會是智能物聯的現代化工廠，工業的設備增長率已經超越了網聯汽車。一方面，這展示了巨大的市場，另一方面，IT與OT領域的數據結構是天然割裂的，OT的數據更多是時序性、低密度的，而IT則更多是結構化、高密度的數據。這里的痛點在于，如何將兩種數據進行統一的分析和價值挖掘。
所以，他們帶來新的架構，從原有的數據采集、資源建模&空間資產以及數據分析和計算的基礎上，增加了海量設備接入、大模型驅動的工業知識庫，以及工業低代碼開發。用一個聽起來簡單的一個詞就是“一致”，阿里云希望能夠將OT與IT融合，而這并不是一件容易的事情。
盡管沒有掌聲熱烈的“隆重發布”，阿里云在發布引擎和平臺的背后，依然反映出他們的對于物聯網現狀和痛點的理解。對于大模型x物聯網，他們又是怎樣看的呢？
從小模型到大模型
上述三個新平臺發布當中，無一例外都有大模型的加持。
2022年由ChatGPT帶來的大模型浪潮席卷全球，從學術圈到工業產業界，幾乎言必稱“大模型”，阿里云解決方案架構師蘇吉普在介紹品類趨勢的時候這樣說：在產品技術基礎探討的時候，大家已經把大模型作為不可忽視的考慮項，成為一種標配的產品邏輯。
對于物聯網產品來說，其實在設備端的算力和算法存在一定的不足，阿里云聯合達摩院構建了設備端的算法生態，通過魔搭平臺和IoT技術結合，解決了異構信息算法不足和部署問題。此外，他們還提供了包括模型選取、數據標注、訓練、轉合和部署等環節的技術Pipeline.
阿里表示，通過大模型結合設備端小模型，能夠實現諸如貓臉識別、智能問答等功能，大模型結合RoT場景將為物理世界帶來新的變化。
不能用做IT的路子去做OT
物聯網帶來的大量真實數據也是云平臺所渴望和樂于處理的，那么，面對物聯網海量的感知設備和數據，如何在復雜的場景下布局，以提供智能化的解決方案，幫助客戶提效和轉型，我們一起來看一看”阿里方案“。
物聯網的數據，除了大數據的5V特點：大量、高速、真實、多元、價值之外，還具有序列、固化、標準等3S的特點。傳統的方式就是通過Hbase，spark等開源解決方案。需要針對物聯網場景進行配置和調試，甚至需要幾十個人去調試和開發，阿里云則提出了一個一體化數據平臺，即云原生多模數據庫Lindorm，為物聯網場景下的數據管理提供了更加高效和低成本的解決方案。
而他們此前也踩了坑，會上，阿里云還以多家企業為例，講述了為什么傳統互聯網的架構不適合物聯網的場景。
此前，美的采用阿里云的互聯網產品解決物聯網場景的問題，往往需要幾十組物理集群才能滿足，而且還需要在夜間進行運維，同樣，TCL也面臨類似的問題，原因在于，物聯網場景往往有不同于互聯網產品的需求。甚至還有一家車廠，由于網絡割接造成了連接風暴，居然出現了無法打開車門的情況。
在不斷的溝通當中，阿里云提出了云網絡解決方案，為物聯網場景下的用戶提供了具有彈性IP、云連接器、負載均衡、云數據傳輸等性能的產品，保證了物聯網產品的可靠運行，而他們也總結道，不能用IT的路子搞OT。
云邊端一體化
我國“十四五”規劃中明確提出要“協同發展云服務與邊緣計算服務”，國務院《“十四五”數字經濟發展規劃》同時指出要“加強面向特定場景的邊緣計算能力”。顯然，云邊端等側的協同已經成為了行業趨勢。
在物聯網場景下，如何形成統一化與定制化的解決方案，帶來更加智能的平臺，是包括物聯網企業和云廠商都在做的事情。
從2008年就專業做云計算的阿里云，自然希望能夠以“我”為主，用平臺將云、邊、端整合為一體化，幫助企業實現對各個位置進行統一調控。此外，邊緣云也能在一定程度上解決物聯網產品對于帶寬、時延等的需求。
面對物聯網發展到新階段，大規模、多場景的復雜架構，阿里云提出了具有全息感知、智能加持、高性能高可用等特點的云邊端一體化的場景智聯平臺。他們表示，這也是對過去五六年的臟活累活進行的沉淀和總結。
阿里提出了云邊端一體化的場景智聯平臺，從演講者對于該平臺核心能力的描述當中，我們也總結出對于物聯網行業的痛點和啟示：
目前，物聯網的感知數據和協議仍然呈現碎片化的特點，除了感知采集到的數據，對于設備和歷史系統里面的數據也需要進行處理，講者認為，物模型的萬物歸一抽象為軟硬件耦合，但是并不能發揮出其全部能力。
另外，時序引擎對于碎片化的物聯網數據其實太重了，可以采用更輕量的計算方式；對于感知設備，通過AI+RPA的技術，能夠讓人工的重復操作自動化。與傳統科學計算的CPU密集和GPU密集型不同，物聯網領域的核心是IO密集，因而需要進行線程優化。
寫在最后
可以說，阿里云在面對物聯網場景和大模型潮流下，依然保持了作為“云廠商”的厚度，建立了應用引擎2.0、物聯網平臺2.0，工業數智底座AIM2.0。一言蔽之就是“瘋狂搞基建”，在實踐當中也總結出不能用IT方式去搞IoT等經驗，為眾多企業在降本增效、產業落地以及降碳減排等領域提供了支持。
值得一提的是，高通也談了他們對于終端側生成式AI能力的探索，他們在肯定云計算能力的同時表示：未來，生成式AI將在終端側運行。并演示了他們在手機端實現的Stable Diffusion以及ControlNet等能力。他們希望在未來在一些場景下將計算從云上卸載到終端領域中，讓需要更多算力的場景上云，實現終端與云端AI的雙向奔赴。
那么，隨著芯片算力的提升，未來是否如上所言，生成式AI在終端側運行呢？
參考內容：
1.
2.
3 .云棲大會2023官網
4. 云棲大會2022官網
5. 《漫話邊緣計算》，2023，中國科學技術出版社
