当前，在数字经济发展的大浪潮中，以物联网、人工智能为代表的新兴技术在经济发展史上扮演的角色愈发重要。
AIoT是人工智能和物联网的融合应用，一方面，人工智能帮助物联网智慧化处理海量数据，提升其决策流程的智慧化程度，改善人机交互体验，帮助开发出高层次应用，提升物联网应用价值。另一方面，物联网通过万物互联，其无所不在的传感器和终端设备为人工智能提供了大量可分析的数据对象，让人工智能得以落地应用。
如今，AIoT应用已从消费、互联网等泛C端领域，向工业制造、能源、交通、医疗等传统行业辐射，提供专属行业的解决方案，并不断探索更多行业应用。
近日，由高科技行业门户OFweek维科网主办、OFweek人工智能网和OFweek物联网承办的“OFweek 2022物联网与人工智能在线大会暨在线展”成功举办，吸引了上万名行业人士观看直播。本次会议聚焦AI技术的创新场景并立足于物联网生态解析行业及市场应用，携众多行业领军企业共同打造。
云知声联合创始人、副总裁康恒被主办方特别邀请，作了题为“从AI芯片到全场景智能，深度与广度并行破解AIot之困”的分享，受到了与会者热烈欢迎。
以下为康恒演讲整理精华，仅供分享;
01 人工智能+物联网 AIoT正在加速爆发
首先，AIoT并不是AI+IoT的的简单加法组合。
AI的落地非常依赖IoT的发展与普及。首先，AI的落地有三个重要因素，被称为AI的三驾马车，分别是算法、算力与大数据。先不提算法与算力，但就大数据而言，在不同的场景里边，每个场景都需要海量的数据来支撑。
就语言交互的技术来讲，需要落地到具体的场景中去应用。语音交互系统为了更加精准的理解用户的对话，除了语音的一些数据外，还需要需要结合实际的语境、位置、对话环境等参数来做具体的处理。
那这些数据如何来?就必须得依赖物联网的设备如传感器等采集数据再上传到互联网反馈给AI，做出处理。如果没有物联网的海量数据采集与互联网的连接，仅仅依靠算法和算力，就只能停留在实验室阶段，不能被快速产业化应用。
同时，IOT的快速普及，对AI技术的发展其实也有一个内生的需要。首先因为IoT的产品形态非常丰富，很多场景下，传统的交互方式不能满足用户的交互需求。比如说如何在没有屏幕的设备上实现交互?如何在不能使用双手的情况下进行交互等?
在此背景下，AI技术也给IoT行业的发展带来的新的繁荣。彼此拥抱，互相成就，紧密叠加，这或许才是AI与IoT之间形成的新的产业AIoT的最好注解。
截止目前，国内的AIoT设备数量已经超过348亿。
02 AIoT的落地挑战
挑战一：无数碎片需求组成的巨大市场总量
IoT虽然具备巨大的市场容量啊，但是碎片化非常严重。主要体现在以下几个方面：1.应用场景多元化;常见的如家居、办公、汽车、零售等;2.产品形态多样化;如电视、空调。冰箱、音箱等3.AI技术需求多样化。比如说有需要语音的、有需要图像的、有需要手势的等等。
总结起来就是IoT行业，它的特点就是通过无数的碎片化的需求，组成的巨大的市场总和，但是在落地过程中，不仅要考虑技术本身的先进性，更得考虑，一方面，如何让我们的用户接受以及更好的使用?另一方面，作为供应商，在技术落地额度过程中，如何更高效、成本更低?如何把AI的价值更好的传递客户?
挑战二：行业数字化改造亟需AIoT，但不限于AIoT
AIoT目前最多的被用来解决行业数字化问题。那么，行业的数字化仅仅是把我线上线下的数据打通，并连接起来么?
并不然。行业数字化核心在于基于对行业深入了解的前提下，把整体线上线下数据连接，并打造一个大的框架，进行过程化运营,来解决行业遇到的实际问题，而非闭门造车。线下场景就非常需要AIoT支撑，但如何结合业务需求设计整体AIoT应用框架，是行业数字化成败的关键点之一。
这是AIo T遇到的两大挑战。那针对这两大挑战，如何应对?
03 如何应对挑战?
康总以云知声的应对路径为例，做了具体的案例分享。
以AI芯片缓解碎片化，云+芯一体化方案降低TTM
IoT与AI 的结合，其实最终都是需要以芯片的形式去呈现。所以云知声选择把AI的技术与物联网的技术做深度融合，并直接做到芯片中。
即选择把AI的技术与物联网的技术做深度融合，并直接做到芯片中。通过声源定位、远场降噪、唤醒和识别等AI技术、进行本地识别以及云端识别，听懂人的声音中蕴藏的信息，然后通过云进行深入的用户意图理解，并融合多终端信息融合与决策，结合知识图谱以及云端能力，将用户需要的内容和信息，通过语音或者图像以及其他形象化的方式，传达给用户。
并最终通过AI芯片在硬件上的集成，使得硬件立即转换成面对物联网的智能硬件，极大地缓解了IoT行业的碎片化需求问题。
行业数字化需要选准切入点
由于AI的高速发展，各行各业都把AI当成是颠覆性的技术。
但是其实在进入AIoT的过程中，还是必须有所选择的。
那么，那些行业以及应用场景比较适合快速进入AIoT的进程呢?其实是有2大标准的;
第一是行业的体量足够大。应用AIoT促进产业智慧化，哪怕提升1%的效率，也将带来显著效果。
第二是应用场景在AI的技术加持之下，解决问题的效率要足够高。应用AI促进智慧产业化，必须有足够的精度，从而实现效率的有效提升;
基于技术平台，以深度和广度两个方向同时扩展AIoT落地
从实践来讲，我们主要是从深度以及广度上来做布局。那么，芯片就是我们在深度方向上做的实践落地路径。我们通过上游的的可定制化的芯片定制要求，把云知声的芯片能力批量做赋能，实现我们在深度上的落地应用;
目前，云知声自2018 年以来，基于多种专用芯片，已经陆续发布了三代共6款语音芯片解决方案，并在2021年达到出货近千万的成绩.其蜂鸟芯片系列是其在AIoT深度上最重要的实践，已经助力多家IoT企业实现数字化转型，降本增效。
更重要的是，云知声的芯片完全开源开放的，大大的降低了方案商在语音交互产品化过程中的的成本。
广度上，我们则通过选择适合数字化的行业和场景，不断扩展AIoT的应用。
目前，我们的技术与方案已经落地在全场景智慧家居、1+N全屋智能等行业。关于全屋智能，目前已经为广州世贸天鹅湾、广州亚运城、广州天悦、珠海人工岛等提供了优秀智能化解决方案。
如若您有AIoT的相关需求，欢迎搜索“云知声官网”咨询!
物联网AI人工智能云知声IoT
