布局AIoT，芯片/AI/通信技术有标准吗？

shuszhao · 发表于 2020-9-22 11:29:56

马上注册，结交更多好友，享用更多功能，让你轻松玩转社区

您需要登录才可以下载或查看，没有账号？立即注册

×

当前物联网市场的特点是碎片化，根据艾瑞《2019年物联网行业研究报告》，2018 年中国物联网连接量约 30 亿，2019 年约 45.7 亿，年复合增长率高达 67%。到2025 年这一数字将达 199 亿，未来数百亿的设备并发联网产生的交互需求、数据分析需求将促使 IoT 与 AI 的更深融合。

登录/注册后可看大图

2015-2025年中国物联网连接量（来源：艾瑞）

物联网连接数量指智能穿戴、车联网、工业物联网、安防、白色家电、城市公共服务等场景应用的传感设备连接数，不包括手机等移动设备。目前来看，物联网连接中还是以消费者端占多数，但再过几年后将由消费级向公共级转变，例如智慧城市、智能制造这些都是以国家行为为背景，在推进物联网的发展。

登录/注册后可看大图

2018-2022年中国AIoT市场规模及结构（来源：艾瑞）

智慧物联网（AIoT）的普及，必能赋能实体经济。根据艾瑞的数据，中国 AIoT 2019 年总产值接近 4000 亿元， 2022 年预计超 7500 亿元。那么布局公共级AIoT需要什么样的技术？物联网芯片发展最大的痛点是什么？2G/3G 退网后，哪种物联网连接技术将迎来大规模发展空间？
9月18日，在由芯原微电子主办的第十届松山湖中国IC创新高峰论坛上，中国半导体行业协会IC设计分会副理事长、芯原股份创始人、董事长兼总裁戴伟民主持了一场主题为《布局工业物联网的关键技术》的圆桌论坛讨论。瑞芯微电子首席营销官陈锋、美的集团IoT事业部智能连接部长陈挺、小米产投高级合伙人孙昌旭、华山资本合伙人王志伟以及泰矽微创始人、CEO熊海峰共同参与了讨论。

登录/注册后可看大图

从左到右依次为：戴伟民、陈锋、陈挺、孙昌旭、王志伟、熊海峰
会上，戴伟民首先抛出了一个预热问题：谁最适合主导AIoT产业。从现场与会嘉宾的投票结果来看，云计算公司、系统集成商和IoT设备公司占前三位。

登录/注册后可看大图

问题一：智慧物联网需要怎样的 AI 技术？

据Gartner研究数据，未来 2~5 年内，发展物联网产业的关键技术主要包括数字业务技术平台、边缘人工智能、事件流处理、物联网边缘架构、物联网集成以及信息技术 / 运营技术（ IT/OT ）融合。

登录/注册后可看大图

孙昌旭认为，AIoT应该分为家庭和工业两种场景来讨论。家庭物联网最看重的是互联技术和易用性，以提高使用体验为主。而在工业领域，目前的AIoT尚处于井喷的前期阶段，还有很多事情要做，例如传统以太网的延时和成本，都不适合现今的工业物联网，需要对网络架构进行改变、对传感器进行升级换代等。另外，工业物联网对可靠性也有着更高要求，无论采用何种技术都应该把可靠性放在第一位，这是与家庭物联网最大的不同。
从调研机构的数据来看，2018-2025 年，工业物联网连接数量将实现 3.7 倍增长，发展驱动力在于解决和优化工业、能源、交通等行业各个环节以及企业的相关发展问题。

登录/注册后可看大图

2016-2025年全球消费物联网设备及工业物联网设备联网数量及预测情况（单位：亿个，来源：GSMA 前瞻产业研究院整理）
从投资人的角度，王志伟就比较关注如何去解决上述IoT领域碎片化的问题，企业要契合行业，提供模块化的方案。相较西方同行，中国企业的IT技术和整合能力还比较弱，所以提供一个整合解决方案，比只提供一项技术从生意上要更容易成功。另外，定制化和可扩展性也是物联网技术必不可少的。

问题二：物联网芯片发展的主要痛点是什么？

在这一轮的投票中，现场与会者认为排名前三的物联网芯片痛点是：缺乏标准、功耗较高、开放性不够以及集成度不高并列第三。

登录/注册后可看大图

陈锋认为，痛点其实也是重点，物联网领域太过碎片化，一家芯片公司很难服务N个行业。另一点是工业领域产品迭代慢，对可靠性要求高，“消费类产品可以重启解决问题，工业产品重启影响就大了，如果是因为芯片导致的死机，可能还会被要求赔偿”。针对难进难出的工业物联网市场，芯片厂商往往会推出一个系列的产品，来满足碎片化和高可靠性需求。
陈挺则认为，最大的痛点应该是缺乏标准。“3GPP是这个行业的标杆，标准需要经过一系列讨论、验证后才能达成一致。这主要因为蜂窝通信领域玩家不多，容易统一，而在物联网领域，应用场景复杂多样，用户需求也各不相同。”缺乏标准的后果是，终端厂商不知道用什么样的芯片合适，芯片厂商也很痛苦，不知道用户想要什么样的产品。
此前，前瞻产业研究院也给出了目前中国物联网芯片供应的几个特点：
1、物联网成为微控制芯片（MCU）持续增长的重要动力
智能卡对MCU的需求下滑后，物联网的需求激增成为MCU出货量持续增长的保障。恩智浦、瑞萨、微芯科技、三星、意法半导体等MCU大厂也紧抓物联网方向，推出相应的产品
2、短距离通信芯片在物联网芯片出货量中占比最高
2018年全球91亿物联网连接中约80%为无线个域网、无线局域网连接，短距离芯片仍将是未来的出货主力；其中，BLE芯片出货量最大。随着消费电子产品等应用领域增速趋缓，物联网智能终端将成为短距离通信芯片的最大应用市场
3、广域物联网通信芯片仍以传统蜂窝为主
截至2018年，全球广域物联网通信芯片出货量最多的仍是传统蜂窝通信芯片，其中以2G和4G芯片为主，占比超过70%。据loT Analytics预测，2017-2023年，LPWAN的连接数将实现109%的年复合增长率
而在特点之中，前瞻产业研究院也同样指出了物联网芯片的痛点，分别是安全问题、开放性不够、功耗较高和集成度不高，答案和现场观众选择的差不多。不过，安全问题被忽视也从一个侧面代表了当前物联网行业的隐患——大家都希望快速地把这件事做起来，而少有人希望一开始就能够做得安全。

问题三：2G/3G 退网后，哪种物联网连接技术将迎来大规模发展？

数据显示，2020 年整个广域物联网连接中，90%都属于LPWAN领域。这个领域以中低速率应用为主，主要接入包括eMTC、2G、Cat.1这些中速率技术，以及NB-IoT、LoRa和Sigfox等低速率技术。

登录/注册后可看大图

那么问题来了，2G/3G 退网后，哪种物联网连接技术将迎来大规模发展空间？大部分人选了新晋“网红”Cat.1，昔日宠儿NB-IoT得票率只有前者一半。

登录/注册后可看大图

熊海峰认为，2G/3G的退网，给NB-IoT和Cat.1带来的机会最大，NB-IoT是非语音接入，成本和功耗更低，而Cat.1有现成网络支持，支持语音和要求不那么高的视频传输。两者结合后会带来的成本非常低，甚至比单独使用NB-IoT更低，是2G/3G退网后物联网更好的连接模式。它对于低端的一些市场，像国家电网的基础设施连接都可以使用。
陈锋则表示， Cat.1可以利用现有4G基站进行部署，覆盖范围比新建网络要好，成本也会少很多。NB-IoT主要还是建网成本问题，另外应用场景比较单一，而Cat.1有集成性，更通用。

问题四：中国该如何发展自己的类 LoRa 技术？

熊海峰对这个问题，提出了反问：“中国还需要类LoRa技术吗？因为在To B行业应用场景中，大家更关注的是服务质量（QS），而服务质量最高的是蜂窝网络，它的持续性保障能够解决大部分广域通讯的网络覆盖问题。而To C行业则天生不适合LoRa这种非授权网络，因为它要求一个无处不在的网络，所以也更倾向使用蜂窝广域网，如果在最后一公里或一百米再加入LAN，例如Wi-Fi、BLE、Sub-1G等的话，功耗和成本会非常低。”
陈挺也认为，中国现在不是面临如何发展类LoRa的问题，而是选择的问题。因为大家都想掌握数据，所以选择连接技术其实是看使用者对通信有什么需求，例如智能工厂要求毫秒级响应，就不可能用蜂窝网络让数据到运营商那转一圈再回来；如果对实时性要求不高，可以用运营商的蜂窝网络。
戴伟民从陈挺的观点中引出另一个关键点：选择不同通信技术的背后，数据在谁的手里很重要。选择蜂窝网络来做AIoT，网络年费是其次，关键在于边缘端的数据需要上云，在运营商或其他云服务商数据中心作处理。如果想用蜂窝网络，又把关键数据留在边缘侧，可能需要将机器学习（ML）的训练在边缘端实现。

安全和分布式计算

以前ML训练都集中在云端，边缘主要负责推理，很大一部分原因是边缘和终端缺乏足够的数据，训练出的AI就是没有云端的好。不过，云计算现在的总体趋势是向边缘端发展，是因为大家越来越看重数据隐私，不希望自己的私人数据被传上云端“被人研究”。
戴伟民的观点是，未来训练过程确实可以在边缘端甚至终端完成，而且将敏感数据的计算移到终端，不但可以减少云基础架构所需的带宽，还能达到更快的响应时间、更好的隐私和可扩展性。训练好的数据再传到云端，供其它终端学习使用，减少了直接隐私暴露的风险。

登录/注册后可看大图

云端服务器（云计算，集中），边缘端服务器（雾计算，今天），终端设备（分布式计算，未来）
要实现这一愿景，安全和分布式计算是关键。
首先是安全，许多 ML 模型可供在线使用，但人们无法获得实现高精度所需的复杂数据集。因为数据集是专有的，包含敏感数据，以及涉及隐私的数据。如果提高了安全性，则可以对数据集进行加密并在网络上安全地分发，从而可以共享经过训练的模型，还可以将数据集从边缘节点传输到云。
再来是分布式计算，戴伟民认为，房屋中的设备可用私有云计算来替代家庭服务器云计算，由此可通过 AIoT 设备来扩展处理能力，分布式计算将实现最有效（和可扩展）的模型 / 数据处理。不过实现的前提是，能够创建可以安全分配负载的 ML 模型。

登录/注册后可看大图

戴伟民表示，助力边缘 AI 计算的发展，需要建立一个开放创新、保护隐私、安全的AI技术生态系统。边缘AI在本地实现计算处理 ,数据无需上云，要求机器学习模块开源，同时具备低功耗内核和实时在线域等功能。据悉，芯原正在向这个方向努力。