阿里云深度布局AIoT99%设备等待连接

在地球生命演化过程中，寒武纪生命大爆发是最绚丽的一幕。寒武纪之前，漫长演化过程的生命简单、始、缓慢令人乏味。但是在短短2000万年，数十个动物门类批量出现，在不到地球生命史千分之一的时间内，建立起完整生命之树，为当今地球生物圈形成奠定了基础。

生物学家专门用一个词来描述生命涌现。所谓涌现，就是指一个系统内个体间预设的简单互动行为所造就的无法预知的复杂样态的现象。

生命涌现的因有各种解释，其中最重要的就是个体生命进化出了对环境感知和反应的能力，并且通过有性繁殖和自然选择将这种能力发展壮大。

将这个理论外推到物联网世界，物联网创新的涌现，其实也需要两个基本前提出现能对环境感知和反应的智能个体；无数个体通过网络连接衍生出复杂的场景和功能，并强化智能个体的能力。

从阿里云AIoT近一年的发展中，我们能到AI赋予了物对环境的感知和反应，丰富的连接和云构成一个大系统，在大系统上正幻化出无穷的场景和创新空间。

当这两个前提满足后，我们可以预见，物联网创新涌现即将到来。

阿里云AIoT产品突破连接障碍

一辆汽车大概有100多个传感器，这些传感器以及对应的执行机构和ECU构成了汽车电子的主体。今天，汽车行业创新85%以上来自汽车电子。

这还只是一个很小的系统。在涉及生产、生活的物理世界，需要的传感器种类和数量不计其数。用阿里云产品总经理何云飞的话来说“目前可能99%都没有连接。”

没有连接的因无非就两个连接有困难，连接完了效益有限。其实简单说就是没有经济性。

比如传统嵌入系统都是用Linux，系统的规模有几十兆上百兆，功耗和成本限制了嵌入系统的应用规模。在一些低功耗低价值的系统了，传统嵌入系统无法落地。

阿里云推出的AliOS Things开源操作系统，系统的规模可以缩减到几十K到几K。AliOS Things采用微内核架构，能够将在智能硬件上运行的软件容器化和在线化升级，软硬件可以快速解耦、运维，极大地降低了硬件厂商的生产与维护成本。截至到2019年3月，AliOS Things突破了 1 亿设备连接量。9月，AliOS Things3.0发布，并且集成了最新的平头哥 AI 芯片架构。

不过这只是解决连接问题第一块基石。在9月份的云栖大会上，何云飞在分析智能设备上网的场景挑战时，就举了菜鸟物流园区的例子。在一个园区，部署了上万个低功耗传感器，这些传感器区间超过几公里。用WiFi或蓝牙显然无法连接这些传感器。另外，园区里还有高速移动的自动驾驶AVT车，时速能达到100Km，这些车辆也需要联网并且是大带宽的联网。还有比如景区，所谓无限风光在险峰，很多景区没有运营商网络覆盖。这些场景下，需要专有的广域网连接支持。

在另一些场景下，比如10亿以上国产的智能设备出口到全世界，这些设备激活的时候需要分别配置不同的激活地址，这对厂商来说也是不小的成本。而阿里云提供统一地址的激活中心，支持8种语言，3400多种APP面板。这样出口智能设备利用阿里云激活中心，就能大大简化并降低成本。

另外还有很多传统设备，他们是依靠串口来上报数据，为了数据上报而替换设备显然不可行。在这种场景下，需要网关来完成数据收集和协议转换。

所以，在阿里云的产品地图上，可以到支持广域网连接的Link WAN。可接入管理LoRaWAN、蜂窝物联网卡、LTE-U等通讯技术。目前Link WAN已经有超过2000万网管设备接入，200多个生态认证模组。比如前面提到的类似菜鸟物流园区，用LoRaWAN网关，3个网关可以覆盖20万平方米，支持1万个以上的传感器。

还可以到支持边缘接入的Link IoT Edge。Link IoT Edge是边缘计算领域的核心软件产品，其核心功能是提供多种通讯协议框架，支持开发者快速完成通讯开发；另外也支持设备数据本地处理，结合阿里云的大数据、AI、语音、视频等能力，打造出云边端三位一体的计算体系。

还有Link Platform帮助完成设备数据采集上云，以及设备管理能力，可以对设备进行远程调试和运维。目前Link Platform每天处理的上下行消息100亿条以上。

阿里云的产品布局包括端侧，例如物联网操作系统；包括边缘，例如Link IoT Edge；包括网络，例如Link WAN；也包括云端的管理运维，例如Link Platform。产品覆盖端边网云，并不是说阿里云一家包打天下，而是阿里云的重在于补齐物联网共用的基础设施。因为这部分投资都比较大，一般企业不可能承受这么大的投资强度。

比如面向全球销售的智能设备，要保证全球用户的体验，那么延时就必须控制在一个可靠的范围。在全球范围内做到延时可控，这需要巨大的基础设施投入。一般企业单独做成本会很高，而阿里云本来就有大平台有大基础设施，利用它就可以了。

所以对阿里云AIoT而言，产品布局考虑的是填补基础设施上的空白，扫除物联网上云过程中的障碍。

阿里云AIoT技术连线成面

正如何云飞所讲，解决连接问题，是切入的第一步。提供更丰富的功能，智能和安全，才是AIoT的价值所在。

以Link IoT Edge为例，这个产品增加了丰富的通讯协议支持，简化了企业连接开发，这是基础。更重要的是，Link IoT Edge将阿里云很多重要的能力放到了边缘。比如边缘网关集群，支持多网关协同接入设备，支持分布式计算，通过灵活配置计算的优先级，可以分布式接入设备数据的同时集中式计算；比如边缘热主备，通过本地双机热备份防止单故障，主备切换逻辑可配置，切换事件云端记录；比如云边一体计算，云端配置和管理计算规则和本地业务应用，通过部署功能同步到边缘网关并自动运行。

这些能力单独拿出来，市面上都有很多成熟解决方案。但是整合到物联网的大环境下，考虑到端边云的协同，国内基本上就没有成熟的供应商。中长期来，阿里云还有更丰富的云计算能力可以迁移到边缘计算中。Link IoT Edge最大的价值是提供了一整套云边协同的计算框架，可以非常容易的根据企业的需求将计算能力平滑的在边和云之间协同分配。这提供了非常高的灵活性。

这些功能起来没有AI那么高大上，但是其适用的领域很广，是企业组织数字化绕不过去的坎。比如在工厂，传统的设备数据上报和指令下发，就可以用边缘网关完成协议转换，这样传统设备就可以完成上云、远程管理。再比如一些实时要求高的场景，例如生产线控制，就不太可能把数据回传到云端，等云端处理完成再反应，确保延时就得把计算贴近现场。还有一些场景，数据量太大，例如基于视频的各种检测执行，将所有数据回传云端没人任何经济性可言，所以在边缘布置视频计算就是必然选择。

当然，这些还是降低成本方面。物联网要发展，更重要的是用AI增加能力。

阿里云已经在多个城市落地的城市大脑，就是对城市进行全局实时分析，自动调配公共资源，修正城市运行中的缺陷，成为治理城市的超级人工智能。但是城市大脑第一步要完成的就是，利用阿里云AIoT将交通、能源、供水等基础设施全部数据化，连接散落在城市各单元的数据资源，打通“神经网络”。城市大脑依赖从基础设置中获取的数据做出判断推理，而最后的落地也需要AIoT连接的各个执行单元去实现，资源优化调度才能得以实现。

但是AI的发展非常迅速，最新的算法应用到生产场景一般也就6-12个月时间。比如Facebook何凯明团队最新发表的图像分割算法论，不但精度提高而且算力仅需要传统算法的2.6%。再比如Facebook田渊栋团队发表的彩票假设论，该论验证了在不同数据集彩票假设的存在，利用适当的方法可以将神经网络缩小10-100倍。算力的节省，模型的缩小，不但意味着更好的经济性，更意味着很多之前难以在边缘部署的应用可以部署。技术就是生产力在AI领域体现得很明显。

不过跟踪最前沿的研究，将论变成代码在云端训练成可用的模型，然后根据需要将模型分发到边缘，在边缘变成一个个应用场景。显然，这对大多数硬件设备生产商来说，都不大可能。但是在阿里云AIoT的框架下，就是自然的结果。

Link Visual就是这样的框架之一。

Link Visual包括基础能力和视频智能分析两大类功能。在基础能力方面，提供云转码，对传输，支持H.264和H.265视频标准，提供云存储，询、回放、下载、定位、快慢放，以及语音对讲、事件报警、消息推送等令通道，在视频设备端提供Link Visual Device SDK支持视频设备接入，在用户端提供SDK和云智能APP，合作伙伴或者供应商只需要很低的代码量就具有了全套的视频基础能力。

在智能分析方面，利用阿里云算法生态提供算法评估、样本标注、模型训练、模型分发和算法市场。在边缘端提供算法容器、边缘推理、算力调度容器。

不论是用户自行研发的算法，还是阿里云提供的算法，或者第三方ISV提供的算法，在包括寒武纪、英特尔或者英伟达硬件平台上，都可以在阿里云平台上训练模型，通过模型分发到边缘，构建一整套视频智能开发、训练、分发、维护、升级的方案。

在一个箱包厂，这个套方案得到实际验证。箱包生产有80道工序，工厂数字化程度很低，现场管理比较困难，各工序之间的衔接调度就会影响整个工厂效率。使用Link Visual的视觉计数方案后，各工序进度实时统计，工厂实时调度，提升了工厂效率。

在很多美剧里，可以到很多入侵是从一个个不起眼的小传感器开始。接入的终端越多，安全防护的面就越广。所以一个靠谱的物联网还需要全流程的安全方案。阿里云物联网可执行环境Link TEE提供可应用程序的硬件隔离，提供数据和密钥安全增强保护，可以为客户提供符合GP TEE Protection Profile全配置的商业TEE安全解决方案。

物联网涉及技术面非常宽广，往下有硬件芯片往上有软件应用，既有积累了数十年的传统设备，也有还是刚刚才发表的技术论。阿里云AIoT依托阿里云，理清端边网云，智能和安全的线条，并同合作伙伴一起将这些技术线条构成一个完整的物联网技术支撑面。经过3年的发展，阿里云AIoT已经基本成型，越来越多行业和应用正在上面生长。

阿里云AIoT行业应用四处开花

智能秒停应用，就是生长在阿里云AIoT平台上一个典型的创新涌现。

所谓智能秒停，就是当汽车处在违停范围时，系统在50秒内会给车主发送一条短，短内容除了提醒车主正在违章停车外，还提供就近的停车场供车主选择。如果车主选择停车场，停车场会预留停车位，并在车主手机上跳转到高德地图，自动导航到停车场。

单独拆开，上面的功能都非常常见，比如视频录制，拍照，判断是否违章；比如高德导航，比如停车场车位管理等等。这些都是现成的功能。

智能秒停首先将交通违章摄像头智能化，通过边缘计算实时完成车牌识别，违章行为判定，然后将事件上报云端。云端会结合车管所的车主登记息，从停车场采集的车位息，触发短通知。整个过程就是利用物联网、AI、大数据、云计算、无感支付等技术能力，将“非现场执法”、“全域停车调度”、“用停车”三个产品完全融合打通。

这是阿里云的一小步，却是社会治理的一大步。有了这套系统，普遍被人诟病的“以罚代管”现象就不会发生，疏堵结合的方式就会大大提高社会治理水平。

这也是何云飞在多个场合反复说的“三化”硬件智能化、设备在线化和设备数据化。通过这三化，管理效能能得到极大提升，在生产领域就是生产效率的提升，用在社会管理就是治理水平的提升。目前这套系统已经落地到杭州云栖小镇。

在云栖大会期间，利用智能停车管理，引导来宾规划好停车位和行车线路，避免了一开会就交通拥挤，到处交通管制，街面上撒满保安协管还是让来宾晕头转向。

梦想小镇马拉松比赛，是一个更复杂，更立体的物联网参与社会管理的案例。

去年10月20日，2019杭州梦想小镇半程马拉松开赛，近万名选手参加了此次赛事。阿里云“鹰眼”系统是本次活动的综合应急调度指挥系统，它依托IoT、5G、AR、地理息等新一代息技术，将赛道息和赛事活动现场的选手、医务人员、救护车、医疗设备等关键资源状态实时映射到数字世界，让赛事现场救援更加精准、高效。

在梦马大数据指挥中心的现场，无人机航拍实时回传赛事现场视频，通过AR技术实时展现参赛人员行进方向、自动除颤机分布、救护车辆、救护人员位置等息的动态变化。当赛事现场发生紧急事件时，梦马大数据指挥中心能第一时间收到提醒、全局调配保障资源、实时跟进现场处理进展，保障救援准确高效执行，做到秒级救助。

传统马拉松指挥中心是靠对讲机进行指挥，不清楚现场的真实情况，指挥人员无法及时掌握医疗、急救资源分布和现场情况作出快速的调度和决策。通过“鹰眼”系统，能够实现赛事现场全要素息全局掌握、高效调度，救援准确率大大提升。

可以设想，随着城市管理数字化水平越来越高，掌握息并能做出及时反应的一线人员，在整个资源调配和利用中将会有越来越多的权限。后台或者指挥中心将越来越多的承担支持和支援的角色。社会组织更加扁平高效，社会治理水平也将更高。

其实以服务闻名以服务成功的海底捞也是这样。这样做能提高整个组织的敏捷性，提高资源利用率，提高客户满意度。但是这样做的前提是组织数字化。没有数字化的支撑，一线员工掌握不了产成本的全局数据，决策就无从谈起。没有数字化，一线员工就没有事后的评估追溯机制，整个组织就会处于失控状态，灾难就会在不经意间降临。英国百年历史的巴林银行，不就因为一个衍生期货交易员的交易而倒闭吗。

可以到，在帮助企业数字化过程中，阿里云AIoT也有更多的案例正在上演。除了前面提到的箱包厂，在重庆某汽车发动机生产过程，就利用了视频智能分析，做铸造件的质量检测。

还有德恩精工，德恩精工生产大规模定制皮带轮、齿轮、链轮、减速电机、床身、主轴箱、齿轮箱等非标产品。作为典型的“多品种、小批量、全工序”离散型制造企业，德恩精工面临“三高”难题——“高交期、高库存、高成本”。

在阿里云的帮助下，德恩精工打通了销售、生产、研发、库存、物流等本分隔的IT系统，实现了企业数据的存储、汇集和共享，从而提高上述环节的效率。以工厂的“生产排程”为例，通过设备物联网采集反映的适时制造产能数据，人工智能算法综合计算订单交期、订单优先级、工艺成组技术、生产中心历史良品率等数据，从而实现了订单的交付峰值以及销售额预测。

何云飞说，阿里云AIoT就是通过物本身对世界的感知，能够进一步的搜集更多的数据，让企业知道用户、产品、生产过程、营销过程是不是在正常进行，能够让他更好的决策。阿里云AIoT在企业数字化中的定位，就是做基础设施，把通用的基础设施做好以后，让这些生态里面的各个环节的合作伙伴可以拥有同样的能力。

正如本开头提到，寒武纪生命大爆发之前，有性繁殖和个体对环境的感知反应，已经在漫长的生命进化过程中逐渐形成，但是当这两个前提条件逐渐成熟，临界到来，生命涌现开始出现。

目前阿里云AIoT赋予物的感知与智能，广泛连接推动整个社会组织数字化，这两个条件也正在发展成熟，我们正在接近临界。