大模型在这一年以强劲的势头渗透到全球产业的边边角角，遍及科教文卫，更是在数字化转型的趋势下，在工业界如鱼得水。AI已经以不可思议的方式，融入我们生活的方方面面，这种情况对于大模型，需要的时间会更短。
物联网是新一代信息网络技术的高度集成和综合运用，对于培育经济发展新动能、推动产业结构调整、提升社会治理服务水平，可以发挥重要的支撑作用。据研究机构Statista统计，到2030年，全球IoT设备数量将达到294.2亿台，相比今年翻一番，而中国届时消费级IoT设备就会有80亿台。庞大的数量和市场应用，也是物联网行业备受关注的重要原因。
大模型x物联网，一个是风头正盛的科技前沿，一个是量大势猛的关键产业。它们能碰撞出来怎样的火花呢？
就在今天，以计算，为了不可计算的价值为主题的云栖大会正式落幕，阿里以云厂商的视角展示了他们在各个领域的探索与实践。
值得关注的是，相比2022年云栖大会，除了增加了这一年来逢会必谈的大模型之外，物联网相关话题也有了明显地增加，涉及物联网各个场景的落地和实践。
我们从众多精彩演讲中梳理出重要的观点，探究大模型如何为物联网厂商带来新的机遇，以及云厂商如何为物联网产业赋能。
云厂商怎么看物联网与大模型？
看完大会关于物联网相关场景的发布，一言以蔽之，他们同时看到了机会和痛点。
针对不同领域的需求，阿里云进行了多项发布：
尽管大模型占据了本次大会的半壁江山，物联网也不遑多让，各个并行主题甚至有大量重复，“物联网”之所以能够与如日中天的“大模型”并排成为云栖大会上经常谈到的话题，来自于物联网经济。除了巨大的数量规模和各种痛点之外，物联网被“盯上”的原因还有一个，它带来的海量、真实的数据非常珍贵的。
智能网联平台
阿里表示，从AWS提出IoT core以来，近几年他们发现了三点趋势：1. 中国物联网经济正在飞速发展，到2030年会成为全球最大的物联网经济体；2. B2B物联网（也就是产业物联网）的崛起；3. 智能成为价值核心，也就是到处都在提AI和大模型。
于是，阿里开始思考提供2.0版本的物联网云服务，并提出智能物联网平台应该满足三个特性：
1.更深入行业，更理解场景； 2.更便捷的设备上云体验； 3.智能化的数据服务和算法应用。
应用引擎2.0
关于穿戴设备和教育场景，他们发布了飞雀应用引擎2.0，带来表盘生成能力、音乐地图等终端能力，并且拥抱生成式AI。但是这并不只是为了做一个智能设备，而是他们发现人们对于AI交互需求日益增长的同时，也关注到了物联网产业的一个特点——碎片化问题。
阿里表示，新的应用引擎从三个方面帮助解决碎片化的开发效率问题：
提供100+api，增强与芯片侧合作； 2. 搭建应用市场，提升移动端应用体验； 3. 通过生成式组件，结合数字人渲染能力，带来终端创新动力。
工业物联数智底座2.0
此外，他们也面向工业物联网的痛点开刀，发布了工业物联数智底座2.0。
阿里表示，未来的工厂将会是智能物联的现代化工厂，工业的设备增长率已经超越了网联汽车。一方面，这展示了巨大的市场，另一方面，IT与OT领域的数据结构是天然割裂的，OT的数据更多是时序性、低密度的，而IT则更多是结构化、高密度的数据。这里的痛点在于，如何将两种数据进行统一的分析和价值挖掘。
所以，他们带来新的架构，从原有的数据采集、资源建模&空间资产以及数据分析和计算的基础上，增加了海量设备接入、大模型驱动的工业知识库，以及工业低代码开发。用一个听起来简单的一个词就是“一致”，阿里云希望能够将OT与IT融合，而这并不是一件容易的事情。
尽管没有掌声热烈的“隆重发布”，阿里云在发布引擎和平台的背后，依然反映出他们的对于物联网现状和痛点的理解。对于大模型x物联网，他们又是怎样看的呢？
从小模型到大模型
上述三个新平台发布当中，无一例外都有大模型的加持。
2022年由ChatGPT带来的大模型浪潮席卷全球，从学术圈到工业产业界，几乎言必称“大模型”，阿里云解决方案架构师苏吉普在介绍品类趋势的时候这样说：在产品技术基础探讨的时候，大家已经把大模型作为不可忽视的考虑项，成为一种标配的产品逻辑。
对于物联网产品来说，其实在设备端的算力和算法存在一定的不足，阿里云联合达摩院构建了设备端的算法生态，通过魔搭平台和IoT技术结合，解决了异构信息算法不足和部署问题。此外，他们还提供了包括模型选取、数据标注、训练、转合和部署等环节的技术Pipeline.
阿里表示，通过大模型结合设备端小模型，能够实现诸如猫脸识别、智能问答等功能，大模型结合RoT场景将为物理世界带来新的变化。
不能用做IT的路子去做OT
物联网带来的大量真实数据也是云平台所渴望和乐于处理的，那么，面对物联网海量的感知设备和数据，如何在复杂的场景下布局，以提供智能化的解决方案，帮助客户提效和转型，我们一起来看一看”阿里方案“。
物联网的数据，除了大数据的5V特点：大量、高速、真实、多元、价值之外，还具有序列、固化、标准等3S的特点。传统的方式就是通过Hbase，spark等开源解决方案。需要针对物联网场景进行配置和调试，甚至需要几十个人去调试和开发，阿里云则提出了一个一体化数据平台，即云原生多模数据库Lindorm，为物联网场景下的数据管理提供了更加高效和低成本的解决方案。
而他们此前也踩了坑，会上，阿里云还以多家企业为例，讲述了为什么传统互联网的架构不适合物联网的场景。
此前，美的采用阿里云的互联网产品解决物联网场景的问题，往往需要几十组物理集群才能满足，而且还需要在夜间进行运维，同样，TCL也面临类似的问题，原因在于，物联网场景往往有不同于互联网产品的需求。甚至还有一家车厂，由于网络割接造成了连接风暴，居然出现了无法打开车门的情况。
在不断的沟通当中，阿里云提出了云网络解决方案，为物联网场景下的用户提供了具有弹性IP、云连接器、负载均衡、云数据传输等性能的产品，保证了物联网产品的可靠运行，而他们也总结道，不能用IT的路子搞OT。
云边端一体化
我国“十四五”规划中明确提出要“协同发展云服务与边缘计算服务”，国务院《“十四五”数字经济发展规划》同时指出要“加强面向特定场景的边缘计算能力”。显然，云边端等侧的协同已经成为了行业趋势。
在物联网场景下，如何形成统一化与定制化的解决方案，带来更加智能的平台，是包括物联网企业和云厂商都在做的事情。
从2008年就专业做云计算的阿里云，自然希望能够以“我”为主，用平台将云、边、端整合为一体化，帮助企业实现对各个位置进行统一调控。此外，边缘云也能在一定程度上解决物联网产品对于带宽、时延等的需求。
面对物联网发展到新阶段，大规模、多场景的复杂架构，阿里云提出了具有全息感知、智能加持、高性能高可用等特点的云边端一体化的场景智联平台。他们表示，这也是对过去五六年的脏活累活进行的沉淀和总结。
阿里提出了云边端一体化的场景智联平台，从演讲者对于该平台核心能力的描述当中，我们也总结出对于物联网行业的痛点和启示：
目前，物联网的感知数据和协议仍然呈现碎片化的特点，除了感知采集到的数据，对于设备和历史系统里面的数据也需要进行处理，讲者认为，物模型的万物归一抽象为软硬件耦合，但是并不能发挥出其全部能力。
另外，时序引擎对于碎片化的物联网数据其实太重了，可以采用更轻量的计算方式；对于感知设备，通过AI+RPA的技术，能够让人工的重复操作自动化。与传统科学计算的CPU密集和GPU密集型不同，物联网领域的核心是IO密集，因而需要进行线程优化。
写在最后
可以说，阿里云在面对物联网场景和大模型潮流下，依然保持了作为“云厂商”的厚度，建立了应用引擎2.0、物联网平台2.0，工业数智底座AIM2.0。一言蔽之就是“疯狂搞基建”，在实践当中也总结出不能用IT方式去搞IoT等经验，为众多企业在降本增效、产业落地以及降碳减排等领域提供了支持。
值得一提的是，高通也谈了他们对于终端侧生成式AI能力的探索，他们在肯定云计算能力的同时表示：未来，生成式AI将在终端侧运行。并演示了他们在手机端实现的Stable Diffusion以及ControlNet等能力。他们希望在未来在一些场景下将计算从云上卸载到终端领域中，让需要更多算力的场景上云，实现终端与云端AI的双向奔赴。
那么，随着芯片算力的提升，未来是否如上所言，生成式AI在终端侧运行呢？
参考内容：
1.https://www.statista.com/statistics/1183457/iot-connected-devices-worldwide
2. https://gxt.jiangsu.gov.cn/art/2016/11/1/art_6288_3705222.html
3 .云栖大会2023官网
4. 云栖大会2022官网
5. 《漫话边缘计算》，2023，中国科学技术出版社
