目前的AI技术与5G有什么关联？

5G作为和AI并列的另一个重要领域，也多次被美国政府在内部工作会议上讨论研究。去年10月，特朗普签署了一份总统备忘录，要求商务部制定长期、全面的5G战略。而中国也不仅将5G写入《十三五规划》，还支持产业界成立IMT-2020(5G)推进组，启动了全球规模最大的5G技术研发试验。

5G和AI之所以被如此重视，频频被政府及各行业提及，是因为这两者的结合，将会产生聚变效应，衍生出许多新技术、新平台、新商业模式、新产业等，带来前所未有的创新机遇，甚至可能是一个新时代的到来。

目前的人工智能基本依赖于云计算和终端自身处理，终端将获取到的海量信息在自身进行一次加工和提炼，然后到云端的AI大脑进行统一处理。但是受制于终端的处理能力以及网络的传输能力有限，目前的人工智能速度较慢并且智力低下。如果通过5G网络将应用与云端连接，并运用边缘计算等技术，5G核心网分布式架构将完美匹配应用延伸到边缘的需求，边缘网关可以将信息直接转发到边缘应用，帮助AI将应用延伸到边缘。

5G是万物互联的基石，就像信息高速公路一样，它为海量的数据和信息的传递提供了可能性，同时，也带来了更高效的传输速率；AI是万物互联网的助推器，不仅仅是云端的大脑，也是能够完成学习和进化到的神经网络，成为人类智慧的延伸。两者相加，互相作用，AI将使能于5G，优化5G网络，推动5G落地。具备AI属性的5G网络，是自能的网络。5G同样是使能技术，改变生产方式、改变社会生活，让AI无处不在。5G作为新的基础网络设施，不单为人服务，还为物服务，为社会服务。二者作为新时代的生产力，将带来整个社会生产方式的改变和生产力的提升。

采集视频数据的方式可以通过很多种技术手段实现。其中，物联网和AI技术是常用的手段之一，但并不是唯一的方式，也不是必需的。
在物联网技术中，各种设备可以通过互联网连接到一起，交换数据和信息。例如，一些智能监控设备可以自动采集视频数据，并通过互联网上传到云端服务器，以便进行存储、分析、解析等 *** 作。
在AI技术中，利用深度学习、图像识别、目标检测等算法，人工智能系统可以对视频数据进行解析，以获得更多的信息和洞察。例如，人工智能可以自动识别视频中的人、车、物体等，并提取相关的特征和数据。
除此之外，采集视频数据的方式还可以包括传统的摄像机、监控器等设备，以及一些其他技术手段。在具体应用场景中，需要综合考虑技术成本、视野范围、分辨率、数据处理速度等因素，选择最适合的采集方式。

文／杨剑勇

以NB-IoT和LoRa为核心的低功耗广域网无线连接规模日益扩大，且5G也开启冲刺阶段，大连接将掀起新一轮信息 科技 变革，一个万物互联的时代伴随通信技术发展即将到来，只是，万物互联最终透过云端实现跨行业和跨设备互联互通，各种设备所收集到的数据经过“云”上处理，并利用这些数据将会催生众多新商业模式。

万物互联在于通信技术发展，而万物智能在于数据处理，使得各种设备具有感知能力，云端作为数据集散中心，并利用AI技术，使得万物智能得以实现。

物联网核心在于数据的收集和处理，数以万亿计的传感器被嵌入到各个角落，所收集数据经AI技术进行智能分析，正是这个小小传感器，则驱动着 社会 数字化变革，企业有能力获取无限数据，并从中洞察实现快速创新，驱动产业转型升级，基于海量数据，地区甚至可以洞悉未来商业经济。

各种智能设备和传感器联网后，所产生数据并将厘清，挖掘其价值，从而激发物联网潜力。而云服务商则打通了云、端、边，并通过AI能力助力物联网应用落地，至此，各巨头积极布局，不仅有亚马逊、微软和谷歌等国际巨头，包括BAT今年纷纷调整战略，提升云服务战略，向物联网延伸，以此抢夺这条全新赛道。

在此之前，物联网并没有得到大规模部署，物联网高级顾问杨剑勇支持，受制于传感器的部署，跨品牌、跨平台和跨设备之间互通限制，以及物联网设备碎片化等诸多因素，但一线 科技 巨头进入，并伴随传感器部署规模日益扩大，以及无线通信技术迅猛发展，经过云端把人、机器和数据连接起来，且能为物联网所产生的海量数据提供强大的计算处理的平台，是物联网发展关键所在。

至此，巨头的云服务面向各行业物联网云平台应运而生，继而激活数据价值，以丰富的应用来抢夺主导权，对于他们来说，丰富的物联网应用是争夺市场核心，在其平台比拼的是应用能力，覆盖工业、交通、教育和金融等丰富的应用，这将是争夺物联网这一张船票的核心。

物联网不断推进和部署规模日益扩大，数以百亿设备接入网络，其经济价值超10万亿美元，各种设备利用传感器收集数据，一部分在边缘侧处理，并结合云端大脑，使得设备具有感知能力，仅在工业互联网领域就能激发高达7000亿市场规模。制造业在部署各种传感器后，与云平台结合，并利用人工智能技术对数据分析，赋予工业企业依据数据具有洞察力，把制造业推向数字制造转型。

（一）微软

GE在微软Azure云平台上标准化其Predix解决方案，将Predix产品组合与Azure的本地云功能，包括Azure物联网和Azure数据与分析，进行深度整合。在农业应用方向，布勒集团作为一家食品加工系统企业，将人工智能、智能云以及物联网技术相结合，提高玉米产量，同时最大限度地减少谷物地毒害污染。

微软以云、边缘智能和人工智能构件生态，并已经广泛应用智能硬件和工业制造等各行各业，Azure IoT等服务帮助制造商实施工业40，包括ABB和西门子等工业巨擘都在利用微软Azure开发自己的物联网平台。

（二）腾讯

腾讯云和三一重工打造的工业数据根云平台，三一重工连接了全区超过30万台重型机械设备，能够实时采集近1万个运行参数，共积累1000多亿条工程机械工业大数据，实现了全球范围内工程设备2小时到场，24小时内完工的服务承诺，大大提升了运营的效率，堪称工业智慧生态中的典范。

腾讯云在华星光电应用场景中，通过物联网平台采集数据，利用腾讯优图AI图像检测技术，系统可以724小时不间断进行质检工作，准确率达到了90%以上，远远超过人的水平，整个生产周期缩短了近40%。

产业互联网最初的营收机会还是来自云业务，腾讯的云服务增长非常快，市场份额一直不断提高，并强调，云业务的本质决定了需要大量的投入，包括数据中心和服务器方面的支出，这样才有来自云服务的经常性收入。这是腾讯总裁刘炽平在此前第三季度季报后高管电话电话会议上的讲话。

特别今年新成立云与智慧产业事业群后，腾讯积极拥抱产业互联网，通过整合自身技术和生态资源，腾讯云正构筑全链路的开发者服务体系，帮助人工智能、物联网、小程序、云原生领域开发者快速成长，并促进各行业与互联网深度融合，助推产业互联网升级。

（三）百度

百度以ABC＋IoT＋智能边缘促进物联网在各垂直领域展开大规模应用，百度云质检云解决方案帮助宝钢建立从连接采集、存储计算到理解决策的感知认知平台，并展示了钢包内衬熔损识别的应用。还有宝钢技术和百度共同打造“智能钢包”应用，通过为钢包部署传感器，实时监控钢包状态，并结合ABC能力打造智能调度的钢包管理系统，降低50%钢包烘烤能耗，平均降低出钢温度10℃，可以节约能源成本70亿元，大约可以节约150亿元。

百度在物联网应用中能大放异彩，得益于2010年开始积极 探索 发展AI技术，应用开始在多个领域开花结果，并以百度云为平台把AI能力分享给 社会 ，从农业到工业，从家庭到 汽车 ，以及翻译、图像识别和信息流等产品和服务，百度AI商业落地走在行业前列。在百度看来，人工智能将推动全 社会 新一轮产业变革，“云”巅之上的企业正向着智能化、AI化升级。

（四）阿里

阿里云在制造业也有不少案例，通过云＋AI+IoT能力先后为协鑫集成、天合光能和徐工集团等大型制造企业提供服务。基于阿里云可以轻松安全地将设备连接至云，从边缘设备到云端，从各种设备上收集数据、分析数据，帮助制造业提高运营效率，如协鑫光伏切片生产车间，生产良品率已经提升1个百分点，每年可节省上亿元的生产成本。

全球工业40和智能制造如火如荼进行中，这制造业升级大趋势下，越来越多的制造商开始评估并加大部署物联网，不仅西门子和通用电气等工业巨擘，包括 科技 企业也积极涌入，出击这个新风口，纷纷推出打通数据的工业互联网云平台，透过云端连接设备、服务和数据，并经AI技术处理，可以实时监测工厂运转状态，自主检测生产线上机械异常，以数字化来提升工厂生产率和产品合格率，推动制造业向数字化转型。

作者系物联网高级顾问杨剑勇，网易最佳签约作者，致力于深度解读IoT和AI等前沿 科技 ，基于对未来物联网洞察和对趋势判断，其观点被众多权威媒体和知名企业引用。

AI引领商业智能化时代

有人说：世界经济过去二十年主要靠IT，但未来五十年靠的是AI(人工智能);也有人说：AI将会给人类带来的威胁，将从实业衰败开始，并以人机战争结束。尽管，我们一边 *** 心着美国越来越多的大商场都用自动结款机后零售业的1600万员工是不是快失业了;但仍一边期待新的变革到底如何颠覆。

AI技术引爆工业40时代商业迈进智能化决策时代

眼下，各大科技巨头纷纷布局人工智能。就在国务院规划出台的同一天，2017联想全球创新科技大会上“让世界充满AI”的主题也刷爆了朋友圈。联想集团高级副总裁贺志强表示，智能互联网在未来十年是最好的投资机会，同时列举未来人工智能的发展及投资将重点布局六大方向：普适计算、AR/VR、AI核心驱动力改造所有传统行业、数据中心重塑、公有云服务及IT转型。

有媒体评论称，AI正在引发的第四次工业革命，让联想的企业转型之路充满了动力，也让刘强东和李斌等人借这“AI”风口，怒刷了一回存在感。

实际上，从18世纪至今，在这200多年的时间里，世界通过三次工业革命完成了机械化、电气化、信息化的变革，而每一次的工业革命都给我们的经济、社会、人文等各个方面带来翻天覆地的变化。如果说，前三次工业革命重点解决的是生产效率和产能问题，更多的是释放人类肌肉的力量的话，那么第四次工业革命的主要使命，就是解放人类脑力劳动，帮助人类进入智能化决策时代。

早在2016商业评论大会上，阿里巴巴集团首席战略官曾鸣曾表示，在未来智能无所不在。现今社会云计算、大数据、人工智能等领域的变化带来了社会各个方面的进步，比如基因工程、新材料、人工智能物联网等方面。而在这样巨大的变革背景下，最重要的变化则是一切商业的未来都必须智能化。

商业智能化是未来最重要的发展趋势。智能物联时代和智能商业化时代的到来，既意味着传统行业面临被倒逼升级的挑战，但更多带来的是创新发展的机遇。如何通过智能化和数据化提升企业的运营水平，并通过智能应用以及大数据挖掘洞察不断满足消费者的需求，成为各行业领头羊的共同探索方向。

智能物联风口爆发在即资本争相布局商业智能化

何为智能化？其核心是未来商业的决策会越来越多地依赖于机器学习、人工智能，机器在很多商业决策上将扮演非常重要的角色，它能取得的效果超过今天人工运作带来的效果。

简单来说，商业智能化即是要做数据化、算法化和产品化这三件事情。当今人工智能的技术核心既是数据化，归根结底是通过机器对大数据不断计算反馈的优化结果。有了数据化基础，随之而来的则是基于数据挖掘价值，即为通过写代码回归程序的路径实现算法化，进而实现价值转化。所以算法化绝对是在互联网时代能够创造巨大价值的新概念。在此基础上，通过数据提取、计算、修正调整、反馈等一系列过程，加上对垂直领域的理解，利用技术形成解决方案的产品化环节则是至关重要的一环。

智能化所带来的价值将或将达到空前的高度，它是基于大数据技术创新上搭建的全新智能运营模式。从商业智能化的趋势来看，未来数据处理也将作为公共基础设施服务存在于新智能时代。而中国这一全球最大市场，仍被视为实现商业智能化的最佳市场。上海市中国特色社会主义理论体系研究中心研究员、华东政法大学教授高奇琦等多位专家表示，中国地大物博人口众多，在人工智能替代领域具有诸多优势。

事实上，我国已经在人工智能领域全面发力，7月20日国务院发布《新一代人工智能发展规划》称，到2030年人工智能理论、技术与应用总体达到世界领先水平，核心产业规模预计超过1万亿元。同时支持国内人工智能企业开展海外并购、股权投资、创业投资和建立海外研发中心等发展模式。

随着计算机成本的下降以及搜集和处理数据能力的快速提升，大数据应用基础已日渐成熟。可以预测，下一阶段将成为人工智能和物联网应用的爆发阶段，市场潜力得以释放。与此同时，国内针对人工智能领域的初创企业投资也正经历着爆发式的增长，使得2017年有望成为全球人工智能商业化运用的元年。

资本的动向正是判断人工智能前景最灵敏的风向标。根据KPMG的研究数据表明，2016年风险投资已经从大数据转向到AI人工智能;乌镇智库数据显示，去年中国AI企业总投资达到26亿美元，美国同期最高预计投资179亿美元;据网易报道，2016年202个中国AI初创公司募集了近10亿美元。

据统计显示，就在刚刚过去的一个月内，包括中国创业公司商汤科技、机器人公司Geek、云脑科技等国内多家与人工智能相关的企业均获得了最新的融资进展。其中，卡位智能物联网的生态平台特斯联科技，更创下国内移动物联网行业的最大融资额，被视为商业智能化时代的下一代“独角兽”。据悉，特斯联(北京)科技有限公司，已于2016年底完成共计5亿人民币A1A2轮融资;据公布资料显示，本轮融资由中国光大旗下基金与IDG资本、中信系产业资本以及其它战略投资人共同完成。

开辟物联网创新商业模式特斯联欲撬动“后地产时代”千亿级市场

Google移动平台副总裁安迪·鲁宾曾说过，下一个计算大浪潮将出现在人工智能领域，机器人和自动化技术将进入人们的生活。

想象一下，在未来社会的各行各业中，流水线工人、企业客服、司机等单纯机械重复和缺乏创造力的职业将首先被人工智能代替，随后是具有较高附加价值、相对机械重复、可替代度高的网络编辑、语言翻译及医疗行业等职业。人工智能将充分发挥其社会价值，智能化技术让交通变成了智能交通，医疗变成了智能医疗，同时也推动智能农业、智能城市等等出现。

未来城市将会是万物互联的智慧体，通过智能化、数据化手段升级工业、农业、房地产产业，盘活海量的存量市场。在城市中，产业智能化将成为“后地产时代”最大的挑战，同时，这也是未来物联网创新商业模式的机会所在。

正如城市演化过程中，建筑扮演了城市的重要组成部分一样，建筑也承载了城市基本的服务功能。然而在物联网、人工智能等技术日新月异的今天，建筑和城市的设备设施、运营管理等却停留在昨天，从经济成长、世界潮流及人类需求的角度而言，城市智能化发展已是刻不容缓的议题。

如今，站在能够预见到未来的科技大门之前，我们能够看到，在智能商业化的时代中，无人驾驶会取代司机，语音识别软件会取代翻译、人工智能会取代医生进行精密手术 *** 作，一系列现存的职业及行业将会随着科技时代的进步慢慢消失，但有的行业却将迎来千载难逢的机会;如同特斯联科技般的智能物联网领军企业，运用数据处理、自动化管理，将钢筋水泥的传统建筑升级为智慧生命体，完成建筑乃至是城市的智能化升级，必将带来焕然一新的未来城市新生活。

当前，物联网（IoT）技术领域充释着各种标准，像NB-IoT、LoRa、SigFox等，他们正通过各自擅长的技术和应用抢夺IoT风口，以争取在这片广阔的市场上取得优势。
这里写描述
NB-IoT是由电信标准延伸而出的，主要是由电信运营商支持，而LoRa则是一个商业运用平台，两者主要区别在于商业运营的模式：NB-IoT基本是由电信运营商来把控运营，所以使用者必须使用它的网关及服务，而LoRa就量对开放一些，有各种不同的组合方式，商业的模式是完全不同的。
技术层面上来看，NB-IoT和LoRa的差异其实并不是很大，属于各有优劣。而相对于某些领域，国内有一些用户在并行使用这两种技术和网络。NB-IoT相对而言是受限于基站的，而LoRa则要加入一个网关相对简单容易，并且总的来说价格要比NB-IOT低廉。用户可以根据需求，增加不同的网关覆盖。所以从覆盖程度上来说LoRa的覆盖程度可能比NB-IoT更广一点。
LPWAN又称LPN，全称为LowPower Wide Area Network或者LowPower Network，指的是一种无线网络。这种无线网络的优势在于低功耗与远距离，通常用于电池供电的传感器节点组网。因为低功耗与低速率的特点，这种网络和其他用于商业，个人数据共享的无线网络(如WiFi，蓝牙等)有着明显的区别。
在广泛应用中，LPWAN可使用集中器组建为私有网络，也可利用网关连到公有网络上去。
LPWAN因为跟LoRaWAN名字类似，再加上最近的LoRaWAN在IoT领域引起的热潮，使得不少人对这两个概念有所混淆。事实上LoRaWAN仅仅是LPWAN的一种，还有几种类似的技术在与LoRaWAN进行竞争。
概括来讲，LPWAN具有如下特点：
• 双向通信，有应答
• 星形拓扑(一般情况下不使用中继器，也不使用Mesh组网，以求简洁)
• 低数据速率
• 低成本
• 非常长的电池使用时间
• 通信距离较远
LPWAN适合的应用:
• IoT，M2M
• 工业自动化
• 低功耗应用
• 电池供电的传感器
• 智慧城市，智慧农业，抄表，街灯控制等等
LoraWAN和Lora之间关系
虽然一样是因为名字类似，很多人会将LoRaWAN与LoRa两个概念混淆。事实上LoRaWAN指的是MAC层的组网协议。而LoRa只是一个物理层的协议。虽然现有的LoRaWAN组网基本上都使用LoRa作为物理层，但是LoRaWAN的协议也列出了在某些频段也可以使用GFSK作为物理层。从网络分层的角度来讲，LoRaWAN可以使用任何物理层的协议，LoRa也可以作为其他组网技术的物理层。事实上有几种与LoRaWAN竞争的技术在物理层也采用了LoRa。
LoraWAN的主要竞争技术
这里写描述
如今市场上存在多个同样使用LoRa作为物理层的LPWAN技术，例如深圳艾森智能（AISenz Inc）的aiCast。aiCast支持单播、多播和组播，比LoRaWAN更加复杂完备。许多LoRaWAN下不可能的应用因此可以实现。
Sigfox使用慢速率的BPSK(300bps)，也有一些较有前景的应用案例。
NB-IoT(Narrow Band-IoT)是电信业基于现有移动通信技术的IoT网络。其特点是使用现有的蜂窝通信硬件与频段。不管是电信商还是硬件商，对这项技术热情不减。
关键技术Lora简介
LoRaWAN的核心技术是LoRa。而LoRa是一种Semtech的私有调制技术(2012收购CycleoSAS公司得来)。所以为了便于不熟悉数字通信技术的人们理解，先介绍两个常见的调制技术FSK与OOK。选用这两个调制方式是因为：
1这两个是最简单、最基础、最常见的数字通信调制方式
2在Semtech的SX127x芯片上与LoRa同时被支持，尤其是FSK经常被用来与LoRa比较性能。
OOK
OOK全称为On-Off Keying。核心思想是用有载波表示一个二进制值(一般是1，也可能反向表示0)，无载波表示另外一个二进制值(正向是0，反向是1)。
在0与1切换时也会插入一个比较短的空的无载波间隔，可以为多径延迟增加一点冗余以便接收端解调。OOK对于低功耗的无线应用很有优势，因为只用传输大约一半的载波，其余时间可以关掉载波以省功耗。缺点是抗噪音性能较差。
这里写描述
FSK
FSK全称为Frequency Shift Keying。LoRaWAN协议也在某些频段写明除LoRa之外也支持(G)FSK。FSK的核心思想是用两种频率的载波分别表示1与0。只要两种频率相差足够大，接收端用简单的滤波器即可完成解调。
对于发送端，简单的做法就是做两个频率发生器，一个频率在Fmark，另一个频率在Fspace。用基带信号的1与0控制输出即可完成FSK调制。但这样的实现中，两个频率源的相位通常不同步，而导致0与1切换时产生不连续，最终对接收器来讲会产生额外的干扰。实际的FSK系统通常只使用一个频率源，在0与1切换时控制频率源发生偏移。
这里写描述
GFSK是基带信号进入调制前加一个高斯(Gaussian)窗口，使得频率的偏移更加平滑。目的是减少边带(Sideband)频率的功率，以降低对相邻频段的干扰。代价是增加了码间干扰。
对于这一方面的研究实验发现：学习Lora调制技术的一些准备及发现
然而，对于“悠久历史积累”和高安全、易部署等综合优势的LoRa阵营来说，最近几年里，在技术和落地方面虽取得了长足的进步，但离真正的规模、解决行业客户的切实问题是有着不小的差距。那么，究竟是技术壁垒突破较难？产业链生态不健全？亦或者是商业模式限制了从业者对市场规模的想象？对于LoRa产业链的广大从业者而言，找到制约LoRa技术大规模发展的瓶颈，并联手产业合力突围对推动产业良性发展至关重要。

---