![winniewei的头像 winniewei的头像](https://cdn.eetrend.com/files/styles/picture200/public/pictures/picture-709-1583200707.jpg?itok=i2ZF6LPv)
作者:刘于苇
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107359-92211181.png)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107360-92211182.png)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107361-92211183.jpg)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107362-92211184.jpg)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107363-92211185.jpg)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107364-92211186.png)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107365-92211187.jpg)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107366-92211188.jpg)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107367-92211189.jpg)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107368-922111810.png)
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。
![](http://new.eetrend.com/files/2020-09/wen_zhang_/100052873-107369-922111811.jpg)
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。
来源:电子工程专辑