1、参与其中的企业主要包括爱立信、施耐德电气、Arm、英特尔、思科、华为、新华三、中兴通讯、研华科技、联想等。边缘管理层的核心是软件平台，主要负责对边缘节点进行统一管理和资源调用。目前边缘智能软件平台主要用于管理网络边缘的计算、网络和存储资源。未来边缘智能软件平台的重要任务将会向着浅训练和强推理发展，这顺应了低时延场景的迫切需求。参与边缘智能软件平台领域的企业以云平台企业为主，比如 AWS、Azure、阿里云、华为云、腾讯云、百度云、中科创达等。这些企业有着深厚的云平台和软件设计功底，进入该领域相对容易。此外，部分在某些领域有着多年经验的公司也从垂直领域进入边缘智能软件平台市场，如国讯芯微。边缘智
2、能技术优化云计算系统的作用，解决物联网云计算实时性不足、宽带不足、数据安全性不足等问题：1)边缘计算无需将全部数据上传至云端，极大地减轻了网络带宽压力和数据中心的功耗;2)边缘计算在靠近数据生产者处处理数据、大大减少了系统延迟;3)边缘计算将用户隐私数据存储在网络边缘设备上，无需传输到云端中心，减少数据泄露风险， 保护了用户数据安全和隐私;4)边缘计算技术明显改善云计算系统性能，助推行业进一步发展。(3)AIoT：与人工智能技术融合AI+物联网显著提升物联网智能化水平。人工智能是一种模拟、延伸和扩展人的智能的技术科学，其自然语言处理技术和深度学习技术在物联网中有较多应用。自然语言处理技术主要包
3、含语义理解、机器翻译、语音识别、语音合成等，其中语义理解可以应用到物联网的关键环节。物联网需要对各类设备产生的信息进行理解和操控，并向设备表达和控制，在此过程中，运用语义理解技术可以提高信息交互效率，实现智能化运作。目前，市场上已逐渐推出以语义理解技术为核心的人工智能平台，如苹果的 Siri、微软的小冰和小娜、小米的小爱等，这些平台通过语音等友好人机交互界面实现物联网设备及其产生信息的语义理解互通，以面向未来物联网的数据理解及应用作为重要的输出方向。深度学习作为另一个提升物联网智能化水平的重要人工智能技术，是机器学习中一种基于对数据进行表征学习的方法，已在车联网、智慧物流等领域实现应用。以车联
4、网为例，通过图像处理技术来判断复杂路况是车联网的重要技术环节，该环节涉及的数据繁多，引入深度学习技术可以实现智能化应对复杂路况。在数据处理过程中，随着用于训练的数据量不断增加，深度学习的性能也会持续提升，智能化处理能力进一步提高。人工智能技术已逐步应用到物联网，实现人工智能和物联网赋能融合，未来人工智能技术还可嵌入更多物联网应用场景，仍有较大赋能空间有待开发，“AI+ 物联网”成为物联网未来发展的重要趋势。AIoT 享有十万亿级市场空间，G 端公共级迎来爆发。2019 年城市端 AIoT 业务规模化落地，边缘计算初步普及，中国 AIoT 市场规模接近 4000 亿，近两年 AIoT 市场规模同
5、比增长 40%以上。虽然人工智能与物联网技术融合趋势加快，但是 AIoT 在落地过程中还需要重构传统企业价值链，既需要适应传统产业的特性，也需要一定的时间来与生态合作伙伴搭建产业 AI 赋能的架构体系。因此未来几年预计同比增长 10%左右，保持较稳定的发展节奏，未来经过产品优化、渠道打通、商业模式验证后，将会迎来高速增长。G 端公共级以政策为导向，以城市建设为主，包括智慧城市、公共事业、智慧安防、智慧能源、智慧消费、智慧停车等。在政策的引导和大力推动下，G 端公共级市场快速增长。艾瑞咨询预计 2022 年 G端公共级应用将在AIoT 市场占比超过一半，领先目前主导的C端消费级，市场规模指向4000亿级。
sgpjbg002
工作日 8:30 - 17:30
报告分类
