作为一个技术驱动型产业，在当下政务数字化、产业数字化、企业数字化转型的大趋势下，AIoT正以通用技术的形态渗透到各行各业，助力政务流程信息化、行业生产流程数字化、企业业务流程的数字化发展。下游应用场景越来越丰富，整体市场需求还是呈上升趋势。

　　不过，a&s梳理今年AIoT产业相关企业的业绩情况发现，相比于前两年，不少企业2022年盈利情况并不甚理想，甚至出现营收和净利润双亏损的状态。对于亏损原因的解释，大部分企业表示受疫情影响较大，同时也提到地缘政治、通胀等国际环境带来的影响。

　　综合a&s 2022年『AIoT 创新应用话题大家谈』直播栏目的系列访谈，对于AIoT市场当下面临的挑战和发展痛点，大家提及最频繁的是宏观环境、行业标准、供应链、网络安全(数据安全)方面的挑战，同时， 碎片化需求下的AIoT工程化落地依然是目前摆在AIoT企业面前最现实的问题。

　　AIoT落地应用面临的挑战 ，a&s整理制图

　　1、 宏观环境挑战

　　2020年疫情在全球范围内的爆发，打乱了整个社会和经济的正常节凑。从2020-2022年，经过两三年时间的调整，市场逐步复苏，但点状爆发的疫情依然对需求的释放、工程周期、市场景气度产生了不利影响。尤其到2022年，国内防疫抗疫形势仍然非常严峻，在公共服务市场，疫情期间较多地方政府将主要精力投入在疫情防控上，项目推进较慢；像地产、文旅等行业，也常因疫情导致停工和采购延期的发生，这些都已经直接影响到了相关企业在行业市场的业务拓展。

　　除疫情这项不确定因素外，近两年国际市场环境也并不太平，中美“贸易战”仍然持续，个别地区热战升温，部分国家通胀高企，导致整体经营环境充满了挑战和不确定性。

　　2、行业标准挑战

　　AIoT的底层就是一套物联网系统，要实现物-物-人交互，依赖于大一统的接入标准和互通协议。当下，围绕着人工智能和物联网，虽然出台了相关的政策条例，但为了保持行业生态多样性，依然无法很好的实现各类物联网设备、平台、场景间“大一统”的集中管控。

　　物联网的物理连接和交互协议，涉及两个标准。万物连接，首先是“联网”，这是两个标准中的“硬标准”，负责物理层、链路层、访问层的网络连接的标准，涉及到不同设备的接入，不同的场景的接入。

　　在业务和应用层的标准是“软标准”，负责各种设备、包括平台之间的通信、交互的协议标准，这方面目前还没有较统一或者广泛实施的标准。一个良好的产业生态的构建，其中一个关键点在于“标准”的制定和统一。AIoT行业“软硬件”标准的统一规范，也将为整个AIoT产业生态协同奠定更广泛的基础。

　　3、供应链挑战

　　2021-2022年，全球大宗商品价格持续上升，原材料价格波动，尤其半导体行业受到较强冲击，这种冲击渗透到芯片、模组、设备等产业链多个环节，“芯片荒”现象从2021年持续到2022年。

　　芯片供给短缺问题确实对国内AIoT产业的上下游带来较大冲击，尤其给设备制造厂商带来了不少压力，2021年包括安防在内的行业领域经历了一波“涨价潮”，从前端到边缘侧硬件产品，都经历了不同程度的价格调整。也因此对企业未来在进一步完善供应链管理体系和备货机制方面带来了警示和思考。

　　值得一提的是，一些拥有较成熟供应链体系的头部企业在供给短缺情况下，依靠更强大的供应能力和灵活空间，进一步巩固了自身在产业中的地位。

　　“芯片荒”也带来了正面影响，比如从技术产品角度来看，芯片供应紧张和价格升高推动更多企业寻求技术和设计方式的创新，例如将模组芯片化，围绕垂直行业，做更高集成度的解决方案，来降低芯片供应链复杂度和和系统成本。同时，芯片短缺为中国芯片产业做强提供了机遇。

　　当下，整个半导体行业的国产化替代进程都在加速，国产芯片企业正在崛起，包括物联网芯片、AI芯片、智能驾驶芯片企业都在积极把握当下的利好政策和行业市场环境。

　　在a&s 2022年AIoT行业市场调研中，不少AIoT企业表示对国产替代的期待和信心。中国产业链齐整，从原材料到整机到设计能力都已齐备。且中国规模庞大的市场，有利于带动企业综合成本的降低，达成规模效应，这也是其他国家和地区目前不具备的条件。

　　4、网络安全、数据安全挑战

　　AIoT的助力加速了诸多行业的数字化转型进程，但与此同时，数据泄露事件也频繁爆发，数据安全问题正逐渐引起更多人的重视。数据安全的管理，急需建立一套包括数据搜集、数据处理使用、数据监督管理等在内的具有严格要求的数据安全管理办法来得以实现。

　　安全是发展的前提，如果没有数据安全，AIoT就会成为脱缰的野马。伴随着国内《数据安全法》的出台，给行业在数据资源的采集和应用上增设了标准和要求。从短期看，数据安全确实会增加项目建设及运营的相关要求，让建设成本上升、交付的难度增加，甚至会淘汰一批缺乏竞争力的企业。但从长期来看，这是AIoT行业从无序走向有序的拐点，必将有利于整个行业的可持续发展。

　　5、工程化落地痛点

　　AI的发展有标准的算法、算力、数据三要素，在Gartner看来，任何一个行业、企业，只要有场景，有积累的数据，有算力，都可以落地AI应用。但Gartner同时指出，落地的效率、周期可能会远超预期，其研究摆明，“只有53%的项目能够从AI原型有效转化为生产”。

　　这意味着， AI 要成为企业的生产力，就必须以工程化的技术来解决模型开发、训练、预测等全链路生命周期的问题。现阶段，AIoT工程化落地依然面临诸多挑战，主要挑战包括：

　　1）需求碎片化严重

　　在智能物联网市场，用户需求碎片化、应用场景分散且细碎等等，AIoT解决方案的实用性很大程度上还取决于“因场景制宜”，需要大量的行业应用知识和领域知识来完成技术的效能转化。

　　碎片化体现在各个方面：1)场景碎片化。行业中有众多这样碎片化的场景，没有通用的方案可以适配；2)数据碎片化。在碎片化的网络之间，数据割裂，难以融合和应用；3)架构碎片化。云边端算力割裂，大量长尾的AI市场能量尚无法释放等等。

　　如何在碎片化的市场中找相对通用的方案，在细分市场找相对有规模效应的需求，AIoT企业需要在两者之间寻找平衡，并通过工程实践能力的深化，在行业竞争中保持企业的优势。

　　为了应对碎片化难题，很多企业不仅要强化软硬件产品能力，同时也积极构建AIoT开放平台，便于更好的实现对多源设备和多源数据的集中管控。比如海康威视即认为，在智能化时代中，行业碎片化、场景化的特征比原来更明显，而有了底层能力和流程的帮助，能够保障公司的边际成本投入不失控，但始终还要不断投入人力和资源，围绕客户需求做各类定制，包括硬件、软件、数据、算法的定制，这是行业的长期要求，甚至可能是本质特征。客户的需求不是标准化的，这是 To B 业务最大的挑战，难以像To C 业务一样形成标准模式，构建平台经济。

　　受限于技术瓶颈问题，一种模型不可能适用于所有场景，“算法定制硬件”概念趋势下，我们更愿意围绕着可以覆盖更多场景的模型来定制配套的硬件，这在很大程度上可以解决因场景碎片化带来的算法泛化能力不足的问题，有效提高硬件设备的可复用性。

　　未来相当长的时间内，场景定义产品、场景定义解决方案的发展模式仍然是满足用户需求的主要方式。这种市场特征很难由智能物联领域中的一家企业为客户提供全链条的服务，因此构建开放合作生态，携手合作伙伴共同开拓AIoT是必然路径。

　　2）系统割裂，融合难

　　随着各类物联网设施的不断丰富，如何实现多设备间的互联互通，打通场景类各子系统的数据链路也是决定AIoT系统能够发挥实用性的一大关键。物联网行业发展过程中遇到的重大挑战就是硬件产品类型繁多、产品运行环境多样、产品运维管理方式不一。

　　以智慧社区为例，社区场景类型非常丰富，各类系统及涉及到的数据类型也五花八门，有基础的人、车、事、物、组织，这是一个社区基本的数据元素。除此之外，还有包括水、电、火、气象、环境、水质等一系列环境类型数据。打通各类数据之间的链路是决定社区能否实现智慧化运行的先决条件。

　　现阶段，受限于标准、利益分配等方面的因素，不少智能物联网系统依然存在系统割裂，数据“烟囱”的问题，尤其对于平台产品而言，IoT平台或AI开放平台，一定要具备足够的开放性、包容性，能够快速支持多终端的高效接入才能更好地展开后续的数据应用。

　　3 ）成本高企

　　AIoT系统在某些场景落地主要取决于四个因素：算力、算法、基于算法的应用以及价格。其中，AI应用需要投入的前期资金较为庞大，并不是每个行业每个企业都有足够的预算来支持。因此，目前AIoT规模化应用的场景主要集中在G端和大B端行业市场。尽管AI长尾市场蕴藏着巨大潜力商机，但受限于投入成本及实用性考虑，很多中小型客户仍处于观望状态。

　　此外，对于AIoT的应用，部分用户也存在过于理想化的预期心理，而人工智能需要机器学习不断提升准确率，它无法马上解决所有的问题，需要有足够的时间与正确的训练方式，才能慢慢体现它的价值。这也让不少用户感觉到了落差，对AIoT系统失去了理性判断，不利于后期的应用推广。

　　还有应用落地需要的专业人才、时间成本高等这些问题也会阻碍AIoT技术在各行各业中的落地进程。

      ※本文摘自a&s 《2022 AIoT产业综述报告》，更多调研内容请关注#安全自动化#微信公众号