1.2.2 智能物联网概念

智能物联网（AIoT）属于比较新的名词，学术界和业界对其定义并未达成一致。一般认为是人工智能和物联网两种技术相互融合的产物，物联网是异构、海量数据的来源，而人工智能用于实施大数据分析，其最终目标是实现万物智联。下面先给出几种主要的智能物联网定义。

维基百科 [9] ：智能物联网是人工智能（AI）技术与物联网（IoT）基础设施的结合，以实现更高效的物联网运营，改善人机交互，提高数据管理与分析能力。

《2020年中国智能物联网（AIoT）白皮书》[7]指出：AIoT是人工智能与物联网的协同应用，它通过IoT系统的传感器实现实时信息采集，而在终端、边缘或云进行数据智能分析，最终形成一个智能化生态体系。

悉尼大学的研究人员发表在IEEE Internet of Things[8]上的一文中指出先进的通信技术（如5G、Wi-Fi等）将促进万物广泛连接，产生海量数据并推动智能物联网的产生。其通过融合边缘计算、雾计算和云计算的新体系架构来提升物联网系统的智能性和数据处理的及时性与安全性。

弗吉尼亚理工大学研究人员发表在IEEE Computational Intelligence杂志的论文[9]从未来网络结构角度探索智能物联网的发展，认为随着5G和6G的发展，越来越多的设备将通过联结形成超级网络。人工智能将在促进IoT网络更有效连接方面发挥重要作用，包括AI增强的随机接入和频谱共享等技术。

美国加州大学研究人员发表在Proceedings of the IEEE的文章[10]指出智能手机、物联网传感器等终端设备正在生成需要利用深度学习进行实时分析或用于训练深度学习模型的数据。然而，深度学习推理和训练需要大量的计算资源才能快速运行。边缘计算将计算节点的细网格放置在靠近终端设备的位置，是满足深度学习对边缘设备高计算量和低延迟要求的一种可行方式，同时还提供了隐私、带宽效率和可扩展性方面的额外优势。其认为智能物联网通过跨终端设备、边缘服务器和云的组合进行深度学习推理，实现高效深度计算。

香港科技大学杨强教授和南洋理工大学Dusit Niyato教授等在其文章中[11]强调智能物联网中边缘计算和联邦学习发挥的重要作用，能解决传统的基于云的机器学习方法所产生的延迟和通信效率低下问题，在数据隐私保护的前提下实现机器学习模型的协同训练。

基于以上定义，我们将智能物联网定义为：以人工智能、边缘计算与物联网等技术的深度融合为基础，在感知、通信、计算和应用中通过人工智能技术赋能，呈现泛在智能感知、终端智能、云边端协同计算、分布式机器学习、人机物融合等新特征，具有更高灵活性、自组织性、自适应性、持续演化的物联网系统。