“AIot不是簡單的AI＋IoT，而是要有服務的下沉、智能的前移以及智能和連接的融合。”近日，IEEE高級會員、復旦大學信息科學與工程學院教授鄒卓在IEEE（電氣電子工程師學會）一場媒體交流會上拋出觀點。

鄒卓認為，隨著晶體管的密度增加，晶體管的成本也在下降，但到了10納米以下，晶體管的成本在上升，“所以，在經濟學上我認為摩爾定律已經趨近于結束，摩爾定律是還可以繼續，但要付出代價。”

雖然摩爾定律有所放緩，但鄒卓認為當下信息產業仍享受摩爾定律所帶來的兩大紅利：一是計算變得越來越普適，二是算力變得越來越強。當前，“新基建”正成為新的發展驅動力，而深度融合5G、大數據、人工智能和工業互聯網的AIoT產業也由此被業界視作下一個重要發展領域。

“從物聯網走向AIot，其實走向的是泛在智能，這種智能不是簡單地把數據上傳，再用深度學習網絡跑模型，而是要綜合考慮到經濟、數據、模型、服務等因素。”鄒卓指出訓練在云端、推理在邊緣，等到AIot發展到泛在智能階段將會變得復雜，他引用思科數據，到2021年所有智能設備所產生的數據將達到85ZB，但只有7.2ZB的數據能用到，有效利用率還不到10%。

“互聯網節點產生了海量的原始數據（raw data），很多數據傳上去但是用不了，運營商和大型公司都遇到海量數據如何處理存儲、有效產生價值的問題。”鄒卓認為哪怕有了5G，所有的數據傳到數據中心，也不能有效利用，讓數據產生價值，“在數據產生的邊緣就進行有效地處理，是效率最高的。”

美國半導體協會發布的數據顯示，普通人每天所感知到的信息是8.75Mbps，大腦根本處理不過來，但會進行3~5個數量級的壓縮比。“所以，人腦其實是效率非常高的計算和認知系統。”目前，鄒卓和團隊正在與新氦類腦合作，開展面向AIoT的類腦芯片與神經擬態系統研究。

鄒卓認為，借助類腦技術大規模并行、事件驅動、實時環境交互、感算存緊密耦合協同等特點，開發能夠如人腦般感知、傳遞、處理和運用信息的智能芯片與系統，有望突破摩爾定律以及馮諾依曼架構的瓶頸，提升AIoT節點的智能化程度，同時提高集成度、降低能耗。

當然，AIoT離成為一把趁手的工具、走向廣泛且成熟的應用，仍然需要經歷相當長的路徑，“從傳感器、芯片等核心器件，到工業信息系統的垂直集成，都尚有不少有待突破的關鍵技術。”鄒卓說。
責任編輯：YYX