IT时报记者 李玉洋
“AIot不是简单的AI＋IoT，而是要有服务的下沉、智能的前移以及智能和连接的融合。”近日，IEEE高级会员、复旦大学信息科学与工程学院教授邹卓在IEEE（电气电子工程师学会）一场媒体交流会上抛出观点。
邹卓认为，随着晶体管的密度增加，晶体管的成本也在下降，但到了10纳米以下，晶体管的成本在上升，“所以，在经济学上我认为摩尔定律已经趋近于结束，摩尔定律是还可以继续，但要付出代价。”
虽然摩尔定律有所放缓，但邹卓认为当下信息产业仍享受摩尔定律所带来的两大红利：一是计算变得越来越普适，二是算力变得越来越强。当前，“新基建”正成为新的发展驱动力，而深度融合5G、大数据、人工智能和工业互联网的AIoT产业也由此被业界视作下一个重要发展领域。
“从物联网走向AIot，其实走向的是泛在智能，这种智能不是简单地把数据上传，再用深度学习网络跑模型，而是要综合考虑到经济、数据、模型、服务等因素。”邹卓指出训练在云端、推理在边缘，等到AIot发展到泛在智能阶段将会变得复杂，他引用思科数据，到2021年所有智能设备所产生的数据将达到85ZB，但只有7.2ZB的数据能用到，有效利用率还不到10%。
“互联网节点产生了海量的原始数据（raw data），很多数据传上去但是用不了，运营商和大型公司都遇到海量数据如何处理存储、有效产生价值的问题。”邹卓认为哪怕有了5G，所有的数据传到数据中心，也不能有效利用，让数据产生价值，“在数据产生的边缘就进行有效地处理，是效率最高的。”
美国半导体协会发布的数据显示，普通人每天所感知到的信息是8.75Mbps，大脑根本处理不过来，但会进行3~5个数量级的压缩比。“所以，人脑其实是效率非常高的计算和认知系统。”目前，邹卓和团队正在与新氦类脑合作，开展面向AIoT的类脑芯片与神经拟态系统研究。
邹卓认为，借助类脑技术大规模并行、事件驱动、实时环境交互、感算存紧密耦合协同等特点，开发能够如人脑般感知、传递、处理和运用信息的智能芯片与系统，有望突破摩尔定律以及冯诺依曼架构的瓶颈，提升AIoT节点的智能化程度，同时提高集成度、降低能耗。
当然，AIoT离成为一把趁手的工具、走向广泛且成熟的应用，仍然需要经历相当长的路径，“从传感器、芯片等核心器件，到工业信息系统的垂直集成，都尚有不少有待突破的关键技术。”邹卓说。
