“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?！苯?，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(jīng)濟學上我認為摩爾定律已經(jīng)趨近于結束，摩爾定律是還可以繼續(xù)，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(chǎn)業(yè)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(fā)展驅(qū)動力，而深度融合5G、大數(shù)據(jù)、人工智能和工業(yè)互聯(lián)網(wǎng)的AIoT產(chǎn)業(yè)也由此被業(yè)界視作下一個重要發(fā)展領域。

“從物聯(lián)網(wǎng)走向AIot，其實走向的是泛在智能，這種智能不是簡單地把數(shù)據(jù)上傳，再用深度學習網(wǎng)絡跑模型，而是要綜合考慮到經(jīng)濟、數(shù)據(jù)、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(fā)展到泛在智能階段將會變得復雜，他引用思科數(shù)據(jù)，到2021年所有智能設備所產(chǎn)生的數(shù)據(jù)將達到85ZB，但只有7.2ZB的數(shù)據(jù)能用到，有效利用率還不到10%。

“互聯(lián)網(wǎng)節(jié)點產(chǎn)生了海量的原始數(shù)據(jù)（raw data），很多數(shù)據(jù)傳上去但是用不了，運營商和大型公司都遇到海量數(shù)據(jù)如何處理存儲、有效產(chǎn)生價值的問題?！编u卓認為哪怕有了5G，所有的數(shù)據(jù)傳到數(shù)據(jù)中心，也不能有效利用，讓數(shù)據(jù)產(chǎn)生價值，“在數(shù)據(jù)產(chǎn)生的邊緣就進行有效地處理，是效率最高的?！?/p>

美國半導體協(xié)會發(fā)布的數(shù)據(jù)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(shù)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(tǒng)?！蹦壳?，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(jīng)擬態(tài)系統(tǒng)研究。

鄒卓認為，借助類腦技術大規(guī)模并行、事件驅(qū)動、實時環(huán)境交互、感算存緊密耦合協(xié)同等特點，開發(fā)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(tǒng)，有望突破摩爾定律以及馮諾依曼架構的瓶頸，提升AIoT節(jié)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(jīng)歷相當長的路徑，“從傳感器、芯片等核心器件，到工業(yè)信息系統(tǒng)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