AI+IoT=AIoT，一個樸實無華的等式，卻定下了兩個行業未來的方向。

　　AIoT領域有許多公司是我們非常熟悉的，例如以智能設備見長的小米、華為。不過，在2022年過半這個節點上，聯系上半年AIoT領域巨頭的新發聲，有兩類公司的形象變得更加立體。

　　一類是以�？低�視、大華股份、宇視科技(后文分別簡稱為海康、大華、宇視)為代表的安防巨頭加速擁抱AIoT，另一邊則是以曠視科技(后文簡稱為曠視)為代表的AI新勢力選擇以算法優勢逆向切入AIoT市場。

　　AI和IoT兩大路線的分分合合，是否迎來了確定的終點?通過研究這兩類“非典型”公司的AIoT布局，本文嘗試回答以下問題：

　　1.�？�、大華、宇視、曠視的AIoT布局有何不同?

　　2.AIoT算法和硬件如何相互作用?

　　3.AIoT給AI行業的商業化難題提供了什么解題思路?

　　海康、大華、宇視、曠視的AIoT：

　　硬件和軟件的出身差異

　　在著眼不同企業AIoT布局之前，有一個概念需要明確。

　　�？�、大華、宇視都是名義上的安防巨頭，今天的安防并不是傳統意義上的監控攝像。安防系統依然以視頻監控作為獲取信息的前端設備，不過，加上后端的信息存儲與處理，以及衍生的管理控制系統，才是它的完全體。

　　目前，傳統意義上的安防企業基本只剩一些小型公司，大公司則大致形成兩大陣營：智能物聯AIoT和智能家居AIoT。這主要取決于公司自己采取的發展路線。

　　大華在2021年10月舉行“Dahua Think # 云聯萬物、數智未來”戰略升級發布會，發布了一系列人工智能開發平臺、物聯數智平臺和AIoT產品。今年3月，大華又召開了一場“云聯萬物數智未來”高峰論壇。

　　2022年4月，安防第一大巨頭�？嫡匍_年度業績報告發布會，宣布刷新自身定位，將業務領域名確定為“智能物聯AIoT”。

　　宇視為千方科技旗下公司的控股子公司，根據公司公告，宇視是千方科技AIoT業務的核心。2022年6月，宇視以“無限新視界”為主題，召開AIoT合作峰會。

　　至此，傳統意義上的三大安防硬件龍頭全都在AIoT賽道上找到了自己的位置。從它們透露的信息看，硬件的入口作用依然顯著，AIoT中臺和后臺要服務于硬件搭建的體系。

　　因此，我們可以稱安防巨頭的路線為硬件決定軟件，AIoT思維下的軟件則是由一系列算法組成的，也就是“硬件定義算法”。

　　曠視和它們的道路不同。2022年4月，曠視在企業業務合作伙伴大會喊出了“算法定義硬件”。

　　具體來說，就是先開發標準化的攝像頭、機器人等硬件，再輔以不同場景需求的算法。顯然，這是一種軟件為先的策略，其優勢在于更低的成本和更好的應用擴展性。

　　AI公司要在這個領域劃分領地，必須選擇不同的模式。恰好，三大巨頭深入的算法端，是AI公司的優勢高地。

　　�？怠⒋笕A、宇視、曠視都決定在AIoT大展拳腳，驗證了賽道的潛力。軟硬件結合之下，各家都釋放出“未來10年是AIoT”高光期的信號。

　　目前的格局會怎樣變動是不可預知的，但核心問題卻有討論空間：是算法定義硬件還是硬件定義算法?那要看它們到底能給對方帶去什么。

　　、算法的邊際應用，

　　解決了硬件的規模桎梏

　　IoT最重要的是運行過程中收集到的數據，AI最重要的是落地的形態，冥冥中形成一組雙向奔赴的合力：一個要“從實向虛”，一個要“從虛向實”。

　　就像曠視CEO印奇所說：“我認為AI行業這個說法是有問題的，AI很難作為一個獨立的產業體系或商業閉環存在。AI本質上是一個效率工具，它能夠無形地滲透到各個行業，成為行業效率提升的催化劑。”

　　在這個基礎上，硬件定義算法和算法定義硬件的區別很明顯。如果把硬件比做身體，把算法比做大腦，那前者就是從身體的反饋產生思維，決定下一步的動作;后者則是建立一個通用的思維框架，去指導行為。身體和大腦必須配合，但總有個部分會起主導作用。

　　邊緣端產品魔方盒子就是這樣，整體的芯片等性能領先友商，但真正的不同之處在于盒子里裝的算法。在這款產品里，社區、工地等多個領域的算法是集中固化的，客戶需要什么，曠視就從中提供什么。

　　所以，硬件有固定的天花板，但算法沒有。目前，AI的兩種發展模式也與此有關。一種是商湯的算力基礎設施+大裝置賦能千行百業，另一種則是曠視直接切入頂層設計。

　　2020年，全球IoT連接數首次超過非IoT連接數。物聯網有可能統治一切設備，設備對應著海量的AIoT 場景，設備不能無限增長，但算法可以無限應用，從而借助設備這雙“手”去影響乃至改造物理世界。所以，解決AIoT時代具體需求的，一定是更有延伸性和擴張性的算法。

　　不過，三大巨頭的建設并非著重于核心算法，它們的起步點是軟件架構，比如AIoT中臺。曠視的算法定義硬件，則幾乎相當于挑戰整個硬件路徑。

　　曠視認為，基礎設施云化、核心技術互聯網化、應用數據化和智能化都是正在演變的幾大趨勢，只要AIoT還會發展，最終都會有一個通用的頂層設計。而曠視有MegEngine(天元)自研算法優勢，可以最大化發揮算力芯片性能，從而實現降成本。

　　從這兩條不同的道路中，算法定義硬件的真相也得以明晰：硬件平臺化，靈活適配算法；系統柔性化，提高易用性；服務規�；�，全流程一體+大規模應用降本增效。

　　當然，海康、大華、宇視的AIoT之路還沒有走到最深處，曠視面對更加碎片化、多元化的場景需求，也并不一定能成功完成自己的全部構想。算法和硬件的長期協作才剛剛開始，結果可能超乎雙方的預料。

　　下一代人工智能，

　　瞄準碎片化需求加速延伸

　　中信證券6月23日發布研報稱，AI產業價值鏈趨于穩定，并逐步向芯片&算力設施、應用場景兩端靠攏。

　　這種觀點無疑是從AI曾經的商業化困局出發的。曾經的AI企業往往具有很高的技術水平，但卻很難真正落地到一個行業。傳統行業IoT轉型風潮火熱，但大多停留在讓設備聯網。至于聯網后獲得了數據該做什么，企業一頭霧水。

　　AIoT一定程度上終結了這種狀態。很罕見的，雙方都從新業態里找到了解決自己問題的方法�；蛘叻催^來說，雙方選擇用AI+IoT的模式解決問題，最后創造了新業態。

　　從2015年開始，曠視就提出AIoT是AI的產業化路徑，本質上是AI技術的價值躍遷節點到了。2011年左右的AI是技術科研單點突破;2015年左右的AI是算法邊界向實用領域拓展;2020年之后的AI則是基礎設施大發展降低使用門檻，和點對點服務行業。

　　這個過程既是AI技術發展的過程，也是AI逐漸理解現實的過程。這種理解是對應用的理解，從AI能看到什么，到AI能做到什么。

　　這個過程最大的問題在于，AI企業無法面面俱到。曠視選擇的方式是吸引更多生態伙伴，但這種方式是否會受到其他競爭者的沖擊還不確定，因為競爭才剛剛開始。安防依然是AIoT的核心賽道，凸顯出應用場景的開發能力和滲透率還不足。對�？怠⒋笕A、宇視來說，這是因為它們對AIoT的全方位投入才剛開始。對曠視來說，現有算法定義硬件的能力還在提升。

　　早期的AI著眼于認知智能，現在的AIoT則要求AI在認知之上強化決策能力。這不會是一個短期的過程，尤其是面對碎片化需求。曠視算法定義硬件的理念可以加速這個過程，但不會免去深入行業突破邊界的必經歷程。

　　從認知智能到決策智能，從功能定義到需求定義，AI和IoT的交錯擦出火花，讓現實世界為之一亮。但這種互相融合無論發生多少次，對AI公司來說都是有利的生意。