?當前IoT、大數據和AI技術的快速發展與加速融合，催生出智能物聯網（Artificial Intelligence of Things, AIoT）這一極具前景的新興前沿領域。

其中，AI的模型和算法擅長從海量無序數據中發現規律、學習策略，而IoT則能為數以億計的實體設備建立廣泛連接。因此，AI與IoT兩者的融合將發揮更強大的協同感知計算效力，但同時也將帶來更多值得深入探索的問題和挑戰。

1.IoT將持續增長并成為一種勢頭強勁的網絡

預計2025年我國IoT連接節點將達到200億個，將遠遠超過互聯網主體（即人類用戶）的數量。谷歌預測，到2025年世界將被IoT設備主導。因此，未來數百億異構設備和用戶并發聯網產生的數據分析和融合需求將促成IoT與AI的深度融合。

與以人為中心的互聯網不同，AIoT是把電子、通信、計算機、AI四大領域的技術融合起來的新型網絡，在互聯網連接的基礎上進一步拓展，實現人與人、人與物、物與物以及人與環境的廣泛互聯，從而將傳統“互聯網”和“IoT”的連接范圍和連接方式提升為“人、機、物”三類異構主體的聯結共生和深度融合。

2.AIoT背景下的群智協同研究面臨新的研究挑戰

AIoT在架構和實現層面通常包括物理感知層、網絡連接層、智能計算層和綜合應用層。AIoT首先通過各種異構設備聯網實時感知各類數據（環境數據、運行數據、業務數據、監測數據等），進而在終端設備、邊緣設備或云端通過大數據挖掘或ML算法來進行處理、理解和認知，如智能感知、目標識別、能耗管理、預測預警、自動決策等。

近年來，AIoT應用和服務已經逐步融入智慧城市、智能制造、自動駕駛等多個國家重大需求和民生領域。由于海量AIoT設備具有全天候、多層次的感知、計算、存儲和通信能力，不僅能感知人和環境，而且能與人（群用戶）、機（群應用）、物（群智體）交互以滿足應用驅動的性能需求。

此外，在終端智能和云邊端層次化資源控制等新興技術的不斷推動下，AIoT在感知、計算、通信和應用四個環節的整體聯動都需要人、機、物之間有更深入的協作和互補。

因此，如何使群智能體以分布式協作的方式通過自組織、自適應和自學習增強演化，在AIoT全生命周期內實現群信息的優選匯聚和深度挖掘，并始終維持群應用總體性能與分布式資源能效間的權衡優化，已成為一個重要的科學問題。

3.AIoT分布式協同生態尚未成熟，但發展潛力巨大

微軟、IBM、阿里巴巴、騰訊、華為、京東等企業近年來都積極在AIoT領域布局。

2017年，谷歌逐步推出TensorFlow Lite框架支持深度模型壓縮和硬件加速，Edge TPU、Coral Dev Board等硬件開發設備支持AIoT應用落地。微軟在2019年度的開發者大會上發布AIoT的戰略布局。

2018年，阿里巴巴宣布進軍IoT領域，定位為IoT基礎設施的搭建者，提供IoT連接和AI能力，實現云邊端一體的協同計算，并開發了輕量級IoT嵌入式操作系統AliOS Things。

騰訊也推出了一款IoT系統TencentOS tiny，具有低功耗、低資源占用等特點。華為則推出了面向IoT的華為鴻蒙操作系統，作為一種基于微內核的全場景分布式操作系統，在5G時代具有廣泛應用前景。

京東也于2018年發布“城市計算平臺”，結合深度學習等構建時空關聯模型及學習算法解決交通規劃、火力發電、環境保護等城市不同場景下的智能應用問題。

然而，影響AIoT發展的阻礙因素之一是設備在計算資源（如算力、存儲）、操作系統、算法框架等方面的異構性，而統一的AIoT感知計算范式尚未發展成熟。在此背景下，人機物如何以分布式互補增強或競爭對抗的方式實現協同感知、學習、計算和通信以完成復雜任務成為重要的研究方向。