2023年中国物联网行业研究报告
原创艾瑞艾瑞咨询
物联网丨研究报告
核心摘要：
物联网是信息联网、移动联网基础上的一种新型连接模式。它成长于互联网的土壤，是基于互联网的边界扩展与内涵延伸。目前我国物联网产业链已形成闭环式发展，但仍存在应用需求、标准碎片化与深度应用不足等问题，企业盈利能力有待提高。
前端采集层面：感知层步入多技术融合的创新期，精准、高效的数据采集是目的。国内MEMS产业发展较晚，受限于市场竞争、研发制造工艺，国内厂商毛利率水平仅为20%-33%。在多传感器融合、算法算力分布化趋势下，厂商应冲击中高端市场，前瞻布局以寻求弯道超车。
融合联通层面：物联网设备连接量稳定增长、蜂窝网络“NB-IoT+Cat1+5G”格局已定，5G对运营商的商业赋能有待进一步场景发掘。数据价值释放亟需立法指引，政府监管下数据要素分类分级开放或是加速数据流通、社会福利最大化的最优解。
数据应用层面：物联网优化了个人生活体验、释放了工业生产力潜能，大幅提升了城市建设水平和运营效率。经测算当渗透率达10%，生产领域年收益提升最高可达278亿元。但智能家居品牌生态阻隔、生产领域企业数字化突破不足、公共领域数据管理难度大及业务环节孤立等问题仍有待解决。
趋势展望：未来，物联网企业间将呈现“大杂居，小聚居，共联盟”的生态融合态势，企业核心力量下沉，携手新基建夯实物联网基础。在产业链协同发展、数据交易和开放共享需求的持续牵引下，物联网+隐私计算+区块链的技术融合将加速渗透。
物联网的概念界定
物联网是信息联网、移动联网基础上一种新的连接模式
物联网（InternetofThings）是在互联网和通信网络的基础上，将日常用品、设施、设备、车辆和其他物品互相连通的网络。作为一个广义的概念，物联网利用传感器、通信网络、软件、控制系统等将物品与网络和其他物品进行连接和互动，实现对现实世界的数字化和自动化。物联网改变了互联网中信息全部由人获取和创建，以及物品全部需要人类指令和操作的情况，未来将深远地影响生产生活中的每个方面。未来，世界上物和物互联的规模将远超人和人互联的规模，这种指数型的增长主要来自物品与物品之间多种多样的连接与自主运行。
物联网、云计算与人工智能
物联网穿针引线，多技术相辅相成、共存共生
物联网体系结构进一步拆解可分为感知层、网络层、平台层、数据分析层及应用层。物联网感知层产生、采集数据，经由5G通信技术依次运输到边缘侧、平台中心处，由边缘计算与云计算携手提供算力支撑，数据分析层主要采用大数据技术完成数据的预处理与分析，人工智能依赖云计算、大数据的数据和算力支持优化算法，最终反哺物联网的场景应用。
物联网好似一片叶子的主叶脉，源源不断地导入数据养分，而人工智能、云计算等技术则像侧叶脉，接纳数据滋养地同时辅助数据要素价值释放和物联网应用更好地落地。各技术要素之间共存共生，互相依赖，贯穿数据的流动应用路径。未来，物联网、5G、云计算、大数据、人工智能等技术的联系将更加紧密，助推物联网应用落地到产业升级、场景智能化之中。
中国物联网产业链图谱
参与者众多，角色界限开始模糊，平台层玩家数量显著增多
中国物联网产业链图谱
众多垂直领域企业融合物联网技术，变革创新推出解决方案
中国物联网产业问题：数据与设备安全
信息安全把控能力相对滞后，被攻击控制的设备数成倍增加
物联网设备极具价值，被攻击后可能会对现实世界造成大范围的直接影响，如交通瘫痪、公共设施运转停滞（停水、停电、停气、停供暖）、远程操控、环境污染甚至人员伤亡。感知层位于物联网整体架构最底层、为其中最脆弱的部分，在其主要应用的RFID与WSN技术中，WSN路由协议存在固有缺陷，运用RFID时读写器与电磁波易于仿制，信息在远程传输的途中易被窃取；网络层易受DOS攻击、假冒攻击、中间人攻击等；平台层的主要价值为信息处理，数据量过大无法及时处理时，会增大设备故障概率从而出现安全漏洞。同时，物联网设备数量众多、类型多样，还会成为黑客控制的僵尸网络的一部分。从2016年开始，全球受到僵尸网络攻击的智能设备数量不断增长，僵尸网络甚至被《麻省理工科技评论》评为“2017全球十大突破性技术”。目前我国物联网对于信息安全的把控能力，相较于整体物联网的发展速度来说相对滞后，尚未实现可靠稳定传输，阻碍物联网的整体发展节奏。
中国物联网产业问题：规模化与定制
应用场景碎片化、网络基础薄弱，制约创企规模化落地
物联网企业若想在更多垂直行业实现规模化落地应用，必须构建便捷、低成本的物联网应用生态，控制定制项目比例或单项目内定制化比例，以形成规模效益。据《IoTSignals》中物联网企业调研结果显示，约1/3的物联网项目未通过概念验证（POC）阶段，而原因通常是项目规模化成本高（受访者数据：占比32%）。同时，据甲骨文发布的访谈调研报告显示，64%的物联网领域先行者们偏向于采购现成解决方案（COTS），项目周期更短、费用更低，但目前初创企业在打造标杆案例，提高项目模块复用率方面，受到内外部的双重阻碍。
中国物联网产业问题：技术应用
底层技术下沉不足，致使应用层智能化渗透速度及深度不足
目前，我国物联网技术积累较为薄弱，技术水平的局限很大程度上限制了应用能力。首先，整体底层技术不够下沉，难以支撑平台层的数据孵化，最后反馈至应用层。例如芯片方面，大部分芯片抗网络攻击能力较差，物联网设备安全性欠缺；同时，其内部应用处理器未形成统一操作系统，开放性不足；物联网场景需求复杂，产品需继承多项功能，目前芯片集成度不足，往往需多芯片配合。应用场景方面，生活领域中除了需网络通信、传感设备等技术支持外，AI技术地深化程度也决定场景智能化的天花板。生产领域方面，因生产设施和环境的特殊性，设备能否同时兼备低功耗及稳定传输成为关键，并且实时的处理分析能力对WSN、传感器、边缘计算等技术有较高的要求。在公共领域的物联网应用中，从前端采集到后端分析的整个过程，都面临着对海量数据的采集、处理与应用，极大程度上依赖于RFID、5G等技术的发展。
感知层基础技术架构
步入多技术融合创新爆发期，精准、高效的数据采集是目的
感知层是物联网海量“物”数据涌入的入口，而林林总总的传感器和标识设备则是感知层的物理基础设施。基于上文对物联网中“物”的定义，感知层的技术由传感与识别技术和网络通信技术两部分构成，其中网络通信技术将在第五章详细讨论，在此不做赘述。识别技术是通过RFID标签、条形码、二维码、生物特征等手段来标识、识别物或人的技术，现已发展成熟并广泛应用。而传感技术，特别是智能传感器的开发，应“智能化、集成化、高性能”这一市场需求的指引，将长期处于多技术融合探索的发展阶段。目前，多传感器融合、MEMS-CMOS兼容技术、集成MCU的智能传感器等均为物联网感知层的技术热点与难点。
感知层技术成熟度对比：供应链视角
研发设计迭代周期、制造封装环节产业化进程存在短板
受市场竞争影响，国内MEMS厂商的供应链成本和研发费用分摊较高，且无法向下游传导，相反需要以价格作为敲门砖，国内厂商单规格同类产品的定价约为头部厂商的八到九成。MEMS产业链各环节集中度较高、产能有限，国内厂商多为Fabless经营模式，相较头部厂商，IDM模式在晶圆制造和封装环节不具备规模效应和议价优势，环节成本上浮约两成。测试环节技术相对成熟、市场化程度高，占比稳定在2%的水平。在研发费用的分摊上，国内厂商对产品生命周期预计为三到五年，技术工艺的更新迭代相对缓慢。此外，国内厂商为开拓市场，与终端实力客户的配合度较高，额外发生的软件适配成本将进一步拉升研发设计成本，压缩利润空间，浮动比例约为8%-10%。由此可见，国内MEMS厂商在设计研发迭代速率、晶圆制造和封装环节产业化方面仍有较大提升空间。
感知层发展趋势一：多传感器融合
多源数据堆叠下的去伪存真，规律提取和多参数平衡是难点
多传感器融合具有双层含义，表层含义是指物理上的合二为一，在一个紧凑的传感器器件中集成多种传感器，典型的有IMU惯性单元，而更深层含义是指多传感器的数据融合。多传感器数据融合可类比为人脑根据各功能器官所探测到的信息进行综合处理，从而对所处环境和事态做出判断的过程。在消费电子、自动驾驶、机器人等场景下，通过大量、多种类传感器节点的配置和管理，以多源数据冗余和互补弥补单一传感器信号的误差和缺陷，通过数据模型及融合算法解决数据异质、数据冲突等问题，最终给出一致性结论或者提供有效决策支撑，是厂商突出重围亟需建立的技术壁垒。这需要在传感器组合方案、成本、算力与通信等资源分配间反复调试和权衡。以自动驾驶为例，其信源有雷达、红外、图像等，通过挖掘冗余、互补数据间的内在联系，构建高精度的环境感知图像和定位结果，进而指导汽车执行自动避障、定速巡航等驾驶任务。
感知层发展趋势二：智能传感器
边缘计算与边缘人工智能革新终端，填补市场空缺
在5G通信和物联网发展的双重驱动下，终端数量和数据量持续累积，集中式处理架构出现瓶颈，而分布式本地处理在通信和存储负担缓解、降低时延、数据安全性等方面的优势显现。智能传感器将传统传感单元整合计算单元和AI算法，使得传感器具备除测量之外的信息处理能力。通过算力算法从中心向边缘侧的下放，智能传感器自主完成对实时元数据的检查、诊断和校准，优化数据质量，自主完成数据分析，执行决策反馈。在工业控制、医疗服务、人脸识别等新兴应用场景下，存在实时响应、极小误差、公民隐私保护等极致需求，算力和算法加持下的智能传感器能够弥补现阶段传感技术的局限、满足上述场景中大量实时数据高效、安全处理的需要，同时降低云分析相关的成本和资源消耗。
感知层发展趋势三：高端市场
单价滑坡拉低销售额增长，抢夺高端市场或推动利润增长
我国传感器产业起步较晚，因此在中高端传感器市场上落后于西方国家，国内市场约八成依赖于进口，传感器芯片市场更为势弱，自产比例仅占一成。在中低端市场竞争的日益加剧和传感器集成化趋势的作用叠加下，中低端传感器的单价持续走低，拉低市场增长率的同时压缩了厂商的利润空间，中小厂商艰难求生。
中高端传感器具有高附加值，国内传感器厂商应顺应“专精特新”国家战略，尝试单点突破，专注于开发细分市场下的具有独创性的产品，以寻求突破“谷贱伤农”的陷阱。细分赛道中，CIS图像传感器领域的韦尔股份、声学传感器领域的歌尔微、压力传感器领域的敏芯股份已经实现了一定程度的突破，在市场上抢占了外国厂商原有的市场份额。
物联网通信技术应用现状分析
移动物联网基础设施建设持续推进，WLAN技术渴望突破
物联网终端设备感知的数据通过网络传递，承载物联网设备的传输网络主要为有线传输和无线传输两大类，其中无线传输是物联网的主要应用。无线传输技术按传输距离可划分为两类：一类是以Zigbee、WiFi、蓝牙为代表的无线局域网技术，受制于技术限制，单一通信方式均具有不同程度不同方向上的局限性，多以组合方案应用于智能家居、智能建筑等室内场景；另一类是移动物联网技术，即广域网通信技术。2020年5月，工信部发布了《关于深入推进移动物联网全面发展的通知》，目标建立NB-IoT、4G和5G协同发展的移动物联网综合生态体系，以NB-IoT满足大部分低速率场景需求，以LTE-Cat1满足中等速率物联需求和话音需求，以5G技术满足高速率、低时延联网需求，持续推进5G网络基础设施建设。
物联网平台：数据价值孵化器
联动感知层与应用层，提供通用PaaS服务以简化应用开发
物联网平台可提供跨不同设备和数据源的通用PaaS服务，在整个物联网架构中起到承上启下的中介作用，联动感知层及应用层之间的所有交互——向下连接、管理物联网设备端并完成感知数据的归集与存储，向上为应用开发商与系统集成商提供应用开发的统一数据接口及共性模块工具。在实现“物联”的基础之上，感知层与应用层频繁交互过程中，产生的数据具有体量大、种类多、动态滚动的特征，物联网平台作为产业链中的核心枢纽，更是应用融合以及数据价值孵化的土壤，除提供基础设施服务支撑设备间的数据交换外，通过对平台数据的处理、分析和可视化，将数据赋能过程大幅前置，充分发挥规模效应，实现数据即生产即处理，便于数据快速应用落地，简化物联网解决方案的复杂度并降低方案成本，充当“加速层”，推进各层在应用场景的落地速度与进程。
四大类平台逐级加工，自下而上实现数据价值的累积升迁
物联网平台在物联网体系结构中处于关键地位，根据功能可以将物联网平台分为连接管理平台、设备管理平台、应用使能平台和业务分析平台四个部分。其中，设备管理基本由通信模组、通信设备提供商主导，网络管理平台由电信设备商、运营商主导。领军企业纷纷构建开放的物联网平台，并将重要组件开源，持续提升开放性以更好聚合产业合作伙伴和开发者资源，向各行各业赋能。水平化通用平台，通过合作伙伴生态深化重点垂直领域应用。垂直行业巨头与互联网企业通过战略合作加强平台互联互通，完善平台服务功能，共享行业资源，提升行业竞争力。
全球数据立法实践梳理与借鉴
国家层面引导平台良性发展，数据确权仍是全球性立法难题
物联网连接层发展趋势一：数据确权
保护个人数据人身权，认可合规运营下企业大数据经营成果
2020年4月9日，国务院发布了《关于构建更加完善的要素市场化配置体制机制的意见》，将土地、劳动力、资本、技术、数据定义为五大生产要素，明确了数据对于经济增长、价值创造的重要意义，而数据确权是实现数据增长潜能和建设数据要素市场的重要前提。数据具有非排它性、价值整体性及兼具人格权与财产权双重属性的特征，民法中的物权、知识产权无法完全对应适用，需要在立法实践中创新与探索。目前没有一个国家的法律明确将数据产权授予任何经济主体，但通过梳理全球数据产权立法实践和相关学者的研究，主流观点认为不应赋予个人数据产权，以防产生资源利用不足的“反公共地悲剧”问题，应更多强调对数据的人身权保护，以期在数据隐私安全的前提下实现数据要素的高效利用。而经脱敏处理、企业投入资本和创造性脑力活动形成的个人大数据，企业拥有对其的财产权益。
物联网连接层发展趋势二：数据开放
数据要素分类分级开放，政府全数据链引导+监管，严守隐私权底线的同时加速数据要素流动，以实现社会福利最大化
万物互联难以成网：生活领域
局部互联初见形势，亟需打破生态壁垒、释放用户体验
相较于物联网在其他领域的应用，生活物联网发展时间较久、市场也更为成熟，平台生态建设繁荣开放，平台内终端互联已初见规模。智能家居企业大多开放平台给上下游合作方，构建内部生态，以统一的出口向消费者提供完整服务。然而局部互联的日益繁荣加剧了生态阻隔和供需冲突。供给侧，产品和技术能力一骑绝尘的品牌尚未出现，大厂多以1-2款拳头单品裹挟消费者和中小厂商“站队”，被迫接受全套产品和方案，从而提升市占、构建品牌护城河；需求侧，用户偏好从多个品牌挑选最佳单品，DIY自己的全屋智能系统，在厂商生态隔绝的商业策略下，这意味着要牺牲产品部分功能和流畅的家居体验。这一供需矛盾困境，极不利于市场的良性竞争和发展，亟待寻找破局之道。未来，头部厂商或将联合通信厂商，共同建立统一的标准和协议，逐步探索从生态独立走向生态融合的发展路径，实现行业内数据、软件和模型等资源的横向打通，使平台网络效应最大化。
万物互联难以成网：生产领域
工业物联网建设起步阶段，企业亟需迈出数字化转型第一步
制造业企业具有业务传统、设备众多、作业环节多、工厂规模大等特点，因此生产领域的物联网建设步伐较为缓慢，大致可以分为五个阶段，分别为传统人工采集、设备数据直接采集、企业内部数据融合、上下游产业链数据打通以及企业间信息资源共享，最后构成整体产业生态的共通互联。目前中小型生产企业主要集中在从0到1的跨越阶段，即部署物联终端，进行设备数据直采。头部工业企业的数字化程度较高，带动更多企业上云上平台，逐步打通上下游数据链。另外，农业畜牧业领域由于生产环境相对恶劣、数字化水平低等因素，硬件部署困难、通信能力弱，物联网的应用难度更高。目前，我国不同规模企业数字化改革的步调不一，小型企业需着力进行数字化改造，持续提升数字化水平以贴近行业节奏；大型生产型企业应进一步打通产业链上下游及企业间数据，促进行业整体的物联网应用发展成熟。
万物互联难以成网：公共领域
数据量级庞大、业务环节数据孤立，数据处理和管理难度高
物联网的应用渗透在公共领域的各个方面，从交通安防、智慧政务到环境资源管理等领域，涵盖范围广、数据量级大、处理环节和需要的支撑部门众多。面对大量的数据处理和繁杂的业务流程，物联网实际价值的发挥建立在对元数据的有效管理和高效的业务运作之上。现阶段，相关技术的发展水平限制了数据的有效应用，现有算法、算力难以支撑大量级的数据传输、处理、分析与应用。整体来看，提升技术能力是解决这一问题的关键，软硬件、算法、通讯技术的持续发展与突破，才能提升物联网的数据应用能力。如边缘计算可以释放部分算力与存储，与人工智能的结合可以赋能快速响应与决策；5G对减少时延，传输速度的提升有明显效果等。另一方面，公共领域各业务流程体系平台之间数据孤立、互不相通。在实际应用中，面临着重复提交资料、时限久、效率低下等问题。目前，各部委逐步建立形成城市运营中心，进行不同业务系统之间的平台打通，以提高业务与数据运营的效率和安全性。
应用物联网的关键能力：生活领域
以提升生活体验为主，可在一定程度上节约时间、提升效率
应用物联网的关键能力：生产领域
知微见著、降本提效，为产业发展注入新动能
生产领域存在众多细分行业，行业间需求各异且高度碎片化，因此产业物联网的建设并非一蹴而就。工业大数据是工业物联网的核心价值源泉，借助物联传感、PaaS技术提升数据采集及分析能力以图更深层次挖掘工业数据价值，是工业物联网的核心价值体现。相较传统工厂设备人力监管的模式，工业物联网通过1.0设备数据直采建设有效地优化了OEE、人力成本、电力成本等工厂运营指标，辅助企业管理决策，支撑产线扩产增收，释放了工业生产力潜能。
应用物联网的关键能力：公共领域
多场景多维度，提升城市建设水平和运营效率
近年来，各城市大力推进智慧政务、智慧交通等公共智慧建设项目，促进城市运转的效率提升、文明城市的建设，以及政务办理的便民化等公共智慧建设。在数据量级庞大，且财政资源有限的情况下，对5G、人工智能等技术的进一步发展与应用，以及平台之间的数据打通，是公共智能物联项目的落地推行的极大助力。以智慧政务为例，根据部分公开数据的统计分析，相比于传统政务办理方式，智慧政务所需申请材料的数量减少了约50%-70%，办理时限节约约50%-80%，极大提高了办事效率，真正做到了便民利民。
物联网行业趋势一：产业生态
产业由企业级生态跨向产业级生态，智能家居产业率先落地
艾瑞认为，在解决物联网碎片化等先天性问题的进程中，从政策引导角度及供需两侧的源生驱动力来看，物联网企业由“企业级生态”向“产业级生态”的跨进是不可或缺的，企业之间未来将呈现“大杂居，小聚居，共联盟”的群体智能生态融合态势。2020年12月1日，符合中国物联网产业特点的生态联盟——开放智联联盟（OpenLinkAssociation，简称OLA联盟）应运而生，立下物联网产业生态构建的首个里程碑，业内出现多种生态抱团模式，其中智能家居产业的生态融合一马当先，未来将逐步向制造业及工业等场景渗透。
物联网行业趋势二：技术应用
隐私计算融合区块链，保障数据价值安全释放的帕累托最优
物联网设备连接量和产生的数据量级呈爆发式增长，数据价值挖掘、数据安全流通的市场需求日益急迫，隐私计算融合区块链技术能够在数据跨主体流通中提供安全保障，成为平衡数据安全和数据要素价值释放的重要方案。隐私计算基于密码学、机器学习等技术，以可用不可见的密文得出计算结果，在保护主体信息安全的前提下实现数据交换和开放共享。而区块链技术作为重要补充，以其分布式存储、不可伪造、可追溯的特点，保障了信息源头的真实可靠。2021年是隐私计算元年，艾瑞预计，在产业链协同发展、数据交易和开放共享需求的持续牵引下，物联网+隐私计算+区块链的技术融合将向各行业加速渗透。
物联网行业趋势三：结构演变
企业核心力量将下沉至底层，携手新基建夯实物联网基础
据艾瑞测算，2020年中国物联网设备连接量达74亿个，预计2025年将突破150亿个。海量物联网设备连接为平台层输送待育“种苗”，平台型企业鱼贯而出，为数据资源提供孵化沃土，物联网产业链条自下而上传输数据价值至应用层。然而我国底层基础技术较为薄弱，传感器、芯片等核心技术环节出现缺口，物联网基础设施整合效果欠佳，底层难以提供充足“养料”用于模型推理——产业链发展畸重畸轻，纺锤型产业结构阻塞价值自下而上传输，高成本、低复用、长周期产业痛点致使应用层落地场景和规模受限。
艾瑞认为，为削弱产业发展不均衡带来的影响，一方面未来新基建的核心将放在：（1）联接：固定网络及无线网络的联接；（2）算力：提升算力水平以消化智能时代的海量多元数据，将物理世界信息抽象为数据，打通“数据孤岛”。另一方面，企业将配合政府推动核心力量下沉至底层以夯实产业基础，落实新基建在数字化升维进程中的发动机功能，形成“物智能化-联智能化-网智能化”产业智能化闭环，在双重引擎驱动下，加速物联网赋能渗透，实现人与物的泛在连接，提供信息感知、信息传输、信息处理等服务的基础设施。
原标题：《2021年中国物联网行业研究报告》
阅读原文
2023年中国智能物联网（AIoT）研究报告
智能物联网（AIoT）是2018年兴起的概念，指系统通过各种信息传感器实时采集各类信息（一般是在监控、互动、连接情境下的），在终端设备、边缘域或云中心通过机器学习对数据进行智能化分析，包括定位、比对、预测、调度等。
预计2025年我国物联网连接数近200亿个，万物唤醒、海量连接将推动各行各业走上智能道路。2019年，受益于城市端AIoT业务的规模化落地及边缘计算的初步普及，中国AIoT市场规模突破3000亿大关直指4000亿量级，由于AIoT在落地过程中需要重构传统产业价值链，未来几年发展节奏较为稳定。
当前AIoT技术和商业快速落地，然而，认知智能层面的发展仍然较慢，行业标准与规范化不足，大规模物联网设备的安全问题也有待重视。
在物联网和人工智能时代，消费领域和产业领域都面临新机遇，这一机遇窗口期内，用户触达能力和内容服务生态聚合能力是最重要的资源，具备明星产品+自有操作系统产品的企业更易突围，成长为AIoT时代的所在场景服务的核心者。
中国AloT的概念与现状
智能物联网（AIoT）定义
人工智能与物联网的协同应用
智能物联网（AIoT）是2018年兴起的概念，指系统通过各种信息传感器实时采集各类信息（一般是在监控、互动、连接情境下的），在终端设备、边缘域或云中心通过机器学习对数据进行智能化分析，包括定位、比对、预测、调度等。在技术层面，人工智能使物联网获取感知与识别能力、物联网为人工智能提供训练算法的数据，在商业层面，二者共同作用于实体经济，促使产业升级、体验优化。从具体类型来看，主要有具备感知/交互能力的智能联网设备、通过机器学习手段进行设备资产管理、拥有联网设备和AI能力的系统性解决方案等三大类。从协同环节来看，主要解决感知智能化、分析智能化与控制/执行智能化的问题。
AIoT2025产业瞭望：家庭AI管家
智能家居交互方式无感化，跨终端无缝体验
AIoT2025产业瞭望：建筑人居
人居关怀使五千万人居住和工作体验提升
AIoT2025产业瞭望：工业制造
人机协同使7万工厂、630万制造从业者受益
AIoT2025产业瞭望：智慧城市
AIoT能够应用于城市中广泛遍在的各类终端设备
AIoT整体架构
主要包括智能设备与解决方案层、操作系统层、基础设施
AIoT的体系架构中主要包括智能设备及解决方案、操作系统OS层、基础设施等三大层级，并最终通过集成服务进行交付。智能化设备是AIoT的“五官”与“手脚”，可以完成视图、音频、压力、温度等数据收集，并执行抓取、分拣、搬运等行为，通常是物联网设备与解决方案搭配向客户提供，这一层涉及设备形态多样化，玩家众多。OS层相当于AIoT的“大脑”，主要能够对设备层进行连接与控制，提供智能分析与数据处理能力，将针对场景的核心应用固化为功能模块等，这一层对业务逻辑、统一建模、全链路技术能力、高并发支撑能力等要求较高，通常以PaaS形态存在。基础设施层是AIoT的“躯干”，提供服务器、存储、AI训练和部署能力等IT基础设施。
中国AloT商业分析
中国AIoT行业融资情况
五年融资金额近2千亿元，明星企业融资巨大，AIoT成风口
受益于多年来物联网技术的积累与近年来人工智能的快速发展，AIoT赛道备受资本关注。2015年-2019年11月，AIoT领域共发生1718起投融资事件，总融资额达1919亿元。从融资轮次上看，新兴企业占9成。从2015年至2018年的投资增速来看，投资事件数复合增速近14%，融资额增速高达73%，资本在追加热度，新创企业在抢滩布局，AIoT成为创投风口。从获投企业角度来看，技术的商业化应用至关重要，统计显示，成熟项目中单笔最大融资额Top5明星企业仅单笔融资就合计占五年市场总融资金额的10%。
中国物联网连接量于2025年接近200亿
海量连接产生的交互及数据分析需求促使IoT与AI的更深融合
物联网为物理世界通往虚拟世界建立了通道，不同的用户和终端通过各制式的物联网连接协议互联互通，然后将虚拟化的“现实世界”实时反馈至各个行业或场景，从而推动各领域效率和效益的提升。因此，先连接再爆发是物联网实现“万物互联”终极形态的重要路径。2015年始，伴随物联网技术的更迭，中国物联网连接量开始一路高歌猛进，2018年中国物联网连接量直逼30亿，年复合增长率高达67%。艾瑞推测，受益于智能家居场景的率先爆发，2019年物联网连接量将达45.7亿，而后由于5G的商用，低功耗广域物联网的超广覆盖，中国物联网连接量将增至2025年的199亿。目前，物联网正处于连接高速增长的阶段，未来数百亿的设备并发联网产生的交互需求、数据分析需求将促使IoT与AI的更深融合。
中国AIoT市场规模
2019年总产值接近4000亿元，22年预计超7500亿元
AIoT对实体经济的融合赋能，使AIoT整体业务享有十万亿级市场空间。2019年，受益于城市端AIoT业务的规模化落地及边缘计算的初步普及，中国AIoT市场规模突破3000亿大关直指4000亿量级。相比于物联网连接数量的快速增长，由于AIoT在落地过程中需要重构传统产业价值链，过程中既需要适应传统产业的特性、平衡传统利益链条，也要与生态合作伙伴共同搭建最适宜产业AI赋能的架构体系，因此未来几年将处于较为稳定的发展节奏。经过未来几年的产品优化、渠道打通、商业模式验证，将于远期迎来高速增长。
AIoT产业链及产业链核心环节
IoT是产业链的脉络闭环，AI扩展应用版图、为体验增色
中国AIoT产业图谱
中国AIoT商业模式
标准程度越低人力和时间成本投入越多，2B2C模式附加值高
AIoT商业模式分为两类：分别是直接2C与先2B再2C，直接2C的场景从硬件到软件的标准化程度高，经验与渠道丰富的大品牌商更有竞争优势；先2B再2C模式中，建筑人居与产业场景的项目差异化高，需要更强的定制开发能力，深耕垂直场景的团队更有竞争优势；城市场景除了施工需要因地制宜外，项目架构的可复制性高于建筑人居与产业场景。
中国AIoT玩家分布简介
四类玩家，优势与策略各异
AIoT是一个综合性市场，其容量足够大，且目前呈现多层级、碎片化状态，因此吸引了众多从原赛道切入AIoT的玩家，主要有四大类：云计算企业、AI公司、SI公司、IoT公司。这四类企业积极构建AIoT生态合作圈，相互之间存在合作和竞争关系，它们均可提供较为完整的技术和业务解决方案，但各自的优势有所差异，率先布局的版块也有差异。云计算企业与AI公司携新生产要素AI入场，对人工智能技术的前沿性研发相对较注重，并整合成模块化能力向合作伙伴和客户输出；而SI公司、IoT公司贴近用户，对技术整合到最终产品及用户需求理解上有着天然的优势。
建筑人居类场景的AIoT
通过单品+系统联动场景，向“管家模式”迈进
AIoT技术落地形成了一套成熟的方案：以云+端的形式构成各个细分场景的产品矩阵，即布设在场景中的感知设备将数据传至云平台各个智能系统单元，通过设备互相感知，系统相互配合，完成一系列场景联动。目前，人居场景的AIoT应用主要表现为AI“领班”模式，即场景中的设备联动需要用户的指令触发，例如家居场景中，需要通过智能音箱来调度设备之间的联动。未来，人居类场景将可以实现AI“管家”模式应用，设备可根据用户生活行为习惯与环境变化自主感知与联动。
增强安防措施、改善居住体验、运营降本增效是场景共性
AIoT的消费生活类场景围绕人作为服务对象，需要围绕以下四个维度：1）人的使用体验、行为模式；2）安全、防灾预警；3）节约能耗、人力、时间成本；4）提高工作效率。对应到不同的场景会有不同的侧重点，但内核还是予人舒适、安全、便捷的体验。如金山云依托AIoT平台，发挥在云计算、大数据、人工智能等方面的技术和资源优势，为武汉长江青年城赋能，将长江青年城打造成为新时代的智慧社区样板。金山云AIoT已与上百家企业达成合作，可为用户提供千余种智能硬件的统一采购、部署和安装服务。
建筑人居：AIoT实现人与环境自主适应
以智能端为入口，配合平台完成感知、分析与联动
AIoT的家庭与人居场景应用更多是实现系统自动学习人的习惯，适应人的喜好调整其工作居住环境。因此该场景下结构主要分为感知层、平台层与智能系统层。通过向室内和室外各环境配备智能终端产品，并配以智能系统，以人与产品、产品与平台、平台与人的交互方式实现从环境感知、用户行为分析、场景辅助决策到自主联动场景的状态。场景的最终联动并非以单个智能系统或割裂的智能终端完成，因此系统与解决方案发挥着重要作用，它们通过打包智能单品与系统面向B与C端布控，最终帮助用户改善环境，提高居住体验。
中国AIoT住宅与人居的发展现状
超半数智慧人居住宅落地智能家居前装项目
2019年开发商“智慧人居”楼盘中，过半数项目在一线城市、新一线城市及二线城市落地，业内竞争最为激烈、需求最强力的市场依然以一二线城市为主；此外，从智慧人居项目中的智能化功能落地情况看，安防场景下的出入口管理、小区安全管理覆盖率分列第一第二名，而智能家居的前装备受地产商青睐，发展迅猛位列第三。综合来看，反映在房屋售价上均高于同一区域的其他楼盘的价格，当然，售价优势的原因除了AIoT智能化项目加持以外，还受到精装修、星级物业服务等增值维度影响，因此，商品房市场迈入了精耕细作下半场，头部地产商通过全方位升级产品与服务提高新房交易量。
工业场景的AIoT
目前AIoT体现为单点式应用，多通过工业物联网平台实现
为促使要素资源的高效利用、生产过程的柔性配置，工业领域积极推动实现自动化与信息化深度融合。其中工业物联网是重要的突破口，强调从物联网接入点采集高速、复杂的机器数据，提升对设备的监控管理能力，并基于数据开展后续服务。目前AIoT在工业领域的使用体现为单点式应用，多通过工业物联网平台开发接口实现某几项与机器预测相关的应用开发及数据处理强化，另外还有智能工业机器人及通过工业视觉相关的软硬件实现的一些感知识别与定位应用。
工业物联网是AIoT在工业领域第一战场
工业物联网分为感知、决策、执行，OS与软件是大脑+神经
工业领域物端既是采集数据的传感器，还囊括执行指令的机器人等执行器。工业物联网操作系统与应用层工业软件和SaaS应用，被认为是工业制造的大脑和神经，既承担分析决策任务，还需控制物端自动化设备，其核心能力有两点，一是与多样性的连接协议、应用系统互通，实现协同，二是开放可扩展的服务架构，通过模块化应用增强灵活性和定制功能。AIoT通过工业物联网平台整体输出会带来更明显的智能体验，包括对工业物联网的传感器感知赋能、优化OS与软件层分析决策能力和为自动化设备的执行提供控制能力。
工业场景下一步如何使用AIoT
不止工业物联网：用人工智能提升柔性生产的顶层设计
工业智能化的理想状态是链接用户端和生产端，建立一个高度协同的数字化产能生态，使企业能够快速而经济地处理采购、库存、生产控制、质检、销售、供应链全链条，这一愿景需要借助工业自动化与信息化软硬件、工业物联网和边缘智能网关、AI与大数据分析能力以及互联网对接用、产两端资源的能力共同实现，企业主需要将上述技术纳入一个顶层设计模型中统一思考。目前工业领域的AIoT使用率较低，解决的问题也较为单一，偏单点的、轻量级场景，未来随着两化融合的深化，以及AI在工业场景中解决问题的能力更加完善、能够真正在无人返工的情境下有效使用，工业物联网平台将支持或集成全场景的AI能力，独立的AI工业软硬件产品也将普及开，届时AIoT能够对线下广泛存在的数据进行实时在线、智能化的分析，与线上数据相结合，服务于全数字化产能生态。
城市场景的AIoT
集中在监管、调度、公共服务领域
城市的运营和管理涉及到巨量的人员、设备、数据、行为的管理，城市物联网能够利用遍在的城市基础设施，采集和处理原本需要大量城市管理人员才能处理的城市运营信息，实现城市的自动化运转。目前AIoT与城市公共管理的结合主要集中在视觉识别、分析预测、优化调度等领域，可通过功能开发应用于城市安全防控、交通监管调度、公共基础设施管网优化、智能巡检、民生服务。
城市：人类智慧+机器智能的高度互动体
AIoT赋予智慧城市中台毛细血管级感知与响应能力
AIoT为智慧城市增添了智能终端感知和分析能力，将城市中数量众多、种类多样的公共设施和设备转化为信息采集、分析处理、优化控制的终端，为多部门协同的城市级中台系统提供应用落地和控制管理途径，提升城市精细化管理的效率。
城市AIoT的投入与发展
从智慧到智能，以人工智能提升城市运转效率
在城市领域，AIoT的应用主要集中在安防、交通大脑等领域，其他领域由于设施连接和大数据储备基础薄弱，各类AIoT应用尚处在探索阶段，在智慧城市总体市场中所占比例不高。艾瑞认为，在未来3-5年的时间中，随着新增智慧城市项目中AI能力部署的比例增加，城市基础设施联网门槛降低，智慧城市的总体发展将从初级智慧阶段迈向AIoT引领的智能阶段。
中国AloT发展趋势
行业发展趋势
AIoT撬动新玩法，改变传统业务逻辑
AIoT应用集中在通过视觉识别、语音交互、预测规划等核心技术实现效率的提升，这种以通用性核心技术为内核的特性使得产品设计逻辑将围绕采集和分析有价值的通用信息，则产品形态不再有强烈的行业鸿沟，行业竞争围绕着高价值通用信息带来的数据分析，相应的竞争业态将更加复杂。在此过程中，G端和C端场景问题可通过识别比对、便捷交互得到较大程度解决，AIoT在G端与C端率先受益，AIoT在企业级市场的应用尚不能触及核心痛点，还有待提升其核心业务环节效率，推动上步调相对较缓。
AI赋能物物相连，企业纵深发展看定位
AIoT在上半场特点与下半场的建议：1）需求端更青睐于优质的硬件铺设，软件难以成为独立收费项目或用户入口，但这是行业发展早期的必经阶段；2）新建类项目效果好、难度低、场景可塑性强，但也出现供给端过剩的现象，企业应着手筹备改造类项目方案化、标准化，以迎接升级转型的存量市场改造；3）硬件量级与前沿AI能力都将聚拢在少数巨头上，初创企业应从垂直应用和开发入手，以更深场景理解能力在垂直领域扎根成长。
关于“物联网”问卷调查
请您务必认真阅读本数据授权协议，在确认充分了解并同意后进行签署或勾选，如果您/您的监护人不同意本数据授权协议，请您立即停止使用，您同意本协议后，我们将根据本协议按照您的授权处理您的数据。
1、授权的数据：您通过问卷星平台收集的答卷统计数据，非原始详细答卷数据。
2、授权的目的：将您授权使用的数据共享给第三方，通过使用人工智能帮助您做数据分析，进而为您提供特定的服务。
3、第三方：包括但不限于文心一言、通义千问以及微软认知服务等大语言模型。
4、授权期限：您同意本协议后，授权即生效，授权过程中您可随时登录问卷星平台对您已授权数据进行删除，如您删除相关数据，您将无法使用通过人工智能进行数据分析的相关功能，但不影响您使用问卷星平台的基本功能。
5、数据保密：
5.1除法律法规及协议另有约定外，问卷星承诺不会主动将您的数据提供给任何与本协议约定用途无关的其他第三方。
5.2您授权的数据将仅为完成本协议所说明的目的而使用，不将数据用于其他未授权的情形，也不以任何其他方式滥用数据。
6、风险提示：
6.1您在同意本协议授权前，您已经了解并知悉您的数据的重要性，请您认真仔细判断您的数据是否属于可共享至第三方之数据，如您的数据较为重要或敏感，请您谨慎选择。
6.2您授权的数据需真实、合法、有效，不存在侵犯任何第三方的商业秘密、知识产权、隐私权等合法权利的行为。
6.3问卷星及本协议约定授权的第三方均有相应的安全措施来确保相应数据安全（详细内容请访问《问卷星隐私政策》《通义千问隐私政策》等），但您注意在互联网上不存在“完善的安全措施”，不排除存在因不可归咎于问卷星的原因（包括但不限于网络瘫痪、黑客攻击、第三方原因）导致数据泄露的可能性。
6.4使用本协议授权的数据通过人工智能进行数据分析的结果并非总是正确或真实的，问卷星不对上述人工智能数据分析结果承担任何责任。
7、本协议的订立、执行和解释及争议的解决均适用在中华人民共和国大陆地区适用之有效法律。如缔约方就本协议内容或执行发生任何争议，双方应尽力友好协商解决；协商不成时，任何一方均可向问卷星所在地人民法院提起诉讼。
8、如您对于本协议有任何不理解之内容，您可立即联系问卷星客服，以获取让您满意的解释，在您存在疑惑或不确定之前，请您不要勾选“同意”，您勾选“同意”即视为您完全接受本协议，在勾选之前请您再次确认已知悉并完全理解本协议的全部内容。
关于物联网的调查问卷
请您务必认真阅读本数据授权协议，在确认充分了解并同意后进行签署或勾选，如果您/您的监护人不同意本数据授权协议，请您立即停止使用，您同意本协议后，我们将根据本协议按照您的授权处理您的数据。
1、授权的数据：您通过问卷星平台收集的答卷统计数据，非原始详细答卷数据。
2、授权的目的：将您授权使用的数据共享给第三方，通过使用人工智能帮助您做数据分析，进而为您提供特定的服务。
3、第三方：包括但不限于文心一言、通义千问以及微软认知服务等大语言模型。
4、授权期限：您同意本协议后，授权即生效，授权过程中您可随时登录问卷星平台对您已授权数据进行删除，如您删除相关数据，您将无法使用通过人工智能进行数据分析的相关功能，但不影响您使用问卷星平台的基本功能。
5、数据保密：
5.1除法律法规及协议另有约定外，问卷星承诺不会主动将您的数据提供给任何与本协议约定用途无关的其他第三方。
5.2您授权的数据将仅为完成本协议所说明的目的而使用，不将数据用于其他未授权的情形，也不以任何其他方式滥用数据。
6、风险提示：
6.1您在同意本协议授权前，您已经了解并知悉您的数据的重要性，请您认真仔细判断您的数据是否属于可共享至第三方之数据，如您的数据较为重要或敏感，请您谨慎选择。
6.2您授权的数据需真实、合法、有效，不存在侵犯任何第三方的商业秘密、知识产权、隐私权等合法权利的行为。
6.3问卷星及本协议约定授权的第三方均有相应的安全措施来确保相应数据安全（详细内容请访问《问卷星隐私政策》《通义千问隐私政策》等），但您注意在互联网上不存在“完善的安全措施”，不排除存在因不可归咎于问卷星的原因（包括但不限于网络瘫痪、黑客攻击、第三方原因）导致数据泄露的可能性。
6.4使用本协议授权的数据通过人工智能进行数据分析的结果并非总是正确或真实的，问卷星不对上述人工智能数据分析结果承担任何责任。
7、本协议的订立、执行和解释及争议的解决均适用在中华人民共和国大陆地区适用之有效法律。如缔约方就本协议内容或执行发生任何争议，双方应尽力友好协商解决；协商不成时，任何一方均可向问卷星所在地人民法院提起诉讼。
8、如您对于本协议有任何不理解之内容，您可立即联系问卷星客服，以获取让您满意的解释，在您存在疑惑或不确定之前，请您不要勾选“同意”，您勾选“同意”即视为您完全接受本协议，在勾选之前请您再次确认已知悉并完全理解本协议的全部内容。