海量数据投喂、社交IoT设备，AIGC在物联网的想象空间有多大？

物联网数据作为现代社会产生的数据主力，加上未来物联网智能“社交”方面的场景，将为AIGC以及大模型提供用武之地。虽然目前还没有物联网与AIGC结合的应用出现，但未来不可避免。

2022年11月，美国人工智能公司Open AI推出ChatGPT的对话模型，迅速风靡全球，并快速迭代，在不到4个月后推出了能力更强大的GPT-4，近日又推出了联网和第三方应用插件功能，不断刷新生成式人工智能(AIGC)带来的变革，对于AIGC的行业应用也成为人们探讨的热点话题。

近年来，人工智能与物联网深度融合，使AIoT成为共识，大量人工智能企业都将物联网作为其应用的重点，AIGC如何应用于物联网自然成为业界探索的方向。虽然目前还没有双方结合的应用出现，但未来不可避免。物联网数据作为现代社会产生的数据主力，加上未来物联网智能“社交”方面的场景，都将为AIGC以及大模型提供用武之地。

物联网数据的“投喂”，AIGC拥有了新鲜的养料

众所周知，AIGC是算力、算法、数据三位一体的成果，其中包括大量的数据学习和训练。以ChatGPT为例，该模型是由庞大数据集训练而成，OpenAI曾透露，ChatGPT的训练使用了45TB的数据、近1万亿个单词的文本内容，大概是1351万本牛津词典所包含的单词数量。随着AIGC应用端不断丰富，更智能的工具需要更多的数据进行训练，更多的数据来源就比较重要。

此前，多位计算机科学家曾预测，到2026年ChatGPT等大型语言模型的训练就将耗尽互联网上的可用文本数据，届时将没有新的训练数据可供使用。业界提出了采用“合成数据”进行训练，即运用计算机模拟生成的人造数据，模拟现实世界的观察与观测，是一种应对训练、测试、验证AI模型和算法的手段。

通过物联网涵盖的海量传感器、机器设备的数据，或许也能在一定程度上解决AIGC模型训练所需的数据来源。

首先，物联网数据规模足够大，有超越互联网数据之势。根据知名咨询机构IDC的研究，2020年全球创造了大约64ZB的数据，而到2025年，全球数据总量将达到163ZB，这五年内产生的数据将是自1947年引入数字储存量概念以来创建数据总量的两倍多。同时，IDC预测，到2025年，物联网设备生成的数据量预计将达到73.1ZB，已达到全球数据总量44%。其中智能摄像头、智能汽车等强算力、大带宽终端产生的数据尤为惊人，例如，一辆智能网联汽车每天就可能收集10TB的数据。

物联网数据规模还体现在不断增长的物联网设备上。当前互联网用户数量已增长乏力，很多互联网发达的国家和地区，用户数已达到天花板，数据的增长主要通过对互联网存量用户的经营。物联网用户没有天花板，还在持续增长，到2025年，全球每分钟将有超过15万台物联网设备连接入网。海量的物联网连接，未来产生的数据量可能超过互联网，可以给人工智能模型持续输入“养料”去训练。

其次，物联网数据的鲜明特点，为人工智能带来新鲜养料。相对于互联网，由于物联网数据是物理实体产生的数据，具有鲜明的客观性，且大部分场景主要目的是用于生产经营，因此实用性也更高。物联网所产生的数据既有标签、传感器感知的设备静态数据，也有设备运行中产生的时间序列动态数据。在数据类型方面，物联网技术能够实现对物理世界的状态数据、定位数据、行为数据等采集，获得各行业能源、资产属性、诊断类数据和信号类数据，这些数据对于各行业核心的生产经营和智能化升级意义重大。

在这些特殊数据的“投喂”下，AIGC模型或许能够更深入地学习各行业具体场景知识，输出更精准的信息，为行业经营者和物联网用户参考，并进一步驱动应用创新，加速产业数字化升级的步伐，例如大幅提高预测性维护、供应链协同的效率，简化人们与智能家居、智能硬件交互的方式。可以说，AIGC能够成为物联网应用的重要助手。

近日，Open AI发布了ChatGPT的插件功能，允许ChatGPT和其他第三方应用程序的联通，首批应用插件的包括旅行软件、购物软件、支付平台、在线订餐平台、电商平台、工作软件等方面十余家合作方。在笔者看来，未来不排除ChatGPT的插件功能与车联网平台、智能家居平台甚至工业互联网平台应用的联通。在此模式推动下，物联网应用将与AIGC形成融合，物联网数据投喂和AIGC对物联网应用协助的潜力进一步释放。

“社交”物联网设备进化，以边缘计算提供定制化AIGC服务

上文所述的AIGC作为物联网应用的助手，还是聚焦于用户和经营者对物联网场景的管理，是人与物之间的互动。正如当前大部分物联网设备允许用户通过API的形式访问数据，并形成相应的服务，这种形式下物联网设备并不具备自主性。

随着物联网智能化的提升，“社交”物联网设备不断发展，尤其是物联网设备具备更多“社会性”，各类物能够在一定程度上自我进化，甚至与其他物联网设备之间自主进行“社交”。市场研究机构IoT Analytics近期发布的一份AIGC研究报告中，提出了AIGC可以从多个方面提升自主“社交”能力，即：

• 允许设备回答用户可能会提出的复杂问题;

• 允许终端用户与设备对话以改变设置;

• 允许设备本身使用AIGC来生成答案。

这一设想已经逐渐变为现实，尤其是一些机构探索机器人使用AIGC大模型，在机器人得不到清晰的指令时，能够与用户进行互动并完成与其他设备的协同。

例如，亚马逊开发了一个名为DialFRED的模型框架，允许机器在不确定的情况下向用户提问。亚马逊认为此前的很多只能设备通常只允许单向通信，人类用户向智能设备发出自然语言命令，智能设备只能被动地遵循命令。

图源：亚马逊

亚马逊推出的DialFRED的模型框架是支持对话的嵌入式指令集，允许智能设备主动向用户提问，智能设备可使用用户响应中的附加信息来更好地完成任务。为了训练DialFRED，亚马逊提出了一个提问者-执行者的交互式框架，其中提问者用人类标注的数据进行预训练，并用强化学习进行微调。

亚马逊的DialFRED可以说是AIGC推动“社交”物联网设备的一个实例，相信随着全球AIGC生态的发展，针对提升“社交”物联网能力的模型和技术会不断出现，推动更加智能的物联网应用落地。

由于AIGC赋能物联网应用场景需要模型能够更进一步下沉到各行业，因此已有不少针对AIGC进一步下沉的研究。笔者注意到，今年年初由新加坡南洋理工大学、电子科技大学、广东工业大学等高校研究人员联合发表的一篇《Enabling AI-Generated Content (AIGC) Services in Wireless Edge Networks》中提出了“AIGC-as-a-service”(AaaS)的概念，认为AIGC 服务提供商可以在边缘服务器上部署人工智能模型，通过无线网络向用户提供即时服务，以及更便利和可定制的体验，用户可以低延时和低资源消耗轻松地访问和享受 AIGC服务。

在这种模式下，AIGC 服务提供商需要首先在大数据集上训练AIGC模型，然后将其扩散模型托管在边缘服务器上，服务商需要持续的维护和更新，以确保AIGC模型在生成高质量内容方面保持准确和有效。用户可以提交内容生成请求，并从供应商租用的边缘服务器接收生成的内容。

这一模式允许AIGC模型根据用户的需求进行定制的内容，提供个性化的体验，而且通过在更接近用户的地方部署AIGC服务，QoS将得到显著提高。然而，这一模式对无线网络带宽、训练数据集、算力消耗等都是巨大的挑战，例如未来移动通信网络需要5.5G或6G的支持。

若这一模式的瓶颈能够突破，AaaS将和当前很多服务一样可以随用随取，对于广泛分散、碎片化但海量连接的物联网智能化化升级带来较好支持，在很大程度上提升“社交”物联网设备的部署。

当然，AIGC在物联网方面的广泛应用还非常远。我们看到，当前大多数AIGC模型主要关注文本和图像，只有非常少量的模型关注将传感器数据作为输入。另外，大量产业物联网场景中，对于AI能够给出的解决方案的确定性要求非常高，当前AIGC模型生成的文字或图片很多情况下是一种“最有可能”的答案，并不一定能够应用于生成经营场景。

例如，在工业互联网场景中，生产、质检等需要近乎100%的确定性答案或辅助;又如，联网汽车在重要场合下需要反馈完全确定性指令来采取行动。因此，对于关键任务型物联网应用，AIGC或许还需要很长的路要走。

不过，虽然AIGC在物联网的应用还不明朗，但AI与物联网深度融合的趋势已经非常明朗，除了AIGC外，未来AI仍然会有各类新的创新，和物联网结合来服务千行百业，这才是技术创新的使命。正如华为创始人任正非在近期一次专家座谈会上所述，人工智能软件平台公司对人类社会的直接贡献可能不到2%，98%都是对工业社会、农业社会的促进。