五大核心构成的AIoT，正在遭遇三大挑战，两条突破口外还有什么？

首先，AI的投资多，见效慢。AI的前期投入相当庞大，无论是算力研发中硬件成本，还是人才的薪酬等投资都是巨大的。以AlphaGo为例，其算力相当于12000块常见的消费级1080TI TPU，所花费逾千万。而目前，人工智能相关岗位的薪酬也是非常之高的，甚至有消息称，年薪 25 万的 AI 工程师仅仅是白菜价。

昂贵的前期成本投入，并不能确保后期带来更高的收益，因此，对于企业来讲，AIoT是一项高额高风险的投资。

其次，模型的构建难，准确性也无法保证。传统工业领域的IT从业人员缺少模型的构建与管理经验，无法保证实现模型预测的准确性，也无法对模型进行全生命周期管理及升级，以更低成本和更高效率进行模型和算法的迭代。

正因此，企业很难从AIoT中获得利润率的提高，从而进一步抑制了企业对该技术的“兴趣”。

最后，因为企业在降低成本及提高利润率等方面存在问题，因此依靠AIoT增加收入也就变得更加困难。

2. 解决方法

但老话说的好：只要思想不滑坡，方法总比问题多。尽管现存的许多问题阻碍了AIoT的商业化进程，但与之相对应的解决方法总是有的。

首先。企业间以合作的形式，可以有效降低成本，获得更大利润。试想一下，原本一家企业做AIoT需要从AI及IoT全方位下手，但通过合作的方式，企业只需要专注于一小部分，例如数据、连接等等，通过互补合作的方式，可以有效降低成本、提高效率。

另外，企业需要创建新的“服务”模型。在AIoT所引领的智能化时代初期，用户的需求是逐步塑造与形成的，相对应的，新的商业模型存在很大发展空间，如何满足用户所需值得深入挖掘。

结语

AIoT是一个庞大的产业链，围绕它可以产生无限可能，价值是巨大的。但事物的发展不会一帆风顺，处于发展起步阶段的AIoT，在实际落地之中又有重重困境。尽管对企业来讲，解决问题的方法不止一个，但AIoT最终能否淬火之后达到繁荣生态，仍含有太多不确定性。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!