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。

一路“狂飙”的AIGC究竟是什么？

AIGC 作为元宇宙的新方向, 近几年迭代速度呈现指数级爆发, 目前一级市场非常火热。

AIGC 概念:AIGC 指利用人工智能技术来生成内容, 其中包括文字、语音、代码、图像、视频、机器人动作等等, 被认为是继 PGC、UGC 之后的新型内容创作方式。

AIGC 价值:AIGC 的内容生成, 是利用人工智能学习知识图谱自动生成, 不仅能帮助提高内容生成的效率, 还能提高内容的多样性。随着 NLP(Natural Language Processing, 自然语言处理) 技术和扩散模型 (Diffusion Model) 的发展,AI 不再仅作为内容创造的辅助工具, 创造生成内容成为了可能。

AIGC 还被认为是 Web3 时代的生产力工具。迈入 Web3 时代, 人工智能、关联数据和语义网络构建, 形成人与网络的全新链接, 内容消费需求飞速增长。AIGC 能高效率生成高质量内容, 将是元宇宙内容生成全新解决方案。

AIGC 技术:AIGC 技术主要涉及两个方面, 自然语言处理 NLP 和 AIGC 生成算法。自然语言处理是实现人与计算机之间如何通过自然语言进行交互的手段。AIGC 生成算法主流的有生成对抗网络 GAN 和扩散模型。扩散模型已经拥有了成为下一代图像生成模型的代表的潜力, 具有精度更高、可扩展性和并行性特色, 无论是质量还是效率均有所提升, 其快速发展成为 AIGC 增长的拐点性因素。

AIGC能够成为物联网应用的重要助手

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。

AIGC赋能物联网应用场景下沉到各行业

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。

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。不过，虽然应用还不明朗，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。

文章来源： ​物联网智库，科技速递