截止今年6月，阿里云相继上线了ET城市大脑、ET工业大脑、ET医疗大脑，以及ET环境大脑。ET城市大脑解决了杭州的交通拥堵问题，交警到达现场的时间从15分钟降到3分钟；ET医疗大脑帮助浙江大学附属医院，预防及早期发现甲状腺结节与肺癌，医疗准确性大幅提升；ET工业大脑让光伏生产商协鑫的良品率提升了1%，一年节省成本上亿。
 
　　将来阿里云会面向更多行业推出相应的ET大脑，各个ET大脑的问世，表面上看是阿里云业务发展的细分行为，本质上则是各类企业升级转型的强需求，倒逼阿里I2oT不得不加速落地的步伐。
 
　　同样，阿里巴巴的I2oT基础设施层也需要着重强调。结合现有业务来看，阿里不太可能重新造轮子，自己去做芯片和硬件。
 
　　2016年底，阿里巴巴投资了软件定义网络SDN芯片公司Barefoot Networks，其开发了世界上第一个SDN芯片，名为Tofino，比现在市场上任何其他芯片都快，能以6.5Tb/s的速度处理网络数据包。
 
　　至于人工智能专用芯片，东邪的打法是结合阿里云已有优势，给开发者和企业提供底层的芯片架构和计算能力。2017年1月，阿里云发布异构计算解决方案：弹性GPU实例和FPGA解决方案。GPU解决方案擅长AI领域的模型训练，实现高速计算能力，FPGA解决方案适合AI领域的在线的预测/分类，实现高吞吐和低延迟。
 
　　在边缘计算领域，阿里选择与合作伙伴联手布局。2014年7月上海庆科联袂阿里云推出全球首款物联网操作系统MiCO，同时发布了一系列基于MiCO系统的物联网开发套件MiCOKit，进一步降低物联网开发门槛。
 
　　对于数据宝藏，阿里自然也是极为看重。前段时间更是为了争夺数据，不惜与顺丰“撕破脸”，上演了一出“数据封杀门”。另一方面，在亚马逊收购全食超市之前，阿里也已开始了对实体店的收购，东邪对人们线上线下购物习惯进行数据收集，优化店铺设计和库存管理。
 
　　对标Amazon Go的“无人零售计划”已经进入了现场搭建阶段。这一计划在阿里实验室中筹划N久，首先搭建的是无人咖啡馆“淘咖啡”，7月初将在淘宝造物节上面世。“淘咖啡”将是一个占地200平米的线下实体店，集商品购物、餐饮于一身，可容纳用户50人以上。

 
　　可以说，IoT圈的东邪西毒有着很多相似之处，同是电商起家，同是云计算的领头羊。亚马逊自2006年推出AWS后，实现了从零到占集团营业利润3/4的大发展，顺利甩掉了“电商”公司的帽子。阿里尚在挣扎摆脱外界对其“电商”的定义。如此大角度的转型与革新，东邪与西毒的底气都是来自对未来I2oT的赌注。

I2oT，要AI和IoT在一起才最好
　　最后，不得不来解读一下东邪西毒共同看中的武功秘籍“I2oT”。AI与IoT可谓相濡以沫、相辅相成：如果没有AI，IoT不会很智慧，如果没有IoT，AI不会很强大。
 
AI之于IoT，感知者和引导者
 
　　估计你也被AI的各类文章淹没了吧，的确，AI绝对是技术行业的热门话题。根据CB Insights的数据，2016年有超过550家AI初创公司共募集资金超过50亿美元。各个国家各个公司对于人工智能的投资和布局如火如荼。在人工智能获得非凡进步的同时，物联网IoT获得了更大的发展。当物联网中融入了AI，不仅可以让设备听懂声音、看懂图像，还能另其自主学习。

　　麦克风和摄像头，正在成为IoT的终极传感器。由于视频和音频采集的相关元器件成本正在下降，传感器现在可以用更低成本的嵌入式设备，采集多样化的数据。5G网络的推进以及云端存储成本的降低，都在激发视频和音频数据的激增。
 
　　物联网视频和音频信号源的重要性也在逐步提升。比如在Amazon Go的超市中，数据分析师可以通过拍摄到的购物者在浏览商品时的视频，利用算法分析人流量。
 
　　AI还有助于减少IoT中应用的传感器数量。未来物联网中数以兆计的各式传感器，有机会透过使用少量的通用传感器来实现。在物联网的发展过程中，原本人们预期在生活周遭将充斥着大量传感器，如今随着AI及机器学习等技术的进步，情况可能将有所改变。有证据显示，基于通用超级传感器，利用AI建构出虚拟传感器，以取代部分实体传感器，不但感测能力更强大，还能降低实体传感器的数量。
 
　　卡内基梅隆大学近期揭露了一项合成传感器技术，研究团队打造出一个感测装置，上面搭载了智能家电中常见的传感器，可侦测声音、光线、温度、电磁活动等，不过基于隐私考虑，暂时未将相机镜头纳入。这个装置只要插入墙上的电源插座或USB插槽便可使用，并能透过Wi-Fi进行连结，部署起来可说相当容易。一旦感测装置侦测到附近的活动时，便会激发独特的识别模式，通过机器学习算法进行处理，以便在软件中创建合成传感器。
 
　　除此以外，AI能“引导”设备让其自主学习，还可以促进设备间的相互学习。如果设备能够分享他们学习到的东西，这对于持续迭代或是进化的系统很有帮助。这也就意味着这些设备知道如何更好地适应新的环境。
 
IoT之于AI，饲养者和倒逼者
 
　　AI获得成功的必要因素之一就是数据。正如吴恩达所说，对于AI而言，数据比算法重要。而物联网正是AI的数据“饲养员”。根据思科的统计，到2020年，物联网的数据量将增长到600泽字节（1泽字节大约等于1万亿GB），这也代表着IoT拥有可供开发者使用，训练AI系统的巨大潜在数据。
 
　　有些公司开始愿意付费购买数据，因此也就催生了“数据货币化”或者叫“数据集市”的新商业。根据IDC的预测，到2019年IT项目的40%将实现数据货币化。有些公司已经正在考虑出售数据，2017年3月，富士通开始讨论出售物联网数据，大陆汽车和德尔福公司，也有同样想法。
 
　　与此同时，IoT正在“倒逼”AI走向边缘，不必通过云端的运算能力来实现，而是就近在边缘计算完成。越来越多的物联网设备需要在本地使用AI处理数据，例如与自动驾驶或者安全监控相关的应用都有严格的实时性要求，需要在数据输入后迅速做出反应。
 
　　有些公司已经发布了新型的AI平台，坚持不在云端实现机器学习，加速在边缘设备上的人工智能任务。这类平台为设备性能进行了优化，在不降低AI性能的情况下，减少内存占用和功耗。严格在设备上运行能够确保用户数据的隐私，并且能保证各种应用在没有网络连接时也能够工作和响应。
 
　　“问世间是否此山最高，或者另有高处比天高！”通过这次强行碰瓷《射雕》，今后当你在观赏《东邪西毒I2oT星球大战》影片时，拆解他们你来我往的过招也许会是一种全新的享受。至于IoT圈的南帝北丐中神通嘛，且听猴年马月的下回分解。