1.3.3 智能物联网“智”的特征

从当前我们对智能物联网与智能技术融合研究的角度，可以认识到智能物联网“智”的特征主要表现在以下几个方面。

1.感知智能

传感器、控制器与移动终端正在向智能化、微型化方向发展。智能传感器是传感器与智能技术相结合，应用机器学习方法，形成具有自动感知、计算、检测、校正、诊断功能的新一代传感器。与传统传感器相比，智能传感器具有以下几个特点。

（1）自学习、自诊断与自补偿能力

智能传感器采用智能技术与软件，通过自学习，能够根据所处的实际感知环境调整传感器的工作模式，提高测量精度与可信度；能够对采集数据进行预处理，剔出错误或重复数据，进行数据的归并与融合；能够采用自补偿算法，调整传感器对温度漂移的非线性补偿方法；能够根据自诊断算法，发现外部环境与内部电路引起的不稳定因素，采用自修复方法改进传感器工作的可靠性。

（2）复合感知能力

通过集成多种传感器，使智能传感器具有对物体与外部环境的物理量、化学量或生物量的复合感知能力，可以综合感知压力、温度、湿度、声强等参数，帮助人类全面感知和研究环境的变化规律。

（3）灵活的通信组网能力

智能传感器具有灵活的通信能力，能够提供适合于有线与无线通信网的标准接口，具有自主接入无线自组网的能力。

2.交互智能

智能人机交互关注用户与智能物联网之间交互的智能化问题。人机交互的研究不可能仅靠计算机与软件来解决，它涉及人工智能、心理学、行为学等复杂问题，属于交叉学科研究的范畴。智能物联网的智能硬件设计应摒弃传统的人机交互方式，研发新的智能人机交互技术与设备。

智能硬件研发建立在机器学习技术之上。智能硬件的人机交互方式采用文字交互、语音交互、视觉交互、虚拟交互、人脸识别，以及虚拟现实/增强现实等新技术。对于可穿戴计算设备、智能机器人、自动驾驶汽车、无人机等智能设备，它们在设计、研发、运行中，都体现出了机器学习的应用效果（如图1-17所示）。

3.通信智能

智能物联网接入中采用了多种无线通信技术。“频率匮乏”与“频段拥挤”是无线接入必须面对的难题。认知无线电具有环境频谱感知与自主学习能力，能够动态、自适应地改变无线发射参数，实现动态频谱分配和频谱共享，是智能技术与无线通信技术融合的产物。

5G边缘计算部署开始进入工程应用阶段。但是，物联网边缘分析（IoT Edge Analytics）、边缘计算智能中间件（MLaaS）与边缘人工智能（Edge AI）仍处于初始研究阶段。

在5G之后，6G将广泛应用于更高性能的智能物联网应用。6G设计的关键挑战是在设计之初就考虑将无线通信与AI技术融合，让AI无处不在。6G网络不是在设计好之后考虑如何应用AI技术，而是使6G网络架构具备原生AI支持能力。

4.处理智能

AI是知识和智力的总和，在数字世界中可表现为“数据+算法+计算能力”。其中，海量数据来自各行各业、各种维度，算法需要通过科学研究来积累，而数据的处理和算法的实现都需要大量计算能力。

计算能力是AI的基础。“人-机-物-智”之间成功协作的关键是计算能力。大数据分析的理论核心是数据挖掘算法，各种算法基于不同的数据类型和格式，才能更加科学地呈现出数据自身特点，从中挖掘出有价值的知识。预测分析是利用各种统计、建模、数据挖掘工具对近期数据与历史数据进行研究，从而对未来进行预测。

基于智能工业、智能医疗、智能家居、智慧城市等应用系统大量使用语音识别、图像识别、自然语言理解、计算机视觉等技术，智能物联网数据聚类、分析、挖掘与智能决策成为机器学习/深度学习应用最为成熟的领域之一。

5.控制智能

传统的智能控制已不适应大规模智能物联网应用的需求。数字孪生引入虚拟空间，建立虚拟空间与物理空间关联与信息交互，通过数字仿真、基于状态的监控与机器学习，将“数据”转变成“知识”，准确地预见未来，实现“虚实融合、以虚控实”的目标。

智能控制技术已经取得了重大的进展，在计算机仿真技术基础上发展起来的数字孪生技术在智能工业、智慧城市的应用研究，为智能物联网复杂大系统的智能控制实现技术研究提供了新的思路。

6.原生支持智能

传统的设计方法是在IoT系统设计完成之后，再考虑如何应用智能技术。未来的智能物联网系统设计必然要改变传统的设计思路，在系统设计之初就考虑如何将智能物联网技术与智能技术有机地融合起来，使智能无处不在。原生支持智能是智能物联网的发展愿景，也是智能物联网的重要研究课题之一。

综上所述，智能物联网“智”的特征如图1-18所示。