人工智能正推动物联网向“环境智能”演进

斑马技术大中华区技术总监 程宁

从国务院2025年印发《关于深入实施“人工智能+”行动的意见》，到今年工信部等九部门联合发布《推动物联网产业创新发展行动方案（2026—2028年）》，“AI+IoT”的深度融合已上升为国家层面的战略部署。随着AI大模型加速下沉至端侧，这一融合正从概念探讨走向实质落地。人工智能（AI）赋予物联网智能分析的能力，物联网则为AI打开真实物理世界的应用场景。在这一趋势下，各行各业正见证传统物联网的变革与演进，一线数据和数据采集解决方案正借助AI带来新的价值和洞察。虽然有些人可能会称之为AI IoT，但“环境智能”这一描述则更为贴切。如果说AI IoT代表的是“如何实现”，那么环境智能代表的则是“实现什么”——即一线员工能够在工作中加以利用的价值成果。

何谓“环境智能”？简单来说，环境智能是将物理环境、工作流程、资产和库存数字化，并将这些数据转化为面向一线员工和日常运营的洞察、趋势、预测、警报和建议。环境智能将物理层、数据层、AI分析层和执行层按照适当的自动化程度整合在一起。它能够实时运行，如同一个鲜活的系统，映射当下正在发生的一切。多传感器层和AI能够使物理空间和一线员工具备环境感知能力，从而构建自适应的实时运营图景。这种整体方法能够实现一线互联、理解整体环境、推动资产可视化，并支持众多工业环境中的智能自动化。

连接纽带：分布式边缘智能

环境智能的关键推动因素之一，便是作为连接纽带的传感技术、软件、边缘实时处理和AI。物理环境为AI模型提供多样化的输入数据。这依赖于集成各种传感技术，以构建对环境和工作流程的动态理解，并通过现代软件平台进行综合分析。这包括射频识别（RFID）技术，其中实时定位解决方案（RTLS）利用固定式和灵活式系统提供精确的定位信息。它还可以整合计算机视觉、AI语音指令、设备使用情况、地理位置信息、二维和三维机器视觉以及条形码等技术，为身份识别提供基础数据。

虽然传感器数量的增加会带来图像、声音、音频、性能和位置数据的指数级增长，但多模态AI模型通过整合这些输入来理解环境，并提供多模态智能和工作流程自动化。在边缘处理这些信息可以缩小物理环境、数据和执行之间的差距，从而实现高速工业环境以及连接可能不稳定的户外场景所需的零延迟工作流程。

借助配备神经处理单元（NPU）的现代移动计算机和机器视觉硬件，数据可在本地进行处理，从而实现快速推理，降低云计算成本，并提供可靠的安全性和隐私保护。配备这些设备的一线员工能够在需要时直接通过屏幕或耳机获得可付诸行动的洞察。

展望未来：增强型集体智能（ACI）

在IoT随着AI向环境智能演进的同时，AI本身也在不断发展。如今，计算机视觉、深度学习和机器视觉又迎来了AI智能体（AI agents）——即数字员工——的加入，它们将在环境智能场景中运行。

这种人类员工与智能体的结合可以被描述为“增强型集体智能（ACI）”，其中环境智能是支撑智能体运行的基础，这也将进一步赋能一线员工，实现自主运营，从而提升生产力和利润率。

我们可以将ACI理解为一个分布式设备网络，或一群互联的专用AI智能体，即数字员工，而不是一个全知全能的单一模型。其次，ACI融合了不同类型的AI，例如生成式AI和经典算法，以应对复杂任务。它需要人机协同，即员工为网络贡献独特的智慧和领域专业知识，而AI则通过决策支持进一步放大这些优势。

从技术层面来看，环境智能就是通过适配的互联能力、多模态传感器和AI的结合，将原始的多传感器数据转化为实时运营图景；从行业层面来看，环境智能支持这样一种愿景：实现各行各业自主、实时的一线运营，并推动其数字化、自动化和智能化；从人文层面来看，这关乎构建一种环境，让一线员工拥有所需的远见和清晰的判断，从而帮助他们每天都更好地开展工作。

关于这一趋势的更多洞察，欢迎进一步了解斑马技术与牛津经济研究院（Oxford Economics）联合发布的《智能运营的影响》。