“万物互联”这个设想在未来几年的实现成为了可能。
没有智能化的物联网设备在应用上是“乏味”的，无法满足人们日益变懒的需求。基于越来越懒这个催化科技进步的原动力，AIoT的概念这两年终于兴起。然而，我们发现真正具有智能的物联网节点以及相应的应用屈指可数，甚至已有的AIoT产品应用体验上也是相当单调。究其原因在于整个AIoT生态对开发者的不友好，受限于IoT设备的有限算力，大量的训练和推理计算只能放到远程的云计算中心来进行。这种分布式的计算架构导致很多开发团队花费了大量时间研究分布式AI训练架构与计算加速。搞AI这种x M 3 o ! s A B烧人烧钱) ; ] Q B b T F K的事情让精于业9 } _ 2 H D {务疏于技术的物联网创业公司苦不堪言，整个行业都迫切需要一个“救世主”的出现。
毫无疑问，救世主需要同时具有“云计算”和“AI加速”这两项专精技能。作为“新基建”的核心发展方向，任何一项达到专精就足以笑傲江湖，这样看来，左手阿里云、右手平头哥的阿里巴巴，未8 E ; #来是最有希望主宰这个赛道的国内玩家。
依靠日益成熟的云计算平台，阿里提出了AIACC架构（飞天架构），其乃业界首次统一加速Tensorflow、PyTorch、MxNet、Caffe、Kaldi等AI主流计算框架的加速引擎。其训练加速引擎针对分布式的网络做了极致的性能优化，能够充分发挥分布式网络8 ] 4 ] b 4的通信能力；推理t E + E T 0 f f M加速引擎针对k B , / / i 2异构加速F = i ~ f设备（包括GPU和NPU）做了有针对性的深度性能优化。与此同3 g g时，优化的A. g # X ) f N v IACC架构配上了平l C i C X头哥数年磨一剑的含光800芯片，并且针对含光800NPU进行了架构适配，发挥成倍的效力。= p f G凭借软件框架和硬件芯片的双重加持，阿里在人工智能领域最权威的竞赛之一——斯坦福大学DAWNBench竞赛的图像识别（Image Classifi5 = kcatiV L ? V # won on ImageNetx g 0）榜单中，包揽了* ( a x U q 9 o p训练时间、训练成本、推理延迟以及推理成本四项第一，打破了谷歌等企业保持一年多的纪录。
这样的进@ c V g q步，也使业界看到了AIoT的应用从繁琐晦涩的全自主开发迈向分层级的沉淀式研发架构，即把产品的研发清晰划分在不同的层次，不同的研发主体专注于自身层次的技术研发，从而使AIoT中的创新企业能够放心专注于业务本身。随着阿里云上AI+云计算平Y B ~ 5 a I R . t台的演进与完善，最终将成为一个承载各种AIoT智能应用的云计算生态，具备更友好的产品孵化功能。届1 s j i 6 7 z T时，各种新的偷懒想法会更容易更迅b i p .速地转化为实际产品。或许在几年后，我们随手拿起的物件都具有了“思维”，家里所有电器都能知道主人所想，出行不再会有堵车与车祸。
人类终于可以继续考虑下一步该怎么偷懒了。