据国际数据公司IDC预测，到2025年，全球IoT连接的设备数量将达到519亿，其中中国将达到80亿。尽管相较之前，近两年IoT的讨论热度有所消减，但并没有影响到在产业界的持续布局。
如何实现万物智联是产业界长期以来主要关注的方向。如同互联网通过人作为主脑和终端的连接方式，物联网也需要主脑进行数据的搜集、决策和分析，同时也需要智能终端进行执行操作。AI+IoT，即实现了AI作为大脑和终端实施，以及IoT作为神经网络的融合落地。
伴随着AIoT相关技术的不断成熟，越来越多的企业开始投入到AIoT领域的研发和应用当中，除了传统制造、能源等产业，还涉及金融、医疗健康、农业、城市建设和管理等多个领域，让众多开发者看到了巨大的机会。
为了帮助AIoT技术从业者和生产企业探索更多可能，CSDN重磅发布《2022-2023 中国AIoT开发者调查报告》，从开发者生态、技术工具、行业场景、发展路径、未来范式等维度展开分析。同时，我们也特邀该领域意见领袖对报告进行深度解析和点评。
纵览本报告，我们有几个重点发现：
大部分AIoT的开发者工作状态较为自在，其中自由开发者占到39%;
拥有3-5年技术开发经验的开发者人数成倍数增长，说明这一领域的爆发期是在五年前;
有38.5%的开发者最感兴趣的AIoT技术是数据科学/数据挖掘/数据分析，其次是机器学习/深度学习/神经网络，占比37.6%;
生成式大模型技术的突然爆发对于开发者来说还有待观察，但预期向好;
42.5%的开发者表示所在公司生产的AIoT设备用于制造业，41%的开发者认为感知/控制是自动驾驶技术中最具挑战性的环节;
43%的开发者认为，国际上AIoT的发展以底层技术作为主导，国内则以平台、应用和服务层主导AIoT产业价值链;
30%的开发者表示，国外在可穿戴设备、智能家居，以及智能电网等的应用上更加超前;
超过9成开发者认为机器可以胜任部分到大部分人类工作，41%的开发者认为人工智能有可能产生出意识。
开发者生态：时间自由、人数增长、聚焦机器学习/深度学习
近来，ChatGPT引发国内AI产业爆火，大佬们纷纷布局大语言模型。从美团“退休”后，王慧文在上个月创办“光年之外”，收购袁进辉的一流科技,旨在打造中国版ChatGPT。王慧文的英雄帖显然召唤出了产业界的热情，李开复开始筹组Project AI 2.0，王小川携带5000万美元入场费，创办百川智能……
当AI大佬们跑步进入新的战场，从事AIoT的开发者又呈现出怎样的生态?
从调查数据来看，大部分AIoT开发者工作状态较为自在，图1中，自由开发者占到39%，作为兼职和利用业余时间参与的比例为40.0%，和自由开发者数量相当。相较而言，全职开发者最少，只占到调查人群的五分之一左右。这一方面说明开发者群体愈加倾向自由职业，另一方面也说明AIoT是自由开发者聚集的领域。
图1 开发者参与AIoT状态
从2017年开始，AIoT被频繁提及，在此之前，开发者更多是在AI或者IoT的独立领域。而当智能家居、智能制造、智能城市等落地应用端被推向风口，AIoT逐渐成为产业界的主流讨论方向。从图2不难看出，拥有3-5年技术开发经验的开发者人数成倍数增长，说明这一领域的爆发期正是在五年前。
而近年来，得益于市场潜力地不断挖掘，越来越多的开发者选择进入这一领域。据调查显示，近1-2年进入这一领域的开发者占比为32%，而就在去年，这一数据进一步增长到41%。
图2 开发者从事AIoT技术开发的时间
具体到所从事的技术领域，机器学习/深度学习算法工程师、数据科学家/数据分析师/数据挖掘工程师和计算机视觉/图像识别/图像处理工程师的队伍较为庞大，位列前三，分别占比10.5%、10.4%及9.1%。另外，在软件工程师和硬件工程师的统筹统计中，软件工程师以38.5%的占比远高于硬件(芯片、传感器、控制器工程师+智能硬件工程师)9.2%的占比。
图3 开发者从事AI/IoT的技术领域
技术工具：数据科学/机器学习+AI大模型+存储/云计算+工具箱
李彦宏今年初曾公开表示：“如果让我来判断第四次科技革命的标志，我认为是深度学习算法”。同时，他也认为“大语言模型的出现对于云计算来说，是一个 Game Changer，会改变云计算的游戏规则。”
和他预判相一致的是，在AIoT领域，开发者最感兴趣的技术是数据科学/数据挖掘/数据分析(见图4)，有38.5%的开发者做出了这一选择，以及机器学习/深度学习/神经网络，占比37.6%，这样的结果也完全符合AI算据、算法、算力的三大要义。在通用技术上，29.4%的开发者选择了计算机视觉/图像识别/图像处理，可见视觉仍然被赋予极高期待。
以上AI技术为AIoT发挥的作用主要体现在，可以帮助开发者处理和分析从各种物联设备中收集到的海量数据，从而为企业提供更准确、更有用的洞察和决策支持。与此同时，可以帮助开发人员构建智能应用程序，在实时监测和控制物联设备方面发挥着重要作用。
此外，比较出乎意料的是，AIGC/大语言模型的选择人数只占到4.8%，本调查的收集期限覆盖了ChatGPT的起势期(去年12月-今年1月)，国内大语言模型的火爆期主要集中在今年2-3月。
图4 开发者对AIoT感兴趣的技术方向
在另一个关于AI热点技术突破的问题上，26.6%的开发者表示看好生成式人工智能(图5)。上述4.8%，以及这里的26.6%两个数据恰好说明了，生成式大模型技术的突然爆发对于开发者来说还有待观察，但预期向好。而除了生成式人工智能之外，大规模数据集和大模型开源也是开发者看好的方向，两个选项分别占比23.4%和20.9%。
图5 开发者看好的AI热点技术突破
另外，大规模物联网应用还需要处理海量数据，这些数据需要进行有效的存储和管理。云计算是建立在大规模数据存储之上的一项关键技术，它提供了强大的计算能力和可扩展性，帮助开发人员更好地处理和分析数据。据调查显示(图6)，超过3成的开发者日常会处理数据存储相关的问题，其次是云计算，占比28%。
图6 开发者接触最多的AIoT技术
目前AIoT的开发者工具应用主要集中在视觉图像、语音合成和自然语言处理等领域(见图7)。调查数据显示，近三成开发者会用到AI人像修复工具，该技术可以帮助开发者对人像进行自动修复和增强，提高应用设备上人脸检测的效果以及准确性。排在二、三位的分别是AI目标检测和AI视频抠像/人像抠像，均与机器视觉相关，之后是人工智能语音合成。
图7 开发者使用的AI工具箱
行业场景：制造业+自动驾驶+供应商
AIoT作为人工智能和物联网技术结合的产物，它使物联网设备更加自动化和智能化，制造领域基于降本增效的底层诉求，也与AIoT进行了紧密的融合。
42.5%的开发者表示所在公司生产的AIoT设备用于制造业，帮助制造企业进行数据分析和优化，实现智能制造。当然，其它领域也在飞速发展，其中金融、交通物流也是AIoT技术应用的重要领域(见图8)。
图8 AIoT技术应用的行业领域
另据调查数据显示(图9)，开发者们开发出来的产品应用场景非常广泛，没有出现某些领域特别高的现象，分布相对均匀。其中，用于图像识别和推荐系统的产品占比相对较高，分别为19%和18%。
图9 AIoT产品应用场景
自动驾驶被称为是AI皇冠上的明珠，同时也是IoT的重要应用场景。但在相关技术的系统设计和实现方面，开发者仍面临着诸多挑战(图10)。其中，41%的开发者认为感知/控制是自动驾驶技术中最具挑战性的环节，紧随其后的是预测/规划、硬件系统以及视觉，分别占比28%、26%和26%。未来，开发者需要持续地深入研究和努力，克服这些难点，提高自动驾驶技术的性能和可靠性。
图10 自动驾驶面临的主要痛点
在AIoT供应商的排名中(图11)，26%的开发者表示其所在公司主要与华为合作，位列第一。除了华为，国内其他IoT供应商也发展迅速，其中小米也是重要的供应商之一，有14%的开发者表示，他们在使用小米提供的IoT服务。排在国内前五的还包括中兴、新华三和TP-LINK。
图11 AIoT领域供应商
发展路径：平台、应用和服务层主导，可穿戴设备未来可期
对比来看，国内和国际在选择AIoT的发展路径上存在较大差异。其中，有43%的开发者认为，国际上AIoT的发展以底层技术作为主导，国内则以平台、应用和服务层主导AIoT产业价值链。与此同时，30%的开发者表示，国外在可穿戴设备、智能家居，以及智能电网等的应用上更加超前(图12)。
图12 AIoT国内外发展路径差异
事实上，经过多年的发展，国内很多厂商已经开始制造头戴式VR/AR设备。这类设备具有更高的沉浸感和自由度，用户可以随时随地享受更加真实的VR/AR体验。调查显示，59%的开发者表示他们自己或者周围朋友有VR/AR设备，此外41%的开发者对于这一领域的兴趣尚待挖掘(图13)。
图13 VR/AR穿戴设备目前发展情况
对于虚拟和增强现实的未来应用，几近一半开发者看好该技术在游戏娱乐等日常消遣场景中的应用。还有27%的开发者非常看好这一领域，认为《头号玩家》在未来将会成为现实。另外，也有近五分之一的开发者认为这一技术没有实际意义，或者技术本身面临难以解决的问题，因而并不看好(图14)。
图14 VR/AR穿戴设备未来趋势
未来范式：人、机、物大融合，AIoT带来的巨变和社会影响
未来，AIoT的演进范式会体现在人、机、物的大融合上。一方面机器将可以代替人类劳动，另一方面也可以实现人机协作。对于机器替换人类工作，超过9成的开发者认为机器可以部分到大部分胜任(图15)，其中更有4%的人认为人类将不再需要工作，只有8%的开发者认为机器不能替代人类。
图15 机器会在多大程度上改变人类工作
至于AIoT将在未来带来哪些巨变，53%的开发者认同AIoT会增强工作效率(图16)，通过设备和系统的互联实现智能化和自动化管理,使得工作流程更加高效和精确。此外，30%的开发者表示期待更加智能的家居系统，提升生活质量。对AIoT抱持不安全感态度的开发者占比6%，也有11%的开发者担心AIoT会加剧失业问题。
图16 AIoT在未来将带来的最大改变是什么
伴随AIoT技术的广泛应用，也会带来一系列伦理、法律和社会影响，将改变我们经济发展路径和社会生活形态。因此，在AIoT技术普及之前，需要开展广泛的社会、文化和伦理的探讨研究。那么，关
ChatGPT 之所以能风靡全球，很大程度上要归功于其简单的功能框架。作为一款 AI 聊天机器人，它唯一的作用就是生成令人信服的自然语言文本、顺畅回应用户的提问。
但 AI 聊天机器人的使用体验，往往由用户设计提示词的水平所决定。有鉴于此，新型应用 Auto-GPT 应运而生，它允许 AI 自主行动 — 即实现“自我提示”，并彻底改变我们对于这项技术的看法和感受。对于这一工具，有外媒的标题甚至称，“ChatGPT 已经过时”。
Auto-GPT 项目地址：
https://github.com/Torantulino/Auto-GPT
Auto-GPT 是什么?
Auto-GPT是一款开源 Python 应用程序，由开发者用户 Significant Gravitas 于 2023 年 3 月 30 日发布至 GitHub。该应用程序以 GPT-4 为基础，允许 AI“自主”行动，无需用户详尽提示每个动作。大家可以为 Auto-GPT 制定一个总体目标，再由它逐步采取行动以实现目标。这就是“AI 智能体”概念的来源 — 使用互联网资源以完全独立的方式在 PC 上执行操作，不再需要一步步接受提示和引导。
GitHub 上还发布了一个简单示例，展示 Auto-GPT 如何浏览网络并为“即将到来的下一个节假日”准备聚餐食谱。这时 Auto-GPT 会化身“大厨 Chef-GPT”，帮助用户在网上搜索正确答案。之后，它会将食谱以文件的形式保存在用户计算机内。
就功能本身来看，这似乎算不上什么创新大事件。但 Auto-GPT 代表用户搜索互联网并执行文件保存操作的能力，已经让这款AI远远超越了简单的聊天机器人。
Auto-GPT 是如何工作的?
Auto-GPT 的迷人之处，在于它能够对 AI 的运行步骤做拆分，真正把 GPT 模型出色的文本生成能力转化为可用功能。Auto-GPT 把整个过程分解成“思考”、“推理”和“评价”几个环节，准确告知用户 AI 正在做什么、为什么这么做。在前面的 Chef-GPT 示例中，它的“思考”方式如下：“我将搜索即将到来的节假日，据此创建出独特的食谱。”而“推理”部分，则是“只要确定了节假日的具体内容，就能确定食谱的相应设计。”
至于“评价”环节，Auto-GPT 会对所做工作表达一些担忧和限制。可以看到，Auto-GPT 正在以完全自主的方式一步步达成用户指定的目标。
Auto-GPT 还拥有其他一些神奇的能力，包括长/短期记忆和集成 ElevenLabs 提供的文本到语音实现。所有这些功能的结合，让 Auto-GPT 在感受上更像是能与人类真正互动的AI智能体。
Auto-GPT 用例
人们正在发掘 Auto-GPT 的各种可能用例。虽然目前仍处于起步阶段，但因为它属于纯开源项目，所以任何人都可以尝试这款工具。Twitter 上就出现了一个简单的“Ecommerce-GPT”示例，其目标是自主开发和运营电子商务业务，旨在帮助用户增加净资产。
我的 Auto-GPT 来自 @SigGravitas，正在开发电子商务业务。它决定检索互联网以寻找商业创意，并将结果保存在文件中以供后续参考。
另一个有趣的用例出现在编码领域。Twitter 上的一位用户想出了“Robo-GPT”，负责分析、重写并保存程序代码。
今天我编写了 Auto-GPT 的变体 Robo-GPT，希望让代码更干净、依赖关系更简单。它目前的功能还不像 Auto-GPT 那么完备，但希望它能易于理解、运行和更新。
类似的例子还有很多，也许这款 AI 智能体最终将帮助我们创建网站、组织社交媒体活动等等。
与此同时，具备类似功能的竞争系统也纷纷亮相，包括微软 Jarvis 和 BabyAGI。这些方案都允许 GPT“自我提示”并实现自主行动。
如何使用 Auto-GPT
与其他 GitHub 项目一样，Auto-GPT的设置过程不只是下载文件或者访问网站。在上手之前还需要满足一些重要的前提条件，比如安装有 Python 3.8(或更高版本)、OpenAI API 密钥和 Pinecone API 密钥。如果希望使用可选的文本转语音功能，还需要用到 ElevenLabs API。
用户可以在 Auto-GPT GitHub 页面上找到相关链接及其他重要信息。在满足以上三项要求后，单击“Code”并下载 Zip 文件。当然，用户也也可以通过 Git 应用程序获取这些文件。
首先打开命令行程序，例如 PowerShell，并在其中输入“git clone
https://github.com/Torantulino/Auto-GPT.git”以克隆代码仓库。
第二步是在 PowerShell 中输出“cd ‘Auto-GPT’”以导航至项目目录。之后，输入“pip install -r requirements.txt”来安装所需的依赖项。最后，将文件“.env.template”重命名为“.env”并填写您的 OpenAI API 密钥。
在安装完成之后，Auto-GPT 的实际使用其实非常简单。它会要求用户先为机器人命名，之后再提供想达成的目标。它甚至提供两个示例，引导朝着正确的方向前进。
Auto-GPT 实现通用人工智能了吗?
不少 AI 爱好者把 Auto-GPT 视为通往人工通用智能(AGI)的第一步。确实，Auto-GPT 表现出了推理和通过多个自主步骤达成目标的能力，其长/短期记忆机制也让它能够不断学习更多新鲜事物。
但很多人仍然认为，一系列相互关联的提示并不能让系统真正获得“智能”;也有人坚称，人类的大部分智能和行为就是以这种方式实现的。
无论是 AGI 的开端、还是 AI 标准化道路上的重要一步，Auto-GPT 的出现必然引发新的哲学思考。这些运行在互联网上、活动在数字世界中的 AI 智能体，究竟是不是“智能生物”?也许只有时间能给出答案。
于伦理、法律和社会影响的讨论应该在什么时间点展开?36%的开发者表示越早越好，在基础研究阶段就应该开始。也有同样数量的开发者表示，在产品化、服务化之后社会使用和实施阶段再考虑也可以(图17)。
图17 哪个阶段开始考虑AIoT的伦理、法律和社会影响
万物智联之下，人工智能是否具有意识的能力，一直是哲学、心理学、神经科学等领域探讨的问题，近年来也逐渐成为更多人关注的焦点。数据显示，41%的开发者认为人工智能有可能产生出意识(图18)，看来不少人对于硅基生命的想像还是很丰富的。