无论是物联网,还是人工智能,都离不开数据。对于物联网来说,数据是万物互联和人机交互的基础。通过传感器和异构网络,人与AIoT设备、AIoT设备与外部环境、AIoT与AIoT设备、AIoT设备与云计算服务器之间的交互能够产生海量数据。未来超过50%的数据会在物联网端产生、传输、处理和存储。对于人工智能来说,可以利用它进行自动、高效地分析与挖掘这些海量数据,并做出预测,实现智能化识别、决策和管理等功能,为人类社会的生活和生产提供有效的决策支撑和服务。AIoT设备规模快速增长、计算能力日益提高,但是基于深度神经网络的智能物联系统在可用性、数据隐私性、模型鲁棒性等方面仍然面临挑战。首先,出于体积、成本和功耗等方面因素的考虑,AIoT设备的计算存储资源往往是有限的。AI能力通常需要高昂的计算、存储和能耗开销,这些AIoT设备运行大型高性能AI模型速度极慢甚至根本无法部署。其次,海量分布的AIoT设备产生海量异构数据,由于数据隐私和规模庞大等问题,这些数据难以被共享和高效利用来改进人工智能算法。与此同时也不能忽视智能物联系统存在的安全风险。AIoT设备往往暴露在安全风险环境下,容易受到环境干扰和恶意攻击导致内置的AI模型的预测准确率降低甚至智能失效。