智能硬件、智能机器人概念火爆的背后，掩盖不了真实应用场景下智能性不足的尴尬，但数百亿联网设备的前景也是各大市场研究机构公认的，然则唯一的问题就是产品研发。在AblCloud联合创始人CEO李海磊看来，物联网（IoT）硬件走向智能的第一步，需要有一个专门的物联网云平台来加速开发，而后基于物联网设备产生的数据，借助大数据分析平台不断改进产品策略，最后通过物联网人工智能平台把设备的调教出真正的智能。
除了开发面向物联网的PaaS和大数据分析平台，AblCloud内部也在尝试通过机器学习训练饮水机自动加热、保温和断电，以及时满足办公室人员喝水需求同时节约能源0%的效果（经过三个月的训练）。
IoT需要特殊的PaaSIoT的挑战量变通常会产生质变。当前，健康穿戴类（如手表、手环、血压记、血糖仪）、家具类（如冰箱、空调、门锁、空气净化器）、交通类（如车联网）和甚至建筑类（如电梯、空调、通风和照明）的联网硬件越来越普及，有研究机构预测，联网硬件数量在00年将暴增到60亿。然而物联网设备的连接及其不知疲倦产生的数据的管理，到很大的量级就会变成难以解决的新课题。
李海磊认为，有两个方面的因素阻碍了硬件厂商实现物联网转型，故而物联网时代需要一个新的特殊的云计算平台。
在物联网时代有四个方面的特殊技术挑战，包括大规模设备的连接管理、海量硬件数据的存储和计算、物联网云服务的快速开发和物联网安全等。例如某电动自行车厂商希望未来所有的两轮电动车都有防偷盗功能，通过地理位置监测、云端管理和远程锁定等技术实现。当然，不同的硬件厂商诉求不同，挑战也各不相同。
不同物联网应用的开发需求同样千差万别，标准的SaaS服务模式或者是项目外包模式，由厂商提出需求，另外一个厂商帮助开发，很难满足大量物联网厂商的需求。
创始团队包括四个资深架构师，AblCloud的第一想法，是开发一个针对物联网的PaaS平台，帮助厂商解决基础架构和开发平台的问题，让每一个硬件厂商可以基于PaaS平台开发各种各样的物联网应用，将独特的物联网快速地变成现实。
AblCloud公司年9月份成立，专注于开发于物联网PaaS平台。我们年底对外发布了物联网PaaS平台Matrix，到目前为止这个平台已经具备了比较好的稳定性和易用性，经受了百家客户的考验和使用。
AblCloud一体化开发引擎考虑到中国大量的硬件厂商缺乏软件研发能力，有PaaS也不容易开发出SaaS，AblCloud和国内多家业界比较出名的芯片和硬件的方案商进行合作，由他们基于PaaS平台给客户开发SaaS的解决方案。由此，PaaS平台能够帮助本来做硬件解决方案的厂商，具备软硬一体化服务能力。例如，基于PaaS平台做服务，智能秤芯片厂商可以在提供芯片的同时又提供SaaS服务。
李海磊介绍，AblCloud物联网云和端一体化开发平台Matrix，最上层会在硬件上和APP上提供SDK，帮助厂家开发他们的设备，让设备联网。
Matrix云端一体化开发平台Matrix在整个云端提供了服务器集群管理的功能，包括基础的设备连接的管理、数据的存储和计算和安全管理等等。AblCloud最近在Matrix上做了五百万以上规模的设备连接管理性能测试，吞吐量非常好，超过了大多数厂商目前的需求。李海磊表示，Matrix平台具备线性扩展能力，整个架构只需要架服务器就可以了，一开始研发的时候就考虑设备量很大的情况。
Matrix连接管理与设备管理架构服务器集群管理之上，Matrix针对物联网提供了很多基础的组件库服务，包括用户管理、设备管理、OTA和定时任务管理。现在所有的硬件都支持定时功能，但以前移动互联网很少有APP有定时的概念，所以需要针对物联网需求做很多新的技术服务。
Matrix还提供了一个基于微服务架构设计的云服务开发引擎（UDS），提供服务发现、负载均衡、资源隔离、服务管理、分布式调度、自动扩容、上线回滚、日志收集、监控管理等功能，并对开发框架进行抽象，内嵌云端各个服务组件功能。基于这个开发引擎，物联网团队可以很容易地开发各种各样的物联网应用，而不需要做很复杂的服务器集群的管理。这使得传统硬件厂商可以规避大规模架构复杂、精力有限、人才稀缺的问题。
云服务开发引擎架构以智能空气净化器为例，上面的业务逻辑，比如室内空气质量太差时提醒用户开机/开窗，硬件厂商开发起来并不复杂；但是一涉及到怎么支撑几百万设备、产生的大数据怎么存储、怎么不被黑客远程控制，传统厂商就没有优势了。AblCloud把基础技术架构封装在PaaS平台，让厂商在上面开发业务逻辑。例如，开发一个数据监测的服务，监测到空气质量变差，就给消费者做一个提醒；做历史空气质量管理的服务，把数据存到大数据的存储系统里面……这些应用程序的逻辑开发门槛非常低，在UDS上只需要两个普通的工程师（学习过Java）就可以开发出来。
UDS目前支持Java语言，因为Java在传统公司最流行，李海磊表示几种主流的语言都会做，目前已经计划实现互联网公司常用的PHP。IoT通信协议则支持国际标准的MQTT，以及一个AblCloud自主研发的通信协议。李海磊认为，AblCloud自主研发的协议软件包更小，功耗更低。
根据不同开发者的偏好支持不同的IaaS，是AblCloud面临的一个大挑战，甚至对一些体量特别大的厂商，还要支持私有云的部署。虽然目前的IaaS有各自的分布式存储、NoSQL等服务，但除了服务器是标准化的，其他的服务都不是标准化的——如果用了阿里云的分布式存储，到Azur上不一定能直接兼容，还得找另外一种解决办法。AblCloud的处理方式，是只买这些IaaS平台的服务器，剩下所有的架构全部自主研发，从而做到支持全球化IaaS的部署，IoT开发人员可以根据需求自行选择。
与AWS、阿里云的差异因为只有PaaS能够解决物联网的技术痛点，AblCloud去年预测今年所有的同行都会开发PaaS。事实上，从国外的IBMBlumix、AWS、Azur，到国内的阿里云、京东、腾讯，目前都以IoT为一个重点战略。李海磊认为，AblCloud的特点是先发优势、主场优势和独立性。
AblCloud做IoTPaaS和云服务开发引擎的探索都比较早，Matrix平台已经经过几百次迭代，可以达到双用状态（既能支持市值亿的大型企业，也能支持小型创业团队），同时AblCloud核心研发团队已经成型——目前核心研发团队有几十个人，90%以上来自于百度、阿里和大唐4G的研发团队。另一方面，巨头们虽然体量大，但在IoTPaaS方面的投入没有这么大，而且动作也比较缓慢。
相对于国外厂商，AblCloud在中国本地具有政策优势和服务优势。李海磊认为，国外因为人工比较贵，DIY的比较多，本地化服务能力跟国内企业之间非常大的差别。AblCloud核心研发人员都在国内，客户服务能力要比外企强。
相对于阿里、京东等，AblCloud的平台更加中立。因为AblCloud所有的商业模式都是ToB，为客户提供好服务，帮助客户更好的成功，AblCloud就能实现商业价值——这也是投资人认可的。李海磊还认为，用一个APP去控制所有硬件的方式行不通，这和把所有的东西塞到一个文件夹里面，点进去再点不同的APP，没有什么不同。同时，融合到一个APP里面，也意味着只有遥控功能可用。
到目前为止我们平台上也有百万级的设备量，我们跟京东、阿里的设备量是在一个量级上，而且它的活跃度非常低，我们的活跃度比它高。
大数据平台通过PaaS解决硬件联网和云服务的问题之后，AblCloud开始思考通过物联网设备和用户产生的数据来洞察用户、洞察市场，从而改善用户体验和商业策略。李海磊认为，物联网时代硬件厂商的核心竞争力会发生转移，在于是否能够实现更好的用户体验、是否具备更好的商业洞察力。
在年5月份完成A轮融资以后，AblCloud构建了一支面向智能硬件领域的数据分析团队，经过一年的准备和研发，打造了一个物联网大数据分析平台Inspir（寓意通过该分析平台激发厂商无限的想法和可能性）。Inspir目前可以做到T级别以上数据的实时分析，帮助厂商能够对它的设备和用户进行全方位的了解，包括设备出厂情况、设备在每个渠道的销售情况、设备卖出去以后用户的使用情况、用户到底有没有用APP等等，从而帮助硬件厂商去更好地改进他们的用户体验，具备更好的商业洞察力。
Inspir大数据分析引擎Inspir平台将会在近期发布，目前的用户包括三诺生物和亚都。
从BI到AI现在的智能硬件只是做了简单的远程控制或者语音交互，从本质上讲并没有很智能，用户仍然需要进行繁杂的管理工作，可以说是“伪智能”。而通过大数据分析平台，也只是赋予了硬件BI（商业智能）。李海磊认为，随着人工智能技术的发展，未来每一个联网的硬件连到云端以后，基于大量的历史数据，可以通过云端的人工智能平台去管理这些硬件，通过机器学习，让这些硬件真正具备智能，不需要再让用户进行干预和管理，或者只需要很少的干预。AblCloud期望大数据分析平台，能够从BI的形态进化到人工智能的形态。
智能的两种模式李海磊认为，现在在整个物联网人工智能有两个大的方向：
让硬件具备像人一样的感知能力，能听、能说、能看，甚至会思考，但是机器现在基本上做不到思考，只有听、说和看这些人类最基本能力。
不是说希望让硬件具备人的能力，而是让硬件更聪明，让它做一件事情的时候，它可以做的更好，这件事情人本身不会做。比如说电梯调度，通过机器学习技术，可以让电梯调度这件事情做得更智能。
第一个方向诞生了一系列的公司，如云之声、科大讯飞等做语音识别，Fac++等做人脸识别。但是在第二个方向的智能，比如说怎么样让空调智能到不需要人的管理，怎么样让大门更精确地识别和阻拦入侵，现在整个业界还没有公司做比较大的投入。包括BAT和其他的公司，基本上都是盯着人脸识别、图象识别和语音识别，但是把这些图象识别、语音对话能力加到空调上，能达到什么效果也不足以支撑智能——可以告诉空调开关机，但是人不说话的时候，空调就不知道怎么办了。
AblCloud的思路与挑战AblCloud选择的是不用说话的方向，一是避开传统厂商积累的优势，二是希望实现更好的智能，不需要人类做复杂的管理工作。以智能家居为例，李海磊希望通过物联网人工智能平台赋能，智能扫地机器人可以根据家庭格局、卫生状况和家庭成员生活习惯，自动分配房间打扫的频率和时间段，不需要每次离家之前把扫地机器人打开；未来的中央空调也可以根据室外的天气和室内的情况，自动调节室内的温度、湿度和节能。硬件都互联互通之后，时间越长，硬件交互信息越多，硬件就越智能。
AblCloud已经搭建了物联网人工智能方面的团队，首选饮食、温度、健康相关的应用场景，预计在明年对外发布和大规模推广物联网人工智能平台，加速整个物联网智能时代的到来。
谈到从BI到AI的挑战，李海磊认为是缺乏可以参考的经验。相对而言，语音识别虽然商用时间比较短，但是技术本身之前已经有几十年的研究历史了；而空调的智能化研究历史比较短，仅仅是温控就需要很多专利技术，所以要做大量的原生系统设计，没有太多前人的经验可以参考。李海磊同时表示，一旦有厂商在这个点上有突破，它可以贡献的价值就变得非常大。
对于智能的实现，李海磊提出了两点：
机器学习模型的预测是一个逐步改良的过程，精细化需要大量的学习。开始使用智能硬件的时候，需要用户按照最好的模式让机器学会操作，随着时间的推移，需要的干预会变少。当然第一种智能也有自己的难点，就是无法降级使用，比如语音识别，如果达不到95%的识别率，根本无法使用。
实现真正的智能，机器学习需要大量的多维度的数据，但实现物联网硬件智能的训练集不能过多依赖于传感器收集的即时数据，还要考虑结合云端的历史数据。
就传感器的逻辑来讲，它能加的种类一般情况下是有限的，因为每加一个传感器就需要硬件成本。有些东西能通过边际成本较低的软件解决。比如说气候数据不需要加室外的传感器去感应室外的温度。
只有传感器数据不一定精确。例如，如果空调只是通过安装在人身上的传感器判断人出门而决定关机，则无法准确判断人的离开时长，不能做出最合适的决策。但通过历史数据的辅助，则可以判断周一到周五早晨出门是去上班，应该关空调。
只有传感器数据的实时分析仍然具有滞后性。例如空调在感应会议室到有人才开始开机，会出现一段不舒适的时间，如果加上收集开会系统，再学习热动力学模型——通过空间大小、材质、空调电机频率、热量交换等数据判断会议室达到适宜温度需要的时间，则可以在开会之前提前打开空调。
成都治疗白癜风医院复方斑蝥胶囊价格