人工智能的模型和算法擅长从海量无序数据中发现规律、学习策略，而物联网则能为数以亿计的实体设备建立广泛连接。因此，人工智能与物联网两者的融合将发挥更强大的协同感知计算效力，但同时也将带来更多值得深入探索的问题和挑战。
1. 物联网将持续增长并成为一种势头强劲的网络
预计2025年我国物联网连接节点将达到200亿个，将远远超过互联网主体（即人类用户）的数量。谷歌预测，到2025年世界将被IoT设备主导。因此，未来数百亿异构设备和用户并发联网产生的数据分析和融合需求将促成物联网与人工智能的深度融合。
与以人为中心的互联网不同，AIoT是把电子、通信、计算机、人工智能四大领域的技术融合起来的新型网络，在互联网连接的基础上进一步拓展，实现人与人、人与物、物与物以及人与环境的广泛互联，从而将传统“互联网”和“物联网”的连接范围和连接方式提升为“人、机、物”三类异构主体的联结共生和深度融合。
2. AIoT背景下的群智协同研究面临新的研究挑战
AIoT在架构和实现层面通常包括物理感知层、网络连接层、智能计算层和综合应用层。AIoT首先通过各种异构设备联网实时感知各类数据（环境数据、运行数据、业务数据、监测数据等），进而在终端设备、边缘设备或云端通过大数据挖掘或机器学习算法来进行处理、理解和认知，如智能感知、目标识别、能耗管理、预测预警、自动决策等。
近年来，智能物联网应用和服务已经逐步融入智慧城市、智能制造、无人驾驶等多个国家重大需求和民生领域。由于海量AIoT设备具有全天候、多层次的感知、计算、存储和通信能力，不仅能感知人和环境，而且能与人（群用户）、机（群应用）、物（群智体）交互以满足应用驱动的性能需求。
此外，在终端智能和云边端层次化资源控制等新兴技术的不断推动下，AIoT在感知、计算、通信和应用四个环节的整体联动都需要人、机、物之间有更深入的协作和互补。
因此，如何使群智能体以分布式协作的方式通过自组织、自适应和自学习增强演化，在AIoT全生命周期内实现群信息的优选汇聚和深度挖掘，并始终维持群应用总体性能与分布式资源能效间的权衡优化，已成为一个重要的科学问题。
3. AIoT分布式协同生态尚未成熟，但发展潜力巨大
微软、IBM、阿里巴巴、腾讯、华为、京东等企业近年来都积极在智能物联网领域布局。
2017年，谷歌逐步推出TensorFlow Lite框架支持深度模型压缩和硬件加速，Edge TPU、Coral Dev Board等硬件开发设备支持AIoT应用落地。微软在2019年度的开发者大会上发布AIoT的战略布局。
2018年，阿里巴巴宣布进军物联网领域，定位为物联网基础设施的搭建者，提供IoT连接和AI能力，实现云边端一体的协同计算，并开发了轻量级物联网嵌入式操作系统AliOS Things。
腾讯也推出了一款物联网系统TencentOS tiny，具有低功耗、低资源占用等特点。华为则推出了面向物联网的华为鸿蒙操作系统，作为一种基于微内核的全场景分布式操作系统，在5G时代具有广泛应用前景。
京东也于2018年发布“城市计算平台”，结合深度学习等构建时空关联模型及学习算法解决交通规划、火力发电、环境保护等城市不同场景下的智能应用问题。
然而，影响AIoT发展的阻碍因素之一是设备在计算资源（如算力、存储）、操作系统、算法框架等方面的异构性，而统一的AIoT感知计算范式尚未发展成熟。在此背景下，人机物如何以分布式互补增强或竞争对抗的方式实现协同感知、学习、计算和通信以完成复杂任务成为重要的研究方向。
