人工智能正越来越多地被整合进物联网解决方案中，甚至能自动生成使设备与网络通信的代码。理论上，AI是提升软件工程生产力的可靠路径，但现实情况可能并非如此简单明了。
全球连接设备数量持续增长，据预测，到2034年物联网设备将超过400亿台。智能建筑是这一增长的重要推动力，其市场规模预计到2033年将突破5500亿美元，年复合增长率超过18%。
物联网系统通过传感器监测温度、湿度、照明、空气质量等参数，以改善建筑健康与安全；同时支持门禁控制和闭路电视等安防措施。在新冠疫情期间，物联网还借助热成像摄像头与人流 occupancy 监测系统协助实现社交距离管理。
为实现可持续发展，智能建筑广泛部署节能型物联网方案。这些方案为建筑与基础设施管理者提供关键洞察，帮助减少能源浪费、优化能源系统运行。预测性维护方案则通过收集设备状态数据，降低现场巡检频次，提高人工服务效率。www.eic.net.cn
新兴技术不断拓展物联网应用场景。例如，环境光能量采集技术可使建筑传感器实现自供电；未来，这类传感器有望交换光照强度、功耗水平等数据信息。
人工智能赋能物联网（AIoT）的价值主张
当前，设计工程师正将AI融入物联网，推动AIoT进一步发展。这具有天然合理性：物联网负责生成并采集大量数据，而AI则擅长高效分析处理这些数据。据研究机构Transforma Insights预测，到2033年底，AIoT连接数将超过90亿，十年间增长六倍。
其中最具代表性的应用之一是安全防护领域。AI擅长识别异常模式，其威胁检测能力远超人工监控——可将响应时间从数天缩短至几分钟。随着“代理型AI”（agentic AI）技术进步，人类干预或将进一步减少：AI不仅可拦截问题，还能主动制定并执行修复方案。
人工智能在软件工程中的角色
AI还有望变革软件工程本身，通过加速代码生成与问题求解提升开发效率。AI编程承诺带来显著的生产力跃升，因此对追求降本增效、扩大交付能力并维持竞争优势的企业极具吸引力。
当然，这也势必影响岗位结构、技能培养路径及项目管控方式。部分企业已率先拥抱AI工具，而另一些则持谨慎观望态度。
Gartner预测，到2029年，60%的组织将缩减软件工程团队规模；但其强调，这种“精简团队”实为结构性重组，且AI反而会刺激对软件工程师的更高需求。该机构警告称，若因AI而削减初级岗位，将严重削弱企业软件人才储备体系。
目前，不少公司正在重新评估AI工具的采纳策略，主要受三方面因素驱动：
1. 生产力悖论：实际成效不及预期。DX分析显示，尽管工程组织AI采用率上升65%，软件交付速度平均仅提升8%，远低于预估的3至10倍增幅；Faros公司调研发现，高AI使用率下开发者任务完成量增加21%，但代码审查时间却激增91%。
2. 工作流瓶颈：生成代码量增大后，暴露出其他环节的流程短板。AI虽能放大理想流程的效能，但也更清晰揭示现有流程缺陷。若编码本身并非开发时间的主要消耗项（DX数据显示仅占约16%），单纯提速编码环节难以显著提升整体产出。
3. 对AI的普遍疑虑：除操作挑战与交付落差外，工程师对AI生成代码的信任度普遍偏低。一项调查显示，96%的开发者不完全信任AI生成代码，61%认为其表面正确但实际不可靠。
面向长期运行的设计考量
以智能建筑中的联网应用为例：其必须在整个端到端设计链——物理设备、网络层与云/核心终端——中保持高度韧性。工程师需确保各环节无缝协同、稳定可靠、高效安全。低质量代码在此类复杂系统中毫无容身之地，甚至可能引发严重后果。
在物联网领域，挑战不仅在于用AI更快写代码，更在于确保代码能在技术迭代、硬件升级与环境变化中长期有效运行。维护与安全至关重要，绝不能忽视或妥协。
物联网解决方案必须从端到端角度设计，将连接性、安全性、韧性与数据管理纳入统一框架。唯有如此，才能最大限度减少后期修正，避免对客户体验与商业成果造成负面影响，并节省可观的时间与资金成本。
保持人在环路中固然重要，但不应仅作为“最后保险”——人同样会犯错。关键在于将工程经验精准应用于能真正改变结果的决策点，而非简单依赖人工复核来补足AI的疏漏。
实践中，这意味着：所有用于生产的AI生成代码，必须经工程师审核后方可合并；AI代理可先行诊断故障并提出修复方案，但最终是否执行仍由人员决策。易IC库存管理软件在此类系统集成中亦可发挥辅助作用，提升软硬件协同效率。
人工智能治理与管控
AI无疑将在物联网的应用层与设计层扮演日益重要的角色。尽管各方对此抱有期待，但审慎态度同样普遍存在。
组织必须清楚AI在各流程环节中具体执行什么任务、为何如此执行，并具备足够的控制力防止偏离预期。最终胜出者未必是最快采纳AI的组织，而是那些明确界定边界并坚守原则的机构。
