1 研究背景
物联网（Internet of Things，IoT）自诞生以来，一直处于快速发展之中，是人类科技史上的一次重大革命，对社会生产和生活产生了巨大而深远的影响。近年来，在新一代人工智能发展背景下，物联网智能化应用不断落地，促进了智能物联网（Artificial Intelligence of Things, AIoT）的诞生，“万物互联”开始向“万物智联”演进。当前，AIoT已经快速融入国家重大需求和民生的各个领域，不仅促进了智能工厂、智慧城市、自动驾驶等领域快速发展，而且成为传统行业智能化升级的最佳途径。
智能物联网以人工智能、边缘计算、物联网等技术的深度融合为基础，在感知、通信、计算和应用中通过人工智能技术赋能，是一种具有更高灵活性、自组织性、自适应性的物联网系统。
1.1 智能物联网新特征
泛在智能感知：AIoT时代，基于无处不在的感知资源，如摄像头、射频（Wi-Fi、4G/5G、毫米波）、红外等，持续获取丰富感知数据，进而通过机器学习和深度学习等方法实现对目标行为的准确感知。
人机物三元融合：计算系统正从信息空间拓展到包含人类社会、信息空间和物理世界的三元空间，人机物三元融合计算成为重要形态。其通过有效协同与融合人、机、物的异质要素，构建新型智能计算系统。
情境自适应通信：针对不断变化的网络资源、连接拓扑和数据传输等情境，从实时获取的网络数据中提取情境信息，进而通过自适应机制实现情境适配的低成本、高效通信。
分布式群体智能：针对单个终端智能体数据和经验有限、模型训练能力弱等问题，与现有集中式学习模型和框架相区别，在分布式环境下实现多智能终端协作增强学习是AIoT发展的重要趋势。
云边端协同计算：针对海量AIoT数据及实时性、隐私性等数据处理需求，将边缘计算技术引入物联网，形成“端—边—云”协同计算的AIoT体系架构，高效、及时地处理业务数据。
1.2 智能物联网体系架构
传统物联网是实现终端数据收集到云端数据处理的过程，其体系架构一般由感知层、网络层和应用层构成。与之相比，AIoT以智能信息的高效和实时处理为中心，随着边缘计算和边缘智能的引入，形成云边端协同的AIoT体系架构，如图1所示，包括智能IoT设备层、边缘计算层和云计算层。
智能终端层由各种物联网终端组成，是AIoT的感知和执行单元。与传统物联网感知层不同，智能终端层可以部署学习模型并完成部分数据处理任务。由于终端资源受限，一般采用轻量级模型设计方法，包括网络剪枝、压缩、量化等技术。
边缘智能层通过将计算和智能处理能力部署在边缘设备，减少计算延迟，支持实时服务。在计算层面，可将终端计算任务部分卸载到边缘节点；在智能处理层面，由于终端资源和数据受限，通过边缘节点相互协同可更好完成模型训练和推理，边端协同模型分割、移动边缘联邦学习等成为研究热点。
云计算层支持丰富的物联网应用服务，使得AIoT应用能够通过互联网虚拟地使用计算资源，具有高可靠、高灵活、可伸缩等特征。基于海量物联网数据和丰富计算资源，在云上训练和部署具有较好泛化能力的机器学习模型成为可能。
2 面向智能物联网的知识体系更新
上述AIoT新特质和体系架构，引发包括物联网分布式学习、终端适配深度计算、群智感知与计算[1-2]、云边端协同计算、人机物融合计算[3]等在内的诸多关键技术革新和内涵升级。为了更好支撑新兴产业的发展，促进各大传统行业的智能化升级，迫切需要更新和优化专业原有知识体系，将AIoT最新技术和研究成果转化为教学内容，以便快速形成契合行业发展需要的课程体系，助力满足智能时代新需求的专业人才培养。
依据AIoT发展趋势和相关产业需求，我们对专业核心知识进行更新和重构，重点提升知识体系的系统性和智能性，将原来由7个知识领域、49个知识单元构成的知识体系[4]，拓展为10个知识领域和71个知识单元，见表1。
泛在终端持续产生海量感知数据，其实时处理需求不断增长。为了应对云—端协同架构下云计算负载重、响应延迟大的不足，边缘计算与智能引起广泛关注，主要包括边缘计算理论、边缘人工智能、云—边—端协同计算等知识单元。
以无处不在的智能设备为基本感知计算单元，通过自组织群体协同完成复杂任务，是AIoT时代的一种重要系统形态。因此，群智感知计算成为近年研究热点，知识单元包括群智感知计算理论、复杂任务高效分发、群体参与激励机制、群智数据优选汇聚等。
三元空间人、机、物要素加速走向协作和融合，人机物融合计算成为AIoT时代的另一新型系统形态和重要发展方向。本知识领域主要涉及人机物融合理论基础、人机物融合系统软件、人机物融合计算模型、人机物融合群体智能等。
3 智能物联网时代专业核心课程体系改革
根据更新后的专业核心知识体系，秉持传承与发展并重的指导思想，在整合和优化原有课程体系的基础上，设计了包括9门课程的专业核心课程体系，确定了各门课程所涵盖的主要知识单元，见表2。
上述课程体系与物联网工程原有专业核心课程的关系见表3，具体改革思路为传承发展核心不变要素，优化重组持续发展要素，适度新增时代前沿要素。
4 智能物联网时代综合实践能力提升
4.1 智能物联网系统综合设计实践课程
结合新时代创新拔尖人才培养需求，确立以“研究型”和“问题导向”为智能物联网系统综合设计课的建设目标，以“软硬结合”“注重系统”为导向从实践内容、教学模式与考核模式3个层面进行课程建设[5]。
（1）确立新的实践内容，构建与最新技术发展趋势相适应的课程知识体系。在深入梳理AIoT系统技术架构和相关知识点的基础上，结合国家重大需求和典型应用场景，对AIoT系统的设计理念和方法进行全方位系统介绍。
（2）建立新的教学模式，采用“理论讲解+系统设计+实践训练+测试验证”的教学模式，将相关基础理论和方法的讲解紧密融入到实践过程之中，着重提高学生发现问题、研究问题、解决问题的综合能力和创新素养，探索讲授课程的新方法和新模式。
（3）构建新的考核模式，以AIoT系统综合设计报告的形式，突出考察学生的“系统观”和综合设计能力；其次，以系统设计方法为框架，由学生小组在课堂上讲解创意报告，师生共同研讨优化系统设计；最后，学生小组根据设计方案完成系统开发和测试，实现全流程综合实践。
4.2 智能物联网系统综合设计实验平台
为了支撑以AIoT系统综合设计为代表的实验环节教学工作，构建现实物理平台与虚拟仿真平台相结合的综合实验环境。
一方面，结合领域最新发展趋势和重大应用需求，以创新、创业为导向，围绕AIoT教学与科研的基础性、前沿性、通用性问题，针对性建设综合实验平台，如图2所示。具体建设内容包括：①基于“端—边—云”体系架构，以智能感知与群体智能为特色，建设AIoT系统开发设计实验平台，支撑物联网系统创新设计、开发测试等全流程；②注重共性基础和学科交叉融合，以支撑专业不同类型核心课和选修课的实验教学环节；③注重面向领域前沿（如新型感知系统、智能集群系统），突出平台的可扩展性，以支撑相关学科竞赛和创业实践。
另一方面，AIoT系统具有应用场景复杂、感知机理抽象、部署调试环境依赖等特性，仅仅依托物理实验平台往往不能全面满足教学需求。为此，面向AIoT系统特别是新型智能感知系统设计虚拟仿真实验教学平台[6]，与物理实验平台相互补充，便于学生从不同角度学习相关技术原理及系统调试部署方法。下面以智能无线感知与普适计算虚拟仿真实验教学平台的构建为例进行简要介绍。
实验平台以“游戏沉浸”方式构建和部署智能无线感知系统，结合多个场景下的典型应用，分析评估不同无线感知技术的特点（如适用场景、感知精度）和影响系统性能的因素，强化对普适计算基本思想和无线感知基本原理的理解。平台从对象认知开始，涵盖实验设计、系统构建和调试、实验开展及评估分析等部分，覆盖了智能感知技术、智能物联网系统设计等核心课，为专业知识的综合应用提供实践平台。实验原理及流程如图3所示。
5 结 语
笔者所在团队虽然走出了新时代物联网工程专业改革的第一步，但是在未来建设过程中还须解决如下问题：如何根据不同高校的特点，在涵盖知识体系和核心知识单元的基础上，针对性构建适合本校需求的物联网工程专业课程体系和课程内容，走出差异化发展之路；如何面向不同行业的多样化需求，针对性打造可有机组合的模块化专业选修课程体系和课程内容，建设适应领域特点的综合化实践平台，实现更优的产教融合。
参考文献：
[1] 刘云浩. 群智感知计算[J]. 中国计算机学会通讯, 2012(10): 38-41.
[2] 於志文, 郭斌, 王亮. 群智感知计算[M]. 北京: 清华大学出版社, 2021.
[3] 郭斌, 於志文. 人机物融合群智计算[J]. 中国计算机学会通讯, 2021(2): 36-41.
[4] 桂小林, 王东, 黄传河, 等. 基于新工科理念的物联网工程专业建设[J]. 中国大学教育, 2018(7): 25-30.
[5] 安健, 程锦东, 桂小林, 等. 面向物联网专业的开放实践教学模式[J]. 计算机教育, 2020(7): 124-127.
[6] 郭斌, 刘佳琪, 於志文, 等. 智能感知与普适计算虚拟仿真实验平台设计与应用[J]. 实验技术与管理, 2021(10): 134-139.
基金项目：国家杰出青年科学基金项目（62025205）；国家自然科学基金项目（61960206008，62002292，62072375）。
第一作者简介：郭斌，男，西北工业大学教授，研究方向为物联网与普适计算，guob@nwpu.edu.cn。
引文格式：郭 斌，王 柱，於志文，等. 智能时代的物联网工程专业课程体系改革探索[J].计算机教育,2023(3)：124-129.
转自：“计算机教育”微信公众号
如有侵权，请联系本站删除！
