而从市场层面来看，毫无疑问智能家居是一个值得期待的蓝海市场，迄今为止并没有出现具有绝对优势的企业出现。对于智能家居市场，业内普遍估算到2020年将达到3500亿的市场规模和超过200亿的设备连接数，这样的市场潜力让业内任何参与者都无法视而不见。面对这样的体量，以及绝大多数人的实际需求，智能家居的任何一个细节，都需要细细把控，这与每个参与企业的格局和眼界有关。

智能是个充满智慧的概念

智能的广义具象化表现，就是物联网，这在我们之前就有多篇分析。显然，物联网是一块万亿级的新蛋糕，互联网的下半场是将整个世界物理数字化，物物交互、人物交互，物联网被认为是新一轮科技和产业革命的基础。

换个角度来看，物联网与互联网时代的架构很相似，大致可分为场景应用、通信网络、操作系统和硬件设备四个层次。借鉴互联网的发展之路，物联网的发展路线很有可能是先连接，再爆发。即先做大物联网的连接规模，再基于大量连接及海量数据，交互衍生出丰富的物联网增值应用服务，从而推动物联网进入全面繁荣的时代。

从某种意义上讲，智能家居是智慧城市取得成功的关键，如今科技创新的爆发式增长使得很多公司都能够设计和生产出智能家居所需要的产品。随着消费者逐渐接受这些技术，他们将会看到并理解这些技术所带来的成本节约和环境改善。

至于我们现在经常谈到的AI，也将会对智能家居的数据处理本身产生影响，比如自然语言处理、语音识别技术、视觉处理算法都需要硅芯片在本地进行数据处理然后转发到云端，从而进行后续处理和数据聚合。一些芯片需要更强大CPU性能；其他一些则需要利用GPU（图形处理器）进行计算和视觉处理，还有一些则需要具备高级的安全特性。

可以说，智能技术的进步将会推动一切运算累的技术，以满足新的需求。实际上以后的数据量很可能会变得非常的巨大，以至于通过云来传输和处理所有数据将变得不可持续。相反地，人工智能将会被部署在整个智能城市的所有基础设施中，使得数据能够更早的转化为信息，这无疑会增加处理能力，同时降低带宽和数据传输成本。

大多数人认为AI将在智能家居中发挥越来越重要的作用，现在我们的功能还不够完善，只有简单的"命令和控制"接口，但不可否认的是交互方法已经有了很大的进步，特别是语音识别的推出，消费者在与智能设备进行沟通时能够使用更富表现力的措辞，但是智能家居需要提供的不仅仅是用一个App来控制空调，也不是简单地通知用户设备的状态或者回答问题，而是发展成为一个能够作出智能决策并自主管理家居的系统。AI无论部署在设备端还是云端都将成为解决方案重要的组成部分，这才是人工智能真正应用的地方。

由此，多谈几句。有网络就有安全的问题，这个无需置疑。目前绝大多数的网络安全防护技术，仍建立在相对“原始”的特征码扫瞄基础下，原理是将已捕捉到的病毒样本行为特征萃取出来成为病毒数据库，再比对进来的网络流量及封包。

特征码扫描最大的问题就是没办法主动应对病毒及其变种，防毒公司往往来不及公布新的病毒特征，或者病毒特征不断变形，还未拿到病毒样本就已扫遍全球，此即为零时差攻击。再加上物联网装置里面的CPU及内存为了节省成本，大多配备仅足够应付设备使用的最低硬件规格，难以再容纳一个庞大的安全防护软件嵌入。所以智能家居也好，智能城市也好，安全，始终是一个亟需解决而且不断刷新困难的问题。

智能的广义与引申

"智能家居"是一个比较宽泛的定义，很多行业分析师只是简单的要求至少安装一款智能产品就可以定义为智能家居了，比如互联网控制的供暖系统或一个简单的智能照明设备。应该说，大部分产品和服务都应该是互相连接的，底层技术应该能够管理和安排这些服务并作出明智的决策，从而给消费者带来最大化的好处。

现在看来，所有需要的技术和通信标准现在都已经相当成熟，然而智能家居中的"智能"需要多个供应商共享各自的细分市场数据才能够实现，同时需要互相协作和新的商业模式才能取得成功。

比如，除非我们能够找到其他方法来支付前期基础设备的花费并获取一定的收入，否则缓解城市交通拥堵并实现收益会是非常困难且麻烦的事情。然而智能城市的成功需要新的商业模式和创新方式来产生收益，例如消费者不会依据广告就调高供暖，所有的数据最终都会汇集到云端，但并不是只有一个云，因此我预计新的商业模式将鼓励服务提供商在不同云之间发布数据，对其他供应商提供的认为有用的服务和信息要支付一定的费用。

随着服务商提供的产品和服务被消费者采用，他们也能够从中获得好处，他们将允许用户定制之前并不具备的服务，甚至可以做到全部定制化。一旦达到一定的规模，一些高级的服务也会开始增长：举个例子电力供应商可以将灯光调暗一小部分从而可以在降低电费同时减少整个城市的电力消耗，不需要再建立更多的发电厂。只有到那时智能家居才能够与智慧城市的基础设施相匹配，最终需要依赖更多的智能家居来实现智慧城市的规模效益。

同时，将AI概念推广到智慧城市，利用AI来进行交通管理将是非常好的机会。神经网络通过复杂的统计分析和模式匹配可以预测整个道路网络的拥塞情况。这使得地方当局能够通过获取来自多方面的实时数据以及AI创建动态策略将车辆分流到城市的其他道路或者周围，从而大大的缓解了交通流量。最终自动驾驶汽车将大量采用并缓解很多问题，但与此同时为了实现完全智能化城市基础设施我们要创造 一系列条件。