AIoT là gì?

Trả lời nhanh: AIoT (Artificial Intelligence of Things) là hệ thống IoT có gắn mô hình AI. Cảm biến và thiết bị thu dữ liệu, mô hình AI chạy trên thiết bị, cổng biên hoặc đám mây để phát hiện bất thường, dự đoán hoặc ra quyết định. Kết quả quay lại điều khiển thiết bị hoặc gửi cảnh báo cho người.

Điểm chính

  • AIoT không phải một thiết bị riêng. Nó là cách tổ chức hệ thống: IoT lo thu thập và điều khiển, AI lo diễn giải dữ liệu.
  • Điểm khó nhất là chọn nơi chạy mô hình: trên thiết bị, trên cổng biên hay trên đám mây.
  • Một hệ AIoT phải có vòng đời mô hình: cập nhật từ xa, theo dõi độ lệch, huấn luyện lại.
  • Giá trị rõ nhất khi có dữ liệu cảm biến liên tục và có hành động cụ thể đi kèm kết quả.
  • Rủi ro chính: dữ liệu cá nhân từ camera và micro, an toàn thiết bị, và mô hình xuống cấp theo thời gian.
Mục lục
  1. AIoT là gì?
  2. AIoT hoạt động thế nào?
  3. Kiến trúc AIoT gồm những lớp nào?
  4. AI nên chạy trên thiết bị, ở biên hay trên đám mây?
  5. AIoT khác IoT, IIoT và edge computing ở đâu?
  6. Ví dụ AIoT trong thực tế
  7. Dữ liệu và hạ tầng cần chuẩn bị
  8. Lợi ích và hạn chế của AIoT
  9. Rủi ro bảo mật và dữ liệu cá nhân của AIoT
  10. Khi nào nên và không nên dùng AIoT?
  11. Lộ trình thực tế cho doanh nghiệp Việt
  12. Câu hỏi thường gặp

AIoT là gì?

AIoT là viết tắt của Artificial Intelligence of Things, tạm dịch là trí tuệ nhân tạo của vạn vật. Hệ thống này ghép hai lớp công nghệ. Lớp thứ nhất là IoT (Internet of Things), gồm cảm biến, thiết bị chấp hành và mạng kết nối. Lớp thứ hai là các mô hình AI, thường là học máy (machine learning), biến luồng dữ liệu thô thành nhận định hoặc quyết định. Nếu cần nền tảng về IoT, bạn có thể đọc bài kiến trúc và kết nối IoT.

Một IoT thông thường thường chỉ đo và báo. Ví dụ, cảm biến rung gửi số liệu lên bảng điều khiển, còn người vận hành tự nhìn đồ thị và tự quyết định. Với AIoT, chính hệ thống tự nhận ra mẫu rung nào bất thường, mức bất thường ra sao và nên làm gì tiếp theo, chẳng hạn mở phiếu bảo trì hoặc giảm tốc độ máy.

Các bài đang xếp hạng cho từ khoá này đa số dừng ở câu “AI là bộ não, IoT là hệ thần kinh”. Hình ảnh đó đúng nhưng chưa trả lời được câu hỏi doanh nghiệp cần: “bộ não” đặt ở đâu, nuôi bằng dữ liệu nào, và ai sửa khi nó nhận định sai. Các phần dưới đi vào những câu hỏi này.

AIoT hoạt động thế nào?

Về cơ chế, một hệ AIoT chạy theo vòng khép kín gồm sáu bước. Cảm biến thu dữ liệu (rung, nhiệt độ, hình ảnh, âm thanh, điện năng). Cổng biên (gateway) gom dữ liệu qua các giao thức như MQTT, OPC UA hay Modbus, rồi lọc và tiền xử lý. Mô hình AI nhận dữ liệu đã xử lý và suy luận (inference). Kết quả kích hoạt hành động, ví dụ bật còi, dừng băng chuyền, gửi tin nhắn. Mọi kết quả được ghi nhật ký để đối chiếu với thực tế. Cuối cùng, dữ liệu mới được dùng để huấn luyện lại mô hình.

Vòng lặp AIoT gồm sáu bước chia hai hàng: cảm biến thu dữ liệu, cổng biên lọc dữ liệu, mô hình suy luận, hành động hoặc cảnh báo, ghi nhật
Vòng lặp AIoT: bước 5 và 6 là chỗ nhiều dự án bỏ sót. Sơ đồ khái niệm của VBPO Tech Blog.

Điểm khác biệt nằm ở hai bước cuối. Một hệ IoT thông thường kết thúc ở bước hành động. Hệ AIoT còn phải biết mô hình của mình đúng bao nhiêu phần trăm trên dữ liệu thật và tự thu thập mẫu mới để cải thiện.

Kiến trúc AIoT gồm những lớp nào?

Có thể chia hệ AIoT thành bốn lớp. Cách chia này giúp bạn biết mình đang mua hoặc xây phần nào, và phần nào đã có sẵn trong nhà máy, toà nhà hay kho.

Kiến trúc AIoT bốn lớp từ dưới lên: lớp thiết bị và cảm biến, lớp kết nối và cổng biên, lớp nền tảng dữ liệu và mô hình AI, lớp ứng dụng và
Mô hình AI có thể nằm ở lớp 1, 2 hoặc 3 tuỳ bài toán. Sơ đồ khái niệm của VBPO Tech Blog.
  • Lớp thiết bị: cảm biến, camera, đồng hồ đo, bộ điều khiển. Chất lượng dữ liệu ở đây quyết định phần còn lại. Cảm biến gắn lỏng hoặc sai vị trí sẽ làm mô hình học sai mà không báo lỗi.
  • Lớp kết nối và biên: cổng biên dịch giao thức, lọc nhiễu và có thể chạy mô hình. Phần này gần với điện toán biên.
  • Lớp nền tảng: nơi lưu dữ liệu dài hạn, huấn luyện mô hình và quản lý phiên bản. Phần lớn doanh nghiệp thuê dịch vụ ở lớp này từ nhà cung cấp đám mây, nên bài về đám mây lai liên quan khi bạn vừa giữ dữ liệu tại chỗ vừa dùng năng lực tính toán thuê ngoài.
  • Lớp ứng dụng: nơi kết quả của AI biến thành việc: dừng máy, tạo phiếu, gọi người trực. Nếu lớp này không có người hoặc quy trình nhận việc thì mô hình tốt đến đâu cũng không tạo ra giá trị.

AI nên chạy trên thiết bị, ở biên hay trên đám mây?

Đây là quyết định kỹ thuật quan trọng nhất của AIoT. Ba vị trí cho ba đánh đổi khác nhau.

  • Trên chính thiết bị (on-device, TinyML): mô hình rất nhỏ chạy ngay trên vi điều khiển. Theo phân tích của Mordor Intelligence, các bộ công cụ như TensorFlow Lite Micro và Edge Impulse đang thu nhỏ mô hình để vừa bộ nhớ khoảng 256 kB. Phù hợp với bài toán đơn giản như nhận từ khoá giọng nói hoặc phát hiện rung bất thường, chạy bằng pin.
  • Trên cổng biên: một máy tính công nghiệp hoặc module gia tốc AI đặt cạnh máy. Dùng cho thị giác máy tính (computer vision) từ nhiều camera, nơi cần phản hồi trong vài mili giây và không muốn đẩy toàn bộ video lên mạng.
  • Trên đám mây: mô hình lớn, dữ liệu tổng hợp từ nhiều địa điểm, huấn luyện và phân tích lô. Phản hồi chậm hơn và phụ thuộc đường truyền, nhưng dễ mở rộng và dễ cập nhật.
Ma trận hai nhnhân hai chọn nơi chạy AI. Trục ngang là độ gấp của phản hồi, trục dọc là lượng dữ liệu và độ nhạy cảm. Ô dữ liệu lớn hoặc
Ma trận chọn nơi chạy AI. Ranh giới mang tính hướng dẫn, mỗi bài toán cần đo độ trễ và băng thông thực tế. Sơ đồ khái niệm của VBPO Tech Blog.

Lưu ý rằng “dữ liệu nhạy cảm” cũng đẩy bài toán về phía biên. Camera đặt ở khu làm việc có thể chạy nhận diện trên cổng biên và chỉ gửi lên đám mây kết quả dạng số đếm, thay vì gửi cả hình ảnh có mặt người.

AIoT khác IoT, IIoT và edge computing ở đâu?

Bốn thuật ngữ này hay bị dùng lẫn. Bảng dưới tách chúng theo câu hỏi mà mỗi thuật ngữ trả lời.

Khái niệm Trả lời câu hỏi Có AI không Phạm vi
IoT Thiết bị nào được kết nối và gửi dữ liệu gì? Không bắt buộc Mọi lĩnh vực
IIoT Kết nối thiết bị trong môi trường công nghiệp thế nào? Không bắt buộc Nhà máy, năng lượng, mỏ
Edge computing Xử lý dữ liệu ở đâu? Không bắt buộc Một kiểu triển khai
AIoT Dữ liệu được diễn giải và quyết định thế nào? Có, là điểm cốt lõi Mọi lĩnh vực có IoT

Nói gọn: IoT và IIoT là hạ tầng thu thập, edge computing là chỗ đặt phép tính, còn AIoT là lớp thông minh đặt lên trên. Một hệ AIoT có thể dùng edge hoặc không, tuỳ bài toán.

Ví dụ AIoT trong thực tế

Bảo trì dự đoán cho động cơ và bơm

Cảm biến gia tốc gắn trên vỏ động cơ đo rung. Cổng biên chuyển tín hiệu sang miền tần số rồi mô hình phát hiện bất thường so sánh với “dấu vân tay” rung lúc máy khoẻ. Khó khăn thật sự là dữ liệu hỏng hóc rất hiếm, nên nhiều nhóm dùng mô hình học không giám sát, chỉ học trạng thái bình thường rồi báo khi lệch xa. Lộ trình số hoá cho nhà máy được trình bày trong bài chuyển đổi số trong sản xuất.

Giám sát an toàn lao động bằng camera

Camera công nghiệp kết nối cổng biên chạy mô hình nhận dạng. Hệ thống phát hiện người không đội mũ bảo hộ hoặc đi vào vùng nguy hiểm gần xe nâng, rồi bật đèn cảnh báo tại chỗ. Cách làm này không cần đẩy video lên mạng, và chỉ lưu đoạn clip ngắn quanh sự kiện vi phạm.

Quản lý năng lượng toà nhà

Cảm biến hiện diện, nhiệt độ và đồng hồ điện từng tầng đưa dữ liệu vào mô hình dự báo nhu cầu làm mát theo giờ. Hệ thống điều chỉnh điểm đặt điều hoà trước khi phòng đông người, thay vì phản ứng sau khi phòng đã nóng.

Ví dụ minh hoạ: kho lạnh

Giả sử một kho lạnh có 40 cảm biến nhiệt độ và độ ẩm. Ngưỡng cố định kiểu “trên -18 độ C thì báo” sinh nhiều cảnh báo giả mỗi khi cửa kho mở. Một mô hình đơn giản học nhịp mở cửa theo ca có thể bỏ qua dao động bình thường, và chỉ báo khi nhiệt độ không hồi phục sau thời gian dự kiến. Đây là ví dụ minh hoạ, không phải số liệu của một đơn vị cụ thể.

Với logistics và bán lẻ, các tình huống tương tự được bàn trong bài chuyển đổi số trong logistics.

Dữ liệu và hạ tầng cần chuẩn bị

  • Nhãn dữ liệu: mô hình giám sát cần ví dụ đã được gán nhãn “bình thường” hoặc “lỗi”. Hãy kiểm tra xem bộ phận bảo trì có ghi lại thời điểm hỏng hóc chính xác đến giờ hay không, vì không có mốc này thì không có nhãn.
  • Đồng bộ thời gian: các cảm biến lệch đồng hồ vài giây có thể làm hỏng việc tương quan giữa rung và dòng điện. Dùng NTP hoặc dấu thời gian từ gateway.
  • Băng thông và nguồn điện: camera 1080p liên tục tốn băng thông lớn hơn nhiều so với cảm biến nhiệt độ. Thiết bị chạy pin chỉ phù hợp mô hình nhỏ.
  • Cập nhật từ xa (OTA): mô hình, firmware và bản vá bảo mật phải đẩy được xuống hàng trăm thiết bị mà không phải đến tận nơi. Triển khai bằng container trên cổng biên là một cách phổ biến để đóng gói mô hình cùng môi trường chạy.
  • Giám sát mô hình: theo dõi độ lệch dữ liệu (data drift). Mùa mới, nguyên liệu mới hoặc máy mới có thể làm mô hình xuống cấp dù không có ai đụng tới nó.

Nếu chưa có mốc thời gian hỏng hóc đáng tin, bạn vẫn có thể bắt đầu bằng thu thập dữ liệu và phát hiện bất thường không giám sát. Đừng hứa dự đoán hỏng hóc chính xác khi chưa có lịch sử lỗi.

Lợi ích và hạn chế của AIoT

Lợi ích Hạn chế
Giảm dữ liệu phải truyền nhờ suy luận tại biên Phải quản lý nhiều thiết bị phân tán, mỗi nơi một phiên bản mô hình
Phản hồi nhanh hơn khi không phụ thuộc đường truyền Mô hình chạy trên thiết bị nhỏ bị giới hạn bộ nhớ và độ chính xác
Cảnh báo phân biệt được bình thường và bất thường thay vì ngưỡng cố định Cần dữ liệu nhãn và người hiểu cả thiết bị lẫn mô hình
Dữ liệu nhạy cảm có thể ở lại tại chỗ Bề mặt tấn công rộng hơn: thiết bị, mạng, mô hình

Quy mô thị trường thường được trích dẫn để thuyết phục, nhưng các báo cáo chênh nhau. Ví dụ, Grand View Research ước tính thị trường edge AI toàn cầu khoảng 24,9 tỷ USD năm 2025, còn GM Insights ước 25,2 tỷ USD cho cùng năm. Số liệu này chỉ cho thấy xu hướng chạy AI gần thiết bị đang tăng, không cho biết dự án của bạn có hiệu quả hay không.

Rủi ro bảo mật và dữ liệu cá nhân của AIoT

Mỗi thiết bị thêm vào mạng là một điểm vào tiềm tàng. Với AIoT có thêm hai rủi ro riêng. Thứ nhất, mô hình và dữ liệu huấn luyện là tài sản cần bảo vệ. Thứ hai, đầu vào bị làm giả có thể khiến mô hình đưa ra kết quả sai, chẳng hạn cảm biến bị can thiệp làm lệch số đo.

Các biện pháp phòng ngừa nên có: đổi mật khẩu mặc định của thiết bị, tách mạng thiết bị khỏi mạng văn phòng, chỉ cho phép thiết bị được xác thực kết nối, ký số bản cập nhật firmware và mô hình. Nguyên tắc “không mặc định tin cậy” được trình bày trong bài zero trust.

Về pháp lý, camera và micro trong AIoT thu hình ảnh, giọng nói, đôi khi cả đặc điểm sinh trắc học của người lao động và khách hàng. Theo Luật Bảo vệ dữ liệu cá nhân, các dữ liệu này phải có mục đích thu thập rõ ràng. Hãy xác định rõ mục đích đó, thời hạn lưu clip và ai được xem trước khi lắp thiết bị.

Khi nào nên và không nên dùng AIoT?

Nên cân nhắc khi

  • Sự cố hoặc sai sót có chi phí cao hơn nhiều so với chi phí cảm biến và tính toán, ví dụ dừng dây chuyền ngoài kế hoạch hay hỏng hàng trong kho lạnh.
  • Dữ liệu cảm biến đã có hoặc dễ thu, và có người ghi lại kết quả thực tế để đối chiếu.
  • Tín hiệu phức tạp đến mức ngưỡng cố định không đủ, chẳng hạn rung, âm thanh, hình ảnh.
  • Không thể hoặc không muốn gửi toàn bộ dữ liệu lên đám mây.

Chưa nên khi

  • Bài toán giải được bằng quy tắc đơn giản như “nhiệt độ cao hơn X thì báo”. Khi đó IoT thường là đủ.
  • Chưa có người nhận cảnh báo và xử lý. Cảnh báo không ai đọc thì không thay đổi được gì.
  • Hạ tầng mạng và điện tại hiện trường chưa ổn định. Sửa nền trước thì rẻ hơn thêm AI lên trên.

Lộ trình thực tế cho doanh nghiệp Việt

  1. Chọn một thiết bị hoặc một điểm giám sát. Ví dụ một máy nén khí, một kho lạnh hoặc một cổng ra vào. Ghi rõ hành động kỳ vọng khi AI báo bất thường.
  2. Thu dữ liệu 4 đến 8 tuần ở chế độ chỉ ghi. Chưa dùng kết quả để điều khiển. Mục tiêu là có dữ liệu sạch và nhật ký sự cố đi kèm.
  3. Thử phát hiện bất thường trên dữ liệu cũ. So kết quả với các sự cố đã biết. Ghi lại số cảnh báo đúng, báo thừa và bỏ sót.
  4. Chọn nơi chạy mô hình theo ma trận ở trên, rồi thiết kế cơ chế cập nhật từ xa và nhật ký.
  5. Nối kết quả vào quy trình có sẵn: hệ thống bảo trì, tin nhắn cho tổ trưởng, hoặc phần mềm quản lý kho. Nếu doanh nghiệp đã có hệ thống như bản sao số, dữ liệu AIoT có thể cấp cho nó.

Câu hỏi thường gặp

AIoT viết đầy đủ và dịch sang tiếng Việt là gì?

AIoT là Artificial Intelligence of Things, thường dịch là trí tuệ nhân tạo vạn vật hoặc trí tuệ nhân tạo của vạn vật. Một số tài liệu gọi là “IoT thông minh”, nhưng cách gọi này chưa nói rõ là có mô hình AI bên trong.

AIoT có bắt buộc phải dùng đám mây không?

Không. Mô hình có thể chạy hoàn toàn trên thiết bị hoặc cổng biên, kể cả khi mất kết nối. Đám mây thường vẫn được dùng để huấn luyện, lưu trữ dài hạn và quản lý nhiều điểm cùng lúc. Bạn có thể xem thêm về điện toán đám mây để chọn mô hình thuê phù hợp.

Camera giám sát thông thường có phải AIoT không?

Chưa chắc. Camera chỉ ghi hình rồi người xem lại thì là IoT thông thường. Camera hoặc cổng biên đi kèm mô hình tự nhận ra sự kiện như người vào vùng cấm, rồi tự phát cảnh báo, mới là AIoT.

Doanh nghiệp nhỏ có cần AIoT không?

Phần lớn doanh nghiệp nhỏ nên bắt đầu bằng IoT thu thập dữ liệu và cảnh báo theo ngưỡng. AIoT hợp lý khi ngưỡng cố định sinh quá nhiều cảnh báo giả hoặc bỏ sót sự cố đắt giá, và khi bạn đã có dữ liệu để đối chiếu.

Mô hình AIoT có cần huấn luyện lại không?

Có. Điều kiện vận hành thay đổi theo mùa, theo lô nguyên liệu, theo độ mòn máy, làm độ chính xác giảm dần. Cần theo dõi tỷ lệ báo đúng và báo thừa, và có quy trình huấn luyện lại rồi đẩy bản mới xuống thiết bị.

AIoT khác gì Công nghiệp 4.0?

Công nghiệp 4.0 là bối cảnh rộng, gồm nhiều công nghệ như IoT, AI, robot, dữ liệu lớn. AIoT là một cách kết hợp cụ thể trong đó. Bạn có thể đọc thêm trong bài đặc trưng của Công nghiệp 4.0.

VBPO Tech Blog cập nhật tin tức và kiến thức công nghệ cho doanh nghiệp Việt Nam. Xem thêm các bài cùng chuyên mục Hạ tầng số & đám mây.