过去十多年，物联网产业经历了从“能不能连”到“连得多不多”的基础设施扩张期。连接规模、覆盖范围、功耗水平、成本结构，构成了第一阶段竞争的核心变量。然而，当全球数以亿计的设备已经在线，产业开始面对一个更本质的问题：连接之后，价值在哪里？
AI 因此成为物联网绕不开的命题。事实上，围绕“AI 与 IoT 如何结合”的讨论，行业已经思考了不止三五年，AIoT智联网也不是什么新鲜概念，从云端数据分析，到边缘计算，再到设备侧推理，路径不断演进，但始终缺少一个标志性节点。
3 月 2 日，就在 2026 年巴塞罗那世界移动通信大会（MWC2026）上，LoRa 联盟宣布了其愿景：即 LoRaWAN 和人工智能如何融合，从而在物联网堆栈的边缘层、核心层和应用层实现变革性功能和更大价值。
我们知道，LoRaWAN 是普及性最高的 LPWAN 连接技术之一。根据官方发布的报告，截至 2025 年底，全球已有超过 1.25 亿台 LoRaWAN 物联网设备，其生态系统的复合年增长率 (CAGR) 为 25%。如今，LoRaWAN 正承担更重要的角色，为物联网成为 AI 的“数字神经系统”提供连接基础。LoRaWAN 支持采集原始物联网数据供 AI 分析，并通过 LoRaWAN 将分析产生的洞察与行动传递至最具价值的场景，从而提升运营效率、创造新的收入机会，并使用户能够通过其连接设备和物联网应用实现更多价值。
笔者注意到，LoRa 联盟首席执行官 Alper Yegin 在官方新闻稿里说了一句很有意思的话——“LoRaWAN 与人工智能的协同合作，为人工智能从纯粹的数字世界走向物理世界铺平了道路。”也就是说，他不再将 LoRaWAN 仅仅定位为低功耗广域网连接标准，而是试图将其塑造成 AI 进入物理世界的接口与神经系统。
这背后折射出的，或许是通信技术标准在物理 AI 时代对“底层入口”的重新争夺。
AI 与 LoRaWAN 的三种协同方式
先来看看 LoRa 联盟是如何具体阐述这一愿景的——其表示，AI 与 LoRaWAN 技术主要通过三种方式协同：边缘侧 AI、核心侧 AI，以及应用层 AI。
①边缘侧 AI（AI at the Edge）
越来越多连接 LoRaWAN 的传感器和设备，使 AI 处理能力能够直接在物联网网络最前端及设备内部运行，而不仅限于无线接入网络层。设备端 AI 处理减少了向云端传输大量数据的需求，降低了从感知、洞察到行动之间的延迟。这些设备可利用 LoRaWAN 的低功耗、高可扩展性和低成本连接优势，仅传输必要的结果，例如通知、警报和建议。
当前，连接 LoRaWAN 的摄像头已部署于多种环境中，用于事件检测和人数统计。通过设备端 AI 处理图像数据，可以更快速地生成警报。在其他场景中，通过 LoRaWAN 连接的振动和载荷传感器被用于大型工业环境中的设备监测。在这些场景下，AI 分析设备状态，当磨损达到特定阈值时生成预测性维护建议。
官方举出了一些实例，以佐证许多 LoRa 联盟成员公司已推动上述应用落地。例如，Seeed Studio 与 Milesight 均推出具备设备端 AI 处理能力的摄像产品；Honeywell、Advantech、Watteco 以及 TE Connectivity 则提供集成 LoRaWAN 连接与 AI 处理能力的振动传感器。
②核心侧 AI（AI in the Core）
AI 处理不仅在 LoRaWAN 网络边缘带来价值，也可在 LoRaWAN 核心网络中被网络运营商用于分析网络模式和检测异常，从而更主动地管理网络性能、可靠性和安全性。
例如，LoRa 联盟成员 Kudzu Technologies 的 CanopyNOC 产品利用智能代理 AI，自主监测并识别网络异常，为运营商提供可执行的智能分析，协助解决核心网络问题。
③应用层 AI（AI in the Application）
LoRaWAN 技术支持覆盖距离远、范围广的各类物联网应用，例如低功耗资产追踪、智慧城市、智慧农业以及大范围环境与工业监测，将 AI 集成到这些应用场景中，可以提升运行效率，并提供更精准的资产位置与状态信息。
目前，多家 LoRa 联盟成员已在该领域实践：
Browan 与 Combain 提供基于 AI 增强的室内定位产品；
Akenza 的物联网平台配备 AI 聊天机器人，可基于实时物联网数据回答问题；
Creative5 公司在中国台湾部署了混合 LoRaWAN + 非地面网络（NTN）卫星连接解决方案，用于地面网络无法覆盖的偏远山区森林的实时环境监测（如温度、湿度、水位等）。数据通过其集成 NTN 卫星连接的 Hestia LoRaWAN 网关进行传输，云平台上的 AI 分析支持异常检测、野火和洪水的早期预警，以及预测性环境洞察；
Emergent Connext 的 Rip 平台将 LoRaWAN 连接与 AI 智能层结合，为农业生产者提供自动化能力；
inBiot 的 ANNE AI 助手直接连接其 LoRaWAN 传感器网络，对实时室内空气质量数据进行标准化解读；
康卡斯特旗下公司及 LoRa 联盟成员 MachineQ 开发了自有 AI 应用，展示物联网与 AI 的融合趋势——该功能利用 AI 将数百万个物联网数据点转化为清晰、可执行的洞察，将原本需要数天的分析缩短至数秒；通过反复整合海量数据，该应用识别关键领域的模式与趋势，包括资产位置、利用率、告警、状态更新以及监测设备的传感器读数，生成简洁易懂的摘要，帮助团队快速决策并优化工作流程。
抢夺新一轮红利周期的话语权？
这则消息真正值得关注的，不是某一种 LPWAN 技术路线的演进，而是物联网价值主轴正在发生转移——IoT 或许正在进入第二波红利周期。
第一波 IoT 红利（2014–2020）：回顾 2014—2020 年，可以视为物联网的第一阶段红利期。那一阶段的核心任务非常明确：解决连接问题、建立技术标准、培育产业生态。从 NB-IoT、LTE-M 到 LoRaWAN，从运营商网络到私有网络，从模组成本下降到终端规模放量，行业的焦点集中在“连得上”“连得稳”“连得多”。连接本身就是价值，设备在线数量成为衡量产业成熟度的重要指标。标准的确立和生态的扩展，奠定了今天全球数亿级设备联网的基础。
第二波 IoT 红利（2025–2035）：但当连接不再稀缺，经历数年的疲软期之后，或许也预示着第二波红利周期正在形成。2025—2035 年，物联网的增长逻辑很可能不再来自设备数量的线性增加，而是来自 AI 驱动的决策自动化、边缘智能的规模化部署，以及物理世界数字孪生体系的深化构建。换言之，IoT 的价值将从“数据采集”转向“智能决策”，从“可视化”转向“可执行”。
在这样的背景下，以 LoRa 联盟为代表的 LPWAN 阵营开始强调“物理 AI”、“行动闭环”这些 AI 企业力推的概念，并非偶然。在过去既有的 LPWAN 竞争格局中，无论是 NB-IoT、LTE-M 还是卫星 IoT，技术叙事长期围绕覆盖能力、功耗表现和成本优势展开。LoRaWAN 过去的标签同样清晰：低功耗、低成本、私网灵活、部署弹性强。但如今，它试图重新定义自身角色——不仅是连接协议，而是 AI 的数据入口、AI 的行动出口，乃至物理 AI 的通信神经系统。这种定位的变化，本质上是一种话语权的升级。
当 AI 逐步嵌入工业设备、农业系统、能源设施和城市基础设施，谁掌握了物理设备的连接层，谁就更接近掌握智能决策的起点。通信技术标准的竞争，正在从带宽与覆盖的比拼，转向谁能成为 AI 时代最佳物理接口的竞争。
未来的标准优势，可能不再仅由网络性能参数决定，而取决于其与 AI 能力的耦合程度——是否支持边缘推理、是否具备低时延闭环能力、是否能高效承载智能结果的传递。LPWAN 的竞争焦点，也可能从单纯的“网络能力”转向“智能能力集成度”。
这种趋势对产业链各环节都提出了新的命题：
对于设备厂商而言：单纯提供传感和上报功能将逐渐边缘化，是否具备本地推理能力、是否能够在终端侧实现初步决策，将成为产品差异化的关键。
对于网络运营商而言：真正的价值不是提供连接管道，而是是否能够通过网络侧智能，实现异常检测、自主优化和服务级别保障，从“通道提供者”升级为“智能网络服务商”。
对于平台厂商来说：数据汇聚能力已经不足以构建壁垒，真正的核心在于是否能够提供决策引擎，将海量数据转化为可执行的业务动作，而不是停留在数据仓库和报表层面。
某种意义上，谁能成为 AI 进入物理世界的底层通道，谁就有机会在下一轮产业周期中，占据更核心的位置。
写在最后
过去几年，物联网从业者难免感受到了发展的瓶颈。用更乐观的角度站在这个时间节点回望，物联网并非走到成熟期的尾声，或许是来到了能力升级的新拐点上。当 AI 开始深度嵌入物理世界，连接技术的意义被重新定义——它不再只是数据通道，而是智能系统的神经网络。谁能在连接层之上承载智能，谁就能在新一轮产业分工中占据更高价值的位置。
无论是 LoRaWAN 还是其他物联网连接技术，真正的挑战都不在于参数指标，而在于能否构建“感知—分析—决策—执行”的闭环能力；物联网的下半场，拼的不是规模扩张，而是智能密度。对于整个产业而言，这既是一次技术融合，也是一次价值重估，更是一场关于未来十年话语权的提前布局。
