AIOT = AI + IoT，人工智能与物联网的融合。近10年我一直在做 AIOT 智联网实验实践课程开发，本文系统分享课程设计思路、实验项目编排和教学效果复盘，希望对同行教师有所启发。
一、课程背景
传统物联网课程偏重"连"（传感器+网络），缺少"智"（数据分析+AI推理）。产业已进入 AIoT 时代，课程必须跟上——不仅要教设备联网，还要教数据上云、AI 分析、智能决策的完整闭环。
AIOT 课程核心理念：从"万物互联"到"万物智联"，让学生掌握"端-边-云"协同的完整技术栈。
二、课程设计思路
2.1 技术栈框架
| 层次 | 技术 | 实验内容 |
|---|---|---|
| 端（设备） | 传感器/单片机/鸿蒙设备 | 数据采集、设备控制 |
| 边（边缘） | 边缘网关/轻量AI | 本地预处理、实时响应 |
| 云（平台） | 华为云IoDA/ModelArts | 数据存储、模型训练、可视化 |
| 智（AI） | 昇腾/MindSpore | 模型推理、智能决策 |
2.2 循序渐进编排
- 阶段一（基础）：传感器数据采集 → 串口/网络上传 → 云平台显示
- 阶段二（联网）：MQTT/CoAP 协议 → 设备管理 → 规则引擎
- 阶段三（智能）：数据标注 → 模型训练 → 边缘部署 → 智能推理
- 阶段四（综合）：完整 AIOT 系统——端采集→边预处理→云训练→端推理闭环
教学经验：阶段一务必让每个学生都能跑通"数据上云看到曲线"，建立成就感。否则后续复杂内容容易劝退。
三、实验项目设计
实验1：环境监测上云
温湿度传感器 → 单片机 → WiFi → 华为云IoTDA → 数据可视化。目标：理解端到云数据链路。
实验2：智能安防联动
人体红外传感器检测 → 边缘判断 → 触发摄像头抓拍 → 云端AI识别 → 报警推送。目标：体验"端-边-云"协同。
实验3：设备预测性维护
电机振动数据采集 → 云端训练异常检测模型 → 模型部署到边缘 → 实时推理预警。目标：完整 AIOT 闭环。
四、教学工具与平台
- 华为云 IoT Device Access（IoTDA）：设备接入管理平台，免费额度够教学用
- ModelArts：AI 开发平台，含数据标注、训练、部署全流程
- 昇腾 AI 处理器：边缘推理硬件，配合 MindSpore Lite
- NetLab：网络仿真工具，AIOT 课程中网络基础实验环节使用
五、教学效果复盘
近10年实践，总结有效做法：
- 先跑通再讲原理：先让实验跑起来看到效果，再回头讲原理。学生有感性认识后，理论吸收率更高
- 真实场景驱动：用"智能农场""智慧教室"等真实场景，而非抽象 demo，学生代入感强
- 分组协作：4人一组分工（端/边/云/智），模拟企业团队，培养协作能力
- 开源硬件降成本：用 ESP32/树莓派等低成本硬件，学校无需昂贵设备
- 竞赛牵引：课程对接"华为ICT大赛"等竞赛，优秀学生有展示舞台
常见困难：① 云平台账号额度限制，需提前申请教学资源 ② 硬件损坏率高，需备件 ③ AI 部分对数学基础要求高，需适当降低理论深度重实践。
六、小结
- AIOT 课程核心：从"万物互联"到"万物*智联"，端-边-云-智完整技术栈
- 循序渐进四阶段：基础采集→联网协议→AI智能→综合闭环
- 教学关键：先跑通建立成就感、真实场景驱动、分组协作、低成本硬件
- 华为云 IoTDA + ModelArts + 昇腾是完整教学平台支撑