Internet of Agentic Things: Networked AI Agents for Closed-Loop IoT Orchestration

背景

随着物联网（IoT）、物理AI（Physical AI）、边缘计算和数字孪生技术的快速发展，传统IoT系统面临以下根本性挑战：设备与云端之间的单向数据流动缺乏实时推理与自适应决策能力；多域异构设备的协同依赖集中式编排，难以应对动态变化；物理世界与数字世界的闭环控制需要更高的自主性和低时延。现有AI代理（agentic AI）已在单一环境中展现出感知、推理和行动的能力，但如何在跨云、边、端的分布式网络环境下构建统一、可扩展的编排框架，仍是一个开放问题。为此，本文提出Internet of Agentic Things (IoAT)，一种将代理AI、IoT、信息物理系统（CPS）、物理AI、边缘计算和数字孪生整合为统一闭环编排框架的体系结构。

核心内容

原文发表在arXiv cs.AI（提交日期2026年7月14日），标题为《Internet of Agentic Things: Networked AI Agents for Closed-Loop IoT Orchestration》。其核心贡献可概述如下：

• IoAT体系结构：提出一个由云层、边缘/雾层和物理IoT层组成的三层架构。各层之间通过自主AI代理（autonomous AI agents）进行连接，这些代理具备感知、推理、协调和驱动（perceive, reason, coordinate, actuate）的能力，能够在分布式信息物理环境中跨层运行，形成闭环（closed-loop）控制。
• 形式化建模：将IoAT建模为一种耦合工作流控制问题（coupled workflow-control problem），内部包含嵌套的战略决策（strategic decision making）与战术决策（tactical decision making）。作者引入hylomorphic动态规划框架（hylomorphic dynamic programming），将代理规划与物理执行连接起来，实现从高层抽象目标到低层物理动作的递阶优化。
• 代表性用例：以智能建筑编排（smart-building orchestration）作为展示案例，说明IoAT如何协调楼宇内的传感器、执行器、边缘节点和云服务，完成能效优化、舒适度调节等任务。
• 关键研究挑战：讨论了安全性（safety）、安防（security）、治理（governance）、弹性（resilience）以及可信部署（trustworthy deployment）等方面的开放问题。

关键要点

• 三层架构：云层（全局规划与长期战略）、边缘/雾层（近实时推理与协调）、物理IoT层（执行与感知），通过自治AI代理形成闭环。
• 自主AI代理：每个代理具备完整的感知-推理-协调-驱动循环，可在跨层环境中独立决策，同时与其他代理协同。
• hylomorphic动态规划：一种将高层战略决策（长期目标）与低层战术执行（实时物理动作）耦合的优化方法，确保规划与执行的一致性。
• 闭环编排：从物理世界中采集数据，经AI代理推理后产生控制指令，再反馈至物理设备，形成持续的自适应循环。
• 智能建筑用例：展示了IoAT在楼宇自动化中的实用性，可处理设备异构性、实时性和多目标优化。
• 四大挑战方向：安全（防止物理伤害）、安防（防止网络攻击）、治理（数据与决策的责任归属）、弹性（系统在故障下的持续运行）以及可信部署（可解释性、验证与认证）。

意义与影响

IoAT框架的提出标志着IoT与AI代理的融合进入系统化、体系化阶段。其意义体现在：

• 统一架构范式：首次将代理AI、边缘计算、数字孪生等不同技术栈整合进同一个闭环编排框架，为未来智慧城市、工业自动化、自动驾驶等复杂系统提供了可参考的蓝图。
• 理论贡献：hylomorphic动态规划为多尺度、多时间维度的决策控制问题提供了形式化工具，可能推动AI规划与物理控制交叉领域的发展。
• 现实需求对接：智能建筑等用例表明IoAT能够解决当前楼宇自动化中“孤岛式”管理、响应滞后等问题，具有直接商业价值。
• 开放研究路线：提出的安全、治理、弹性等挑战将引导后续研究关注可信AI在物理世界中的应用，而不仅仅是算法性能。

总之，IoAT为“万物智联”到“万物自主运营”的演进奠定了关键基础，在学术界和工业界均具有重要参考意义。