物聯(lián)網（IoT）和人工智能（AI）本身就是開創(chuàng)性的商業(yè)技術，但當它們結合在一起時，對企業(yè)用戶來說，它們的好處會被放大。物聯(lián)網將設備連接在一起，像神經系統(tǒng)一樣發(fā)出和接收信息，而人工智能則像大腦一樣，接收數據，處理數據，并利用它做出明智的決定，從而控制整個系統(tǒng)。
當它們結合在一起時，就能提供智能的、連接的系統(tǒng)，這些系統(tǒng)可以根據需要進行自我糾正和自愈，這就是人工智能物聯(lián)網。
AIoT（智能物聯(lián)網）可以自主采取行動
為了理解AIoT的能力，回顧物聯(lián)網已經對工業(yè)產生的影響是有幫助的。借助云計算和存儲等物聯(lián)網技術，以及增強的連通性和機對機(M2M)通信，制造商已經能夠完成三項關鍵任務：連接機器、存儲數據以及處理數據。現在，當我們引入AIoT時，他們可以從第四種能力中受益——擁有自主行動的能力。
現在，制造商可以得到的不僅僅是數據。AI不只了解設備的運行情況，還可以根據這些情況做出自己的決定，通過預設機制或推理功能自主為用戶采取行動。
當然，為了使人工智能切實可行，制造商需要一個數據管理系統(tǒng)來支持快速決策。雖然云存儲是一個可行的選擇，但分析數據更接近其來源——在物聯(lián)網邊緣——將把人工智能技術帶到一個新的水平。
進入邊緣
在人工智能集成的許多情況下，決策和動作需要在本地發(fā)生，以便快速行動。例如，如果人工智能系統(tǒng)收到機器故障的警報，系統(tǒng)可能會決定停止機器以避免產品損壞。通過在邊緣（Edge）而不是在云端集成人工智能系統(tǒng)，可以避免延遲問題，這意味著機器可以更快地關閉，更少的產品損壞（這類情況對于自動駕駛汽車來說的價值更明顯）。
這同樣適用于過程優(yōu)化活動，例如改變機器運動的速度或方式。位于邊緣的人工智能系統(tǒng)可以向設備發(fā)送指令，比來自云的類似指令更快更靈敏，提高整個系統(tǒng)性能。
集成人工智能和在邊緣處理數據的另一個好處是增加了安全性。云計算可能會帶來一些安全問題——數據由第三方提供商存儲，遠離公司的場所，以及通過互聯(lián)網訪問這些企業(yè)數據。邊緣計算可以作為一種補充，通過在源頭過濾掉敏感信息并將其存儲在內部，減少向云傳輸機密數據的情況，從而克服這些安全問題。
另一個在邊緣集成AIoT有優(yōu)勢的用例是當涉及到視覺檢測系統(tǒng)時。攝像機和傳感器會產生大量的數據，因此在邊緣分析和過濾這些數據比將其全部發(fā)送到遠端的云或大型集中式系統(tǒng)更省時間和成本。
此外，設施通常有許多移動設備連接到AIoT，同樣必須處理伴隨而來的大量數據。將這種龐大的數據發(fā)送到云可能是不可行的，所以在邊緣進行分析更有效。邊緣分析可以從原始數據中提取高價值的特征，只向云發(fā)送重要和必要的信息，如剩余機器壽命估計等。
整合AIoT
要在邊緣整合人工智能，行業(yè)領導者必須先建立一個離線的人工智能模型。然后，他們必須使用以前存儲的數據集來訓練模型，以改進它，并確保它滿足期望和需求。一旦對這一模式感到滿意，行業(yè)領導者就可以通過導出新的實時數據并在應用程序中執(zhí)行它。
然而，將該模型應用于在線場景中的實時數據與在訓練階段已經排序的存儲數據上進行測試是非常不同的。實時數據還沒有被過濾或分類，每組數據可能會在不同的時間到達，給AIoT帶來混亂的信息。
因此，在AIoT使用數據之前，需要對數據進行一些處理，這也是邊緣分析的作用所在。邊緣分析可以協(xié)調來自多個來源的不同格式的數據。在不同時間進入的數據可以在規(guī)則的時間邊界上進行修正對齊，以便在數據到達AIoT之前是統(tǒng)一且流線化。
機器智能確實擁有巨大的力量，但其他支持技術可以幫助揭示其最大的潛力。在邊緣集成AIoT的行業(yè)領導者可以直接且有針對性地獲得更高效和反應性控制系統(tǒng)的好處，并更快地優(yōu)化流程。
