人工智能和物联网融合后的应用场景是什么？

人工智能从云端向边缘移动，为阻碍物联网在关键市场更广泛采用的带宽和安全问题提供了解决方案。如果技术发展的历史是未来的可靠指南，那么在接下来的几年里，这种融合至少还有两个阶段要进行。

物联网最近引起了人们极大的兴趣，但对于许多应用来说，有两个重要的问题出现了。一个是安全;从物联网设备流过网络的数据以及对设备本身的控制在很大程度上依赖于足够的网络攻击安全性。由于威胁不断演变，变得更加激烈，安全要求物联网开发人员不断提高警惕和缓解。与此同时，由于系统和数据的安全性存在不确定性，许多潜在用户推迟了对物联网技术的使用。

限制物联网采用的第二个问题是将数据发送到云进行处理所需的带宽。随着已安装设备数量的增加和所涉及数据量的增加，物联网部署正受到数据收集所涉及的带宽资源和成本的约束。随着人工智能成为从所有数据中提取价值的一个越来越重要的元素，这变得更加令人担忧。

人工智能在数据处理中的重要性大幅增长，因为传统的数据处理技术变得越来越繁琐。开发和编码从大量数据中提取有用信息的有效算法需要时间和许多潜在用户缺乏的应用专业知识。它还可能导致软件脆弱，随着需求的变化难以维护和修改。人工智能，尤其是机器学习 (ML)，允许处理器根据训练开发自己的算法以达到预期的结果，而不是依赖于专家分析和软件开发。此外，通过额外的训练，人工智能算法可以很容易地适应新的要求。

人工智能向边缘移动的最新趋势是将这两种技术结合在一起。从物联网数据中提取信息目前主要发生在云端，但如果可以在本地提取大部分或全部信息，带宽和安全性问题就不那么重要了。随着人工智能在物联网设备中运行，几乎不需要通过网络发送大量原始数据;只需要传达简洁的结论。由于通信流量较少，网络安全性更容易增强和维护。本地 AI 甚至可以通过检查传入流量是否有篡改迹象来帮助提高设备安全性。

工业机械的预测性维护是 AI 和 IoT 的融合将不断演进的一种应用。​

AIoT 似乎遵循了类似于 1980 年代微处理器发展方式的发展路径。处理开始于处理不同任务的独立设备：通用处理器、存储器、串行接口外围设备、并行接口外围设备等。这些最终将设备任务集成到单芯片微控制器中，然后演变为针对特定应用的专用微控制器。AIoT 看起来遵循相同的路径。

目前，AIoT 设计使用辅以通用 AI 加速和 AI 中间件的处理器。搭载 AI 加速的处理器也开始亮相。如果历史要重演，AIoT 的下一阶段将是针对特定应用量身定制的 AI 增强型处理器的演进。

为了使定制设备在经济上可行，它需要满足一系列与主题相关的应用的共同需求。这样的应用已经开始变得可见。其中一个主题是预测性维护。人工智能与工业机械上的物联网传感器相结合，正在帮助用户识别振动和电流消耗中的异常模式，这些模式是设备故障的先兆。将 AI 置于传感器设备本地的好处包括减少数据带宽和延迟，以及将设备响应与其网络连接隔离的能力。专门的预测性维护 AIoT 设备将服务于一个巨大的市场。

第二个主题是语音控制。Siri 和 Alexa 等语音助手的流行促使消费者要求在各种设备中具有语音控制功能。专用的语音控制 AIoT 设备将有助于解决带宽和延迟问题，并有助于确保在不稳定连接期间的功能。如今，这种设备的潜在用途数量惊人。

专门的AIoT设备还有其他潜在的主题需要解决。工业安全和建筑管理的环境传感就是其中之一。化学过程控制是另一个问题。自动驾驶汽车系统是第三个。第四种是识别特定目标的摄像头。毫无疑问，还会出现更多。

人工智能技术似乎将继续存在下去，而下一步的发展——与处理技术一样——将是为关键市场发展专门的设备。除此之外，该行业最有可能发展可配置的人工智能加速器，可以根据其应用进行定制，从而使AIoT的好处可以有效地覆盖更多、更小的市场。

还有许多技术上的挑战需要克服。设备大小和功耗一直是边缘问题，人工智能需要做更多工作来解决这些问题。在使用AI时，开发工具可以在简化应用程序开发工作方面做得更多。开发人员需要更多地了解人工智能作为应用开发的替代方法。但如果以历史为鉴，这些挑战将很快被克服。