通過構建龐大的無線傳感器網絡，我們產生比以往更多的數據。若我們沒有被海量信息淹沒，大量數據能讓我們做出更好的決策。適當的數據管理首先要在邊緣處理信息，進行過濾、提煉然后確定發送到云的內容的優先級，而人工智能是這個領域內的最佳工具。

處理信息超載

物聯網產生的數據量似乎呈指數增長。例如，分析機構Gartner預測，到2021年，物聯網將包括250億個設備，所有設備都會生成全天候信息。多少信息？IDC預測，在未來五年內，聯網的設備將產生不少于79.4 ZB（1ZB等于十億TB）的數據。

這些信息大部分將由帶有小型電池的遠程無線傳感器生成。將大量的原始數據傳輸到云很昂貴，并且會迅速耗盡電池。有很多數據都是低價值的，這些通常是確認系統穩定的信息；涉及事物變化的信息，才是重要的。最好在本地處理數據，以確定哪些數據至關重要且對時間敏感，然后不頻繁地使用（相對較高功率）的無線傳輸，并在盡可能短的時間內將信息僅發送到云。

AI

用于邊緣設備的小型AIVS

用于云的大型AI

要確定哪些數據是必需的，最好使用AI。但這必須是一種經過特別優化的AI形式，以匹配IoT邊緣設備的功能、處理器和內存限制。 邊緣AI初創公司Imagimob專門從事此類軟件的開發。他們把經過驗證的AI軟件進行優化。然后，再使用我們的解決方案在電池供電的IoT傳感器和邊緣設備通用的Arm M級處理器上運行。例如，由該公司開發的系統使用AI“神經網絡”來學習和解釋手勢來控制耳機，而無需傳統的開關和按鈕。所有AI處理能力都包含在電池供電的耳機中。 借助優化的AI，配備了處理器的邊緣設備（如我們IoT解決方案中使用的Arm M級處理器）可以在本地處理和存儲傳感器數據，并且僅向云發送必需的數據，從而最大程度地降低了傳輸成本和功耗。 根據美國嵌入式設計顧問公司兼Nordic客戶Signetik的總裁Steve Poulsen所說，AI的任務應分為兩部分：

資源受限的邊緣設備（“小型AI”）將使用優化的軟件在本地整理和分類傳感器數據

基于云的強大服務器（“大型AI”）將使用高級資源來快速、深入地分析過濾后的數據，以發現重要的趨勢和模式

*

物聯網靜俏俏改變世界

如今，物聯網和人工智能無處不在，但是技術帶來的變化卻微妙至極，大多數人都忽略了它。就像我們都站在一個緩慢上升的平臺上，而沒有意識到它。但是，物聯網和AI其實在不斷改造醫療保健、物流、運輸、公用事業計量、零售支付、照明、VR等行業?！拔锫摼W的人工智能”正在逐步形成。它的影響力將幫助我們減緩物聯網提供的數據的雪崩速度，并開發出利用其見解的新方法。

天生一對的設計

物聯網和人工智能實在是天生一對，它們融合為智能網絡，而這些網絡越發在無人工的情況下就能輕松解決問題，有利于眾多行業。AI的影響將是巨大的；根據分析師Research and Markets的數據，到2023年，物聯網將占所有AI芯片組銷售額的83％。屆時智能物聯網將支持一場更大的技術革命，這技術革命已經開始，并且正在利用機器人技術、量子計算、自動駕駛汽車和基因組學等領域的并行進步。