物聯網副總裁盧托斯坦斯基(Lou Lutostanski)表示，Avnet未來主義者表示，人工智能(AI)和物聯網(IoT)將比工業革命和數字革命加起來更深刻地改變商業和社會，我們現在開始看到這個世界可能如何形成。然而，就在我們眼前展現未來的時候，很少有人談論人工智能驅動的物聯網是如何以一種有效且有利可圖的方式實現的。一個關鍵因素是在于AI人工智能實際駐留的地方以及它將如何影響物聯網架構。

許多組織認為人工智能的正確位置在云計算中，因為這是他們展現移動數據和IT計算能力的地方。但物聯網的一個關鍵需求是，邊緣的各種傳感器與網關之間的互操作連接，以及來自云的雙向連接——這就帶來了延遲問題。

許多人工智能和機器學習應用程序將真正改變行業，塑造我們的世界，它們需要實時響應。例如，盡管我們可能不介意亞馬遜Echo的Alexa在回答我們關于今天天氣的問題時出現的輕微延遲，但在道路上自動駕駛汽車或工廠里的工業機械的響應能力卻是完全不同的問題。

許多人工智能應用程序需要大量的計算能力來處理算法和設備數據。當實時響應和低延遲非常重要時，您需要邊緣計算體系結構。但情況可能并非總是如此。人工智能仍然可以在云、數據倉庫、邊緣或物聯網設備上完成——或者是這些設備的組合。要創建最高效和可持續的物聯網體系結構，您需要知道哪種類型的計算能力將用于何處。這將使您能夠平衡由云提供的規模經濟和在邊緣具有AI處理性能的性能需求。有些人稱之為“流體計算”，在整個網絡體系結構中有不同層次的計算智能和處理，但它實際上是一個包羅萬象的術語，表示云中的it計算能力向操作技術(OT)的轉變，即邊緣的計算能力。

保護物聯網架構

當然，安全是另一個問題。由于加密和其他安全保護難以打包到終端設備中，物聯網為不良行為者打開了許多漏洞。在這里，在IoT設備和云之間使用安全網關的體系結構可以減輕安全風險，同時仍然提供低延遲。從設備到云的數據需要信任。如果在整個體系結構中沒有足夠的安全性，那么組織、他們實現的物聯網和人工智能系統將很容易受到攻擊。這增加了他們的人工智能決策基于潛在的受損或不良數據的可能性。

冗余也是一個考慮因素。組織需要確定他們是否在他們的體系結構中設計了足夠的冗余，以便當某些東西下降時——最終會——網絡能夠快速恢復。

所有這一切意味著在邊緣的人工智能驅動的物聯網將是一個高度復雜的生態系統，有許多移動的部分和多學科的專業知識，隨著時間的推移，隨著我們對我們正在塑造的這個新世界了解的更多，這些知識將會不斷進化。否則，安全風險、意外停機、低效率和信息延遲將阻礙組織實現物聯網承諾的能力。下一代創新者將需要依賴多種學科，才能將他們的視野從理念帶到設計，從原型到生產，從操作到維護。

最后一點是開發新的硬件和軟件。隨著人工智能的發展，我們將看到更多的制造商為物聯網部署專門設計人工智能芯片。不僅風險投資家在這一領域支持初創企業，英特爾(Intel)、微軟(Microsoft)、谷歌和蘋果(Apple)等大型科技巨頭也在使用定制芯片。微軟(Microsoft)和亞馬遜(Amazon)等大型云計算公司將推出新的邊緣到云的混合計算服務。我們看到大量開發工具進入市場，這些開發工具是專門為加速ai at-the- the-edge解決方案的原型設計而設計的，這些解決方案的計算能力需要像我們的集體需求一樣不斷發展。

將所有這些可移動的部分組合在一起意味著在解決方案中提供了很大的靈活性。它需要與咨詢、供應鏈和生態系統資源建立技術合作伙伴，以適應快速變化的世界。在Avnet，我們相信人工智能驅動的物聯網將是推動長期業務增長所需的破壞性轉型的關鍵。

編輯：hfy