隨著科技的不斷發(fā)展，一些在功能上具有相互補(bǔ)充作用的技術(shù)正在不可避免地發(fā)生結(jié)合——例如，人工智能（AI）和物聯(lián)網(wǎng)（IoT）。

由于物聯(lián)網(wǎng)的快速發(fā)展，企業(yè)可以使規(guī)模龐大的設(shè)備或“事物”實(shí)現(xiàn)網(wǎng)絡(luò)連接和數(shù)據(jù)共享，并能夠通過數(shù)據(jù)分析獲取收益。由于AI能夠從海量物聯(lián)網(wǎng)數(shù)據(jù)中“學(xué)習(xí)”，從而快速作出決策并揭示深刻見解，因此對(duì)于任何希望擴(kuò)展物聯(lián)網(wǎng)價(jià)值的企業(yè)而言，AI都是一種必不可缺的分析能力。

在本文中，我們將探討AI和物聯(lián)網(wǎng)（即AIoT）如何共同為各行各業(yè)的組織創(chuàng)造新價(jià)值。

一、IoT-連接的藝術(shù)

1. 萬物互聯(lián)的迅速崛起

1982年，卡內(nèi)基梅隆大學(xué)將可樂機(jī)改裝成為世界首個(gè)可連接的智能設(shè)備，該設(shè)備能夠報(bào)告其庫(kù)存情況以及新儲(chǔ)存的飲料是否冰涼。幾十年后的今天，我們生活在一個(gè)物聯(lián)網(wǎng)多于人聯(lián)網(wǎng)的世界里。不但如此，Business Insider Intelligence預(yù)計(jì)，到2025年，物聯(lián)網(wǎng)設(shè)備將超過550億，遠(yuǎn)高于2017年的90億。

快速擴(kuò)張的物聯(lián)網(wǎng)技術(shù)將便攜式設(shè)備、家用電器、汽車、制造設(shè)備和其他嵌入電子設(shè)備、軟件、傳感器和執(zhí)行器相連接，從而組成一張巨大的物聯(lián)網(wǎng)網(wǎng)絡(luò), 并能相互進(jìn)行數(shù)據(jù)交換。從消費(fèi)類可穿戴設(shè)備，到工業(yè)機(jī)器和重型機(jī)械，這些相互連接的“物”可以向環(huán)境發(fā)出信號(hào)、能夠被遠(yuǎn)程操縱和控制，并且能越來越多地自主做出決策并執(zhí)行。

目前來看，物聯(lián)網(wǎng)幾乎無處不在。它可以是一個(gè)家庭自動(dòng)化系統(tǒng)，通過檢測(cè)環(huán)境的改變自動(dòng)調(diào)整恒溫器或照明設(shè)備；它也可以是生產(chǎn)設(shè)備，能夠及時(shí)提醒維護(hù)技術(shù)人員即將發(fā)生的故障；它還可以是車載導(dǎo)航系統(tǒng)，能夠檢測(cè)用戶的位置并提供環(huán)境方向感知……此外，物聯(lián)網(wǎng)還有很多應(yīng)用案例，例如，用戶可以將具有語音識(shí)別的設(shè)備作為個(gè)人數(shù)字助理，商業(yè)車隊(duì)通過配備傳感器來傳達(dá)動(dòng)態(tài)等等。

這個(gè)由相互連接的設(shè)備、人員和環(huán)境組成的生態(tài)系統(tǒng)產(chǎn)生了大量復(fù)雜的數(shù)據(jù)。例如，今天的汽車和卡車就像建立在車輪上的數(shù)據(jù)中心，大量配備的傳感器可以監(jiān)控從輪胎壓力到發(fā)動(dòng)機(jī)性能、部件健康狀況、無線電音量、駕駛員動(dòng)作——甚至是擋風(fēng)玻璃上是否有障礙物或雨點(diǎn)等狀態(tài)數(shù)據(jù)。一輛聯(lián)網(wǎng)的汽車每小時(shí)能輸出大約25GB的數(shù)據(jù)，而自動(dòng)駕駛汽車每秒甚至可以輸出多達(dá)1GB的數(shù)據(jù)。

然而，連接和交換大量數(shù)據(jù)只是物聯(lián)網(wǎng)故事的開始。

2. 從收集數(shù)據(jù)到智能連接

智能連接設(shè)備一般由四層組成：

物理元件，如機(jī)械和電氣部件。

智能元件，如傳感器，處理器，存儲(chǔ)和軟件。

連接元件，如端口，天線和協(xié)議。

自主分析，可以在邊緣訓(xùn)練和運(yùn)行AI模型。

智能元件放大了物理元件的作用。智能元件反過來又被連接元件放大，從而實(shí)現(xiàn)監(jiān)監(jiān)測(cè)、控制和優(yōu)化。但就其本身而言，僅僅將事物進(jìn)行聯(lián)接并不會(huì)促進(jìn)學(xué)習(xí)。連接為進(jìn)一步的學(xué)習(xí)鋪平了道路，但也只是基礎(chǔ)。

在最底層的應(yīng)用方面，物聯(lián)網(wǎng)設(shè)備生成的數(shù)據(jù)可以被用于觸發(fā)簡(jiǎn)單的警報(bào)。例如，如果傳感器檢測(cè)到超出閾值的情況，比如過熱或振動(dòng)，它就會(huì)觸發(fā)警報(bào)，通知技術(shù)人員進(jìn)行檢查。而在一個(gè)更復(fù)雜的物聯(lián)網(wǎng)系統(tǒng)中，則可能有幾十個(gè)傳感器監(jiān)控到事物的方方面面。

正是這些應(yīng)用場(chǎng)景為設(shè)備的連接增加了價(jià)值，但是物聯(lián)網(wǎng)的真正價(jià)值在于另一個(gè)更復(fù)雜的層次，這些價(jià)值會(huì)在物聯(lián)網(wǎng)設(shè)備能夠進(jìn)行學(xué)習(xí)并自主決策時(shí)體現(xiàn)出來。

例如，使用物聯(lián)網(wǎng)數(shù)據(jù)檢測(cè)故障的模型可以將機(jī)器控制推送給適合的由物聯(lián)網(wǎng)驅(qū)動(dòng)的執(zhí)行器，以減少類似設(shè)備發(fā)生故障的可能性；自動(dòng)駕駛車輛也可以將他們的經(jīng)驗(yàn)傳遞給網(wǎng)絡(luò)中的其他車輛。

這些功能是物聯(lián)網(wǎng)應(yīng)用程序個(gè)性化需求的基礎(chǔ)：

作為人類，我們希望得到智能設(shè)備的單獨(dú)對(duì)待，從而需要它們了解我們的習(xí)慣、行為模式和偏好。例如，可穿戴技術(shù)應(yīng)該考慮監(jiān)測(cè)運(yùn)動(dòng)員的動(dòng)作，并在檢測(cè)到其將受傷時(shí)發(fā)出信號(hào)。因?yàn)闆]有兩個(gè)人的移動(dòng)會(huì)完全相同，所以應(yīng)用程序只有具備更好的個(gè)性化才有意義。

再例如，零售商可以使用由物聯(lián)網(wǎng)技術(shù)支持的相機(jī)進(jìn)行物體檢測(cè)以及機(jī)器學(xué)習(xí)，以便在適當(dāng)?shù)臅r(shí)刻向購(gòu)物者提供量身定制的廣告和優(yōu)惠。

隨著機(jī)器變得越來越復(fù)雜，個(gè)性化的需求也變的越來越迫切。例如，相同品牌和型號(hào)的兩件工業(yè)設(shè)備在不同條件下的性能可能不同，以相同的方法對(duì)待它們可能會(huì)錯(cuò)失提高運(yùn)營(yíng)效率、提高安全性和更好地利用資源的機(jī)會(huì)，因此需要以不同的方式進(jìn)行使用。

再例如，通過機(jī)器學(xué)習(xí)可以幫助操作人員確定特定生產(chǎn)運(yùn)行的最佳機(jī)器集合，從而在車間內(nèi)做出更好的決策。

二、AI-無所不在的構(gòu)建智能

1. AI的演變

AI是一門通過學(xué)習(xí)和自動(dòng)化來模擬人類任務(wù)的訓(xùn)練系統(tǒng)的科學(xué)。借助嵌入式AI，機(jī)器可以不斷適應(yīng)新的輸入并從經(jīng)驗(yàn)中學(xué)習(xí)，還能在沒有人工干預(yù)的情況下完成特定的任務(wù)。目前來看，AI已被廣泛應(yīng)用于面部識(shí)別、語音識(shí)別和在游戲中擊敗人類國(guó)際象棋、圍棋冠軍。

AI誕生于上世紀(jì)50年代，但直到最近幾年隨著物聯(lián)網(wǎng)數(shù)據(jù)量、高速連接和高性能計(jì)算的爆炸式增長(zhǎng)，它才真正在主流應(yīng)用中占據(jù)了一席之地。

現(xiàn)階段，AI主要使用的是各種統(tǒng)計(jì)和計(jì)算技術(shù)。機(jī)器學(xué)習(xí)是AI的一個(gè)子集，它可以識(shí)別來自智能傳感器和設(shè)備數(shù)據(jù)中的模式和異常。隨著時(shí)間的推移，機(jī)器學(xué)習(xí)算法可以通過“學(xué)習(xí)”提供更準(zhǔn)確的結(jié)果。因此，機(jī)器學(xué)習(xí)優(yōu)于傳統(tǒng)的商業(yè)智能工具，并且相較基于規(guī)則、閾值或計(jì)劃的系統(tǒng)能夠更快、更準(zhǔn)確地進(jìn)行操作預(yù)測(cè)。

深度學(xué)習(xí)，計(jì)算機(jī)視覺，自然語言處理以及經(jīng)過時(shí)間考驗(yàn)的預(yù)測(cè)或優(yōu)化中的機(jī)器學(xué)習(xí)等技術(shù)使AI成為了物聯(lián)網(wǎng)不可或缺的重要補(bǔ)充。例如，AI可以將信號(hào)從噪聲中分離出來，從而產(chǎn)生了先進(jìn)的物聯(lián)網(wǎng)設(shè)備，它還可以從與用戶、服務(wù)提供商和生態(tài)系統(tǒng)中的其他設(shè)備的交互中學(xué)習(xí)。

AI的演變

2. AI的潛力

通過AI連接的智能設(shè)備和環(huán)境可以從更大的數(shù)據(jù)源網(wǎng)絡(luò)（包括彼此）中學(xué)習(xí)，并有助于提高整體的智能化水平。各行各業(yè)中已經(jīng)存在很多案例可以證明這種潛力：

公用事業(yè)和制造商可以檢測(cè)表現(xiàn)不佳的資產(chǎn)，并能在發(fā)生代價(jià)高昂或危險(xiǎn)的設(shè)備故障之前進(jìn)行預(yù)測(cè)性維護(hù)或自動(dòng)關(guān)閉。

數(shù)字孿生是對(duì)真實(shí)世界的虛擬模擬，它能夠使工程師和操作人員分析現(xiàn)場(chǎng)設(shè)備的性能，同時(shí)最大限度地降低傳統(tǒng)測(cè)試方法的成本和安全問題。

零售商可以使用基于位置和環(huán)境感知的技術(shù)來檢測(cè)店內(nèi)情況，并將其與其他數(shù)據(jù)（如在線用戶配置文件和店內(nèi)庫(kù)存）相結(jié)合，可以在客戶進(jìn)入商店時(shí)發(fā)送實(shí)時(shí)個(gè)性化優(yōu)惠。

無人機(jī)可以用以及時(shí)了解互聯(lián)網(wǎng)或GPS無法到達(dá)的黑暗、閉塞的環(huán)境中的未知情況，并能用來調(diào)查如海上作業(yè)、地雷、戰(zhàn)區(qū)或燃燒的建筑物等危險(xiǎn)區(qū)域。

機(jī)器人可以自主穿過倉(cāng)庫(kù)的過道，從貨架上挑選零件或貨物并將它們運(yùn)送到正確的位置，并能避免沿途發(fā)生碰撞。協(xié)作機(jī)器人（“cobots”）可以與人類一起工作，從事繁重的搬運(yùn)、舞臺(tái)材料的組裝或完成重復(fù)性的任務(wù)和動(dòng)作。

集裝箱和牽引拖車可以監(jiān)測(cè)溫度、濕度、光照、重量分布、二氧化碳和氧氣水平等條件，以保持負(fù)載的完整性，加快交貨和檢查的速度。

遠(yuǎn)程監(jiān)控設(shè)備可以提供家庭診斷，在需要干預(yù)時(shí)提醒護(hù)理人員，并提醒患者服用藥物。

城市可以在實(shí)體基礎(chǔ)設(shè)施中部署連接的傳感器，以不斷監(jiān)測(cè)能源效率、空氣污染、用水、交通狀況和其他生活質(zhì)量因素。

工業(yè)AI驅(qū)動(dòng)的物聯(lián)網(wǎng)應(yīng)用

這種自適應(yīng)、預(yù)測(cè)和“學(xué)習(xí)”的能力在工業(yè)物聯(lián)網(wǎng)(IIoT)中尤其重要，因?yàn)橄到y(tǒng)故障和停機(jī)可能會(huì)導(dǎo)致危及生命或高風(fēng)險(xiǎn)的情況發(fā)生。

三、AI和物聯(lián)網(wǎng)成功的四個(gè)關(guān)鍵

除了傳感器、攝像頭、網(wǎng)絡(luò)基礎(chǔ)設(shè)施和計(jì)算機(jī)等智能物聯(lián)網(wǎng)的物理基礎(chǔ)設(shè)施外，還有一些要素是成功部署的關(guān)鍵：

思考并實(shí)時(shí)分析。使用事件流處理來分析運(yùn)動(dòng)中的各種數(shù)據(jù)，并確定哪些是最相關(guān)的。

能夠在云端、網(wǎng)絡(luò)邊緣或設(shè)備本身等應(yīng)用程序最需要的地方部署智能。

結(jié)合AI技術(shù)。對(duì)象識(shí)別或處理自然語言等AI功能具有非常高的價(jià)值，并能在協(xié)同作用中發(fā)揮關(guān)鍵作用。

統(tǒng)一完整的分析生命周期，對(duì)數(shù)據(jù)進(jìn)行流化、過濾、評(píng)分、存儲(chǔ)相關(guān)內(nèi)容、分析并使用結(jié)果持續(xù)改進(jìn)系統(tǒng)。

1. 實(shí)時(shí)分析

事件流處理在處理物聯(lián)網(wǎng)數(shù)據(jù)時(shí)起著至關(guān)重要的作用，因?yàn)樗軌颍?/p>

檢測(cè)感興趣的事件并觸發(fā)適當(dāng)?shù)牟僮鳌Ｊ录骺梢蕴幚韺?shí)時(shí)精確定位中的復(fù)雜模式，例如它可對(duì)個(gè)人移動(dòng)設(shè)備的操作或銀行交易期間的異常活動(dòng)進(jìn)行快速檢測(cè)。

監(jiān)控匯總信息。事件流可以持續(xù)處理來自監(jiān)控設(shè)備和傳感器的數(shù)據(jù)，查找出可能存在問題的趨勢(shì)、相關(guān)性或異常。智能設(shè)備可以采取補(bǔ)救措施，例如通知操作員、移動(dòng)負(fù)載或關(guān)閉電機(jī)。

清理并驗(yàn)證傳感器數(shù)據(jù)。當(dāng)傳感器數(shù)據(jù)延遲、不完整或不一致時(shí)，可能是由于許多因素共同作用導(dǎo)致的。嵌入到數(shù)據(jù)流中的各種技術(shù)可以檢測(cè)并解決此類數(shù)據(jù)問題，還能對(duì)即將發(fā)生的傳感器故障或網(wǎng)絡(luò)錯(cuò)誤導(dǎo)致的臟數(shù)據(jù)進(jìn)行清洗。

實(shí)時(shí)預(yù)測(cè)和優(yōu)化運(yùn)營(yíng)。高級(jí)算法可以持續(xù)對(duì)流數(shù)據(jù)進(jìn)行評(píng)分，以便在瞬間做出決策。例如，可以在數(shù)據(jù)環(huán)境中分析有關(guān)火車的到達(dá)信息，并延遲另一趟火車的出發(fā)時(shí)間，以保證乘客不會(huì)錯(cuò)過換乘。

2. 在應(yīng)用程序需要的地方部署智能

前面描述的案例需要不斷變化和移動(dòng)的數(shù)據(jù)(例如自動(dòng)駕駛車輛內(nèi)駕駛員的地理位置或溫度)以及其他離散數(shù)據(jù)(例如客戶概況和歷史購(gòu)買數(shù)據(jù))。這一現(xiàn)實(shí)要求分析以不同的方式應(yīng)用于不同的目的。例如：

高性能分析可以對(duì)靜態(tài)、云端或存儲(chǔ)中的繁重?cái)?shù)據(jù)進(jìn)行高效處理。

流分析可對(duì)運(yùn)動(dòng)中的大量不同數(shù)據(jù)進(jìn)行分析，這些數(shù)據(jù)中可能只有少量是我們需要的并只有短暫的價(jià)值，因此速度十分重要，例如發(fā)送有關(guān)即將發(fā)生的碰撞或組件故障的警報(bào)。

邊緣計(jì)算使系統(tǒng)能夠在源頭立即對(duì)數(shù)據(jù)進(jìn)行操作，而無需暫停獲取、傳輸或存儲(chǔ)數(shù)據(jù)。

在應(yīng)用程序需要的地方部署智能是一種多相分析方法，要記住的關(guān)鍵原則是，并非所有數(shù)據(jù)點(diǎn)都是相關(guān)的，也不是所有數(shù)據(jù)點(diǎn)都需要發(fā)送并永久存儲(chǔ)。分析基礎(chǔ)架構(gòu)必須靈活且可擴(kuò)展，以支持當(dāng)前和未來的所有需求。

3. 協(xié)同AI技術(shù)

要用AIoT實(shí)現(xiàn)最高的回報(bào)，除了部署單一的AI技術(shù)外，還需要考慮其他方面。例如，可以采用多種AI功能協(xié)同工作的平臺(tái)，將機(jī)器學(xué)習(xí)與自然語言處理和計(jì)算機(jī)視覺等進(jìn)行協(xié)同工作。

舉例來看，一家大型醫(yī)院的研究診所結(jié)合了多種形式的AI，為其醫(yī)生提供診斷指導(dǎo)。該診所使用深度學(xué)習(xí)和計(jì)算機(jī)視覺對(duì)x線片、CT掃描和核磁共振成像進(jìn)行識(shí)別，以確定結(jié)節(jié)和其他與人類大腦和肝臟有關(guān)的區(qū)域。該檢測(cè)過程使用深度學(xué)習(xí)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)，這是一類通常用于分析視覺圖像的機(jī)器學(xué)習(xí)。這種檢測(cè)過程使用到了深度學(xué)習(xí)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)是一種通常用于分析視覺圖像的機(jī)器學(xué)習(xí)。

然后，該診所使用一種完全不同的AI技術(shù)——自然語言處理，建立一個(gè)基于家庭病史、藥物、既往疾病和飲食的患者檔案，它甚至可以解釋心臟起搏器等物聯(lián)網(wǎng)數(shù)據(jù)。該工具將自然語言數(shù)據(jù)與計(jì)算機(jī)視覺相結(jié)合，使醫(yī)務(wù)人員在寶貴的工作時(shí)間內(nèi)工作效率大大提高。

物聯(lián)網(wǎng)分析生命周期—流式傳輸、過濾、評(píng)分和存儲(chǔ)

4. 統(tǒng)一完整的分析生命周期

為了從互聯(lián)的世界中獲得價(jià)值，AIoT系統(tǒng)首先需要訪問各種不同的數(shù)據(jù)來感知正在發(fā)生的重要事項(xiàng)。接下來，它必須從豐富的數(shù)據(jù)環(huán)境中提取對(duì)數(shù)據(jù)的理解。最后，無論是提醒操作員、提供報(bào)價(jià)還是修改設(shè)備操作，它都必須得到快速的結(jié)果。

成功的物聯(lián)網(wǎng)實(shí)施將在整個(gè)分析生命周期中鏈接這些支持功能：

動(dòng)態(tài)數(shù)據(jù)分析，這是前面描述的事件流處理部分。事件流處理以非常高的速率(在每秒數(shù)百萬的范圍內(nèi))分析大量數(shù)據(jù)，并以極低的延遲(以毫秒為單位)分析數(shù)據(jù)，事件流處理以極高的速率(以每秒數(shù)百萬計(jì))、極低的延遲(以毫秒為單位)分析大量數(shù)據(jù)，以識(shí)別感興趣的事件。

實(shí)時(shí)決策/實(shí)時(shí)交互管理。可將感興趣事件的流數(shù)據(jù)推入可正確決策或行動(dòng)的推薦引擎，例如汽車不斷變化的位置、方向、目的地、環(huán)境等。

大數(shù)據(jù)分析。從物聯(lián)網(wǎng)設(shè)備獲取智能首先需要具備能夠從分布式計(jì)算環(huán)境中快速獲取和處理大量數(shù)據(jù)的能力，并能夠運(yùn)行更多的迭代以使用所有的數(shù)據(jù)，從而提高模型的準(zhǔn)確性。

數(shù)據(jù)管理。物聯(lián)網(wǎng)數(shù)據(jù)可能太少、太多，而且肯定會(huì)以多種格式出現(xiàn)，因此必須進(jìn)行集成和協(xié)調(diào)。可靠的數(shù)據(jù)管理可以從任何地方獲取物聯(lián)網(wǎng)數(shù)據(jù)，并使其干凈、可信，為下一步分析做好準(zhǔn)備。

分析模型管理。模型管理提供從注冊(cè)到退休的整個(gè)分析模型生命周期的基本治理。這確保了模型管理方式的一致性，并確保性能不會(huì)隨著時(shí)間的推移而降低。

結(jié)語：AI和物聯(lián)網(wǎng)將重新定義可能性

具有數(shù)千個(gè)連接點(diǎn)的高性能物聯(lián)網(wǎng)設(shè)備和環(huán)境正在網(wǎng)絡(luò)中擴(kuò)散，不斷下降的硬件成本使得將傳感器和連接性嵌入任何東西都成為可能。計(jì)算機(jī)、光速通信和分析技術(shù)的進(jìn)步，使得在網(wǎng)絡(luò)邊緣等任何需要的地方都能創(chuàng)造出由AI驅(qū)動(dòng)的智能。

這些技術(shù)共同開創(chuàng)了一個(gè)物聯(lián)網(wǎng)的新時(shí)代，將像“萬維網(wǎng)”或“互聯(lián)網(wǎng)連接”一樣真正的改變我們的生活。