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

隨著科技的不斷發(fā)展，一些在功能上具有相互補充作用的技術正在不可避免地發(fā)生結合——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)模龐大的設備或“事物”實現(xiàn)網(wǎng)絡連接和數(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“學習”，從而快速作出決策并揭示深刻見解，因此對于任何希望擴展物聯(lián)網(wǎng)價值的企業(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)造新價值。

一、IoT-連接的藝術

1.萬物互聯(lián)的迅速崛起

1982年，卡內(nèi)基梅隆大學將可樂機改裝成為世界首個可連接的智能設備，該設備能夠報告其庫存情況以及新儲存的飲料是否冰涼。幾十年后的今天，我們生活在一個物聯(lián)網(wǎng)多于人聯(lián)網(wǎng)的世界里。不但如此，Business Insider Intelligence預計，到2025年，物聯(lián)網(wǎng)設備將超過550億，遠高于2017年的90億。

快速擴張的物聯(lián)網(wǎng)技術將便攜式設備、家用電器、汽車、制造設備和其他嵌入電子設備、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, 并能相互進行數(shù)據(jù)交換。從消費類可穿戴設備，到工業(yè)機器和重型機械，這些相互連接的“物”可以向環(huán)境發(fā)出信號、能夠被遠程操縱和控制，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。它可以是一個家庭自動化系統(tǒng)，通過檢測環(huán)境的改變自動調整恒溫器或照明設備；它也可以是生產(chǎn)設備，能夠及時提醒維護技術人員即將發(fā)生的故障；它還可以是車載導航系統(tǒng)，能夠檢測用戶的位置并提供環(huán)境方向感知……此外，物聯(lián)網(wǎng)還有很多應用案例，例如，用戶可以將具有語音識別的設備作為個人數(shù)字助理，商業(yè)車隊通過配備傳感器來傳達動態(tài)等等。

這個由相互連接的設備、人員和環(huán)境組成的生態(tài)系統(tǒng)產(chǎn)生了大量復雜的數(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)動機性能、部件健康狀況、無線電音量、駕駛員動作——甚至是擋風玻璃上是否有障礙物或雨點等狀態(tài)數(shù)據(jù)。一輛聯(lián)網(wǎng)的汽車每小時能輸出大約25GB的數(shù)據(jù)，而自動駕駛汽車每秒甚至可以輸出多達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

智能連接設備一般由四層組成：

物理元件，如機械和電氣部件。

智能元件，如傳感器，處理器，存儲和軟件。

連接元件，如端口，天線和協(xié)議。

自主分析，可以在邊緣訓練和運行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，從而實現(xiàn)監(jiān)監(jiān)測、控制和優(yōu)化。但就其本身而言，僅僅將事物進行聯(lián)接并不會促進學習。連接為進一步的學習鋪平了道路，但也只是基礎。

在最底層的應用方面，物聯(lián)網(wǎng)設備生成的數(shù)據(jù)可以被用于觸發(fā)簡單的警報。例如，如果傳感器檢測到超出閾值的情況，比如過熱或振動，它就會觸發(fā)警報，通知技術人員進行檢查。而在一個更復雜的物聯(lián)網(wǎng)系統(tǒng)中，則可能有幾十個傳感器監(jiān)控到事物的方方面面。

正是這些應用場景為設備的連接增加了價值，但是物聯(lián)網(wǎng)的真正價值在于另一個更復雜的層次，這些價值會在物聯(lián)網(wǎng)設備能夠進行學習并自主決策時體現(xiàn)出來。

例如，使用物聯(lián)網(wǎng)數(shù)據(jù)檢測故障的模型可以將機器控制推送給適合的由物聯(lián)網(wǎng)驅動的執(zhí)行器，以減少類似設備發(fā)生故障的可能性；自動駕駛車輛也可以將他們的經(jīng)驗傳遞給網(wǎng)絡中的其他車輛。

這些功能是物聯(lián)網(wǎng)應用程序個性化需求的基礎：

作為人類，我們希望得到智能設備的單獨對待，從而需要它們了解我們的習慣、行為模式和偏好。例如，可穿戴技術應該考慮監(jiān)測運動員的動作，并在檢測到其將受傷時發(fā)出信號。因為沒有兩個人的移動會完全相同，所以應用程序只有具備更好的個性化才有意義。

再例如，零售商可以使用由物聯(lián)網(wǎng)技術支持的相機進行物體檢測以及機器學習，以便在適當?shù)臅r刻向購物者提供量身定制的廣告和優(yōu)惠。

隨著機器變得越來越復雜，個性化的需求也變的越來越迫切。例如，相同品牌和型號的兩件工業(yè)設備在不同條件下的性能可能不同，以相同的方法對待它們可能會錯失提高運營效率、提高安全性和更好地利用資源的機會，因此需要以不同的方式進行使用。

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

二、AI-無所不在的構建智能

1. AI的演變

AI是一門通過學習和自動化來模擬人類任務的訓練系統(tǒng)的科學。借助嵌入式AI，機器可以不斷適應新的輸入并從經(jīng)驗中學習，還能在沒有人工干預的情況下完成特定的任務。目前來看，AI已被廣泛應用于面部識別、語音識別和在游戲中擊敗人類國際象棋、圍棋冠軍。

AI誕生于上世紀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算的爆炸式增長，它才真正在主流應用中占據(jù)了一席之地。

現(xiàn)階段，AI主要使用的是各種統(tǒng)計和計算技術。機器學習是AI的一個子集，它可以識別來自智能傳感器和設備數(shù)據(jù)中的模式和異常。隨著時間的推移，機器學習算法可以通過“學習”提供更準確的結果。因此，機器學習優(yōu)于傳統(tǒng)的商業(yè)智能工具，并且相較基于規(guī)則、閾值或計劃的系統(tǒng)能夠更快、更準確地進行操作預測。

深度學習，計算機視覺，自然語言處理以及經(jīng)過時間考驗的預測或優(yōu)化中的機器學習等技術使AI成為了物聯(lián)網(wǎng)不可或缺的重要補充。例如，AI可以將信號從噪聲中分離出來，從而產(chǎn)生了先進的物聯(lián)網(wǎng)設備，它還可以從與用戶、服務提供商和生態(tài)系統(tǒng)中的其他設備的交互中學習。

圖1：AI的演變

2.AI的潛力

通過AI連接的智能設備和環(huán)境可以從更大的數(shù)據(jù)源網(wǎng)絡（包括彼此）中學習，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)和制造商可以檢測表現(xiàn)不佳的資產(chǎn)，并能在發(fā)生代價高昂或危險的設備故障之前進行預測性維護或自動關閉。

數(shù)字孿生是對真實世界的虛擬模擬，它能夠使工程師和操作人員分析現(xiàn)場設備的性能，同時最大限度地降低傳統(tǒng)測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)境感知的技術來檢測店內(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)庫存）相結合，可以在客戶進入商店時發(fā)送實時個性化優(yōu)惠。

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

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

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

遠程監(jiān)控設備可以提供家庭診斷，在需要干預時提醒護理人員，并提醒患者服用藥物。

城市可以在實體基礎設施中部署連接的傳感器，以不斷監(jiān)測能源效率、空氣污染、用水、交通狀況和其他生活質量因素。

圖2:工業(yè)AI驅動的物聯(lián)網(wǎng)應用

這種自適應、預測和“學習”的能力在工業(yè)物聯(lián)網(wǎng)(IIoT)中尤其重要，因為系統(tǒng)故障和停機可能會導致危及生命或高風險的情況發(fā)生。

三、AI和物聯(lián)網(wǎng)成功的四個關鍵

除了傳感器、攝像頭、網(wǎng)絡基礎設施和計算機等智能物聯(lián)網(wǎng)的物理基礎設施外，還有一些要素是成功部署的關鍵：

思考并實時分析。使用事件流處理來分析運動中的各種數(shù)據(jù)，并確定哪些是最相關的。

能夠在云端、網(wǎng)絡邊緣或設備本身等應用程序最需要的地方部署智能。

結合AI技術。對象識別或處理自然語言等AI功能具有非常高的價值，并能在協(xié)同作用中發(fā)揮關鍵作用。

統(tǒng)一完整的分析生命周期，對數(shù)據(jù)進行流化、過濾、評分、存儲相關內(nèi)容、分析并使用結果持續(xù)改進系統(tǒng)。

1.實時分析

事件流處理在處理物聯(lián)網(wǎng)數(shù)據(jù)時起著至關重要的作用，因為它能夠：

檢測感興趣的事件并觸發(fā)適當?shù)牟僮鳌?/strong>事件流可以處理實時精確定位中的復雜模式，例如它可對個人移動設備的操作或銀行交易期間的異?；顒舆M行快速檢測。