AI從云端向邊緣移動(dòng)，為阻攔IoT在關(guān)鍵市場(chǎng)更廣泛采用的帶寬和安全問(wèn)題提供了解決方案。如果技術(shù)發(fā)展的歷史是未來(lái)的可靠指南，那么在未來(lái)的幾年里，這種融合至少還有兩個(gè)階段要進(jìn)行。

IoT最近引起了人們極大的興趣，但對(duì)于很多應(yīng)用來(lái)說(shuō)，有兩個(gè)重要的問(wèn)題出現(xiàn)了。一個(gè)是安全;從IoT設(shè)備流過(guò)網(wǎng)絡(luò)的數(shù)據(jù)以及對(duì)設(shè)備本身的控制在很大程度上依賴(lài)于足夠的網(wǎng)絡(luò)攻擊安全性。由于威脅不斷演變，變得更加激烈，安全要求IoT開(kāi)發(fā)人員不斷提高警惕和緩解。與此同時(shí)，由于系統(tǒng)和數(shù)據(jù)的安全性存在不確定性，很多潛在用戶(hù)推遲了對(duì)IoT技術(shù)的使用。

限制IoT采用的第二個(gè)問(wèn)題是將數(shù)據(jù)發(fā)送到云進(jìn)行處理所需的帶寬。隨著已安裝設(shè)備數(shù)量的增加和所涉及數(shù)據(jù)量的增加，IoT部署正受到數(shù)據(jù)收集所涉及的帶寬資源和成本的約束。隨著AI成為從所有數(shù)據(jù)中提取價(jià)值的一個(gè)越來(lái)越重要的元素，這變得更加令人擔(dān)憂(yōu)。

AI在數(shù)據(jù)處理中的重要性大幅增長(zhǎng)，因?yàn)閭鹘y(tǒng)的數(shù)據(jù)處理技術(shù)變得越來(lái)越繁瑣。開(kāi)發(fā)和編碼從大量數(shù)據(jù)中提取有用信息的有效算法需要時(shí)間和很多潛在用戶(hù)缺乏的應(yīng)用專(zhuān)業(yè)知識(shí)。它還可能導(dǎo)致軟件脆弱，隨著需求的變化難以維護(hù)和修改。AI，尤其是ML，允許處理器根據(jù)訓(xùn)練開(kāi)發(fā)自己的算法以達(dá)到預(yù)期的結(jié)果，而不是依賴(lài)于專(zhuān)家分析和軟件開(kāi)發(fā)。此外，通過(guò)額外的訓(xùn)練，AI算法可以很容易地適應(yīng)新的要求。

AI向邊緣移動(dòng)的最新趨勢(shì)是將這兩種技術(shù)結(jié)合在一起。從IoT數(shù)據(jù)中提取信息目前主要發(fā)生在云端，但如果可以在本地提取大部分或全部信息，帶寬和安全性問(wèn)題就不那么重要了。隨著AI在IoT設(shè)備中運(yùn)行，幾乎不需要通過(guò)網(wǎng)絡(luò)發(fā)送大量原始數(shù)據(jù);只需要傳達(dá)簡(jiǎn)潔的結(jié)論。由于通信流量較少，網(wǎng)絡(luò)安全性更容易增強(qiáng)和維護(hù)。本地AI甚至可以通過(guò)檢查傳入流量是否有篡改跡象來(lái)幫助提高設(shè)備安全性。

工業(yè)機(jī)械的預(yù)測(cè)性維護(hù)是AI和IoT的融合將不斷演進(jìn)的一種應(yīng)用。?

人工智能物聯(lián)網(wǎng)（AIoT）似乎遵循了類(lèi)似于1980年代微處理器發(fā)展方式的發(fā)展路徑。處理開(kāi)始于處理不同任務(wù)的獨(dú)立設(shè)備：通用處理器、存儲(chǔ)器、串行接口外圍設(shè)備、并行接口外圍設(shè)備等。這些最終將設(shè)備任務(wù)集成到單芯片微控制器中，然后演變?yōu)獒槍?duì)特定應(yīng)用的專(zhuān)用微控制器。AIoT看起來(lái)遵循相同的路徑。

目前，AIoT設(shè)計(jì)使用輔以通用AI加速和AI中間件的處理器。搭載AI加速的處理器也開(kāi)始亮相。如果歷史要重演，AIoT的下一階段將是針對(duì)特定應(yīng)用量身定制的AI增強(qiáng)型處理器的演進(jìn)。

為了使定制設(shè)備在經(jīng)濟(jì)上可行，它需要滿(mǎn)足一系列與主題相關(guān)的應(yīng)用的共同需求。這樣的應(yīng)用已經(jīng)開(kāi)始變得可見(jiàn)。其中一個(gè)主題是預(yù)測(cè)性維護(hù)。AI與工業(yè)機(jī)械上的IoT傳感器相結(jié)合，正在幫助用戶(hù)識(shí)別振動(dòng)和電流消耗中的異常模式，這些模式是設(shè)備故障的先兆。將AI置于傳感器設(shè)備本地的好處包括減少數(shù)據(jù)帶寬和延遲，以及將設(shè)備響應(yīng)與其網(wǎng)絡(luò)連接隔離的能力。專(zhuān)門(mén)的預(yù)測(cè)性維護(hù)AIoT設(shè)備將服務(wù)于一個(gè)巨大的市場(chǎng)。

第二個(gè)主題是語(yǔ)音控制。Siri和Alexa等語(yǔ)音助手的流行促使消費(fèi)者要求在各種設(shè)備中具有語(yǔ)音控制功能。專(zhuān)用的語(yǔ)音控制AIoT設(shè)備將有助于解決帶寬和延遲問(wèn)題，并有助于確保在不穩(wěn)定連接期間的功能。如今，這種設(shè)備的潛在用途數(shù)量驚人。

專(zhuān)門(mén)的AIoT設(shè)備還有其他潛在的主題需要解決。工業(yè)安全和建筑管理的環(huán)境傳感就是其中之一?；瘜W(xué)過(guò)程控制是另一個(gè)問(wèn)題。自動(dòng)駕駛汽車(chē)系統(tǒng)是第三個(gè)。第四種是識(shí)別特定目標(biāo)的攝像頭。毫無(wú)疑問(wèn)，還會(huì)出現(xiàn)更多。

AI技術(shù)似乎將繼續(xù)存在下去，而下一步的發(fā)展——與處理技術(shù)一樣——將是為關(guān)鍵市場(chǎng)發(fā)展專(zhuān)門(mén)的設(shè)備。除此之外，該行業(yè)最有可能發(fā)展可配置的AI加速器，可以根據(jù)其應(yīng)用進(jìn)行定制，從而使AIoT的好處可以有效地覆蓋更多、更小的市場(chǎng)。

還有很多技術(shù)上的挑戰(zhàn)需要克服。設(shè)備大小和功耗一直是邊緣問(wèn)題，AI需要做更多工作來(lái)解決這些問(wèn)題。在使用AI時(shí)，開(kāi)發(fā)工具可以在簡(jiǎn)化應(yīng)用程序開(kāi)發(fā)工作方面做得更多。開(kāi)發(fā)人員需要更多地了解AI作為應(yīng)用開(kāi)發(fā)的替代方法。但如果以歷史為鑒，這些挑戰(zhàn)將很快被克服。