人工智能 (AI) 不再只是科幻電影中的故事橋段,，已經在切實改變著企業(yè)的工作方式,。開發(fā)人員不斷探索各種將AI與物 聯(lián)網 (IoT)結合的方式，讓各行各業(yè)的公司都能受益于互聯(lián)設備產生的數據,，其終極目標是通過深入研究多點采集的實時數據得出可行性見解,，從而提高生產力,、增加效率及降低營運成本。
根據IDC發(fā)布的報告顯示,，到2023年,，全球物聯(lián)網支出將達到1.1萬億美元，其中離散制造,、流程制造和運輸將是在物聯(lián)網方面投入最多的行業(yè)1,。全球科技公司LivePerson在2019年發(fā)布的研究報告指出，在中國,，有38%的企業(yè)正在廣泛應用人工智能2。這也是他們數字戰(zhàn)略的一部分,，AI與IoT相結合可大幅提升運行應用程序的設備能力,，有助于改善商業(yè)流程。開發(fā)解決方案時,，重要的一點是考慮哪種基礎架構能最完美地支持 AI 功能,，以推動實時做出正確決策。
雖然云端解決方案目前最引人注目,，但延遲問題以及等待遙遠的 數據中心助力現場實時決策的方式,，使其對許多應用而言并不可行。
邊緣計算在許多情況下能夠解決問題。硬件及模塊領域的新興發(fā)展推動了人工智能在邊緣的發(fā)展,，也創(chuàng)造出各種可能性,。邊緣設備以及網關至邊緣設備現在功能更加強大，可在本地收集,、儲存及分析數據,，而無需等待從云端取得數值再傳回設備。通過結合 AI與邊緣計算,，IoT解決方案的能力也更強,，因為它消除了與云計算相關的延遲問題。
將數據洪流轉化為可操作的見解
由某一臺IoT設備所采集的數據其本身價值十分有限,。而且據 Forrester Research 調查,，企業(yè)可用于分析的數據中，有 60%至73% 并未被利用,。真正的價值來自于將多臺設備采集的數據集相組合,，并從中找出可用于預測設備未來性能的模式。
AI 技術可以實現處理大量數據并識別數據中的定式,。AI 運用強大的算法,，針對新的輸入內容做出調整，并依據其長期學習,、旨在提供自動化的正確回饋并引導做出決策的成果來制定決策,。它也是一種為IoT設備所收集的各種數據增添價值的工具。AI利用匯集的大數據,，不僅能夠發(fā)現過去發(fā)生的事情,，也能分析提出各種方式，協(xié)助提高流程效率,，并依據多種情境預測未來情況,。
數據的集中使用推動了人工智能進行機器學習的能力，這是該技術的 一個重要元素,。機器學習使用能從數據中“學習”的具有計算能力的算法,，并依據其他輸入隨時間自行調整。這樣就可以在人員干預有限的情況下,，讓AI和機器學習測將數據分析結果轉換為可操作的見解,，以助于偵測異常情況、產生預測結果,、加強風險管理,、減少停機時間、提升運營效率,。
云計算無法滿足實時決策的需求
越來越多企業(yè)采用公共云來托管更多數據已成為一種趨勢,。目前IoT生態(tài)系統(tǒng)中連網設備的大部分數據,，都是收集和傳輸至云端來進行處理及分析。云端數據中心藉由運算能力匯集數據,， 并以 AI 技術支持制定決策,。
雖然已證明這種方式穩(wěn)定可靠，但是與云端之間數據來回傳輸的時間會造成延遲問題,，對實時決策造成影響,。云端數據中心所在的地理位置越遠，所造成的延遲時間就更長,。數據每行進100英里,，速度就損失約0.82毫秒。
云端運算雖然靈活,，但卻無法滿足醫(yī)療保健,、制造和運輸等行業(yè)日益增長的高負荷的物聯(lián)網應用需求。
隨著采用AI技術的IoT解決方案的數量和應用實例持續(xù)增加,，云計算仍將是 IoT生態(tài)系統(tǒng)進行復雜及歷史數據處理的重要組成部分,。不過，果要助力實時決策,，邊緣計算對許多應用而言是更理想快速的方法,，能為終端設備提供計算及分析功能。
人工智能走向邊緣,，釋放物聯(lián)網潛能
營運技術是可以對整個企業(yè)實際設備的變化情形進行探測和控制的軟硬件堆棧,。采用AI 技術的IoT 設備通過組合數據輸入來推動智能化實時決策，讓營運技術的概念更上一層樓,。
邊緣計算將IoT 設備數據采集的收集,、儲存及分析工作轉移，以實現遠離云端的實時決策,。云端的AI 由單一大型處理中心管理,，而邊緣人工智能則更像是蜂巢架構，由小巧但運算能力強大的設備共同運作,，以推動在本地依據數據制定決策,。
·實時回應：由于不需要將數據傳輸至云端進行處理，消除了影響實時決策正確性的延遲問題,。對于制造,、醫(yī) 療成像及自動駕駛等多種應用，實時響應至關重要,，其中基于人工智能的決定了IoT 機器的實時性能。
·更可靠的營運：與流程,、機器狀態(tài)及營運相關的決策都在本地進行,，對連接性的顧慮較少,。實時信息可確保過程 不會因設備故障或突然失效等問題而中斷。IoT 解決方案中還集成了用于識別何時進行預測性維 護的參數,。
·強化安全防護：邊緣計算將敏感數據儲存在本地IT生態(tài)系統(tǒng)中,， 避免了公共云的安全性問題。如果網絡攻擊者嘗 試透過IoT設備訪問網絡,，具備人工智能的解決 方案也能偵測到網絡邊緣的異常情形,，并迅速采 取緩解措施。風險分析負責判定所有可能的攻擊 入侵點,，并建立預防性方案以緩解安全問題,。
·降低計算成本：由于邊緣計算是在本地匯集數據而非將其送往云 端，因此可減少昂貴的連接帶寬需求,。
人工智能提供的優(yōu)勢相當具有吸引力,，有助于推動企業(yè)實現數字化轉型。隨著部署的 IoT 設備增加,，對于有邊緣計算能力且具備人工智能的解決方案的需求呈指數成長,。依靠云端進行數據處理和分析來推動實時決策的作法已不可行。邊緣計算能夠在本地處理 AI 算法和機器學習,，并且沒有云端計算固有的延遲問題,， 將能提供更有效推動營運及提升生產力的見解。
請關注安富利官方微信