AI從云端向邊緣移動，為阻礙物聯(lián)網(wǎng)在關(guān)鍵市場更廣泛采用的帶寬和安全問題提供了解決方案。假如技術(shù)發(fā)展的歷史是未來的可靠指南，那么在接下來的幾年里，這種融合至少還有兩個階段要進行。

物聯(lián)網(wǎng)最近引起了人們極大的興趣，但對于很多應(yīng)用來說，有兩個重要的問題出現(xiàn)了。一個是安全;從物聯(lián)網(wǎng)設(shè)備流過網(wǎng)絡(luò)的數(shù)據(jù)以及對設(shè)備本身的控制在很大程度上依賴于足夠的網(wǎng)絡(luò)攻擊安全性。由于威脅不斷演變，變得更加激烈，安全要求物聯(lián)網(wǎng)開發(fā)人員不斷提高警惕和緩解。與此同時，由于系統(tǒng)和數(shù)據(jù)的安全性存在不確定性，很多潛在用戶推遲了對物聯(lián)網(wǎng)技術(shù)的使用。

限制物聯(lián)網(wǎng)采用的第二個問題是將數(shù)據(jù)發(fā)送到云進行處理所需的帶寬。伴隨已安裝設(shè)備數(shù)量的增加和所涉及數(shù)據(jù)量的增加，物聯(lián)網(wǎng)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。伴隨AI成為從所有數(shù)據(jù)中提取價值的一個愈來愈重要的元素，這變得更加令人擔(dān)憂。

AI在數(shù)據(jù)處理中的重要性大幅增長，因為傳統(tǒng)的數(shù)據(jù)處理技術(shù)變得愈來愈繁瑣。開發(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間和很多潛在用戶缺乏的應(yīng)用專業(yè)知識。它還可能導(dǎo)致軟件脆弱，伴隨需求的變化難以維護和修改。AI，尤其是機器學(xué)習(xí)，允許處理器根據(jù)訓(xùn)練開發(fā)自己的算法以達到預(yù)期的結(jié)果，而不是依賴于專家分析和軟件開發(fā)。另外，通過額外的訓(xùn)練，AI算法可以很容易地適應(yīng)新的要求。

AI向邊緣移動的最新趨勢是將這兩種技術(shù)結(jié)合在一起。從物聯(lián)網(wǎng)數(shù)據(jù)中提取信息目前主要發(fā)生在云端，但假如可以在本地提取大部分或全部信息，帶寬和安全性問題就不那么重要了。伴隨AI在物聯(lián)網(wǎng)設(shè)備中運行，幾乎不需要通過網(wǎng)絡(luò)發(fā)送大量原始數(shù)據(jù);只需要傳達簡潔的結(jié)論。由于通信流量較少，網(wǎng)絡(luò)安全性更容易增強和維護。本地AI甚至可以通過檢查傳入流量是否有篡改跡象來幫助提高設(shè)備安全性。

工業(yè)機械的預(yù)測性維護是AI和IoT的融合將不斷演進的一種應(yīng)用。?

人工智能物聯(lián)網(wǎng)似乎遵循了類似于1980年代微處理器發(fā)展方式的發(fā)展路徑。處理開始于處理不同任務(wù)的獨立設(shè)備：通用處理器、存儲器、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μ囟☉?yīng)用的專用微控制器。人工智能物聯(lián)網(wǎng)看起來遵循相同的路徑。

目前，人工智能物聯(lián)網(wǎng)設(shè)計使用輔以通用AI加速和AI中間件的處理器。搭載AI加速的處理器也開始亮相。假如歷史要重演，人工智能物聯(lián)網(wǎng)的下一階段將是針對特定應(yīng)用量身定制的AI增強型處理器的演進。

為了使定制設(shè)備在經(jīng)濟上可行，它需要滿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)開始變得可見。其中一個主題是預(yù)測性維護。AI與工業(yè)機械上的物聯(lián)網(wǎng)傳感器相結(jié)合，正在幫助用戶識別振動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)備本地的好處囊括減少數(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。專門的預(yù)測性維護人工智能物聯(lián)網(wǎng)設(shè)備將服務(wù)于一個巨大的市場。

第二個主題是語音控制。Siri和Alexa等語音助手的流行促使消費者要求在各種設(shè)備中具有語音控制功能。專用的語音控制人工智能物聯(lián)網(wǎng)設(shè)備將有助于解決帶寬和延遲問題，并有助于確保在不穩(wěn)定連接期間的功能。而今，這種設(shè)備的潛在用途數(shù)量驚人。

專門的人工智能物聯(lián)網(wǎng)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。化學(xué)過程控制是另一個問題。自動駕駛汽車系統(tǒng)是第三個。第四種是識別特定目標的攝像頭。毫無疑問，還會出現(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)鍵市場發(fā)展專門的設(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)用進行定制，從而使人工智能物聯(lián)網(wǎng)的好處可以有效地覆蓋更多、更小的市場。

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題，AI需要做更多工作來解決這些問題。在使用AI時，開發(fā)工具可以在簡化應(yīng)用程序開發(fā)工作方面做得更多。開發(fā)人員需要更多地了解AI作為應(yīng)用開發(fā)的替代方法。但假如以歷史為鑒，這些挑戰(zhàn)將很快被克服。