人工智能和機器學習 (AI/ML) 概念會讓人聯想到 Neo、Trinity 和 Morpheus 在《黑客帝國》（Matrix） 這部電影中與機器作戰的景象。然而他們并非一個新概念，AI/ML可幫助開發人員創建更好、成本更低的物聯網終端節(jie)(jie)點(dian)。然而，在(zai)現實(shi)生活中， AI/ML可(ke)幫(bang)助開發人員(yuan)創建更(geng)好、成本更(geng)低(di)的(de)(de)物聯網終端節(jie)(jie)點(dian)，使(shi)他們的(de)(de)產(chan)品生態系統受益。AI/ML 的(de)(de)好處不僅是(shi)單純地在(zai)終端節(jie)(jie)點(dian)做出更(geng)好的(de)(de)決策；一些優(you)(you)化(hua)也(ye)會(hui)為所(suo)有相(xiang)關人員(yuan)帶來重要(yao)的(de)(de)優(you)(you)勢，包括消(xiao)費者、開發人員(yuan)和運營商(shang)。點(dian)擊文末的(de)(de)閱讀(du)原文按鈕可(ke)獲取完整內容。
AI 和 ML
AI/ML 并非一個新(xin)概念，傳(chuan)統上它的(de)應用是通過許多用戶可同時共享的(de)耗電且非常昂(ang)貴(gui)的(de)平臺來實現(xian)的(de)。隨著科技(ji)行業日漸依(yi)賴數(shu)據(ju)(ju)的(de)存儲(chu)和(he)計算(suan)能(neng)力，資本支出(chu)和(he)運營成本不斷上升，當(dang)集(ji)中式(shi)數(shu)據(ju)(ju)中心開始構(gou)建和(he)使(shi)用后(hou)，在成本支出(chu)方面為科技(ji)行業減(jian)輕了壓力。因為這種(zhong)數(shu)據(ju)(ju)中心可以讓科技(ji)行業共享服務器、公用設施、冷(leng)卻(que)設施、房地(di)(di)產和(he)安全功能(neng)。此外，它還提(ti)供根據(ju)(ju)需求擴展和(he)縮減(jian)資源的(de)功能(neng)，例如調整所需的(de)計算(suan)和(he)存儲(chu)量。鑒于這種(zhong)成本共享性質，諸如AI/ML等(deng)新(xin)技(ji)術(shu)就可以更快地(di)(di)投入(ru)使(shi)用。
為了避免不必要的(de)非關(guan)鍵數(shu)據(ju)移動，AI正在將計算(suan)能(neng)力轉回給邊緣設備，從而使開發人(ren)員能(neng)充分(fen)利用(yong)AI和數(shu)據(ju)分(fen)析。
全球互連(lian)的(de)(de)分(fen)布式數(shu)據(ju)中心(xin)也為(wei)科技行(xing)業提供了使用區域性設施的(de)(de)能力。一家位于美國的(de)(de)物聯網公(gong)司可以為(wei)歐洲消費者提供服務，而(er)不會出現跨大西(xi)洋的(de)(de)延誤。在(zai)(zai)大陸之間傳輸和(he)路由的(de)(de)數(shu)據(ju)，可能會因區域隱私(si)和(he)數(shu)據(ju)保護法(fa)律的(de)(de)細微差別而(er)違反(fan)規定。如果您(nin)認為(wei)在(zai)(zai)燈點亮前存在(zai)(zai)兩秒延遲的(de)(de)照(zhao)明開關會不符合消費者的(de)(de)期望而(er)難(nan)以獲(huo)得商業成功，那么上述要求就顯(xian)得很重要。
數據中心和云(yun)可促(cu)進國內和國際新商機的(de)形成(cheng)。開(kai)發商建立的(de)新機制可為消費者和企(qi)業實體節省資(zi)金。
運營商可以不用(yong)再因為需(xu)(xu)要隨時關(guan)注酒(jiu)店(dian)的制冰機而(er)將(jiang)維修車納入業(ye)務作業(ye)中；因為他們知(zhi)道，只要在(zai)需(xu)(xu)要時派遣一輛(liang)維修車前往(wang)處理即可，此舉可為公司節省(sheng)數萬美元(yuan)的運營費(fei)用(yong)。
不必移動的非關鍵數據
在故(gu)障發(fa)生之前使(shi)用 AI/ML查看設備(bei)中那(nei)些微小的(de)表征可(ke)能(neng)很復雜，因為相關的(de)表征可(ke)能(neng)過于精細而難以查核(he)。這些變(bian)化(hua)(hua)可(ke)能(neng)是(shi)泵馬達(da)的(de)振動，或者是(shi)熱交換器(qi)或冷凝(ning)器(qi)溫度的(de)細微變(bian)化(hua)(hua)：這些是(shi)個人可(ke)能(neng)無法識別甚至看不到的(de)東(dong)西。聯網制(zhi)冰機(ji)的(de)案例似乎并不足以讓(rang)眾多(duo)開發(fa)商將其(qi)視為必須關注的(de)問(wen)題；但是(shi)我們(men)可(ke)以再考慮一(yi)下應用于倉(cang)(cang)庫或酒(jiu)店照明的(de)相同情境或商業模式——倉(cang)(cang)庫中可(ke)能(neng)存在數以千計的(de)燈泡，每個燈泡都位于貨架或機(ji)器(qi)上方，需要移(yi)動它(ta)們(men)才能(neng)更(geng)換燈泡，這意味著在最(zui)關鍵的(de)時刻可(ke)能(neng)會造成生產線(xian)的(de)停擺(bai)。
預測性維護和云分析(xi)的(de)業務正蓬勃(bo)發(fa)展，AI/ML 提供了(le)一種簡(jian)單的(de)方法可(ke)對其生(sheng)成的(de)數據進行自動評估。盡(jin)管如此，這(zhe)些(xie)(xie)新(xin)的(de)商業模式確實導致了(le)大量(liang)數據的(de)產生(sheng)，這(zhe)帶(dai)來了(le)全新(xin)且有趣的(de)技術挑戰(zhan)，開發(fa)商和運營商現(xian)在所需應對這(zhe)些(xie)(xie)挑戰(zhan)。
表面上這(zhe)些(xie)問(wen)題似乎只(zhi)會衍生出(chu)其(qi)他(ta)(ta)一些(xie)問(wen)題——添加更多(duo)(duo)服(fu)務器(qi)、添加更多(duo)(duo)存儲和其(qi)他(ta)(ta)基于(yu)數(shu)據中心的(de)消耗品，但解決(jue)(jue)了這(zhe)些(xie)問(wen)題卻并不能解決(jue)(jue)數(shu)據管(guan)道另一端所形成(cheng)的(de)更多(duo)(duo)相(xiang)關(guan)問(wen)題。
在大(da)多數(shu)(shu)應用(yong)中(zhong)，數(shu)(shu)據是由某種(zhong)(zhong)形式的(de)(de)傳感(gan)器(qi)所(suo)生(sheng)成，而這需要(yao)使用(yong)功率和(he)帶寬。在設施的(de)(de)互聯網上(shang)行鏈路和(he)射(she)頻(pin)頻(pin)譜(pu)方(fang)面也會消(xiao)耗(hao)帶寬。發送大(da)量可能(neng)“無變(bian)化(hua)”的(de)(de)數(shu)(shu)據意(yi)味(wei)著昂(ang)貴且(qie)不(bu)劃算；無線電(dian)會消(xiao)耗(hao)大(da)量功率，而且(qie)在繁忙的(de)(de)射(she)頻(pin)頻(pin)譜(pu)中(zhong)，傳輸的(de)(de)重(zhong)試(shi)會消(xiao)耗(hao)更多功率。更多的(de)(de)傳感(gan)器(qi)會導致(zhi)更繁忙的(de)(de)射(she)頻(pin)環(huan)境以及需要(yao)更多的(de)(de)電(dian)池維(wei)護。除了電(dian)池壽命和(he)本地帶寬相關的(de)(de)問題外，某些應用(yong)可能(neng)會更容易(yi)受到(dao)(dao)隨(sui)之(zhi)而來的(de)(de)安全(quan)問題的(de)(de)影響(xiang)。大(da)量的(de)(de)數(shu)(shu)據會形成各(ge)種(zhong)(zhong)模(mo)式，如果被攔截，這些模(mo)式會遭到(dao)(dao)那些具有惡意(yi)意(yi)圖(tu)的(de)(de)人(ren)利用(yong)。
邊緣計算
為遏制這些問題而(er)(er)將(jiang)很多決策(ce)返回給(gei)終端節(jie)(jie)點的(de)趨勢(shi)越(yue)(yue)來(lai)越(yue)(yue)明顯，從(cong)而(er)(er)減(jian)少了(le)無線傳(chuan)輸，只有確認數據更(geng)重要(yao)時才會進行(xing)傳(chuan)輸。這可以降低(di)功耗、帶寬，并減(jian)少數字簽名。需要(yao)注意的(de)是，將(jiang)決策(ce)返回給(gei)終端節(jie)(jie)點意味著(zhu)可能會增加終端節(jie)(jie)點的(de)運(yun)算處(chu)理、存儲(chu)以及功耗。這樣(yang)一(yi)來(lai)，物(wu)聯網(wang)似乎(hu)陷入了(le)一(yi)種(zhong)惡性循環，限制了(le)它的(de)可訪問性和(he)市(shi)場(chang)增長。
人工智能的(de)(de)創(chuang)新支持(chi)(chi)使用更(geng)(geng)小(xiao)的(de)(de)微控(kong)制器(qi)，例(li)如 ARM Cortex-M，并(bing)支持(chi)(chi)調用更(geng)(geng)少的(de)(de)閃(shan)存和(he) RAM 資源。在執行復(fu)雜算法以解決(jue)現(xian)實(shi)生活的(de)(de)任何極(ji)端情況時，用于(yu)在系(xi)統中(zhong)執行 AI 的(de)(de)代(dai)碼也會比傳統編碼少得多(duo)。這(zhe)能使固件更(geng)(geng)新更(geng)(geng)小(xiao)、開(kai)發(fa)更(geng)(geng)快，并(bing)且(qie)更(geng)(geng)容易(yi)在大型傳感器(qi)群中(zhong)分發(fa)。
許多開發人(ren)員在(zai)終(zhong)端節點(dian)傳感器產品中利用AI來改進他們的設計，為消(xiao)費者和運(yun)營商(shang)提供更好的體驗。使用開發套(tao)件可(ke)以快速(su)實現(xian)AI技術示例的原型設計。
套件也可用于演示泵(beng)監控(kong)系統。削減無線(xian)傳(chuan)(chuan)感(gan)(gan)(gan)器(qi)數量(liang)、延長其壽命以(yi)及實現更(geng)好的(de)安(an)全性(xing)(xing)，所有這(zhe)些都不會(hui)以(yi)噪聲破(po)壞(huai)本地射頻(pin)頻(pin)譜，這(zhe)意(yi)味著可以(yi)部(bu)署更(geng)多有用的(de)傳(chuan)(chuan)感(gan)(gan)(gan)器(qi)，以(yi)提高現場的(de)生(sheng)產率和(he)舒(shu)適度。諸如(ru)墻(qiang)壁開關、環(huan)境(jing)傳(chuan)(chuan)感(gan)(gan)(gan)器(qi)，甚至路邊的(de)垃(la)圾傳(chuan)(chuan)感(gan)(gan)(gan)器(qi)等日(ri)常用品，都能(neng)以(yi)極具吸引力(li)的(de)成本和(he)性(xing)(xing)能(neng)點，并入(ru)自(zi)動化和(he)監控(kong)生(sheng)態(tai)系統中。
