當(dāng)我們被吸引到科幻世界時(shí)，人工智能和機(jī)器學(xué)習(xí)(AI/ML)的概念會(huì)讓人聯(lián)想到Neo，Trinity和Morpheus在黑客帝國(guó)電影中與機(jī)器作戰(zhàn)的場(chǎng)景。

　　然而，在現(xiàn)實(shí)生活中，AI/ML幫助開發(fā)人員創(chuàng)建更好、成本更低的物聯(lián)網(wǎng)終端節(jié)點(diǎn)，這將使他們的產(chǎn)品所在的生態(tài)系統(tǒng)受益。AI/ML的好處遠(yuǎn)不止是在終端節(jié)點(diǎn)進(jìn)行更好的決策;一些優(yōu)化會(huì)給所有相關(guān)人員帶來有價(jià)值的好處，包括消費(fèi)者、開發(fā)人員和操作員。

　　AI和ML

　　AI/ML不是一個(gè)新概念，但傳統(tǒng)上是通過耗能巨大，價(jià)格昂貴的平臺(tái)(許多用戶一次共享)來使用它。由于集中式數(shù)據(jù)中心開始建立和使用對(duì)數(shù)據(jù)的存儲(chǔ)和計(jì)算功能越來越依賴，因此集中化的數(shù)據(jù)中心使他們可以承受有限的CapEx和OpEx成本上漲。這是因?yàn)閿?shù)據(jù)中心現(xiàn)象允許技術(shù)部門共享服務(wù)器，公用事業(yè)，冷卻，房地產(chǎn)和安全性。此外，它還提供了根據(jù)需要擴(kuò)展和縮減資源的能力，例如所需的計(jì)算和存儲(chǔ)量。由于成本的共通性，AI/ML等新技術(shù)可以更快地實(shí)現(xiàn)。

　　為了避免不必要的非關(guān)鍵數(shù)據(jù)移動(dòng)，AI正在向邊緣設(shè)備返回計(jì)算能力，從而影響開發(fā)人員利用人工智能和數(shù)據(jù)分析技術(shù)。

　　全球分布的數(shù)據(jù)中心的互聯(lián)也為科技行業(yè)提供了使用地區(qū)性設(shè)施的能力。一家總部位于美國(guó)的物聯(lián)網(wǎng)公司可以向歐洲消費(fèi)者提供服務(wù)，而不會(huì)導(dǎo)致大西洋彼岸的延遲。數(shù)據(jù)在各大洲之間傳輸和路由，或者與地區(qū)隱私和數(shù)據(jù)保護(hù)法律的細(xì)微差別相抵觸。如果你認(rèn)為在燈被點(diǎn)亮之前有兩秒延遲的照明開關(guān)不會(huì)符合消費(fèi)者的期望，因此很難取得商業(yè)成功，那么這樣的要求就很重要。

　　數(shù)據(jù)中心和云使新的國(guó)內(nèi)和國(guó)際商機(jī)成為可能。開發(fā)商已經(jīng)建立了新的機(jī)制來節(jié)省消費(fèi)者和企業(yè)實(shí)體的資金。

　　酒店的制冰機(jī)可能需要維修，運(yùn)營(yíng)商不再需要推著維修車去營(yíng)業(yè);運(yùn)營(yíng)商只需要派一輛維修車，因?yàn)樗麄冎佬枰S修，從而為公司節(jié)省了數(shù)萬美元的運(yùn)營(yíng)費(fèi)用。

　　非關(guān)鍵數(shù)據(jù)的不必要移動(dòng)

　　在設(shè)備發(fā)生故障之前，使用AI/ML查看這些微小的特征碼可能很復(fù)雜，因?yàn)橄嚓P(guān)的特征碼可能很微小，因此很微妙。這些變化可能是泵電機(jī)的振動(dòng)，也可能是換熱器或冷凝器的輕微溫度變化：某些個(gè)人可能無法識(shí)別甚至無法看到的東西。聯(lián)網(wǎng)制冰機(jī)的例子似乎并不能推動(dòng)許多開發(fā)商將其理解為一個(gè)問題的數(shù)量，但考慮到這些問題或應(yīng)用于倉(cāng)庫(kù)或酒店照明的商業(yè)模式。一個(gè)倉(cāng)庫(kù)里可能有成千上萬個(gè)燈泡，每個(gè)燈泡都放在貨架或機(jī)器上，需要移動(dòng)這些燈泡來更換燈泡，而這又意味著可能在最關(guān)鍵的時(shí)刻停止生產(chǎn)線。

　　預(yù)測(cè)性維護(hù)和云分析正在成為一項(xiàng)大業(yè)務(wù)，AI/ML提供了一種對(duì)其生成的數(shù)據(jù)執(zhí)行自動(dòng)評(píng)估的簡(jiǎn)單方法。盡管如此，這些新的商業(yè)模式確實(shí)導(dǎo)致了海量數(shù)據(jù)的產(chǎn)生。這反過來又帶來了新的有趣的技術(shù)挑戰(zhàn)，開發(fā)人員和運(yùn)營(yíng)商現(xiàn)在需要應(yīng)對(duì)這些挑戰(zhàn)。

　　這些問題似乎是表面上的擴(kuò)展問題——增加更多服務(wù)器、增加更多存儲(chǔ)和其他基于數(shù)據(jù)中心的消耗品，但解決這些問題并不能解決數(shù)據(jù)管道另一端形成的越來越多的問題。

　　在大多數(shù)應(yīng)用中，數(shù)據(jù)是由某種形式的傳感器產(chǎn)生的，這需要功率和帶寬。帶寬還會(huì)根據(jù)設(shè)施的互聯(lián)網(wǎng)上行鏈路和射頻頻譜進(jìn)行消耗。發(fā)送可能代表“不變”的海量數(shù)據(jù)是昂貴的;無線電消耗大量電力，在繁忙的射頻頻譜中，它們通過傳輸重試消耗的能量甚至更多。更多的傳感器導(dǎo)致射頻環(huán)境更加繁忙，需要更多的電池維護(hù)。除了圍繞電池壽命和本地帶寬的問題外，一些應(yīng)用程序可能更容易受到由此產(chǎn)生的安全問題的影響。大量數(shù)據(jù)可能會(huì)形成模式，如果被攔截，那些懷有惡意的人可能會(huì)利用這些模式。

　　邊緣計(jì)算

　　阻礙這些問題的趨勢(shì)是將大量決策返回到終端節(jié)點(diǎn)，將放射性降低到只確定為更重要的數(shù)據(jù)。這降低了功耗、帶寬和數(shù)字簽名。將決策返回到結(jié)束節(jié)點(diǎn)的警告可能意味著結(jié)束節(jié)點(diǎn)處理、存儲(chǔ)和功耗的增加。物聯(lián)網(wǎng)似乎陷入了一個(gè)限制其可及性和市場(chǎng)增長(zhǎng)的惡性循環(huán)。

　　人工智能領(lǐng)域的創(chuàng)新使得更小的微控制器(如ARMCortex-M)的使用成為可能，并為flash和RAM調(diào)用更小的內(nèi)存資源。在執(zhí)行復(fù)雜算法時(shí)，用于在系統(tǒng)中執(zhí)行AI的代碼大小也可以比傳統(tǒng)編碼小得多，以解決任何現(xiàn)實(shí)生活中的角落情況。這也使得固件更新更小，開發(fā)更快，更容易在大型傳感器群中分布。

　　許多開發(fā)人員在終端節(jié)點(diǎn)傳感器產(chǎn)品中利用AI來增強(qiáng)他們的設(shè)計(jì)，改善消費(fèi)者和運(yùn)營(yíng)商的體驗(yàn)。AI技術(shù)的例子可以通過開發(fā)工具包快速原型化。

　　套件可用于演示泵監(jiān)控系統(tǒng)。縮小無線傳感器的尺寸，延長(zhǎng)其壽命，并采用更好的安全性，所有這些都不會(huì)破壞帶有噪聲的本地射頻頻譜，這意味著可以部署更多有用的傳感器，以提高工作效率和舒適性。日常產(chǎn)品，如墻壁開關(guān)，環(huán)境傳感器，甚至路邊垃圾傳感器，可以包括在自動(dòng)化和監(jiān)測(cè)生態(tài)系統(tǒng)在一個(gè)有吸引力的成本和性能點(diǎn)。