物聯(lián)網(wǎng)每年都在擴(kuò)展數(shù)十億臺(tái)設(shè)備，這種狀態(tài)雖然代表了物聯(lián)網(wǎng)的繁榮，但是龐大的數(shù)據(jù)量也帶來(lái)了麻煩，數(shù)據(jù)多了處理時(shí)間就必然會(huì)增加，從而帶來(lái)反饋的延遲。幸運(yùn)的是，人工智能和物聯(lián)網(wǎng)設(shè)備的進(jìn)步正在將數(shù)據(jù)分析提升到一個(gè)全新的水平，在創(chuàng)建動(dòng)態(tài)網(wǎng)絡(luò)和分布式智能的同時(shí)解決物聯(lián)網(wǎng)的頂級(jí)數(shù)據(jù)挑戰(zhàn)。

　　通常情況下，物聯(lián)網(wǎng)數(shù)據(jù)需要實(shí)時(shí)轉(zhuǎn)換為響應(yīng)式操作，尤其是在流量管理、安全入侵或設(shè)備故障等情況下。

　　解決這些問(wèn)題的方法是邊緣計(jì)算。通過(guò)添加提供本地處理能力的網(wǎng)關(guān)和物聯(lián)網(wǎng)設(shè)備來(lái)擴(kuò)展企業(yè)網(wǎng)絡(luò)的處理能力。這解決了幾個(gè)大問(wèn)題，包括實(shí)時(shí)響應(yīng)要求的路由和調(diào)整，并創(chuàng)建了一個(gè)可以解析收集的數(shù)據(jù)的點(diǎn)，其中一些信息在現(xiàn)場(chǎng)處理，信息綁定到云存儲(chǔ)單獨(dú)傳遞。

　　物聯(lián)網(wǎng)的工作，在應(yīng)對(duì)不斷變化的條件，管理中斷和微調(diào)資源方面，都是關(guān)于模式檢測(cè)和機(jī)器學(xué)習(xí)的，這些活動(dòng)現(xiàn)在可以通過(guò)邊緣計(jì)算發(fā)生，而這些活動(dòng)正在進(jìn)行中。人工智能需要從云中移出并進(jìn)入邊緣。

　　物聯(lián)網(wǎng)中的人工智能適合的地方

　　當(dāng)物聯(lián)網(wǎng)數(shù)據(jù)保持在本地并進(jìn)入基于邊緣的機(jī)器學(xué)習(xí)時(shí)，模式就會(huì)出現(xiàn)。這些模式可以預(yù)測(cè)機(jī)器故障或系統(tǒng)故障，例如，可以應(yīng)用預(yù)防性維護(hù)并避免制造環(huán)境中的中斷或停機(jī)，或者預(yù)測(cè)供應(yīng)鏈中的中斷并進(jìn)行調(diào)整以避免它們。

　　更重要的是，將機(jī)器學(xué)習(xí)應(yīng)用于生產(chǎn)環(huán)境，流量管理和其他復(fù)雜環(huán)境或流程可能會(huì)出現(xiàn)導(dǎo)致其優(yōu)化的意外模式。物聯(lián)網(wǎng)中的人工智能可以為這些環(huán)境和流程創(chuàng)建復(fù)雜，細(xì)節(jié)豐富的快照，這些快照在研究時(shí)可以揭示潛在的效率，這些效率很容易被人類(lèi)讀取儀表檢測(cè)不到。

　　人工智能使用

　　例如，造船公司使用人工智能從其船隊(duì)收集的物聯(lián)網(wǎng)數(shù)據(jù)，以發(fā)現(xiàn)船體清潔對(duì)船舶效率的影響。造船公司能夠充分了解每年兩次清洗船體比每年清洗一次能夠帶來(lái)更低的成本，因?yàn)檫@樣能夠減少船體的腐蝕。

　　最后，人工智能是邊緣網(wǎng)絡(luò)本身的應(yīng)用程序。物聯(lián)網(wǎng)邊緣網(wǎng)絡(luò)中的人工智能使應(yīng)用程序能夠監(jiān)控自身的性能，隨著應(yīng)用程序和流程的不斷改進(jìn)而自我優(yōu)化。

　　國(guó)內(nèi)物聯(lián)網(wǎng)卡供應(yīng)平臺(tái)物聯(lián)卡商城表示，物聯(lián)網(wǎng)部署需要人工智能技術(shù)的輔助，持續(xù)學(xué)習(xí)，持續(xù)提高性能，不僅管理物聯(lián)網(wǎng)數(shù)據(jù)流量，還管理需要返回家庭云的信息。這是一個(gè)雙贏的新興利益，不僅解決了大問(wèn)題，而且在這個(gè)過(guò)程中實(shí)現(xiàn)了巨大的，通常意想不到的收益。

（文章來(lái)源：http://www.wlk.cn/a/828）