在这篇文章中，我们将解释人工智能物联网（AIoT）等智能联网设备的增长趋势，以及一些得益于 AIoT 的技术和应用。在下一篇文章中，她将讲述如何在MCU上实现AIoT。

　　在过去十年中，从医疗设备、家庭和建筑自动化到工业自动化，物联网 (IoT) 设备的数量呈爆炸式增长。可穿戴设备、传感器、电器和医疗监视器等设备都是联网的，能够收集和共享大量数据。根据国际数据公司 (IDC) 的一项预测估计：到 2025 年，将有 416 亿个互联的物联网设备或“物”，它们将产生 79.4 ZB的数据。

　　造成这种增长的一个关键是无处不在的无线连接，无线连接允许事物之间的互联并将它们连接到互联网。这种超连接具有很多优点：自动化控制、允许设备之间的轻松通信和数据共享。它还允许收集和共享大量的数据，并用这些数据做出智能决策。随着互联设备数量的增加，生成的数据量也在增加。 IDC 预测：在 2018-2025年间，这些设备产生的数据量的复合年增长率将达到 28.7%。

　　人工智能 (AI) 逻辑上能够让物联网更好地发挥作用。物联网终端设备可以内置智能功能，使它们不仅可以收集和共享数据，还可以分析数据、从中学习、做出决策并采取行动，而整个过程无需任何人工干预。人工智能和物联网的结合(AIoT)创造了“智能”设备，这些设备能从生成的数据中学习并自主做出决策。新的 AI 技术正在实现边缘智能，并可以显著降低与云分析相关的需求和成本。人工智能技术有望帮助物联网发挥最大的潜力。

　　AIoT 可以让计算更接近数据产生的地方。在边缘设备上运行的人工智能技术可以自动处理并分析从传感器和其他物联网设备上生成的数据——例如温度、压力、湿度、振动或声音——并使用这些信息做出决策和执行操作。

　　为什么要将人工智能置于边缘？

　　过去，由于机器学习模型的复杂性，人工智能应用主要在云端运行。但是由于缺乏可靠的高带宽连接，有些应用需要在设备上运行模型，也有些应用本身就无法在云端运行。这些应用可能需要快速的、实时的操作，由于其延迟而无法在云端运行。此类应用（例如虚拟助手、工业控制、人脸识别或医疗设备）需要快速实时的响应，不能承受云端的延迟。此外，人们也可能对云端数据的安全性和隐私性存在担忧，因此本地设备上存储和处理数据的需求会增加。云连接和云服务可能很昂贵，而且还会拉高与其相关的设备或服务的成本。

　　因此，边缘 AI 具有自主性、低延迟、低功耗、低带宽要求、低成本和高安全性的优势，这使其对新兴应用更具吸引力。在边缘设备上增加计算能力可以优化人工智能。人工智能可用于许多物联网应用，例如振动分析、语音处理、图像分类和计算机视觉，这些应用需要结合使用机器学习与 DSP 计算和推理。

　　物联网中的人工智能——市场的驱动因素和市场趋势

　　AIoT 可让用户将原始IoT数据转换为有用的信息，使系统可以从这些数据中学习并基于此做出决策。 MarketsandMarkets 预测，全球人工智能在物联网市场的规模从 2019 年的 51 亿美元将增长到 2024 年的 162 亿美元。推动市场发展的主要因素是有效地处理大量实时数据，并从物联网设备中获取有价值的信息、进行实时监控、增强用户体验并减少维护成本和停机时间。

　　近年来的各种市场报告都表明：物联网终端设备越来越多地采用人工智能技术，企业从发展云端人工智能转向了边缘人工智能，以减少延迟和成本，并实现实时监控。物联网领域的许多科技公司都在大力投资人工智能，用于开发新的“智能”产品、提高业务效率并使用数据来深入业务洞察和增强客户体验。

　　此外，以人工智能为核心的物联网初创企业获得的投资和并购正在快速增长。而且，亚马逊、IBM、微软和Oracle等物联网平台供应商正在为他们的通用和工业物联网平台集成人工智能功能。

　　AIoT的优势

　　提高运行效率：AIoT 可以处理和检测人眼发现不了的实时运行数据中的模式，并可使用该数据随时设置运行条件，从而优化业务成果。因此，人工智能可以帮助优化生产流程并改善工作流程，从而提高工作效率并降低运营成本。

　　改善风险管理：人工智能可以帮助机构用数据及时辨别风险，并利用这些信息优化流程，以提高安全性和减少损失，并做出更明智的业务决策。可利用人工智能降低风险的应用包括预测航空公司的机械故障和检测工厂车间的安全风险。

　　提供新产品和新服务：能够从大量数据中处理和提取信息，帮助开发新技术，例如语音识别、人脸识别和预测分析。这些新创建的功能可被用于许多应用，例如在交付服务、灾难搜索和救援行动中使用的机器人、智能视频门铃、语音虚拟助手以及车辆或建筑自动化系统的预测维护等等。

　　缩短意外停机时间：在制造业中，设备故障导致的机器意外停机可能对业务造成极大影响。预测性维护可以通过分析机器数据并主动安排维护来避免设备故障，从而减少意外停机的发生率和成本。

　　改善用户体验：在零售环境中，AIoT 有助于定制专属购物体验，并根据客户信息、人口统计信息和客户行为提供个性化推荐。

　　降低产品成本：通过将分析和决策带到边缘进行处理，人工智能有助于减少需要传输到云的数据量，从而降低与云连接和云服务相关的成本。

　　应用

　　AIoT有助于或将有助于哪些类型的应用发展？以下是一些例子。

　　农业 AIoT：农业是可以从 AIoT 中受益的关键领域之一。 AI 用于创建智能系统，可根据天气条件、用水量、温度和作物/土壤条件调整参数。对来自传感器的数据进行分析，用于在作物选择、肥料、灌溉和害虫防治方面做出最佳决策。人工智能帮助农民提高产量，并利用资源进行季节性预测和天气预测，以便作物规划。带有人工智能的计算机视觉将被用于监控农作物，识别问题区域并在必要时发出警报。

　　机器人：在制造业和消费产品中的机器非常适合搭载人工智能。搭载传感器的真空吸尘器机器人，可以收集环境数据并使用人工智能来决定空间中的行进路线。同样，用于灾区重建、包装/食品配送或搜救行动的机器人可以利用人工智能来感知复杂的（有时会是恶劣的）环境，并相应地调整机器人的反应。具有识别面部和人类情绪能力的机器人也可以被用在零售业中，用于导购并丰富购物体验。

　　工业自动化：带有人工智能的计算机视觉可提高装配线上的质量控制并进行异常检测。人工智能还有助于对机器进行预测性维护，避免机器停机、延长机器寿命并降低制造成本。机器人可用于生产车间或仓库，用于移动包裹、协助装配过程、检查产品质量并执行重复性、高精度的任务。

　　自动驾驶汽车：结合了物联网和人工智能的自动驾驶汽车可自行导航，应对不断变化的交通、天气或道路状况、预测行人的行为。人工智能还可根据收集到的数据来评估车辆状况，并为车辆维护提供预测性建议。

　　建筑/家庭自动化：AIoT 可以根据建筑的使用情况和用户偏好数据调整照明和气候控制，从而帮助公司降低能源成本并提高建筑物的能源效率。预测性维护（利用了建筑健康系统的诊断数据）允许按需维修而不是按计划维修，从而帮助公司节省成本。他们还可以在系统故障发生之前进行预警，并进行调整以获得最佳性能。 AI 还可以使用摄像头传感器进行自动访问控制。

　　智慧城市：通过AIoT收集和分析来自传感器和物联网设备的大量数据，并提取用于实时调整的信息，可以创建更高效的城市、维护城市基础设施并改善社区公共服务。人工智能的实际应用包括废物管理、停车管理、交通管理和智能照明等公共服务。例如，无人机可用于实时监控交通，其数据可用于调整交通信号灯或车道分配和管理，以减少交通拥堵，所有这些都无需人工干预。同样，也可以在垃圾箱上安装传感器，在垃圾箱已满时提醒清洁工来清空垃圾，从而降低成本。

　　运输和物流：人工智能可应用于车队管理，提供预测性维护。它可以实时监控车队，并根据从 GPS 跟踪器和传感器收集的数据对车辆进行维护。人工智能还可以通过实时导航帮助车队运营商降低燃料成本、关注车辆维护并识别驾驶员的危险行为。

　　零售管理：人工智能可以通过两种方式应用于零售。人工智能和预测性分析可以收集和分析大量数据，零售商可以使用这些信息进行预测，并做出准确的、基于数据的业务决策。AIoT可以使用客户信息、人口统计数据和行为分析，为购物者提供个性化推荐，并改善商店运营、产品放置策略、客户服务和整体用户体验。零售机器人可以提供导购服务并提高客户体验。

　　医疗保健：医疗保健中的 AIoT可用于多种应用，例如通过分析成像数据来检测和诊断疾病、通过传感器远程监控患者情况并在发现异常时报警、通过分析 EHR（电子病历）预测患者的疾病风险和药物的相互作用。此外，机器人手术系统可以执行或协助非常复杂和高精度的手术，并使微创手术成为可能。

　　AI是物联网的未来

　　AIoT 正在发展新的应用和用例，并将帮助 IoT 发挥其最大潜力。 AIoT 可应用于智能城市、工业自动化、医疗、农业和智能家居等各种市场。我们将持续看到更多将人工智能纳入物联网终端的应用，越来越多的制造商将把人工智能作为重要的投资领域。