物聯(lián)網(wǎng)每年都在擴(kuò)展數(shù)十億臺設(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)量也帶來了麻煩，數(shù)據(jù)多了處理時間就必然會增加，從而帶來反饋的延遲。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)分析提升到一個全新的水平，在創(chuàng)建動態(tài)網(wǎng)絡(luò)和分布式智能的同時解決物聯(lián)網(wǎng)的頂級數(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。

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

　　物聯(lián)網(wǎng)的工作，在應(yīng)對不斷變化的條件，管理中斷和微調(diào)資源方面，都是關(guān)于模式檢測和機(jī)器學(xué)習(xí)的，這些活動現(xiàn)在可以通過邊緣計(jì)算發(fā)生，而這些活動正在進(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，模式就會出現(xiàn)。這些模式可以預(yù)測機(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，這些快照在研究時可以揭示潛在的效率，這些效率很容易被人類讀取儀表檢測不到。

　　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。

　　國內(nèi)物聯(lián)網(wǎng)卡供應(yīng)平臺物聯(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。這是一個雙贏的新興利益，不僅解決了大問題，而且在這個過程中實(shí)現(xiàn)了巨大的，通常意想不到的收益。

（文章來源：http://www.wlk.cn/a/828）