人工智能 (AI) 不再只是科幻電影中的故事橋段，已經(jīng)在切實(shí)改變著(zhù)企業(yè)的工作方式。開(kāi)發(fā)人員不斷探索各種將AI與物 聯(lián)網(wǎng) (IoT)結合的方式，讓各行各業(yè)的公司都能受益于互聯(lián)設備產(chǎn)生的數據，其終極目標是通過(guò)深入研究多點(diǎn)采集的實(shí)時(shí)數據得出可行性見(jiàn)解，從而提高生產(chǎn)力、增加效率及降低營(yíng)運成本。
根據IDC發(fā)布的報告顯示，到2023年，全球物聯(lián)網(wǎng)支出將達到1.1萬(wàn)億美元，其中離散制造、流程制造和運輸將是在物聯(lián)網(wǎng)方面投入最多的行業(yè)1。全球科技公司LivePerson在2019年發(fā)布的研究報告指出，在中國，有38%的企業(yè)正在廣泛應用人工智能2。這也是他們數字戰略的一部分，AI與IoT相結合可大幅提升運行應用程序的設備能力，有助于改善商業(yè)流程。開(kāi)發(fā)解決方案時(shí)，重要的一點(diǎn)是考慮哪種基礎架構能最完美地支持 AI 功能，以推動(dòng)實(shí)時(shí)做出正確決策。
雖然云端解決方案目前最引人注目，但延遲問(wèn)題以及等待遙遠的 數據中心助力現場(chǎng)實(shí)時(shí)決策的方式，使其對許多應用而言并不可行。
邊緣計算在許多情況下能夠解決問(wèn)題。硬件及模塊領(lǐng)域的新興發(fā)展推動(dòng)了人工智能在邊緣的發(fā)展，也創(chuàng )造出各種可能性。邊緣設備以及網(wǎng)關(guān)至邊緣設備現在功能更加強大，可在本地收集、儲存及分析數據，而無(wú)需等待從云端取得數值再傳回設備。通過(guò)結合 AI與邊緣計算，IoT解決方案的能力也更強，因為它消除了與云計算相關(guān)的延遲問(wèn)題。
將數據洪流轉化為可操作的見(jiàn)解
由某一臺IoT設備所采集的數據其本身價(jià)值十分有限。而且據 Forrester Research 調查，企業(yè)可用于分析的數據中，有 60%至73% 并未被利用。真正的價(jià)值來(lái)自于將多臺設備采集的數據集相組合，并從中找出可用于預測設備未來(lái)性能的模式。
AI 技術(shù)可以實(shí)現處理大量數據并識別數據中的定式。AI 運用強大的算法，針對新的輸入內容做出調整，并依據其長(cháng)期學(xué)習、旨在提供自動(dòng)化的正確回饋并引導做出決策的成果來(lái)制定決策。它也是一種為IoT設備所收集的各種數據增添價(jià)值的工具。AI利用匯集的大數據，不僅能夠發(fā)現過(guò)去發(fā)生的事情，也能分析提出各種方式，協(xié)助提高流程效率，并依據多種情境預測未來(lái)情況。
數據的集中使用推動(dòng)了人工智能進(jìn)行機器學(xué)習的能力，這是該技術(shù)的 一個(gè)重要元素。機器學(xué)習使用能從數據中"學(xué)習"的具有計算能力的算法，并依據其他輸入隨時(shí)間自行調整。這樣就可以在人員干預有限的情況下，讓AI和機器學(xué)習測將數據分析結果轉換為可操作的見(jiàn)解，以助于偵測異常情況、產(chǎn)生預測結果、加強風(fēng)險管理、減少停機時(shí)間、提升運營(yíng)效率。
云計算無(wú)法滿(mǎn)足實(shí)時(shí)決策的需求
越來(lái)越多企業(yè)采用公共云來(lái)托管更多數據已成為一種趨勢。目前IoT生態(tài)系統中連網(wǎng)設備的大部分數據，都是收集和傳輸至云端來(lái)進(jìn)行處理及分析。云端數據中心藉由運算能力匯集數據， 并以 AI 技術(shù)支持制定決策。
雖然已證明這種方式穩定可靠，但是與云端之間數據來(lái)回傳輸的時(shí)間會(huì )造成延遲問(wèn)題，對實(shí)時(shí)決策造成影響。云端數據中心所在的地理位置越遠，所造成的延遲時(shí)間就更長(cháng)。數據每行進(jìn)100英里，速度就損失約0.82毫秒。
云端運算雖然靈活，但卻無(wú)法滿(mǎn)足醫療保健、制造和運輸等行業(yè)日益增長(cháng)的高負荷的物聯(lián)網(wǎng)應用需求。
隨著(zhù)采用AI技術(shù)的IoT解決方案的數量和應用實(shí)例持續增加，云計算仍將是 IoT生態(tài)系統進(jìn)行復雜及歷史數據處理的重要組成部分。不過(guò)，果要助力實(shí)時(shí)決策，邊緣計算對許多應用而言是更理想快速的方法，能為終端設備提供計算及分析功能。
人工智能走向邊緣，釋放物聯(lián)網(wǎng)潛能
營(yíng)運技術(shù)是可以對整個(gè)企業(yè)實(shí)際設備的變化情形進(jìn)行探測和控制的軟硬件堆棧。采用AI 技術(shù)的IoT 設備通過(guò)組合數據輸入來(lái)推動(dòng)智能化實(shí)時(shí)決策，讓營(yíng)運技術(shù)的概念更上一層樓。
邊緣計算將IoT 設備數據采集的收集、儲存及分析工作轉移，以實(shí)現遠離云端的實(shí)時(shí)決策。云端的AI 由單一大型處理中心管理，而邊緣人工智能則更像是蜂巢架構，由小巧但運算能力強大的設備共同運作，以推動(dòng)在本地依據數據制定決策。
- 實(shí)時(shí)回應：由于不需要將數據傳輸至云端進(jìn)行處理，消除了影響實(shí)時(shí)決策正確性的延遲問(wèn)題。對于制造、醫 療成像及自動(dòng)駕駛等多種應用，實(shí)時(shí)響應至關(guān)重要，其中基于人工智能的決定了IoT 機器的實(shí)時(shí)性能。
- 更可靠的營(yíng)運：與流程、機器狀態(tài)及營(yíng)運相關(guān)的決策都在本地進(jìn)行，對連接性的顧慮較少。實(shí)時(shí)信息可確保過(guò)程 不會(huì )因設備故障或突然失效等問(wèn)題而中斷。IoT 解決方案中還集成了用于識別何時(shí)進(jìn)行預測性維 護的參數。
- 強化安全防護：邊緣計算將敏感數據儲存在本地IT生態(tài)系統中， 避免了公共云的安全性問(wèn)題。如果網(wǎng)絡(luò )攻擊者嘗 試透過(guò)IoT設備訪(fǎng)問(wèn)網(wǎng)絡(luò )，具備人工智能的解決 方案也能偵測到網(wǎng)絡(luò )邊緣的異常情形，并迅速采 取緩解措施。風(fēng)險分析負責判定所有可能的攻擊 入侵點(diǎn)，并建立預防性方案以緩解安全問(wèn)題。
- 降低計算成本：由于邊緣計算是在本地匯集數據而非將其送往云 端，因此可減少昂貴的連接帶寬需求。
人工智能提供的優(yōu)勢相當具有吸引力，有助于推動(dòng)企業(yè)實(shí)現數字化轉型。隨著(zhù)部署的 IoT 設備增加，對于有邊緣計算能力且具備人工智能的解決方案的需求呈指數成長(cháng)。依靠云端進(jìn)行數據處理和分析來(lái)推動(dòng)實(shí)時(shí)決策的作法已不可行。邊緣計算能夠在本地處理 AI 算法和機器學(xué)習，并且沒(méi)有云端計算固有的延遲問(wèn)題， 將能提供更有效推動(dòng)營(yíng)運及提升生產(chǎn)力的見(jiàn)解。
關(guān)于安富利公司
安富利是一家全球技術(shù)解決方案提供商，擁有廣泛的生態(tài)系統，可在產(chǎn)品生命周期的每個(gè)階段為客戶(hù)提供設計、產(chǎn)品、營(yíng)銷(xiāo)和供應鏈專(zhuān)業(yè)知識。我們將創(chuàng )意轉化為智能解決方案，減少將產(chǎn)品投放市場(chǎng)所需的時(shí)間、成本和復雜性。近一個(gè)世紀以來(lái)，安富利一直致力于幫助全球客戶(hù)和供應商實(shí)現技術(shù)的變革。了解安富利的更多信息，歡迎瀏覽http://www.avnet.com/。
