物联网（IoT）和人工智能（AI）本身就是开创性的商业技术，但当它们结合在一起时，对企业用户来说，它们的好处会被放大。物联网将设备连接在一起，像神经系统一样发出和接收信息，而人工智能则像大脑一样，接收数据，处理数据，并利用它做出明智的决定，从而控制整个系统。
当它们结合在一起时，就能提供智能的、连接的系统，这些系统可以根据需要进行自我纠正和自愈，这就是人工智能物联网。
AIoT（智能物联网）可以自主采取行动
为了理解AIoT的能力，回顾物联网已经对工业产生的影响是有帮助的。借助云计算和存储等物联网技术，以及增强的连通性和机对机(M2M)通信，制造商已经能够完成三项关键任务：连接机器、存储数据以及处理数据。现在，当我们引入AIoT时，他们可以从第四种能力中受益——拥有自主行动的能力。
现在，制造商可以得到的不仅仅是数据。AI不只了解设备的运行情况，还可以根据这些情况做出自己的决定，通过预设机制或推理功能自主为用户采取行动。
当然，为了使人工智能切实可行，制造商需要一个数据管理系统来支持快速决策。虽然云存储是一个可行的选择，但分析数据更接近其来源——在物联网边缘——将把人工智能技术带到一个新的水平。
进入边缘
在人工智能集成的许多情况下，决策和动作需要在本地发生，以便快速行动。例如，如果人工智能系统收到机器故障的警报，系统可能会决定停止机器以避免产品损坏。通过在边缘（Edge）而不是在云端集成人工智能系统，可以避免延迟问题，这意味着机器可以更快地关闭，更少的产品损坏（这类情况对于自动驾驶汽车来说的价值更明显）。
这同样适用于过程优化活动，例如改变机器运动的速度或方式。位于边缘的人工智能系统可以向设备发送指令，比来自云的类似指令更快更灵敏，提高整个系统性能。
集成人工智能和在边缘处理数据的另一个好处是增加了安全性。云计算可能会带来一些安全问题——数据由第三方提供商存储，远离公司的场所，以及通过互联网访问这些企业数据。边缘计算可以作为一种补充，通过在源头过滤掉敏感信息并将其存储在内部，减少向云传输机密数据的情况，从而克服这些安全问题。
另一个在边缘集成AIoT有优势的用例是当涉及到视觉检测系统时。摄像机和传感器会产生大量的数据，因此在边缘分析和过滤这些数据比将其全部发送到远端的云或大型集中式系统更省时间和成本。
此外，设施通常有许多移动设备连接到AIoT，同样必须处理伴随而来的大量数据。将这种庞大的数据发送到云可能是不可行的，所以在边缘进行分析更有效。边缘分析可以从原始数据中提取高价值的特征，只向云发送重要和必要的信息，如剩余机器寿命估计等。
整合AIoT
要在边缘整合人工智能，行业领导者必须先建立一个离线的人工智能模型。然后，他们必须使用以前存储的数据集来训练模型，以改进它，并确保它满足期望和需求。一旦对这一模式感到满意，行业领导者就可以通过导出新的实时数据并在应用程序中执行它。
然而，将该模型应用于在线场景中的实时数据与在训练阶段已经排序的存储数据上进行测试是非常不同的。实时数据还没有被过滤或分类，每组数据可能会在不同的时间到达，给AIoT带来混乱的信息。
因此，在AIoT使用数据之前，需要对数据进行一些处理，这也是边缘分析的作用所在。边缘分析可以协调来自多个来源的不同格式的数据。在不同时间进入的数据可以在规则的时间边界上进行修正对齐，以便在数据到达AIoT之前是统一且流线化。
机器智能确实拥有巨大的力量，但其他支持技术可以帮助揭示其最大的潜力。在边缘集成AIoT的行业领导者可以直接且有针对性地获得更高效和反应性控制系统的好处，并更快地优化流程。
