除了傳感(gan)器、攝(she)像頭、網絡基礎(chu)設施和計算機(ji)等智能物(wu)聯(lian)網的物(wu)理基礎(chu)設施外，還(huan)有一些要素是(shi)成功部署的關鍵(jian) :

思考(kao)并實時(shi)分(fen)析(xi)。使用事件(jian)流處理來分(fen)析(xi)運動中的各種數(shu)據(ju)，并確定哪些是相(xiang)關的。

能夠在云(yun)端、網絡邊緣或設備本身(shen)等應(ying)用(yong)程序(xu)需要(yao)的地方部署智能。

結合 AI 技術。對象識別(bie)或處理自然(ran)語言等 AI 功(gong)能具有(you)非常(chang)高的價值，并能在協同作用中發(fa)揮關(guan)鍵(jian)作用。

統一完(wan)整的(de)分(fen)(fen)析生命周期(qi)，對(dui)數據進行(xing)流(liu)化、過濾、評(ping)分(fen)(fen)、存儲相關內容、分(fen)(fen)析并使用結(jie)果持(chi)續改(gai)進系統。

1. 實時分析

事件流處理在處理物聯網數據時起著至(zhi)關重要的作用，因為(wei)它(ta)能夠做(zuo)到 :

檢測感興趣的事件并觸發適當的操作。事件流可(ke)以處理實(shi)時精確(que)定位中的復(fu)雜模式(shi)，例如它(ta)可(ke)對個人移(yi)動(dong)設備的操作或銀行(xing)交易期間的異常活動(dong)進行(xing)快速檢測。

監(jian)控匯總信(xin)息。事件流可以持續處理(li)來自監(jian)控設(she)備(bei)(bei)和傳(chuan)感器(qi)的(de)數據，查找出可能存在問(wen)題的(de)趨(qu)勢、相關(guan)性(xing)或異常。智能設(she)備(bei)(bei)可以采取補救措施，例如通知操作員、移動負(fu)載或關(guan)閉電機。

清理并驗證傳感(gan)器(qi)數據。當傳感(gan)器(qi)數據延(yan)遲(chi)、不完整或不一(yi)致(zhi)時，可能(neng)是由(you)于許多因(yin)素(su)共同作用導致(zhi)的(de)(de)。嵌入(ru)到(dao)數據流中的(de)(de)各種(zhong)技(ji)術可以檢(jian)測并解決此類數據問(wen)題，還能(neng)對即將(jiang)發生的(de)(de)傳感(gan)器(qi)故(gu)障或網絡錯誤導致(zhi)的(de)(de)臟數據進行清洗。

實時預(yu)測和優化運營。高級算(suan)法(fa)可以持續對流數據(ju)進行(xing)評分(fen)，以便在瞬間做(zuo)出決策。例如，可以在數據(ju)環境中(zhong)分(fen)析有關(guan)火(huo)車(che)(che)的到(dao)達信息，并延遲(chi)另一趟火(huo)車(che)(che)的出發時間，以保證乘客不會錯過換乘。

2. 在應用程序需要的地方部署智能

前(qian)面描(miao)述的案例(li)(li)需要(yao)(yao)不(bu)斷變化和移動(dong)的數(shu)據(ju) ( 例(li)(li)如(ru)自動(dong)駕駛車(che)輛內駕駛員的地理(li)位置(zhi)或溫度(du) ) 以(yi)及其他離(li)散數(shu)據(ju) ( 例(li)(li)如(ru)客戶(hu)概況和歷(li)史(shi)購買數(shu)據(ju) ) 。這一現實要(yao)(yao)求分析以(yi)不(bu)同的方式應用于不(bu)同的目的。例(li)(li)如(ru) :

高性能分(fen)析(xi)可以對(dui)靜(jing)態(tai)、云(yun)端或存儲中的繁(fan)重(zhong)數據進行高效(xiao)處理(li)。

流分(fen)析可對(dui)運動中的(de)大量不(bu)同數據進行(xing)分(fen)析，這些數據中可能只有少量是我們需(xu)要的(de)并只有短暫的(de)價值(zhi)，因此速度十(shi)分(fen)重(zhong)要，例如發送(song)有關即將發生的(de)碰撞或(huo)組件故障的(de)警報。

邊緣計(ji)算使系(xi)統能夠在(zai)源頭立即對數據進行操(cao)作，而無需暫停獲(huo)取(qu)、傳(chuan)輸或存儲(chu)數據。

在應(ying)用程序(xu)需(xu)要的(de)地(di)方部署智能是一種多相分析(xi)方法(fa)，要記(ji)住的(de)關鍵原則(ze)是，并非所(suo)有(you)(you)數(shu)(shu)據點(dian)都是相關的(de)，也不(bu)是所(suo)有(you)(you)數(shu)(shu)據點(dian)都需(xu)要發送并永久存儲。分析(xi)基礎(chu)架構必須靈活且可擴展，以支持當前和未來的(de)所(suo)有(you)(you)需(xu)求。

3. 協同 AI 技術

要用 AIoT 實現高(gao)的回報，除(chu)了部署單(dan)一(yi)的 AI 技術外，還(huan)需要考慮其(qi)他方面。例如，可以采用多種 AI 功能協同(tong)工作的平臺，將機(ji)器(qi)學習與(yu)自然(ran)語言處(chu)理和計算(suan)機(ji)視覺等進(jin)行協同(tong)工作。

舉例來看，一(yi)家大(da)型醫院的(de)研究診(zhen)所結合了(le)多種(zhong)形式的(de) AI，為其(qi)醫生提供診(zhen)斷指導(dao)。該診(zhen)所使用(yong)(yong)(yong)深度學(xue)習和(he)計算機視(shi)覺(jue)對 x 線片(pian)、CT 掃描和(he)核磁共(gong)振成像進行識別(bie)，以確定結節和(he)其(qi)他與人類大(da)腦(nao)和(he)有關的(de)區域(yu)。該檢(jian)測過程使用(yong)(yong)(yong)深度學(xue)習技(ji)術(shu)和(he)卷(juan)積(ji)神經(jing)網(wang)絡(luo)(luo)，這(zhe)是一(yi)類通常(chang)用(yong)(yong)(yong)于分析視(shi)覺(jue)圖像的(de)機器學(xue)習。這(zhe)種(zhong)檢(jian)測過程使用(yong)(yong)(yong)到了(le)深度學(xue)習技(ji)術(shu)和(he)卷(juan)積(ji)神經(jing)網(wang)絡(luo)(luo)，卷(juan)積(ji)神經(jing)網(wang)絡(luo)(luo)是一(yi)種(zhong)通常(chang)用(yong)(yong)(yong)于分析視(shi)覺(jue)圖像的(de)機器學(xue)習。

然(ran)后，該診(zhen)所使用一(yi)種完全不同(tong)的 AI 技術――自然(ran)語(yu)言(yan)處(chu)理，建立(li)一(yi)個基于(yu)家庭病(bing)史、藥物(wu)、既往疾病(bing)和飲(yin)食(shi)的患者檔案，它甚至可以(yi)解釋心臟起搏器等物(wu)聯(lian)網(wang)數(shu)據。該工(gong)具將(jiang)自然(ran)語(yu)言(yan)數(shu)據與計算機(ji)視覺(jue)相結合，使醫務(wu)人員(yuan)在寶貴的工(gong)作時間(jian)內(nei)工(gong)作效率大大提(ti)高。

4. 統一完整的分析生命周期

為了(le)從(cong)互聯的(de)世界中獲(huo)得(de)價(jia)值，AIoT 系(xi)統首先需要訪問各(ge)種不同(tong)的(de)數據(ju)來感知正在發(fa)生的(de)重要事項。接下(xia)來，它必(bi)須(xu)從(cong)豐富的(de)數據(ju)環境中提(ti)取對數據(ju)的(de)理解。后，無論是提(ti)醒操(cao)作員、提(ti)供報(bao)價(jia)還(huan)是修(xiu)改設備操(cao)作，它都必(bi)須(xu)得(de)到快速的(de)結(jie)果。