除了傳感(gan)器、攝像(xiang)頭(tou)、網絡基(ji)礎(chu)設(she)施(shi)和計算機等智(zhi)能物聯(lian)網的(de)物理基(ji)礎(chu)設(she)施(shi)外，還(huan)有一(yi)些要素是成功部署的(de)關鍵(jian) :

思(si)考(kao)并(bing)實時(shi)分(fen)析。使用(yong)事件(jian)流處(chu)理來(lai)分(fen)析運動(dong)中(zhong)的各種數據，并(bing)確定哪些是(shi)相關的。

能夠在云端、網絡邊(bian)緣(yuan)或設(she)備本身等應用程(cheng)序需要的地方部署智能。

結合 AI 技(ji)術。對象識別或處理自然語言等 AI 功能具(ju)有非常(chang)高(gao)的(de)價值，并能在(zai)協同作(zuo)用中發揮關鍵(jian)作(zuo)用。

統(tong)一完整的分(fen)(fen)析(xi)(xi)生命周(zhou)期，對數據進行流(liu)化、過濾、評分(fen)(fen)、存(cun)儲相關(guan)內容、分(fen)(fen)析(xi)(xi)并使用結果持續改進系(xi)統(tong)。

1. 實時分析

事(shi)件流處理(li)在處理(li)物聯(lian)網數(shu)據時(shi)起著至(zhi)關重要的(de)作(zuo)用，因為它能夠做到 :

檢(jian)測(ce)感(gan)興(xing)趣(qu)的事件并觸發(fa)適當(dang)的操(cao)作(zuo)。事件流可以處理(li)實(shi)時精確定(ding)位中的復(fu)雜模式，例如它(ta)可對個人移動設備(bei)的操(cao)作(zuo)或銀行(xing)交易(yi)期間(jian)的異常活動進(jin)行(xing)快速(su)檢(jian)測(ce)。

監控匯總(zong)信息。事件(jian)流可(ke)以(yi)(yi)持續處理來自監控設備(bei)和傳感器(qi)的數據，查找出可(ke)能(neng)存在問(wen)題的趨勢、相關性或(huo)異常。智能(neng)設備(bei)可(ke)以(yi)(yi)采取補(bu)救措施(shi)，例如通知操作員(yuan)、移動(dong)負載或(huo)關閉(bi)電機。

清理并驗證傳(chuan)感器(qi)數據(ju)(ju)。當傳(chuan)感器(qi)數據(ju)(ju)延(yan)遲(chi)、不(bu)完整或不(bu)一致時，可能是由(you)于許多因素共同作用導(dao)致的(de)。嵌(qian)入到(dao)數據(ju)(ju)流中的(de)各(ge)種技(ji)術(shu)可以檢測(ce)并解(jie)決(jue)此(ci)類數據(ju)(ju)問題，還(huan)能對(dui)即將(jiang)發(fa)生的(de)傳(chuan)感器(qi)故障或網絡錯誤導(dao)致的(de)臟(zang)數據(ju)(ju)進行清洗(xi)。

實時預測和(he)優化(hua)運營。高級(ji)算法可以(yi)(yi)持續對流數據(ju)(ju)進(jin)行評分(fen)，以(yi)(yi)便(bian)在(zai)瞬間做(zuo)出決(jue)策。例如(ru)，可以(yi)(yi)在(zai)數據(ju)(ju)環境中分(fen)析有關火車的到達信(xin)息，并延遲另一(yi)趟(tang)火車的出發時間，以(yi)(yi)保(bao)證(zheng)乘客不會錯過換(huan)乘。

2. 在應用程序需要的地方部署智能

前面描(miao)述的案例(li)需要(yao)不(bu)(bu)斷(duan)變化和(he)(he)移動的數(shu)(shu)據 ( 例(li)如自動駕駛車輛(liang)內駕駛員的地理位置或溫度 ) 以及(ji)其他離(li)散(san)數(shu)(shu)據 ( 例(li)如客戶概況和(he)(he)歷史購買(mai)數(shu)(shu)據 ) 。這(zhe)一現實(shi)要(yao)求分析以不(bu)(bu)同的方式應用于不(bu)(bu)同的目的。例(li)如 :

高性能分析可以對(dui)靜(jing)態、云端(duan)或存儲(chu)中的繁重數據進行(xing)高效處(chu)理。

流分(fen)析可(ke)對運動(dong)中的大量(liang)不同數據進(jin)行分(fen)析，這些數據中可(ke)能只有(you)少(shao)量(liang)是(shi)我們需要(yao)的并只有(you)短暫的價值(zhi)，因此速度十分(fen)重要(yao)，例如發(fa)送(song)有(you)關即將發(fa)生的碰撞或(huo)組件故障(zhang)的警(jing)報。

邊緣計(ji)算使系統能夠在源頭(tou)立即對數據進行操作，而無需暫停獲取、傳輸或存儲數據。

在應用程序需要的(de)(de)地方部署智能是一(yi)種多相分(fen)析方法，要記(ji)住的(de)(de)關(guan)鍵原則是，并(bing)非所有數據(ju)點(dian)都是相關(guan)的(de)(de)，也不是所有數據(ju)點(dian)都需要發送并(bing)永久(jiu)存儲。分(fen)析基礎架構必須靈(ling)活且(qie)可擴(kuo)展，以支持當前和(he)未來的(de)(de)所有需求。

3. 協同 AI 技術

要(yao)用 AIoT 實現高的(de)(de)(de)回報，除了部署單一的(de)(de)(de) AI 技術(shu)外，還需(xu)要(yao)考(kao)慮(lv)其他方(fang)面。例如，可以采用多種 AI 功能協(xie)同工(gong)作(zuo)的(de)(de)(de)平臺，將機器學(xue)習與自然語言處理和(he)計(ji)算(suan)機視覺等進行協(xie)同工(gong)作(zuo)。

舉(ju)例來看，一家大型醫院的(de)(de)(de)(de)研究診所結合了多種(zhong)形式的(de)(de)(de)(de) AI，為其醫生提供(gong)診斷指導。該(gai)(gai)診所使(shi)(shi)用(yong)(yong)(yong)深度(du)學(xue)習和(he)計算機(ji)視覺(jue)對 x 線片、CT 掃描和(he)核磁(ci)共(gong)振成(cheng)像進行(xing)識別，以確(que)定結節和(he)其他(ta)與人類大腦和(he)有(you)關的(de)(de)(de)(de)區域。該(gai)(gai)檢(jian)測過程使(shi)(shi)用(yong)(yong)(yong)深度(du)學(xue)習技(ji)(ji)術和(he)卷積(ji)(ji)神經網絡(luo)，這是一類通(tong)常用(yong)(yong)(yong)于(yu)分析視覺(jue)圖(tu)像的(de)(de)(de)(de)機(ji)器學(xue)習。這種(zhong)檢(jian)測過程使(shi)(shi)用(yong)(yong)(yong)到(dao)了深度(du)學(xue)習技(ji)(ji)術和(he)卷積(ji)(ji)神經網絡(luo)，卷積(ji)(ji)神經網絡(luo)是一種(zhong)通(tong)常用(yong)(yong)(yong)于(yu)分析視覺(jue)圖(tu)像的(de)(de)(de)(de)機(ji)器學(xue)習。

然(ran)后，該診所(suo)使(shi)用一(yi)種完全不同的 AI 技(ji)術――自(zi)然(ran)語言(yan)處理，建立一(yi)個基(ji)于家庭病(bing)(bing)史、藥物、既往疾(ji)病(bing)(bing)和飲食的患(huan)者(zhe)檔案，它甚至可以解(jie)釋心臟起搏器等物聯網數據。該工具將自(zi)然(ran)語言(yan)數據與計算機視覺相結合，使(shi)醫務人員(yuan)在寶貴的工作(zuo)時間內工作(zuo)效率(lv)大(da)大(da)提高。

4. 統一完整的分析生命周期

為了從(cong)互聯的(de)世界中獲(huo)得價(jia)值，AIoT 系統首先需要(yao)訪問各(ge)種不(bu)同的(de)數據(ju)來(lai)感知正在發生的(de)重(zhong)要(yao)事項。接(jie)下來(lai)，它必須(xu)從(cong)豐富的(de)數據(ju)環境中提(ti)取對(dui)數據(ju)的(de)理解。后，無論是提(ti)醒(xing)操作員、提(ti)供報價(jia)還是修改設備操作，它都必須(xu)得到快速的(de)結(jie)果。