物联网每年都在扩展数十亿台设备，这种状态虽然代表了物联网的繁荣，但是庞大的数据量也带来了麻烦，数据多了处理时间就必然会增加，从而带来反馈的延迟。幸运的是，人工智能和物联网设备的进步正在将数据分析提升到一个全新的水平，在创建动态网络和分布式智能的同时解决物联网的顶级数据挑战。

　　通常情况下，物联网数据需要实时转换为响应式操作，尤其是在流量管理、安全入侵或设备故障等情况下。

　　解决这些问题的方法是边缘计算。通过添加提供本地处理能力的网关和物联网设备来扩展企业网络的处理能力。这解决了几个大问题，包括实时响应要求的路由和调整，并创建了一个可以解析收集的数据的点，其中一些信息在现场处理，信息绑定到云存储单独传递。

　　物联网的工作，在应对不断变化的条件，管理中断和微调资源方面，都是关于模式检测和机器学习的，这些活动现在可以通过边缘计算发生，而这些活动正在进行中。人工智能需要从云中移出并进入边缘。

　　物联网中的人工智能适合的地方

　　当物联网数据保持在本地并进入基于边缘的机器学习时，模式就会出现。这些模式可以预测机器故障或系统故障，例如，可以应用预防性维护并避免制造环境中的中断或停机，或者预测供应链中的中断并进行调整以避免它们。

　　更重要的是，将机器学习应用于生产环境，流量管理和其他复杂环境或流程可能会出现导致其优化的意外模式。物联网中的人工智能可以为这些环境和流程创建复杂，细节丰富的快照，这些快照在研究时可以揭示潜在的效率，这些效率很容易被人类读取仪表检测不到。

　　人工智能使用

　　例如，造船公司使用人工智能从其船队收集的物联网数据，以发现船体清洁对船舶效率的影响。造船公司能够充分了解每年两次清洗船体比每年清洗一次能够带来更低的成本，因为这样能够减少船体的腐蚀。

　　最后，人工智能是边缘网络本身的应用程序。物联网边缘网络中的人工智能使应用程序能够监控自身的性能，随着应用程序和流程的不断改进而自我优化。

　　国内物联网卡供应平台物联卡商城表示，物联网部署需要人工智能技术的辅助，持续学习，持续提高性能，不仅管理物联网数据流量，还管理需要返回家庭云的信息。这是一个双赢的新兴利益，不仅解决了大问题，而且在这个过程中实现了巨大的，通常意想不到的收益。

（文章来源：http://www.wlk.cn/a/828）