在某些简单的术语中，物联网包括连接到互联网的所有设备。各种估计预计到2020年将有500亿台物联网设备连接到互联网。

　　设备的复杂性与其属于物联网的分类无关。该设备可以像温度计或浮动开关一样简单，也可以像特斯拉电动汽车或气相色谱仪那样复杂。关键因素是它直接或间接地连接到互联网。直接连接是相当明显的，它可以通过标准电缆、wifi或任何其他标准互联网接口连接。间接连接的设备可能稍微更神秘，因为可能使用诸如蓝牙或物联网卡等等来连接到网关，然后网关连接到互联网。

　　这个概念可以进一步扩展，因为特定设备不需要直接连接到网关。相反，它可以遍历由任意数量的设备组成的本地网络，以便链接到网关。后一种情况最常见于设备的网状网络中。这允许连接遵循通过该网格的任意路径，这是一个或多个设备以某种方式被损坏的非常有用的特性。通常，对构成网格的物联网设备数量的实际限制由特定应用程序可以容忍的传输延迟量确定，因为即使我们忽略，消息也必须通过每个设备的额外传输延迟。设备或网关之间网络冲突可能造成的延迟。

　　通过将AI与物联网相结合，我们观察到乘数效应，允许这些技术显示既不能独立展示的功能。有两种主要方法可以实现这一点。目前，最常见的是在物联网设备中安装适当的传感器，并使用它们通过互联网提供数据流，以便在远程AI系统上进行处理。根据要监控的内容，可能拥有来自一种传感器类型或各种传感器类型的单个或多个数据流。我们已经看到这种数据处理迁移到物联网设备本身，因为设备内的处理器和内存变得更加强大。

　　与所有受监控的物联网设备的数据流相比，我们目前认为的“大数据”似乎微不足道。将处理迁移到物联网设备的另一个理由是，在许多情况下，数据的值非常短暂。换句话说，必须立即处理数据。一个很好的例子是当提取的数据用于过程控制循环时。如果您有连续流动反应器，为了优化所生产产品的质量，必须不断应用反馈。任何重大延迟，在某些系统中可能只有几秒或更短，

　　通过安装物联网设备来监控可能影响过程的所有反应器条件，例如温度，压力，流速等，AI系统可用于优化产品产量。在许多工业流程工作的规模上，即使产品产量提高一小部分，也可能带来显着的财务回报。

　　AI也可以在实验室中应用于分析方面。许多利用AI功能的仪器已经上市。您可以在其控制软件中找到包含AI的气相色谱仪，红外光谱仪等。这使得机器在分析收集的数据时更加“智能”。在极少数情况下，这消除了专家运行机器和分析数据的需要。

　　国内物联网卡采购平台物联卡商城表示，结合物联网和人工智能，展示了如何在不需要现场专家的情况下加速复杂数据的分析，同时处理大量实验数据，从所有这些数据位中提取意义，以便提供多种成像方式。其补充是它还可以提供最佳实验室设计的数据，并提供对实验室环境的更有效控制。