在某些簡單的術(shù)語中，物聯(lián)網(wǎng)包括連接到互聯(lián)網(wǎng)的所有設(shè)備。各種估計(jì)預(yù)計(jì)到2020年將有500億臺物聯(lián)網(wǎng)設(shè)備連接到互聯(lián)網(wǎng)。

　　設(shè)備的復(fù)雜性與其屬于物聯(lián)網(wǎng)的分類無關(guān)。該設(shè)備可以像溫度計(jì)或浮動開關(guān)一樣簡單，也可以像特斯拉電動汽車或氣相色譜儀那樣復(fù)雜。關(guān)鍵因素是它直接或間接地連接到互聯(lián)網(wǎng)。直接連接是相當(dāng)明顯的，它可以通過標(biāo)準(zhǔn)電纜、wifi或任何其他標(biāo)準(zhǔn)互聯(lián)網(wǎng)接口連接。間接連接的設(shè)備可能稍微更神秘，因?yàn)榭赡苁褂弥T如藍(lán)牙或物聯(lián)網(wǎng)卡等等來連接到網(wǎng)關(guān)，然后網(wǎng)關(guān)連接到互聯(lián)網(wǎng)。

　　這個(gè)概念可以進(jìn)一步擴(kuò)展，因?yàn)樘囟ㄔO(shè)備不需要直接連接到網(wǎng)關(guān)。相反，它可以遍歷由任意數(shù)量的設(shè)備組成的本地網(wǎng)絡(luò)，以便鏈接到網(wǎng)關(guān)。后一種情況最常見于設(shè)備的網(wǎng)狀網(wǎng)絡(luò)中。這允許連接遵循通過該網(wǎng)格的任意路徑，這是一個(gè)或多個(gè)設(shè)備以某種方式被損壞的非常有用的特性。通常，對構(gòu)成網(wǎng)格的物聯(lián)網(wǎng)設(shè)備數(shù)量的實(shí)際限制由特定應(yīng)用程序可以容忍的傳輸延遲量確定，因?yàn)榧词刮覀兒雎裕⒁脖仨毻ㄟ^每個(gè)設(shè)備的額外傳輸延遲。設(shè)備或網(wǎng)關(guān)之間網(wǎng)絡(luò)沖突可能造成的延遲。

　　通過將AI與物聯(lián)網(wǎng)相結(jié)合，我們觀察到乘數(shù)效應(yīng)，允許這些技術(shù)顯示既不能獨(dú)立展示的功能。有兩種主要方法可以實(shí)現(xiàn)這一點(diǎn)。目前，最常見的是在物聯(lián)網(wǎng)設(shè)備中安裝適當(dāng)?shù)膫鞲衅鳎⑹褂盟鼈兺ㄟ^互聯(lián)網(wǎng)提供數(shù)據(jù)流，以便在遠(yuǎn)程AI系統(tǒng)上進(jìn)行處理。根據(jù)要監(jiān)控的內(nèi)容，可能擁有來自一種傳感器類型或各種傳感器類型的單個(gè)或多個(gè)數(shù)據(jù)流。我們已經(jīng)看到這種數(shù)據(jù)處理遷移到物聯(lián)網(wǎng)設(shè)備本身，因?yàn)樵O(shè)備內(nèi)的處理器和內(nèi)存變得更加強(qiáng)大。

　　與所有受監(jiān)控的物聯(lián)網(wǎng)設(shè)備的數(shù)據(jù)流相比，我們目前認(rèn)為的“大數(shù)據(jù)”似乎微不足道。將處理遷移到物聯(lián)網(wǎng)設(shè)備的另一個(gè)理由是，在許多情況下，數(shù)據(jù)的值非常短暫。換句話說，必須立即處理數(shù)據(jù)。一個(gè)很好的例子是當(dāng)提取的數(shù)據(jù)用于過程控制循環(huán)時(shí)。如果您有連續(xù)流動反應(yīng)器，為了優(yōu)化所生產(chǎn)產(chǎn)品的質(zhì)量，必須不斷應(yīng)用反饋。任何重大延遲，在某些系統(tǒng)中可能只有幾秒或更短，

　　通過安裝物聯(lián)網(wǎng)設(shè)備來監(jiān)控可能影響過程的所有反應(yīng)器條件，例如溫度，壓力，流速等，AI系統(tǒng)可用于優(yōu)化產(chǎn)品產(chǎn)量。在許多工業(yè)流程工作的規(guī)模上，即使產(chǎn)品產(chǎn)量提高一小部分，也可能帶來顯著的財(cái)務(wù)回報(bào)。

　　AI也可以在實(shí)驗(yàn)室中應(yīng)用于分析方面。許多利用AI功能的儀器已經(jīng)上市。您可以在其控制軟件中找到包含AI的氣相色譜儀，紅外光譜儀等。這使得機(jī)器在分析收集的數(shù)據(jù)時(shí)更加“智能”。在極少數(shù)情況下，這消除了專家運(yùn)行機(jī)器和分析數(shù)據(jù)的需要。

　　國內(nèi)物聯(lián)網(wǎng)卡采購平臺物聯(lián)卡商城表示，結(jié)合物聯(lián)網(wǎng)和人工智能，展示了如何在不需要現(xiàn)場專家的情況下加速復(fù)雜數(shù)據(jù)的分析，同時(shí)處理大量實(shí)驗(yàn)數(shù)據(jù)，從所有這些數(shù)據(jù)位中提取意義，以便提供多種成像方式。其補(bǔ)充是它還可以提供最佳實(shí)驗(yàn)室設(shè)計(jì)的數(shù)據(jù)，并提供對實(shí)驗(yàn)室環(huán)境的更有效控制。

（文章來源：http://www.wlk.cn/a/730）