物联网近年来备受关注，但对于大多数应用来说，有两个重要的问题。一是安全。从物联网设备流经网络的数据，以及设备本身的控制，都在很大程度上依赖于网络安全。随着威胁不断演变，物联网开发人员需要时刻保持警惕。与此同时，由于系统和数据安全性的不确定性，许多潜在用户正在推迟采用物联网技术。限制物联网采用的第二个问题是将数据发送到云端进行处理的高带宽成本。随着安装设备数量的增加和涉及的数据量的增加，物联网部署受到数据收集所涉及的带宽资源和成本的限制。随着人工智能成为从所有数据中提取价值的越来越重要的元素，这变得更加令人担忧。随着传统数据处理技术变得越来越繁琐，人工智能在数据处理中的重要性急剧增加。开发和编码有效的算法以从大量数据中提取有用的信息需要时间，这是许多潜在用户缺乏的应用专业知识。它还可能导致软件脆弱，难以随着需求的变化进行维护和修改。人工智能，尤其是机器学习，可以让加工商根据训练来开发自己的算法来实现预期的结果，而不是依赖专家分析和软件开发。此外，通过额外的培训，人工智能算法可以很容易地适应新的要求。AI向边缘移动的最新趋势是将这两种技术结合在一起。目前，从物联网数据中提取信息主要发生在云端，但如果大部分或所有信息都可以在本地提取，则带宽和安全问题就不再是问题。随着人工智能在物联网设备中运行，几乎不需要通过网络发送大量原始数据，只需要传达最终结论。通信流量越少，网络安全性就越容易增强和维护。本地AI甚至可以通过检查传入流量是否存在篡改迹象来帮助提高设备安全性。▲工业机械的预测性维护是人工智能和物联网融合不断发展的应用之一。AIoT似乎遵循着类似于1980年代微处理器开发方式的发展路径。从处理不同任务的单独设备开始：通用处理器、存储器、串行接口外围设备、并行接口外围设备等。这些最终将设备任务集成到单芯片微控制器中，然后演变为特定应用程序专用微控制器。AIoT也在走同样的道路。目前，AIoT设计使用处理器辅以通用AI加速和AI中间件。配备AI加速的处理器也开始出现。如果历史重演，AIoT的下一阶段将是为特定应用量身定制的AI增强型处理器的演进。要使定制设备在经济上可行，它需要满足一系列应用的共同需求。此类应用程序已经开始变得可见，其中一个主题是预测性维护。人工智能与工业机械上的物联网传感器相结合，可帮助用户识别振动和电流消耗中的异常模式，这些模式是设备故障的前兆。将AI置于传感器设备本地的好处包括减少数据带宽和延迟，以及将设备响应与其网络连接隔离开来的能力。专用的预测性维护AIoT设备将服务于一个巨大的市场。第二个主题是语音控制。语音助手的流行促使消费者要求在各种设备中进行语音控制，专用语音控制的AIoT设备将有助于解决带宽和延迟问题。如今，这种设备的潜在用途数量惊人。专门的AIoT设备还有其他主题需要解决，例如用于工业安全和建筑管理的环境传感、化学过程控制、自动驾驶汽车系统、用于识别特定物体的摄像头等。AI技术将继续存在，下一步下一步将是为主要市场开发专用设备。除此之外，业界最有可能开发可配置的AI加速器，可以根据自己的应用进行定制，让AIoT有效覆盖越来越多的细分市场。
