可以把工业物联网想象成企业的神经系统：它是一个传感器网络，从生产工厂的各个角落收集有价值的信息，并将其存储在数据库中用于数据分析和利用。工业物联网对于测量和捕获数据以做出明智的决策是必不可少的。但接下来会发生什么？企业应该如何处理所有这些数据？人们通常明白，合理的决策是基于可靠的信息，虽然这听起来很简单，但实现起来却并非如此。本文将超越物联网，关注数据以及如何通过物联网人工智能(AIoT)和数据分析来利用数据。分析阶段，即先将数据转化为信息，再转化为知识（有时也称为业务逻辑）的过程，下面专门介绍分析阶段。但是最终还是不会偏离物联网的核心主题，因为没有大数据的物联网对人来说什么都不是。大数据和数据分析几十年来，尤其是在1910年代，人们目睹了由数字技术大规模生成的惊人的海量数据（结构化和非结构化）。在工业世界的独特环境下，充分利用海量信息是企业成功的关键。这种处理业务数据的需求催生了可互换的术语，如“大数据”、“数据科学”和“数据分析”，这些术语统称为检查设备网络捕获的数据所遵循的过程，目的是揭示模糊的趋势、模式或相关性。这样做的根本目标是使用新型知识来改进业务。因为它是最近创建的术语，所以对大数据有不同的定义。Gartner提供的其中一个术语概述了三个关键方面：数据量、数据种类和捕获速度。这些通常被称为3V，尽管其他定义对此进行了扩展并将其转变为5V，从而提高了数据的准确性及其为业务带来的价值。然而，从理论上讨论什么是大数据、什么是坏数据并没有多大意义，因为由于数据采集设备的普遍存在，大数据分析和处理已经适用于广泛的工业世界。物联网和大数据物联网和大数据如何相互关联？物联网连接的要点通常是数据库。一般来说，物联网的工作最终都在数据库中；换句话说，物联网的目标是以或多或少有序的方式将所有获取的数据转储到一个公共存储库中。大数据域首先访问这个存储库来操作获取的数据并获取所需的信息。无论如何，将物联网大数据分析可视化为一个工具箱是很有用的。根据人们希望从数据中获取的信息和知识的类型，将从数据中提取一种或另一种工具。许多这些工具以传统算法的形式出现，以及这些算法的改进或改编，具有非常相似的统计和代数原理。答案是今天可用的数据量比最初构思算法时要多得多，但更重要的是，今天机器的计算能力允许这些技术在更大范围内使用，为旧方法提供新用途。但是不要给人这样的印象：“一切都已经被发明出来了，数据分析的当前趋势并没有带来任何新东西。”事实上，恰恰相反，数据生态系统非常庞大，并且近年来出现了重大创新。其中增长最快的领域之一是人工智能，它不是一项新兴技术，因为这个词早在1956年就被创造出来了。然而，人工智能是一个如此广泛的概念，具有如此广泛的影响，以至于它经常被认为它自己的一门学科。然而，事实上，人工智能在某些方面在大数据和数据分析中扮演着不可或缺的角色。现在，AIoT自然进化。AIoT：物联网AI数据量的指数级增长需要新的分析方法。在这种情况下，人工智能就显得尤为重要。据《福布斯》杂志报道，主导科技行业的两大趋势是物联网(IoT)和人工智能。物联网和人工智能是两种相互影响很大的独立技术。虽然物联网可以被认为是一个数字神经系统，但人工智能同样是一个先进的大脑，能够做出控制整个系统的决策。据IBM称，物联网的真正潜力只能通过引入AIoT来实现。但什么是人工智能，它与传统算法有何不同？当机器模仿人类的认知功能时，人们通常会谈论人工智能。也就是说，它以与人类相同的方式解决问题，或者假设机器可以找到理解数据的新方法。人工智能的优势在于它能够生成新算法来解决复杂问题，这是关键，因为它独立于程序员的输入。因此，可以将AI视为发明算法的算法，尤其是机器学习（这是AI中预计增长潜力最大的部分）。IoT人员与人工智能的结合为我们带来了AIoT的概念，即可以自行做出决策、评估这些决策的结果并随着时间的推移进行改进的智能连接系统。这种结合可以通过多种方式实现，这里重点介绍其中两种：(1)一方面，人工智能可以继续被概念化为处理各种决策的集中式系统。在这种情况下，它指的是云平台中的一个系统，该系统集中接收所有遥测数据并据此采取行动。这将被称为云人工智能（CloudAI）。(2)另一方面，还必须谈到隐喻神经系统的一个非常重要的部分：反射。反射是由神经系统做出的自主决定，无需将所有信息发送到中央处理单元（大脑）。这些决策是在其外围做出的，靠近数据源。这被称为边缘人工智能（EdgeAI）。EdgeAI和CloudAI的用例CloudAI提供了全面的分析过程，将整个系统都考虑在内，而EdgeAI则为人们提供了快速响应和自主权。但就像人体一样，这两种反应方式并不相互排斥，实际上可以互补。例如，给水控制系统可以在检测到泄漏时立即关闭阀门，同时向中央系统发送通知，中央系统可以做出更高级别的决策，例如打开一个备用阀门，将水引导到另一个回路。可能性是无穷无尽的，可以超越这个简单的反应性维护示例，扩展到能够预测可能事件的复杂系统，从而实现预测性维护的可能性。AIoT用于数据分析的另一个例子可以在智能电网中找到。在智能电网的边缘通常有智能设备分析每个节点的电流并在本地做出负载平衡决策，同时将所有这些数据发送到云端进行分析以生成更全面的能源策略。宏观层面的分析将允许在区域层面做出负载平衡决策，甚至可以通过关闭水电站或启动购电流程来减少或增加电力生产。
