人工智能从云端到边缘的转变为阻碍物联网在关键市场中更广泛采用的带宽和安全问题提供了解决方案。如果技术发展的历史可以作为未来的可靠指南，那么在接下来的几年中，这种融合至少还会发生两个阶段。物联网最近引起了很大的兴趣，但对于许多应用程序来说，出现了两个重要问题。一是安全；从物联网设备流经网络的数据，以及对设备本身的控制，在很大程度上依赖于足够的网络攻击安全性。随着威胁不断发展并变得更加严重，安全需要物联网开发人员不断保持警惕和缓解。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所需的带宽。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已大大提高。开发和编码有效的算法以从大量数据中提取有用信息需要时间和应用专业知识，而这是许多潜在用户所缺乏的。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，特别是机器学习(ML)，允许处理器根据训练开发自己的算法以实现预期结果，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；只需要传达简明的结论。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将继续发展的应用之一。AIoT似乎正在遵循类似于微处理器在1980年代的发展道路。处理从处理不同任务的独立设备开始：通用处理器、内存、串行接口外设、并行接口外设等。这些最终将设备任务集成到单芯片微控制器中，然后演变为特定于应用程序的专用微控制器。AIoT似乎也在走同样的道路。目前，AIoT设计使用由通用AI加速和AI中间件补充的处理器。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。对于经济上可行的定制设备，它需要满足一系列与主题相关的应用程序的共同需求。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。Siri和Alexa等语音助手的流行促使消费者要求各种设备具备语音控制功能。专用语音控制的AIoT设备将有助于解决带宽和延迟问题，并有助于确保连接不稳定期间的功能。如今，这种设备的潜在用途数量惊人。对于专门的AIoT设备，还有其他潜在的主题需要解决。用于工业安全和建筑管理的环境传感就是其中之一。化学过程控制是另一个问题。自动驾驶汽车系统是第三个。第四个是识别特定目标的摄像头。毫无疑问，还会有更多。人工智能技术似乎将继续存在，下一步——与处理技术一样——将是为关键市场开发专用设备。除此之外，该行业最有可能开发可配置的AI加速器，这些加速器可以针对其应用程序进行定制，从而使AIoT的优势有效地惠及更大和更小的市场。仍有许多技术挑战需要克服。设备尺寸和功耗一直是边缘问题，人工智能需要做更多的工作来解决这些问题。使用人工智能时，开发工具可以做更多的事情来简化应用程序开发的工作。开发人员需要更多地了解人工智能作为应用程序开发的替代方案。但如果以史为鉴，这些挑战将很快得到克服。
