物联网 (AIoT)：互联设备和智能算法的强大组合

已发表: 2022-09-01

TL;DR：见解，总结：

  • 60% 到 73% 的企业数据未用于分析。
  • 由于错失数据分析机会，一家公司平均损失了 12% 的收入。
  • 结合人工智能和物联网解决方案，企业可以利用他们的数据并收集以前无法获得的见解。
  • AIoT 是人工智能和物联网的混合体。 结合这两种技术可以创建更有效的解决方案，从而提高投资回报率。
  • AIoT 应用范围更广的领域是医疗保健、制造、运输和其他行业。

最初的机器对机器通信几乎仅限于电信行业，物联网现在无处不在。 据 Statista 称，到 2025 年，连接到互联网的设备数量将超过 380 亿台。

不过，这个数字是有争议的，因为很难划清物联网设备到底是什么。 因此，其他报告表明数字更为克制。 想想：到 2025 年将有大约 160 亿台设备在使用。

物联网设备数量的急剧增加将不可避免地导致收集的数据量增加。 IDC 报告称，到 2025 年，全球生成的物联网数据量将达到 73 Zettabytes。这就是问题所在。 需要对收集到的信息进行处理和分析以推动价值。 然而，大多数企业未能将数据投入使用，其中 60% 至 73% 的数据未用于分析。

好消息是，企业可以通过利用人工智能和物联网的综合力量，将更多生成的数据转化为业务洞察力。

在本文中，我们介绍了您需要了解的有关这种强大组合的所有信息，通常称为物联网人工智能或 AIoT。 因此，如果您正在考虑加入物联网开发潮流，请继续阅读。

AIoT究竟是什么？

物联网 (AIoT) 系统由两个组件组成：物联网 (IoT) 和人工智能 (AI)。

在这种强大的组合中，物联网的作用是积累结构化和非结构化数据，并实现连接的事物和用户之间的通信。

当通过人工智能（可以在大量数据中发现复杂的相互依赖关系并描述、预测和规定某些行动的算法）进行放大时，物联网系统将获得类似人类的智能，并可用于解决更广泛的任务. 这些可能涉及“理解”自然语言、预测用户需求并相应地调整连接设备的行为等等。

AIoT市场目前正在崛起。 最近的研究估计，到 2026 年它将达到 1022 亿美元。原因很清楚：人工智能通过改进决策为物联网增加价值，而物联网为人工智能提供了一个平台，通过连接和无缝数据交换来推动价值。

物联网人工智能是如何工作的？

AIoT 系统可以通过两种方式实现：

  • 作为基于云的系统
  • 作为在连接设备上运行的边缘系统。

AIoT 系统的架构会因实施策略而异。

基于云的 AIoT

使用基于云的方法，AIoT 解决方案的基本架构如下所示：

  • 设备层：各种硬件设备（移动设备、标签/信标、传感器、健康和健身设备、车辆、生产设备、嵌入式设备）
  • 连接层：现场和云网关
  • 云层：数据存储、数据处理（AI引擎）、数据可视化、分析、通过API访问数据
  • 用户通信层*：门户网站和移动应用程序*

边缘人工智能物联网

通过边缘分析，收集的数据在更接近源的地方进行处理——无论是在连接的设备上还是在现场网关上。

  • 采集终端层：通过现有电力线连接到网关的各种硬件设备（移动、标签/信标、传感器、健康和健身设备、车辆、生产设备、嵌入式设备）
  • 边缘层：用于数据存储、数据处理（AI 引擎）、洞察生成的设施

不过，以边缘为中心的实施并不排除云的存在。 例如，基于云的数据存储可用于收集有关系统性能的元数据或训练或重新训练边缘 AI 所需的上下文信息（想想：用于制作涉及云和边缘的 AI 工作流的范例，后者由更接近物理事物的云外设备。）

AIoT在不同领域的热门应用

在许多因素的推动下，例如新软件工具的可用性、简化 AI 解决方案的开发、将 AI 注入遗留系统以及支持 AI 算法的硬件的进步，物联网人工智能正在许多行业中蔓延。 以下是已经在利用 AIoT 提供的机会的行业的概要——其中最有希望的用例被聚焦。

卫生保健

诊断协助

AIoT 可以帮助医疗保健提供者做出更精确的诊断决策。 智能医疗物联网解决方案从各种来源获取患者数据——从诊断设备到可穿戴设备再到电子健康记录——并交叉分析这些数据，以帮助医生正确诊断患者。

基于人工智能的医疗解决方案已经在多个诊断领域超越了人类医疗保健专业人员。 全球的放射科医生都在依靠 AI 的帮助进行癌症筛查。

在 Nature Medicine 发表的一项研究中，人工智能在确定患者是否患有肺癌方面优于六位放射科医生。 该算法对来自美国国立卫生研究院临床试验数据记录的 42,000 名患者扫描进行了训练，检测到的癌症病例比人类同行多 5%，并将误报的数量减少了 11%。 值得一提的是，假阳性在诊断肺癌方面存在一个特殊问题：JAMA Internal Medicine 对 2,100 名患者的研究表明假阳性率为 97.5%。 因此，人工智能有助于解决关键的诊断问题之一。

AIoT 系统在诊断乳腺癌、皮肤病和皮肤癌时表现同样出色。 但智能互联系统的可能性远不止于此。

最近的研究表明，人工智能可以检测儿童的罕见遗传病、婴儿的遗传病、胆固醇升高的遗传病、神经退行性疾病，并预测导致阿尔茨海默病的认知衰退。

改进治疗策略和跟踪康复过程

遵循与诊断患者相同的原则，AIoT 系统可以帮助制定更好的治疗策略并根据患者的需求进行调整。

结合来自治疗方案的数据、患者的病史以及来自连接设备和可穿戴设备的实时患者信息，智能算法可以建议剂量调整，排除患者发生过敏的可能性，并避免不适当或过度治疗。 AIoT 促进治疗跨度的一些重要领域：

  • 更有效的 COVID-19 治疗

通过记录患者生命体征的 AIoT 驱动的可穿戴设备监测被诊断出患有 COVID-19 的患者，医生可以为患者提供应有的建议，从而提供更有效的门诊护理。

  • 治疗伴有凝血的疾病

连接的凝血设备有助于测量血栓形成的速度，从而帮助患者确保测量结果在他们的治疗范围内，并减少到办公室的访问次数，因为测量结果可以远程和实时地传达给医疗保健提供者。

  • 更好的哮喘和 COPD 管理

慢性呼吸道疾病 (COPD) 影响全球约 5 亿患者。 为了减轻这些疾病的严重程度，患者必须坚持彻底的常规，而使用吸入器是其中的重要组成部分。 尽管如此，许多患者未能遵守推荐的治疗计划。 绑定到移动应用程序的启用 AIoT 的吸入器有助于避免这种情况，记录每次使用的时间、日期和位置。 收集的数据可用于设置下次使用的自动提醒、预测哮喘发作和识别触发因素。

  • 优化糖尿病管理

仅在美国，就有 3000 万人受到糖尿病的影响。 对他们来说，定期测量血糖一直是一个问题。 支持 AIoT 的无线植入式血糖仪通过通知患者和医生患者血糖水平的变化来缓解这些担忧。

优化医院工作流程

AIoT 可以改变医院的运营方式，改善以下关键领域的日常工作流程：

  • 减少等待时间

由 AIoT 提供支持的自动床位跟踪系统可以通过在床位空闲时通知他们来帮助医院工作人员尽快接纳急诊患者。 纽约西奈山医疗中心等早期采用者的经验证明，技术可以帮助减少 50% 急诊科患者的等待时间。

  • 识别危重病人

识别需要立即关注的患者对于提供优质护理至关重要。 为了做出正确的决定，医生需要在承受巨大压力的同时分析大量信息。 AIoT 可以帮助医务人员优先考虑他们的工作。 连接的系统可以分析患者的生命体征，并向医生提醒病情恶化的患者。

几个类似的系统在重症监护室进行了测试。 例如，旧金山大学试行了一种人工智能解决方案，该解决方案能够检测败血症的早期迹象，这是一种致命的血液感染。 研究结果表明，接受人工智能治疗的患者发生感染的可能性降低了 58%； 死亡率降低了12%。

  • 跟踪医疗设备

借助支持 AIoT 的设备跟踪，医院可以降低丢失关键医疗设备的风险，并做出更明智的设备管理决策，从而每年每张床位节省 12,000 美元。 医院内外的关键医疗设备可以通过 RFID 或 GPS 系统进行跟踪，而医疗和行政人员可以使用网络和移动应用程序快速定位所需设备。

制造业

启用预测性维护

通过配备 AIoT 传感器的机器测量各种参数，包括温度、压力、振动、转速等，制造商可以实时了解其资产的健康状况并根据实际需要安排维护。

虽然基本分析通常足以检测到接近关键操作阈值的设备，但人工智能可以根据历史维护和维修数据提前预测异常情况。 根据普华永道的一份报告，通过预测性维护，制造商可以将设备正常运行时间提高 9%，将成本降低 12%，将安全风险降低 14%，并将其资产的使用寿命延长 20%。

改善资产绩效管理

有了 AIoT 系统，制造商可以定期更新其资产的性能，并深入了解性能变化的原因。 大多数基于物联网的资产绩效管理系统都允许在设备偏离设定的 KPI 时获得自动警报。

反过来，人工智能引擎有助于挖掘性能下降的原因（如果有的话），并确定在每个单独的设置中跟踪测量的 KPI 是否合理。 使用性能管理软件，制造商可以优化设备利用率并提高整体设备效率。

使用数字孪生促进生产计划

据 Gartner 称，数字孪生可以帮助制造商将生产效率提高至少 10%。 资产、系统或流程的数字副本、支持 AIoT 的工业数字双胞胎可以帮助制造商获得对车间运营的端到端可见性，并帮助及时发现甚至预测低效率。

使用数字双胞胎的制造企业表示，他们可以实现持久的改进，包括在两年内将可靠性从 93% 提高到 99.49%，将接收维护减少 40%，并在预测停电后节省 360,000 美元。

通过工业机器人自动化车间操作

工业机器人长期以来一直是车间的一部分。 随着制造物联网解决方案变得越来越容易获得，机器人正变得更加智能和独立。 配备传感器并依靠人工智能，工业机器人现在能够在旅途中做出明智的生产决策，从而提高制造单位的效率。

汽车和交通

交通管理

AIoT可用于缓解交通拥堵，提高交通质量。 例如，台北市利用 AIoT 监控 25 个路口的信号设备。 在这个系统中，智能传感器和摄像机收集交通、人流和道路占用的实时数据，而人工智能算法分析这些数据并应用适当的控制逻辑。

该方法帮助市政府优化交通流量并确保安全顺畅的驾驶体验。

自动驾驶车辆

自动驾驶汽车和高级驾驶辅助系统 (ADAS) 是 AI 算法解释和处理实时物联网数据的显着例子。

自动驾驶或自动驾驶汽车根据来自各种传感器的数据创建周围环境地图。 例如，雷达传感器监测附近车辆的位置； 摄像机检测交通信号灯、路标、其他车辆和行人； 激光雷达传感器测量距离、检测道路边缘并识别车道标记。

然后，人工智能软件处理传感器数据，绘制最佳路径，并向汽车执行器发送指令，控制加速、制动和转向。 硬编码规则、避障算法、预测建模和对象识别有助于软件遵循交通规则并导航障碍物。

关键的 AIoT 实施挑战，以及如何解决这些挑战

在全球实施的所有物联网项目中，76% 失败了，其中 30% 早在概念验证阶段就失败了。 为了避免将投资导向注定要失败的计划，测试 AIoT 水域的公司应该意识到可能阻碍其 AIoT 实施的常见挑战。 企业最常遇到的障碍包括：

在没有明确目标的情况下踏上 AIoT 之旅。 启动 AIoT 项目时，组织可能会陷入新奇事物而无法评估其想法的可行性。 反过来，这可能导致在开发的后期阶段成本不受控制地蔓延，并最终导致利益相关者不满意。 为避免这种情况，我们建议您从发现阶段开始您的 AIoT 项目，其中可以根据设定的业务目标、客户期望和组织能力审查和权衡想法。

努力选择最佳实施策略。 如前所述，AIoT 解决方案可以实现为云、边缘或混合系统。 在起草实施策略时，仔细权衡未来解决方案的带宽、延迟和速度要求，并将它们与设定的成本进行映射。 经验法则是为跨越大量设备并依赖云的时间关键型系统进行边缘部署，以防最小延迟和高带宽不太重要。

部署周期缓慢，成本难以估计。 AIoT 项目需要长期承诺。 根据特定的用例，实施过程可能需要几个月到几年的时间。 随着技术环境的快速变化，解决方案在完全投入使用时可能会过时，并且会失去对实施成本的控制。 为了防止这种情况发生，企业需要足够敏捷，以便能够在此过程中引入变化。

需要连接高度异构和复杂的系统。 根据您未来解决方案的规模和您所在的行业，您可能需要将高度异构的传统设备连接到 AIoT。 通常是一项难以完成的任务，它需要规划和理解可用的选项。 例如，您可以选择将传感器连接到旧机器，通过网关连接它们，甚至完全替换它们。 无论采用何种方法，请务必尽早起草可行的数字化方案。

没有足够的数据来训练 AI 算法。 为了产生可靠的见解，人工智能算法需要在大量数据上进行训练。 如果数据量不足（或可用但由于隐私原因无法使用），您将不得不使用其他策略来弥补数据的不足。 常见的方法包括迁移学习（想想：使用已经训练过的神经网络来解决类似的问题）、数据增强（修改现有样本以获取新的数据条目）或求助于合成数据。

努力实现 AIoT 系统足够的性能。 AIoT 系统的性能取决于一系列因素，包括硬件功能、数据负载、系统架构、实现方法等。 为避免运行中的性能问题，请提前计划潜在的数据负载并相应地调整实施策略。

解决软件和固件漏洞。 许多 AIoT 项目之所以失败，是因为在规划阶段没有考虑到数据、设备、服务器和通信网络的安全性。 如果您处理高度敏感的数据，请考虑混合部署，其中数据在更靠近源的位置处理，因此在传输过程中或在云中受到损害的风险最小化。

如果您对物联网有未解决的问题或已经在考虑开始 AIoT 实施之旅，请联系我们的专家。

最初于 2022 年 8 月 30 日在 https://itrexgroup.com 上发布。