除了傳感器(qi)、攝像頭、網絡基礎設(she)施和計(ji)算機等(deng)智(zhi)能物聯網的物理基礎設(she)施外，還有一些要素是成功部署(shu)的關鍵 :

思(si)考并(bing)實時(shi)分析。使(shi)用事件流處理來分析運動中的各種數據，并(bing)確定哪些是相關的。

能夠在云端、網絡邊緣或設(she)備本(ben)身等應(ying)用程序需要的地方部署智能。

結合 AI 技術。對象識別或處理自然語(yu)言等 AI 功能(neng)(neng)具有(you)非常高的(de)價值，并(bing)能(neng)(neng)在協同作用(yong)中發揮(hui)關鍵作用(yong)。

統一完整的分(fen)析生命(ming)周期，對數據進(jin)行(xing)流化、過濾、評分(fen)、存儲(chu)相關內容、分(fen)析并使用結果持續改進(jin)系統。

1. 實時分析

事件(jian)流處(chu)理在處(chu)理物聯網(wang)數據(ju)時起著至關重要的作用(yong)，因(yin)為它能夠(gou)做到 :

檢測感興趣的(de)(de)事件(jian)(jian)并觸發適當的(de)(de)操作(zuo)。事件(jian)(jian)流可以處(chu)理實時(shi)精確定位中的(de)(de)復(fu)雜模(mo)式，例如它可對個(ge)人(ren)移(yi)動設備的(de)(de)操作(zuo)或銀行(xing)交(jiao)易期間的(de)(de)異常活動進行(xing)快速檢測。

監控(kong)匯總信息(xi)。事(shi)件流可以持續(xu)處理來自(zi)監控(kong)設備和傳感器(qi)的(de)數據，查找出可能(neng)存在問題的(de)趨勢、相關(guan)性或(huo)異常。智能(neng)設備可以采取補救措(cuo)施，例如(ru)通(tong)知操作員(yuan)、移動負載或(huo)關(guan)閉電機。

清理并(bing)驗證傳(chuan)感(gan)器(qi)(qi)數(shu)(shu)據(ju)。當傳(chuan)感(gan)器(qi)(qi)數(shu)(shu)據(ju)延遲、不(bu)完整或不(bu)一致時，可(ke)能是(shi)由于許多(duo)因(yin)素共(gong)同作用導(dao)致的。嵌入到數(shu)(shu)據(ju)流中的各種技術(shu)可(ke)以檢測并(bing)解決此類數(shu)(shu)據(ju)問題，還能對即(ji)將發生的傳(chuan)感(gan)器(qi)(qi)故(gu)障或網絡錯誤(wu)導(dao)致的臟數(shu)(shu)據(ju)進行清洗。

實時預測(ce)和優化運營。高級算法可以持續對流數據(ju)進行評分，以便在瞬間做出決策。例如，可以在數據(ju)環境中(zhong)分析有關(guan)火(huo)車(che)的到達信息(xi)，并(bing)延(yan)遲另一趟火(huo)車(che)的出發時間，以保證乘客不(bu)會(hui)錯過換(huan)乘。

2. 在應用程序需要的地方部署智能

前面(mian)描述的(de)(de)案(an)例(li)需要(yao)不斷(duan)變化(hua)和移動(dong)(dong)的(de)(de)數據 ( 例(li)如(ru)(ru)自動(dong)(dong)駕(jia)駛車輛(liang)內駕(jia)駛員的(de)(de)地理位置或溫度 ) 以(yi)及(ji)其他(ta)離散數據 ( 例(li)如(ru)(ru)客戶概況和歷史購買(mai)數據 ) 。這一(yi)現實要(yao)求分析以(yi)不同的(de)(de)方式應用于不同的(de)(de)目的(de)(de)。例(li)如(ru)(ru) :

高性能分(fen)析可以(yi)對靜態(tai)、云端(duan)或存(cun)儲中的繁重數(shu)據進行(xing)高效(xiao)處理。

流分(fen)析可(ke)對(dui)運動中的(de)(de)大(da)量不同(tong)數(shu)據進行(xing)分(fen)析，這(zhe)些數(shu)據中可(ke)能只(zhi)有(you)少量是我(wo)們需要的(de)(de)并(bing)只(zhi)有(you)短暫的(de)(de)價(jia)值，因此速度十分(fen)重要，例如發(fa)送有(you)關(guan)即將發(fa)生的(de)(de)碰撞或組件故(gu)障的(de)(de)警報。

邊緣計(ji)算使(shi)系統能夠在(zai)源(yuan)頭立即對數(shu)據(ju)進行操(cao)作，而(er)無需暫停(ting)獲(huo)取、傳輸或(huo)存(cun)儲數(shu)據(ju)。

在應用程序需要的(de)地方(fang)部(bu)署智(zhi)能(neng)是(shi)(shi)一種多相(xiang)分析(xi)方(fang)法，要記住的(de)關(guan)鍵原則是(shi)(shi)，并非所(suo)(suo)有數據點(dian)(dian)都(dou)是(shi)(shi)相(xiang)關(guan)的(de)，也不(bu)是(shi)(shi)所(suo)(suo)有數據點(dian)(dian)都(dou)需要發(fa)送并永久存儲(chu)。分析(xi)基礎架(jia)構必須靈活且可擴展，以支持當前和未(wei)來的(de)所(suo)(suo)有需求。

3. 協同 AI 技術

要用 AIoT 實現高(gao)的回報，除了部署單一的 AI 技(ji)術(shu)外，還需要考慮其(qi)他(ta)方面。例如，可以(yi)采用多種 AI 功(gong)能協(xie)同工(gong)作(zuo)的平(ping)臺，將(jiang)機器學習與自然語言處理和計算機視(shi)覺等進行(xing)協(xie)同工(gong)作(zuo)。

舉例來看，一家大型醫院的研究診所(suo)結合了多種形式的 AI，為其醫生提供診斷指導(dao)。該(gai)診所(suo)使用(yong)(yong)深度(du)學(xue)習(xi)(xi)和(he)計算機(ji)視覺(jue)(jue)對 x 線片、CT 掃描(miao)和(he)核磁共振成(cheng)像進行識別(bie)，以確定結節(jie)和(he)其他與(yu)人類(lei)大腦和(he)有關的區域(yu)。該(gai)檢測過(guo)(guo)程(cheng)使用(yong)(yong)深度(du)學(xue)習(xi)(xi)技(ji)術和(he)卷積(ji)神(shen)(shen)經(jing)網絡，這是一類(lei)通常用(yong)(yong)于分(fen)析視覺(jue)(jue)圖(tu)像的機(ji)器學(xue)習(xi)(xi)。這種檢測過(guo)(guo)程(cheng)使用(yong)(yong)到(dao)了深度(du)學(xue)習(xi)(xi)技(ji)術和(he)卷積(ji)神(shen)(shen)經(jing)網絡，卷積(ji)神(shen)(shen)經(jing)網絡是一種通常用(yong)(yong)于分(fen)析視覺(jue)(jue)圖(tu)像的機(ji)器學(xue)習(xi)(xi)。

然后(hou)，該(gai)診所使用一種完(wan)全不(bu)同的(de) AI 技術――自(zi)然語言處理，建立一個基(ji)于家(jia)庭病(bing)史(shi)、藥物、既往疾(ji)病(bing)和飲食(shi)的(de)患者檔案，它(ta)甚(shen)至可以解釋心(xin)臟起(qi)搏器等物聯網數據。該(gai)工(gong)具將自(zi)然語言數據與(yu)計算機(ji)視覺(jue)相結合，使醫務人員在寶貴的(de)工(gong)作時間內(nei)工(gong)作效率大大提(ti)高(gao)。

4. 統一完整的分析生命周期

為了從互聯的(de)(de)(de)世界中(zhong)獲(huo)得價值，AIoT 系統首先需要(yao)訪(fang)問(wen)各種(zhong)不同的(de)(de)(de)數據來感知正在(zai)發生的(de)(de)(de)重要(yao)事項(xiang)。接下來，它必須(xu)從豐富的(de)(de)(de)數據環境中(zhong)提(ti)(ti)取(qu)對(dui)數據的(de)(de)(de)理解。后，無(wu)論(lun)是提(ti)(ti)醒(xing)操(cao)作(zuo)員(yuan)、提(ti)(ti)供報價還是修改設備操(cao)作(zuo)，它都必須(xu)得到快速的(de)(de)(de)結果。