到2025年，預計全球將有大約750億個物聯(lián)網(wǎng)設備。
智能設備正變得越來越智能，它們可以幫助我們了解習慣，讓我們從日常生活中解脫出來。智能設備和未來科技的注入使日常生活變得更加輕松。物聯(lián)網(wǎng)(IoT)正在引領變革，它的技術遍布各種設備，包括家庭基礎設施。
截至2020年，全球約有270億臺物聯(lián)網(wǎng)設備。據(jù)Statista預測，到2025年，這一數(shù)字將增長到750億。在物聯(lián)網(wǎng)的幫助下，可以遠程調(diào)用門鎖、恒溫器、冰箱、電視、視頻門鈴和安全攝像頭。智能設備使老年人就地老齡化變得更加可行。智能產(chǎn)品使用起來更簡單，而且可以由其他家庭成員遠程管理。農(nóng)業(yè)部門也是物聯(lián)網(wǎng)的高受益者。農(nóng)作物種植戶和牲畜養(yǎng)殖戶都使用物聯(lián)網(wǎng)傳感器來監(jiān)測他們的產(chǎn)量。盡管人們預測物聯(lián)網(wǎng)的機遇將徹底改變世界，但它仍有一系列缺陷需要解決。
對支撐這些進步的數(shù)據(jù)爆炸式增長的擔憂，正在給那些創(chuàng)造產(chǎn)品、服務和支持基礎設施的企業(yè)帶來麻煩。通常，物聯(lián)網(wǎng)設備依賴于基于云的平臺來處理從設備收集的數(shù)據(jù)。即使該模型有其優(yōu)勢，智能邊緣也可以將物聯(lián)網(wǎng)設備提升到另一個水平。
物聯(lián)網(wǎng)(IoT)限制
物聯(lián)網(wǎng)(IoT)現(xiàn)象無處不在，將提供關鍵物理數(shù)據(jù)并進一步在云中對該數(shù)據(jù)進行處理的事物進行連接以提供見解。由于物聯(lián)網(wǎng)連接到數(shù)百萬臺設備，它將所有數(shù)據(jù)存儲在云中。在云端和云端發(fā)送數(shù)據(jù)有其缺點。
● 能量和帶寬-傳輸數(shù)據(jù)使用能量和帶寬。更多的數(shù)據(jù)管理導致在有限的資源上花費更多的成本。
● 延遲-向云端發(fā)送數(shù)據(jù)會導致延遲，這會限制某些應用程序的有效性。
● 隱私和安全風險-轉換信息會帶來隱私和安全風險。智能設備在家里或辦公室收集的數(shù)據(jù)會顯示大量信息;有時甚至個人內(nèi)容也會被存儲。數(shù)據(jù)安全轉移到云端的保證是線性的。如果黑客得手，情況可能會惡化。
物聯(lián)網(wǎng)智能優(yōu)勢
智能邊緣是將數(shù)據(jù)分析和聚合在網(wǎng)絡中捕獲數(shù)據(jù)的位置附近的過程。智能邊緣崛起背后的主要驅動力是物聯(lián)網(wǎng)技術的需求。隨著收集數(shù)據(jù)并將其轉換到云端進行處理的物聯(lián)網(wǎng)設備數(shù)量增加，應對某些挑戰(zhàn)的需求變得越來越迫切。
通過使用智能邊緣，設備可以對緊密連接的設備執(zhí)行決策分析，而不是將數(shù)據(jù)發(fā)送到云端。這減少了上述延遲、能耗和帶寬使用，同時允許用戶將私有數(shù)據(jù)保留在自己的基礎設施范圍內(nèi)。
機器學習是加速決策過程的關鍵技術。邊緣設備使用預先訓練的機器學習模型，根據(jù)本地傳感器收集的新數(shù)據(jù)做出決策。
智能邊緣的用例
接收基于肢體語言的信號：人類的大部分交流不僅僅是通過語言來傳遞的。語調(diào)、面部表情、手勢等是我們用來交流或理解對方的一些其他表現(xiàn)形式。在物聯(lián)網(wǎng)設備中使用智能優(yōu)勢將使信號更好地告知自然感覺的交互體驗。這可以通過使用對象和手勢識別、語音識別、音調(diào)分析和自然語言處理(NLP)加以利用。
提醒事故所有者：智能設備可增強安全性。它可以感知有問題的情況并警告所有者，使他們能夠做出相應的反應。例如，可以對智能家居套件進行培訓，以識別危險信號，例如警報響起，人員突然摔倒，玻璃破裂或水龍頭滴落或奔跑。
未來
物聯(lián)網(wǎng)(IoT)的未來預計將利用更多具有智能邊緣功能的設備。人工智能加速的未來可能包括神經(jīng)形態(tài)或內(nèi)存計算、尖峰神經(jīng)網(wǎng)絡甚至量子人工智能。這也將減輕機器學習算法在邊緣實際訓練的能力。
簡而言之，擁有智能邊緣的物聯(lián)網(wǎng)將為進一步的人機交互界面打開大門。隨著技術變得越來越可持續(xù)，對于設計師，工程師，企業(yè)和消費者來說，這將是一個充滿希望的時代。
（轉載）
