唯一比物聯網在過去十年的增長更令人印象深刻的是預測的物聯網在未來十年的爆炸性增長。從2021 年 460 億，ARM 預測到 2035 年將生產 1 萬億物聯網設備。

這意味著地球上每個人都有超過 100 臺物聯網設備。這種增長的影響是驚人的。隨著這些設備不斷變得更智能和更具能力，組織正在尋找創造性的新用途，以及這些設備的操作位置。

物聯網支出預計將達到2022 年 1 萬億美元，公司將物聯網的價值視為一種投資。這是因為存在物聯網設備的每個位置都有可能成為數據收集站點，為幾乎每個行業提供無價的洞察力 。有了新的更精確的洞察力 ，零售商可以減少收縮and簡化分配系統流程，制造商可以檢測高速生產線上的視覺異常，以及醫院可以提供無接觸的患者互動。

什么是物聯網的人工智能？

組織已經團結在愿景的力量周圍，從物聯網設備生成洞察力 。為什么？

計算機視覺是一個廣泛的術語，用于使用深度神經網絡開發應用程序的人類視覺能力。它使用圖像和視頻自動執行任務并生成洞察力 。設備、基礎設施和空間可以利用這一能力來提高他們的感知能力，就像機器人領域從這項技術中受益一樣。

雖然每個計算機視覺設置都不同，但它們都有一個共同點：它們生成大量數據。 IDC 預測，光是物聯網設備就將產生超過90 zettabytes 數據。 典型的智能工廠每天產生大約 5 PB 的視頻數據，而智能城市可以產生這些數據每天 200 PB 的數據。

安裝的設備數量和收集的數據量給傳統的云和數據中心基礎設施帶來了壓力。這是因為云中運行的計算機視覺算法無法以足夠快的速度處理數據以返回實時洞察力 。對于許多組織來說，高延遲是一個重要的安全問題。

以大型零售商的配送中心中的自動叉車為例。叉車使用各種傳感器感知周圍的世界，根據收集的數據做出決策。它知道自己能在哪里開車，不能在哪里開車，它能識別在倉庫周圍移動的物體，它知道什么時候突然停車以避免在路上與工人相撞。

如果叉車將數據發送到云端，等待數據被處理，并將 i NSight 發送回，然后采取行動，叉車 MIG 將無法及時停止以避免與人類工人發生碰撞。

除了延遲問題，將物聯網設備收集的大量數據發送到云端進行處理的成本極高。如此高的成本就是為什么只有 25% 的物聯網數據得到分析*。 451 項研究在《企業之聲：物聯網、組織動態——季度咨詢報告》中進行了一項研究，受訪者承認只存儲了他們創建的約一半物聯網數據，并且只分析了他們存儲的約一半數據。由于傳輸成本高，組織選擇不處理數據，因此忽略了可能對其業務產生重大影響的有價值的 i NSight 。

這些就是組織開始使用邊緣計算的一些原因。

什么是邊緣計算及其對物聯網的重要性？

邊緣計算是指盡可能靠近數據源捕獲和處理數據的概念。這是通過部署服務器或其他硬件在物聯網傳感器的物理位置處理數據來實現的。由于邊緣計算在網絡的“邊緣”本地處理數據，而不是在云端或數據中心，因此它將延遲和數據傳輸成本降至最低，允許實時反饋和決策。

邊緣計算允許組織處理更多數據并生成更完整的洞察力 ，這就是為什么它正迅速成為投入大量物聯網的組織的標準技術。事實上， IDC 報告說，邊緣計算市場將是值得的到 2023 年達到 340 億美元。

雖然邊緣計算對于使用物聯網的人工智能應用程序的好處是顯而易見的，但是邊緣和物聯網解決方案的結合對于許多組織來說是事后才想到的。理想情況下，將這些技術的融合融入到設計中，讓計算機視覺的全部潛力得到認可，達到自動化和效率的新水平。

關于作者

Troy Estes 是 NVIDIA Edge 和企業計算解決方案的產品營銷經理。在加入 Edge & Enterprise 業務部門之前，特洛伊曾在自主汽車業務部門和 NVIDIA 電網產品集團從事營銷活動和支持產品 GTM 。

審核編輯：郭婷