【IT168评论】将工业物联网想象成公司的神经系统：它是一个传感器网络，从生产工厂的各个角落收集有价值的信息，并将其存储在一个数据库中，用于数据分析和利用。这个网络是测量和获取数据的必要条件，以便做出明智的决定。但接下来会发生什么?我们应该如何处理这些数据?我们总是谈论在可靠信息的基础上做出好的决定，尽管这听起来很明显，要实现这一目标并不总是那么容易。在本文中，我们将超越物联网，并将重点关注数据以及如何利用AIoT和数据分析。

　　我们将具体讨论分析阶段，即把数据首先变成信息，然后变成知识的过程(有时也被称为业务逻辑)。然而，最后我们不会偏离物联网的核心主题，因为对我们来说，没有大数据的物联网是没有意义的。

　　大数据和数据分析

　　近几十年来，特别是在10年代，我们目睹了令人难以置信的数据(包括结构化和非结构化的数据)的泛滥，这些数据是由无处不在的数字技术大量产生的。在工业世界的特殊情况下，利用和充分利用这些大量的信息是成功的关键。

　　这种处理商业数据的需求产生了基本上可以互换的术语 "大数据"、"数据科学 "和 "数据分析"，我们可以把它们共同定义为我们检查由我们的设备网络捕获的数据的过程，目的是揭示被掩盖的趋势、模式或相关关系。这样做的根本目的是为了用新型的知识来改善业务。

　　由于“大数据”是一个最近才产生的术语，因此对它有不同的定义。其中，Gartner公司提供的定义概述了3个关键方面：数据量、数据种类和数据采集的速度。这些通常被称为 "3V"，尽管其他定义将其扩展为 "5V"，并增加了数据的真实性和它们为企业带来的价值。

　　我们认为，对大数据进行理论研究没有多大意义，因为由于数据收集设备的普遍性，大数据分析和处理已经适用于工业界的大部分地区。

　　物联网和大数据

　　物联网和大数据之间的关系如何?主要的连接点通常是一个数据库。一般来说，我们可以说，物联网的工作止步于该数据库。换句话说，物联网的目标是以或多或少有序的方式将获得的所有数据倾倒在一个共同的存储库中。大数据领域从访问该存储库开始，以操纵获得的数据并获得所需的信息。

　　在任何情况下，将物联网大数据分析可视化为一个工具箱是有用的。根据我们想要从数据中获取的信息和知识的类型，我们将从中提取一种或另一种工具。这些工具中有许多是以传统算法的形式出现的，也有对这些算法的改进或改编，其统计和代数原理非常相似。这些算法并不是在本世纪发明的，这让许多人感到惊讶，他们想知道为什么它们现在比以前更有意义。

　　答案是，现在可用的数据量比上述算法最初构想时要大得多，但更重要的是，今天机器的计算能力允许在更大的范围内使用这些技术，给旧的方法论以新的用途。

　　但是，我们不想给人这样的印象：一切都已经被发明了，目前的数据分析趋势没有带来任何新的东西。事实恰恰相反。数据生态系统是非常广泛的，并在最近几年见证了重大创新。

　　其中增长最快的领域之一是人工智能。可以说，这不算是最近的发明，因为这种现象早在1956年就被讨论过。然而，人工智能是一个非常广泛的概念，其影响如此广泛，以至于它经常被认为是一门自成一体的学科。然而现实是，在某些方面，它在大数据和数据分析中起着不可或缺的作用。它是已经包含在我们的隐喻工具箱中的另一种工具，但在AIoT中找到了自然的演变。

　　AIoT：物联网的人工智能

　　数据量的指数式增长需要新的分析方法。在这种情况下，人工智能变得尤为重要。据《福布斯》报道，主导技术行业的两大趋势是物联网(IoT)和人工智能。

　　物联网和人工智能是两个独立的技术，相互之间有很大的影响。虽然物联网可以被认为是数字神经系统，但人工智能同样会是一个先进的大脑，做出控制整个系统的决定。根据IBM的说法，只有通过引入AIoT才能实现物联网的真正潜力。

　　但什么是人工智能，它与传统算法有什么不同?

　　当机器模仿人类的认知功能时，我们通常会说到人工智能。也就是说，它解决问题的方式与人类相同，或者假设机器能够找到理解数据的新方法。人工智能的优势在于，它能够产生新的算法来解决复杂的问题。这是关键，独立于程序员的输入。因此，我们可以认为一般的人工智能，尤其是机器学习(这是人工智能中预计增长潜力最大的部分)是发明算法的算法。

　　边缘人工智能和云人工智能

　　物联网和人工智能的结合给我们带来了AIoT(物联网人工智能)的概念，即能够自行作出决定、评估这些决定的结果并随着时间的推移而改进的智能和连接系统。

　　这种结合可以通过几种方式进行，我们想强调其中的两种。

　　一方面，我们可以继续将人工智能概念化为一个集中式系统，处理所有的冲动并做出决定。在这种情况下，我们指的是云中的一个系统，它集中接收所有遥测数据并采取相应的行动。这将被称为云AI(云中的人工智能)。

　　另一方面，我们也必须谈谈我们的隐喻神经系统的一个非常重要的部分：反射。反射是神经系统做出的自主决定，不需要将所有信息发送到中央处理器(大脑)。这些决定是在外围做出的，靠近数据来源的地方。这被称为边缘人工智能(Artificial Intelligence at the Edge)。

　　边缘AI和云AI的使用案例

　　云人工智能提供了一个彻底的分析过程，考虑到了整个系统，而边缘人工智能给我们提供了快速反应和自主权。但就像人体一样，这两种反应方式并不相互排斥，事实上可以相互补充。

　　举个例子，一个水务控制系统可以在检测到漏水的一瞬间封锁现场的阀门，以防止重大的水损失，并同时向中央系统发送通知，在那里可以做出更高层次的决定，如打开替代阀门，通过另一个电路引水。

　　这种可能性是无穷无尽的，可以超越这个简化的反应性维护的例子，一个复杂的系统能够预测可能发生的事件，从而使预测性维护成为可能。

　　AIoT数据分析的另一个例子可以在智能电网中找到，我们在边缘的智能设备分析每个节点的电力流，并在本地做出负载平衡的决定，同时它将所有这些数据发送到云端进行分析，以产生一个更全面的全国性能源战略。宏观层面的分析将允许在区域层面做出负载平衡决策，甚至通过关闭水电站或从邻国启动购电程序来减少或增加电力生产。