對許多行業來說，2021年是充滿挑戰的一年，但物聯網技術已經在塑造商業和消費趨勢方面發揮了積極作用。從醫療保健、零售到汽車和制造業，每個行業都在利用物聯網等技術變得更加智能。如果不能在這個領域保持競争力，可能會導緻重大損失。
全球大流行是2020年物聯網增長的一個重大障礙。盡管2019年11月的一份預測預測，2020年物聯網支出将增長14.9%，但增幅僅為8.2%。根據國際資料公司(InternationalDataCorporation)的預測，物聯網今年将大步回歸，并在2020年至2024年期間實作11.3%的增長率。
最近，半導體和其他物聯網元件的短缺給2021年的物聯網增長提出了疑問。制造商必須迅速适應，以保持勢頭，保持競争力。雖然這種短缺不會持續很長時間，但會在短期内影響項目。
CES(消費電子展)今年在網上舉行，展示最新的創新産品。從此次活動展示的技術來看，物聯網似乎還遠未消亡。在流感大流行期間，美國有數百萬人找到了自己的家，對智能家居産品的需求更高。DIY智能家居産品出貨量增長9%，9900萬件，價值150億美元(增長3%)。
讓我們來看看2021年及以後對物聯網最重要的各種趨勢。
趨勢1：AIoT
2021年，物聯網裝置将增長到驚人的460億台。這些裝置大多數隻有一個處理器和少量記憶體。物聯網滲透了我們的社會。
來自物聯網裝置的AI分析
物聯網裝置的資料收集已達到前所未有的規模。資料科學和機器學習相結合，為先進的物聯網資料分析解決方案創造了一系列機遇。大資料、人工智能和物聯網可以收集預先結構化的資料，設定資料管道，并在此基礎上建構人工智能元件。這種做法的重要性在今後幾年裡仍将具有現實意義。
ResearchandMarkets的一份報告預測，到2025年，人工智能和物聯網的價值将超過260億美元。他們還證明，人工智能将物聯網資料的效率提高了25%，為行業提高了42%的分析能力。人工智能在物聯網中心和邊緣網絡中都發揮着作用。在該系統的中心，人工智能可以執行預測分析，并在異常情況下向使用者發出警報。
從物聯網解決方案中擷取資料見解隻是第一步。人工智能在物聯網系統中的作用還有更大的潛力有待挖掘。
管理物聯網裝置和決策過程
想象一下，一個工廠使用物聯網裝配線，通過使用人工智能視覺檢測來控制品質，進而減少制造過程中的制造缺陷率。以自動駕駛汽車為例，其每個錯誤的成本要高得多。它不僅安全地将乘客帶到目的地，還利用這些資料準确預測交通模式。這些資料可以用于未來建設更高效的道路和基礎設施。
人臉和聲音識别是用于生物識别的其他重要元素。人工智能驅動的面部識别在很多方面都很有用，比如檢測客人是否戴着口罩。
随着智能家居、智能城市、自動駕駛汽車和制造任務利用該技術，人工智能的決策能力越來越強。然而，需要人工管理人員和資料科學家來幫助維護系統和解決重要的任務。
趨勢2：利用物聯網裝置進行邊緣計算
雲和本地伺服器并不是唯一可以執行計算的地方。使用遠端伺服器可能會導緻傳輸延遲。正因為如此，雲計算不适合像自動駕駛汽車那樣需要實時計算的實作。
邊緣物聯網應用于交通攝像頭，用于行人檢測、自适應交通燈、車輛優先級、停車檢測和電子收費。微軟、IBM和亞馬遜也在邊緣計算技術上投入了大量資金。對智能物聯網裝置、快速資料處理和資料安全的需求也在不斷增長。
亞馬遜的第二代AWS物聯網Greengrass服務已經投入使用，允許開發者在邊緣裝置上使用Lambda功能。它允許開發人員在物聯網裝置中執行機器學習和計算任務。
更多的物聯網解決方案将包括機載人工智能，并将一些計算從雲端推向終端裝置。造成這種情況的三個主要原因是反應時間、每個雲處理的成本以及資料隐私和安全性。
趨勢3：物聯網帶來個性化體驗
谷歌對搜尋趨勢的見解讓我們被寵壞了。Netflix和Spotify也非常了解我們的觀看和收聽習慣。然而，即使是這些預測也會出錯，導緻不相關的内容出現在我們的螢幕上。這項技術在不斷改進。
智能家居技術是一個個性化至關重要的領域。管理日常家庭活動的技術需要高度個性化的體驗，以達到最好的客戶滿意度。在2021年消費電子展上，三星推出了SamsungBotHandy和JetBot90AI+。多虧了人工智能和資料分析，家庭輔助機器人成為可能。
人工智能的發展和邊緣計算将幫助這一領域的市場大幅增長。為了将智能家居技術提升到一個新的水準，人工智能的精度和決策需要提高。AI必須根據主人的習慣做出選擇。由于需要個性化，廣義資料不足以訓練神經網絡。需要個人資料。然而，這些資料通常是非常隐私的，使用者不願意分享。
這個問題的關鍵可能是邊緣計算，即資料在使用者裝置上本地儲存和處理。這可能對改善消費者對智能家居技術的認知至關重要。2019年Statista的一份報告顯示，46%的智能家居使用者将他們的體驗描述為侵入性的，而36%的使用者将他們的體驗描述為可怕的。在使用智能家居物聯網技術時，邊緣計算可以讓客戶感到更安全。
趨勢4：物聯網連接配接
到2025年，物聯網網際網路連接配接可能會超過300億次，相當于每人約有4台裝置。麥肯錫稱，B2B領域5G物聯網子產品的總收入将從約1.8億美元增加到2030年的近100億美元。
2020年7月，3GPP标準機構公布了5G連接配接的最新規範:第16版。這對5G物聯網具有重要意義，嵌入式裝置的移動通信受益于大幅降低的延遲和可靠性。盡管5G距離主流應用還很遙遠，但企業可能會考慮在有盈利商業計劃的情況下進行這種相當昂貴的部署努力。
減少延遲将允許聯網裝置以前所未有的速度發送和接收資料。這将使資料分析和管理功能達到老式4G網絡無法達到的水準。
這項技術的價值取決于幾個因素：基礎設施成本、資料傳輸成本，以及某些使用情況是否真的需要5G速度。智能城市、交通和工業物聯網将是最先受益于該技術的技術。
其他網絡标準如Wi-Fi-6不斷發展，允許更高的帶寬、更同步的資料流和更寬的頻譜，達到6GHz。另一種連接配接物聯網的技術是低功耗廣域網(LPWAN)。低功耗和大有效範圍使LPWAN成為偏遠地區需要高工作壽命的小型裝置的理想解決方案。LPWAN市場規模在2020年超過了25億美元，預計在2021年至2027年間将以超過60%的複合年增長率增長。
在低範圍連接配接領域，Zigbee處于領先地位。該公司通過免版稅的連接配接标準來提高智能家居産品之間的相容性，通過為互操作性設定行業标準，可以為使用者和物聯網産品制造商帶來真正的價值。
我們正從技術轉向行業垂直領域，在這些領域，物聯網将産生最大的影響，可能會很有趣。
趨勢5：智慧城市
普華永道表示，智慧城市的發展将在未來7年實作增長。到2025年，這項技術的市場将達到2.5萬億美元。高通公司業務發展進階總監兼智慧城市主管提到，綜合生态系統比獨立解決方案更有重點。還有另一個挑戰需要克服：新的解決方案通常有一個必須內建的遺留元件。
智慧城市是繼工業物聯網之後的第二大5G應用領域。這将允許一個具有足夠帶寬容量的穩定網絡。智慧城市解決方案的連接配接多樣性是技術的首要問題之一。
資料是最有趣的元素。智慧城市資料大多是公開的，可以比智能家居系統所需的資料更快地收集。是以，機載人工智能與物聯網結合的成功機會是存在的。例如，迪拜的道路和交通管理局利用人工智能在地鐵站進行人群管理。
在早期階段，人工智能将從資料中得出建議和見解。随着技術的進步，更多的智慧城市決策将委托給人工智能。這對交通管理、水、洪水監測和視訊監控都有好處。
趨勢6：醫療保健和物聯網
2020年物聯網垂直發展速度最快的是醫療保健，這無疑是由于正在發生的全球大流行。多年來，在醫療保健領域實施物聯網項目一直很麻煩，原因是該行業受到高度監管，總體上處于被動地位。
越來越多的證據表明，COVID-19已導緻醫院特别是醫院的數字化爆炸式發展。美國食品和藥物管理局(FDA)于2020年5月釋出了多項臨時政策，以支援2020年期間的數字工具。2020年10月，德國首次允許醫生為特定疾病開數字健康應用(例如，一款有助于治療焦慮症的應用)的處方。
供應鍊監測開發商Controlant于2020年底開始為輝瑞和美國政府提供疫苗分發的監測支援。這一點特别重要，因為這些疫苗在運輸途中需要小心地控制溫度。有了人工智能監控技術，Controlant能夠減少變質和産品損失。
在流感大流行期間激增的應用程式之一是遠端醫療，醫生通過視訊會議治療病人。醫生們報告稱，遠端醫療通常被視為邁向數字診斷的第一步，數字診斷依賴于物聯網裝置，可以對患者進行遠端診斷。幾家醫院于2020年開始試驗這種方法。2020年12月，一名倫敦外科醫生在加州使用5G對一根香蕉進行遠端手術的視訊走紅。
物聯網技術将擴大其在該行業的存在和影響。它将與醫療保健領域為患者、醫生和管理層帶來價值的其他技術趨勢一起發生。
趨勢7：汽車
在物聯網應用方面取得巨大進展的一個領域是汽車行業。無線固件(FOTA)允許在嵌入式系統上進行無線固件更新。這提供了一個平台，可以友善地修複bug并替換舊版本的固件。道路狀況分析是物聯網在汽車行業，尤其是自動駕駛汽車領域的另一個應用。
車載資訊技術在汽車物聯網領域也是一個嚴肅的話題。遠端資訊技術将你的車輛變成物聯網裝置。緊急呼叫、GPS和藍牙隻是通過遠端資訊技術實作的一些連接配接。這是實作V2X(車輛到一切)技術的第一步。這可以啟用無線更新等功能。
車對車通信對自動駕駛汽車的未來也很重要。如果無人駕駛汽車能夠互相溝通，它們就能更好地保持安全距離，并分享其他重要資料。
趨勢8：工業物聯網(IIoT)
制造商正尋求保持競争力，并探索工業物聯網(IIoT)應用。嵌入式邊緣網絡由于能夠在人工智能的驅動下保持更高的效率而得到越來越多的利用。這是衆多工業物聯網用例之一。事實上，到2026年，人工智能在該領域的價值預計将達到167億美元。
預測性維護也是機器學習和物聯網技術帶來的另一個主要好處。通過現有資料，人工智能算法可以在機器需要維修之前确定何時實施預防措施。
計算機視覺對視覺檢測也是降低成本、提高效率的關鍵技術。當給定正确的訓練資料和硬體時，ML算法在視覺檢查方面比人類更有效。寶馬等公司已經在使用這種技術來確定汽車零部件的品質控制。
物聯網是未來
物聯網技術的進步正在推動我們走得比想象中更遠。雖然全球大流行病和部件短缺短期内可能減緩進展，但重要的是對這些不斷增長的技術進行投資，以保持長期競争力。如果沒有人工智能、機器學習、嵌入式系統和全面的物聯網架構，企業将無法跟上日益互聯互通的世界。通過利用這些強大的技術，企業可以從聯網物聯網生态系統中獲得智能功能、功能和生産力的好處。
本文轉載自千家網，本文一切觀點和機器智能技術圈子無關。
原文連結 線上免費體驗百種AI能力：【點此跳轉】