智慧物联网是如何去定义的

“物联网”、“边缘运算”和“人工智能”等流行语已经流传了好一段时间。这些字词随处可见，但每个人对于这些名词背后的理解与定义可能不尽相同，甚至一头雾水。

许多人在理解这些名词内容时，往往过度吹捧背后的技术含量 ，把概念讲得天花乱坠，而我们认为这些术语背后真正的价值在于，透过智慧城市的例子和其他嵌入的概念来显示如何将不同的科技连结在一起。然而，解释现实生活中的人工智能可能会很复杂，因为它是一个包含许多互连元件的系统，而不仅仅是一个个载入了智慧软件的装置而已。

因此，在解释这些名词之前，我们有必要先将本文相关的名词进行完整的定义：

物联网 （IoT， Internet of Thing）

物联网已经被广泛地运用在各种领域，各界对于它的定义也已经具有一定共识，它泛指透过网络 （通常是指网际网络） 互联的“事物”。在这种情况下所指的“事物”并非严格指涉个别的电子装置，也可以是服装 （如可穿戴的电子产品），甚至可以是身上戴着心律调节器和类似装置的人。所以基本上，每一个芯片在网络内传输资料的应用方式都可以算是物联网的应用范畴。

物联网的原始概念需要将资料发送到云端进行处理和分析。但是，随着互联的装置数量大幅增加，许多应用方式碰上了一个问题，也就是大量来回传输会导致数据延迟。因此，为了解决云端运算对于物联网未来发展的限制，边缘运算已经成为支持物联网持续扩散的重要技术之一。透过在边缘分析资料，装置可以自行判断哪些内容需要发送到云端、哪些内容可以过滤掉。简单地说，边缘运算指的就是将计算力从中心位置移到边缘，这种转移将大幅增加系统运算效率。

人工智能 Artificial Intelligence （AI）

严格来说，我们目前所使用的人工智能仍然处于 “狭义人工智能” 的概念范围内，这是指一个程序或系统能够执行一组特定的任务，无需任何直接的人工输入，例如利用机器学习来实现文字、图片和语音辨识技术，藉由人工智能，处理成千上万 （甚至数百万） 不同的资料并学会了如何区分不同的输入。

智慧物联网 （AIoT）

智慧物联网，其顾名思义就是结合人工智能以及物联网的技术所形成的。这可以视为将人工智能向边缘移动，让更大的计算范围发生在物联网装置所在的位置。你可以想象一个运行面部识别的监控系统，与其将资料发送到云端进行分析而产生延迟，而是把资料改成由本地的人工智能装置直接进行分析。

而这些技术名词的概念与定义看似深奥，其实在工业环境的应用却非常广泛。宜鼎国际在4／18日所举办的AIoT研讨会中，正说明物联网和人工智能的概念，以及进一步说明目前是如何应用在现实场景中，并提供许多成功的智慧物联案例：

无人机交通监控

我们的城市道路随着不断发展的同时，交通堵塞问题也每况愈下。因此使用实时资料来监控和改变交通流量，可以显著提高效率并改善塞车的情况。透过智慧路灯的架设，在每个路段监测流量并且及时调整交通号志，或者透过无人机作为机动性的更高的部署选择，并且可以监测更大范围的地区，利用智慧实时搜集信息，然后送交附近的装置进行分析。

配备着无线十亿位元发送器的无人机

第一步分析由边缘人工智能平台处理。这包括车辆识别和交通流量评估。因此，装置可以根据分析自行判断如何处理资料。例如，车辆数量是否在增加？是否有堵车的风险？然后，将基本资料发送到一个集中的平台 （或云端），在那里根据资料采取疏导交通、改变限速和调整红绿灯等措施，管理城市中的交通问题。

人工智能平台

大多数资料处理都会在云端进行，边缘运算也会越来越受到广泛运用。虽然物联网装置具有更强大的计算能力，但网络频宽仍然受到限制。目前正在进行的5G基础建设，则可以有效地解决资料传输延迟问题，大幅提升实时分析，以满足智慧物联网工作负载的要求。

车队管理和人工智能

在车辆管理面，人工智能还可以加强车队管理的营运业务。管理大型车队可能具有相当的挑战性，而优化营运的方法有很多：降低燃料成本、减少不安全的驾驶行为、车辆维护等等。

目前的大多数车辆定位系统都严重依赖全球定位系统。你自己可能也经历过进入隧道时，GPS完全失去定位能力的情况。在都市中，车辆驶入室内停车场或其他卫星覆盖差的地区时也可能会发生这种情况。另外，定位系统也很难定位车辆所在的海拔高度。

其实除了GPS之外，还有其他资料来源能让我们定位车辆的位置。例如，每辆车本身都可以不断追踪车辆速度和转弯幅度。接着，车上的人工智能平台可以利用这些参数来补足缺失或不完整的定位资料，在任何时候计算出车辆的位置。这项技术称为车辆航位推测法，简称DR。最后，资料也可以运用无线网络传回给交管人员。

使用DR技术，允许在隧道内进行车辆追踪

这就是人工智能装置即使不在卫星的视线范围之内，仍能协助交管人员追踪车辆位置的方法。想象一下这种情况：某一辆汽车在隧道内发生事故，但如果车辆只装载了基本的GPS追踪系统，交管人员仍无从得知已发生事故，除非透过某种方式获得联系。然而，若使用人工智能追踪系统，则如果车辆不动、引擎突然熄火，或出了某种问题时，交管人员则会立即收到通知。

存储和存储器 － 智慧物联系统的基本面

许多智慧物联网相关讨论往往聚焦在人工智能与机器学习。然而人工智能和物联网不仅是一个具备AI算法的硬件，或是买来就随处可用的魔术盒子，而是应该将之视为一个由许多智能化的基础元件所组成的智慧系统。而存储和存储器等元件身处于资料传输的每个节点中，正是占据智慧系统中最基础的角色。与过去相比，应用在智慧物联的基础元件，随着终端设备所存储的数据量将越来越多，也扮演着越来越重要的角色。举例来说，首先，此一环节的资安防护能力如果不足，将有可能危及整体系统。针对此种市场需求，宜鼎进一步让SSD与系统绑定，在此设计中，SSD只能与绑定的系统配对运作，安装于其他系统则会无法存取。这种方式需要系统与SSD双方厂商都具有一定程度的资料加密技术，才能安全且快速的读写数据。

此外，AIoT应用遍及各特定领域，每一领域的系统都有其特殊需求与对应功能，SSD厂商必须能因应其特色，与之合作设计出适用系统，这除了存储器技术外，还需要各领域的专业知识，包含应用于特定领域时，精准、实时处理数据，才能达到智慧化需求。