随着投资的浪潮、新产品的大量涌现以及企业部署的不断增加，人工智能正在物联网(IoT)领域掀起一股热潮。公司制定物联网战略，评估潜在的物联网项目，或寻求从现有物联网部署中获得更多价值，可能需要探索人工智能的角色。
开启物联网潜力的人工智能钥匙
人工智能在物联网应用和部署中扮演着越来越重要的角色，这一转变在该领域的企业行为中表现得非常明显。对使用人工智能的物联网初创企业的风险投资大幅上升。在过去的两年里，公司已经收购了几十家在人工智能和物联网交叉领域工作的公司。而物联网平台软件的主要供应商现在正在提供集成的人工智能功能，比如基于机器学习的分析。
人工智能在物联网中扮演着重要角色，因为它有能力从数据中快速提取洞察力。机器学习，一项人工智能技术，带来了自动识别模式和检测数据异常的能力，智能传感器和设备产生的信息，如温度，压力，湿度，空气质量，振动和声音。企业发现，在分析物联网数据方面，机器学习与传统商业智能工具相比具有显著优势，包括能够提前20倍进行操作预测，而且比基于阈值的监控系统的准确度更高。语音识别和计算机视觉等其他人工智能技术可以帮助从过去需要人工审查的数据中提取洞察力。
人工智能和物联网技术的强大结合正在帮助企业避免计划外停机，提高运营效率，推出新产品和服务，并加强风险管理。
避免昂贵的计划外停机时间
在许多部门，由于设备故障而导致的计划外停机会造成严重损失。
预测维护——使用分析方法提前预测设备故障，以便安排有序的维护程序——可以减少计划外停机带来的经济损失。在制造业中，预测维护可以将计划维护所需的时间减少20-50%，将设备的正常运行时间和可用性提高10-20%，并将总体维护成本降低5-10%。
因为人工智能技术——尤其是机器学习——可以帮助识别模式和异常现象，并基于大量数据进行预测，它们被证明在实现预测维护方面特别有用。
提高操作效率
人工智能驱动的物联网可以做的不仅仅是帮助避免计划外停机。它还可以帮助提高操作效率。部分原因在于机器学习能够产生快速而准确的预测和深刻的见解，以及人工智能技术能够自动完成越来越多的任务。
例如，对好时来说，在生产过程中控制产品的重量至关重要:重量精度每提高1%，就可以为一批14000加仑的产品(如Twizzlers)节省50多万美元。该公司利用物联网和机器学习，在生产过程中显著减少了重量变化。数据由第二次采集和分析，重量变化可以通过机器学习模型进行预测，使得每天可进行240个工艺调整，而在安装ml驱动的物联网解决方案之前，每天只需进行12个工艺调整。
基于人工智能的预测也帮助谷歌削减了40%的数据中心冷却成本。该解决方案根据工厂内传感器提供的数据进行培训，预测未来一小时的温度和压力，以指导限制电力消耗的行动。
机器学习产生了深刻的见解，说服了一位航运舰队运营商采取一种与直觉相反的行动，为他们节省了大笔资金。从船上传感器收集的数据被用来确定用于清洁船体的金额和燃料效率之间的相关性。分析显示，通过一年两次而不是两年一次的清洗船壳——从而使清洁预算增加四倍——由于燃料效率的提高，他们最终将节省40万美元。
支持新的和改进的产品和服务
物联网技术与人工智能相结合可以形成改进的基础，并最终形成全新的产品和服务。例如，在通用电气的无人机和基于机器人的工业检查服务方面，该公司希望人工智能能够实现检查设备导航的自动化，以及根据检查设备捕获的数据识别缺陷。这可能会导致更安全，更精确，并为客户节省高达25%的检查费用。
与此同时，劳斯莱斯计划不久推出一项新产品，以物联网飞机发动机维修服务为特色。该公司计划使用机器学习来帮助它发现模式，并确定将出售给航空公司的运营见解。汽车制造商Navistar希望通过机器学习分析实时联网的车辆数据，在车辆健康诊断和预测性维护服务方面创造新的收入来源。根据Navistar技术合作伙伴Cloudera的数据，这些服务帮助近30万辆汽车减少了40%的停机时间。
加强风险管理
许多将物联网与人工智能相结合的应用程序正在帮助组织更好地理解和预测各种风险，并实现快速反应的自动化，使他们能够更好地管理工人安全、财务损失和网络威胁。
例如，富士通(Fujitsu)已经尝试使用机器学习来分析来自联网可穿戴设备的数据，以估计其工厂工人长期积累的潜在威胁热压力。印度和北美的银行已经开始评估人工智能通过atm上的联网监控摄像头实时识别可疑活动的能力。汽车保险公司Progressive正在对联网汽车的数据进行机器学习分析，以精确定价其基于使用情况的保险费，从而更好地管理承保风险。拉斯维加斯市已经转向了一种机器学习解决方案，以确保其智能城市计划的安全，其目标是实时自动检测和应对威胁。
对企业的启示
对于跨行业的企业来说，人工智能有可能提升物联网部署所创造的价值，从而实现更好的产品和运营，从而在业务绩效方面获得竞争优势。
考虑新的基于物联网项目的管理人员应该意识到，用于预测能力的机器学习现在已与大多数主要的水平(换句话说，通用)和工业物联网平台集成，如MicrosoftAzureIoT、IBMWatsonIoT、AmazonAWSIoT、GEPredix和PTCThingWorx。
越来越多的交钥匙、捆绑或垂直物联网解决方案利用了机器学习等人工智能技术。例如，对于联网的汽车使用案例，宝马的CarData平台可以访问车主共享的数据和IBMWatsonIoT的AI功能。在消费品和零售业，许多补货自动化和优化解决方案使用机器学习来预测需求和优化库存水平。汽车保险业的远程信息处理解决方案提供商正在整合机器学习，以创建更准确的风险模型和预测索赔行为。
也许可以使用人工智能技术从物联网部署中获取更多价值，而物联网部署的设计并没有考虑到人工智能的使用。例如，匈牙利一家石油和天然气公司将机器学习应用于传感器数据，这些数据在柴油生产过程中已经被收集。该分析使该公司能够更准确地预测燃料的硫含量，并帮助确定工艺改进，目前每年可为公司节省60多万美元。企业可能已经在使用的主要水平和工业物联网平台正在提供基于人工智能的新功能，这可能有助于提高现有部署的价值。
物联网的未来是人工智能
在物联网的情况下，机器学习可以帮助公司获取他们拥有的数十亿个数据点，并将其归结为有意义的内容。总的前提和零售应用程序一样——回顾和分析你收集的数据，找出可以从中学到的模式或相似之处，以便做出更好的决策。物联网也会产生大数据，但人工智能只是让这些大数据对一个行业有用和有意义的技术。物联网和人工智能技术之间互惠共存。有大量的领域和商业利基可以获得两种技术共存的优势。是时候让机器指出真正的机会在哪里了。
