增强边缘计算的另一个技术趋势是人工智能（AI）

物联网系统BUL310FP主要由超低功耗无线传感器节点组成，通常由电池供电，可提供传感功能。

其主要目的是将遥测数据发送到云进行大数据处理。几乎每个公司都这样做，以实现概念验证。（PoC），因为物联网已经成为一种新的流行语言和市场趋势。云服务提供商有一个漂亮的仪表板，可以在吸引人的图表中显示数据，以帮助支持PoC。PoC大型项目提供资金的主要原因是说服利益相关者投资物联网，证明投资回报。

随着生态系统的扩展，显然有可能通过云来回发送过多的数据。这可能会阻塞带宽管道，使数据更难快速进出云。这也可能导致至少令人讨厌的延迟，并破坏需要确保在极端情况下吞吐量的应用程序。

尽管5G和Wi-Fi6E标准承诺的带宽和传输速度大大提高，但物联网节点和云通信的爆炸性增长。除了大量的设备，成本也在增加。早期的物联网基础设施和平台投资需要货币化。随着节点的增加，基础设施需要扩大和盈利。

2019年左右，边缘计算的想法成为一个流行的解决方案。边缘计算可以在本地传感器网络中实现更先进的处理。这减少了需要通过网关返回云的数据量。这直接降低了成本，并在必要时释放了其他节点的带宽。每个节点传输的数据较少，这也可能减少收集和传输到云所需的网关数量。

增强边缘计算的另一个技术趋势是人工智能（AI）。早期的AI服务主要基于云。随着创新和算法的发展，人工智能正迅速转移到终端节点，其使用正成为一种标准实践。亚马逊就是一个值得注意的例子Alexa语音助手。“Alexa”时间检测和唤醒边缘AI熟悉用法。在这种情况下，触发字检测系统中的微控制器（MCU）本地完成。成功触发后，命令的其余部分将通过Wi-Fi网络进入云，完成那里最苛刻的事情AI处理。这样，唤醒延迟就会降到最低，从而获得最佳的用户体验。

除了解决带宽和成本问题外，AI处理也给应用程序带来了额外的好处。例如，在预测维护中，可以在电机中添加一个小传感器来测量温度和振动。训练有素AI该模型可有效预测电机何时会出现不良轴承或过载。在电机完全故障之前，早期警告维护非常重要。这种预测维护大大降低了生产线的停机时间，因为设备将在完全故障前积极维护。这提供了巨大的成本节约和最小的效率损失。

随着传感器的增加，网关也可能被当地传感器网络的远程数据淹没。在这种情况下，有两种选择可以缓解数据和网络拥塞。您可以添加更多的网关或将更多的边缘处理推到终端节点。

它正在推广处理更多终端节点(通常是传感器)和快速获取功率的想法。终端节点通常基于终端节点mW功率在大部分时间内运行μW功率范围内的休眠。由于终端节点功耗低、成本低、处理能力有限。换句话说，它们非常受资源的限制。

在资源有限的终端节点设备中添加边缘处理是非常具有挑战性的，需要创新和优化硬件和软件。然而，由于系统中的终端节点，提高边缘处理能力是经济的。

作为边缘处理进化的总结，终端节点显然将继续变得更加智能，但它们必须继续尊重其对低成本和功耗资源的需求。边缘处理将保持普遍性，云处理将保持普遍性。选择将功能分配到正确的位置，以优化每个应用程序的系统，并确保最佳性能和最低成本。硬件和软件资源的有效分配是平衡竞争性能和成本目标的关键。适当的平衡可以最大限度地减少云数据传输，最大限度地减少网关数量，并为传感器或终端节点增加尽可能多的功能。

结语

正如上述，物联网正在发生变化和优化，以实现大规模、经济和高效的扩张。不断开发新的连接技术，以帮助解决电源、带宽和容量问题。随着人工智能的不断发展，人工智能变得更加强大和高效，可以移动到边缘甚至终端节点。物联网正在增长和适应，以反映持续增长，并为未来的增长做好准备。