人工智能如何赋能物联网?EDGE AI →
  1. Home
  2. 新闻

    人工智能和机器学习将改变物联网

人工智能和机器学习将改变物联网 2024-08-21

现在,使用电池供电的资源受限设备开发AI和ML驱动的应用已经成为可能。Nordic多款芯片都能够支持这些应用,包括nRF53系列 (nRF5340)、nRF52 系列nRF52840和nRF52833。毫无疑问,Nordic最新的 nRF54 系列(nRF54H20和nRF54L15) 结合了最佳计算能力和高能效,非常适合AI和 ML应用。

目前,无线物联网连接领域发生的最大变革之一就是人工智能(AI)和机器学习(ML)的引入。

这不是十年之后的事情,甚至不是五年后。在未来一两年内,企业内部无数产品开发蓝图都将朝着这个方向发展。

与此同时,AI本身也引起了公众的浓厚兴趣,引发了主流媒体争相报道:从AI被描述为人类所有问题的解决方案,到AI成为人类最大的生存威胁,不一而足。
我个人认为,AI将会带来巨大好处,但可能需要受到某种法定或认证的控制。

但在物联网领域,AI和ML无疑将推动一切变得更加智能、有用和强大。同时,还将带来先前无法想象的新类别和新等级应用。

因此,如果您的下一代产品或应用没有采用 AI 和 ML,那么它就有可能被采用这些技术的竞争对手的产品完全超越,甚至无立足之地。

基于这种想法,Nordic公司2023年宣布收购美国人工智能和机器学习公司Atlazo,还与 Edge Impulse 公司在人工智能和机器学习领域建立了合作关系。

在此,我想简要预测 AI 和 ML 在物联网领域的一些关键发展事项。

如果您还没有考虑 AI 和 ML,那么您真的应该考虑了

在物联网领域,AI和 ML 将带来全新的应用和市场,而在此之前,人们要开发这些应用和市场是完全不可能或极具挑战性的。

在技术方面,以往在物联网中使用 AI 和 ML过于复杂、缓慢和不安全。而在商业方面,在物联网中使用 AI 的成本又过于昂贵:首先,您需要昂贵的高端处理器和数据科学家团队。

“微型机器学习”或“TinyML”的发展和进步可以改变这种状况,使得用户能够以高度简化的方式在资源受限计算设备上执行ML操作。在物联网常见的资源受限设备上运行高级AI 和 ML 算法的行业黄金标准是TensorFlow Lite

与此同时,Nordic Semiconductor通过nRF52、nRF53 和 nRF54 系列系统级芯片(SoC)不断打破电池供电物联网中所谓的“资源限制”。

在结合高计算能力与低功耗方面,AI 传统上需要大量的计算处理,这反过来又会消耗大量的电能:超过了电池所能提供的电能。

然而,在物联网中做任何有用的事情都需要电池供电。Nordic Semiconductor 在超低功耗无线技术和高端处理器方面的专长将大显身手。事实上,Nordic 走在了物联网 AI和 ML 的最前沿,并且准备帮助客户利用这些优势。

现在,使用电池供电的资源受限设备开发AI和ML驱动的应用已经成为可能。Nordic多款芯片都能够支持这些应用,包括nRF53系列 (nRF5340)、nRF52 系列nRF52840nRF52833。毫无疑问,Nordic最新的 nRF54 系列(nRF54H20nRF54L15) 结合了最佳计算能力和高能效,非常适合AI和 ML应用。

AI 物联网从“锦上添花”变为“不可或缺”

物联网中的 AI 和 ML 有时也称为“AIoT”,可以将物联网应用从“有用变成非常有价值”,甚至是不可或缺、非常必要的“无价之宝”。

以健康和健身可穿戴设备来举例说明,这些设备过去可能用来测量用户的步数、消耗的卡路里、心率或心电图(ECG),以及睡眠模式。这类数据以前从未向消费者免费提供过,即使有也不会是来自那些简单易用的可穿戴设备。

这类可穿戴设备会使用先进的算法来处理传感器数据,但不会使用 AI 或 ML。如果将AI 加入其中,使用同样传感器的相同可穿戴设备就会突然提升到全新的功能水平。

现在,业界已经拥有了能够同时连续监测多个生命体征的医疗可穿戴设备基础。如果这些生命体征突然发生变化,尤其是同时亮起特定的“红灯”组合,就可以立即发出信号,甚至预先诊断出严重的医疗紧急情况。例如,血氧水平、心率、血压和呼吸的突然变化表明心脏即将出现问题。

这样,用户的可穿戴装置马上成为全天候24x7急救护理设备,永不疲倦,很少出错或触发错误警报。第一时间赶到现场的急救人员就能预先知道可能出现的问题,在提供所需的关键护理方面缩短极为关键的几秒钟甚至几分钟时间。

这是变革性连续医疗监控产品,可以优化捉襟见肘的医疗预算,最重要的是可以挽救生命。这仅是无线物联网中电池供电 AI 和 ML 巨大原始潜力的一个示例。

一切都在边缘发生

在物联网发展早期,人们认为一切都将围绕大数据展开:从数以百万计的传感器收集数据,并在云端进行分析。但人们很快就发现,这种方法在技术和商业上都难以开展。

人们将大量未经过滤的原始数据发送到云端既费时又费钱,还会使得数据面临不必要的隐私风险,而且无法支持长时间的电池供电运作。

人们很快就清楚地认识到,解决方案是过滤出关键的相关数据,并且在尽可能接近传感器本身的情况下做出数据驱动型决策。这就意味着在本地或者所谓的 “在边缘”运作。

这种“边缘计算”将带来各种先进的、激动人心的电池供电物联网应用,一个示例是电网监控等领域的预测性维护和监控,电力企业需要尽快了解输电线上树木倒塌或火灾等重大事件。即使是家用洗衣机,也可以通过聆听机器异常运行时发出的提示音来监测即将发生的故障。

为什么在AI和nRF54H系列中“更多”就是“更多”

在电池供电的无线芯片上成功运行 AI 和 ML 应用,需要在适度功耗水平下具备强大的计算能力。Nordic的nRF54H系列提供了两全其美的解决方案。用户将获得多个 Arm Cortex-M33 处理器,它们以尽可能低的功耗提供世界最佳水平的移动计算能力。

这意味着用户得到过去10 倍的数据处理量,或者以10倍的速度完成相同数量的数据处理操作,并且让设备迅速回到超低能耗睡眠模式,从而减少10倍的耗电量。这就是成功关键。

这样,人们就具备了以尽可能低功耗的方式支持最广泛应用的潜在能力。

这个开创性运作的关键是电池供电的 AI 和 ML,而这正是 Nordic nRF54H 系列的核心所在,也是其真正的闪光点。

nRF54H系列打破了选择高计算能力和高功耗,或者选择低计算能力和低功耗之间的传统折衷权衡。现在,人们可以同时拥有高处理能力和低功耗特性:极低功耗的 AI 和 ML。

订阅Nordic新闻简报

了解最新信息!订阅后即可获取最新Nordic及物联网资讯

立即订阅