人工智能 (AI) 是使物联网更加有用的下一个合乎逻辑的步骤。智能可以内置到物联网终端设备中，使它们不仅可以收集和共享数据，还可以分析数据、从中学习、做出决策并采取行动，而无需任何人为干预。人工智能和物联网 (AIoT) 的结合创造了“智能”设备，这些设备可以从生成的数据中学习并使用这些洞察力做出自主决策。新的 AI 技术使边缘智能成为可能，并显着降低了对云分析的需求和相关成本。

AIoT 将是一个很大的领域。它跨越几个不同的领域。埃里克，在我看来，好事是物联网、人工智能和 5G 大致同时成熟。如果你愿意的话，融合将在某种程度上被证明是变革性的，并将作为 AIOT 革命的支柱。另一个实际上非常有趣的因素是，2017 年到 2025 年之间的端点数据创建增长预计将以约 85% 的复合年增长率增长，数据量达到惊人的 73 zetabytes，我认为来自 IDC 资源。因此，这将推动我们对数据的看法以及我们处理情报的方式发生转变。

我们希望在广泛的用例中看到从集中式、基于云的架构转变为基于更多边缘端点的分布式架构。微控制器和微处理器等主导端点的微型计算节点，基本上是物联网的用户边缘层，它们的能力越来越强，不仅通过封装原始计算性能、最低功耗和最小占用空间，而且我们还添加了结构，本质上，加速智能的处理，无论是在智能DSP功能上，加速数学智能模型，还是提高深度神经网络的性能。而且，以少量运行 AI 机器学习工作负载的能力具有显着优势，对吧?改善响应时间，提高了安全性和隐私性以及总体成本和性能以及能源效率，实际上，对于许多需要在边缘处理嵌入式智能的用例来说，它非常有吸引力。一个很短的问题的答案很长，但从本质上讲，所有这些技术的融合将给我们的生活带来巨大的变化。我真的相信这一点。

如果你看 5G，你看——随着时间的推移，对吧?我的意思是，这不是瞬间发生的，但可以肯定的是，5G 专用网络的普及将会开始并变得更加重要。您可以考虑无缝连接，对吗?以前，即使现在，你也看过。我必须谨言慎行，因为 wifi 很重要，当然，在您的客户端设备和您的接入点之间。但在某个阶段，随着 5G 专用网络的普及等，你肯定会看到 5G 如何解决一些问题，甚至可能解决客户端设备问题。你看到现在正在部署 5G 手机。

显然，至于他们覆盖的区域是如何相当小的。但随着时间的推移，您会看到越来越多的设备可以访问该技术，5G 客户端设备的功耗肯定也会下降更多。所以我认为你有机会能够从你的客户端设备提供到云的无缝连接，这在以前总是有点挑战。再一次，老实说，我认为 wifi 6、6 edge、wifi 7 与 5G 和平共处，对吧?因为你可以设想这样一种场景，你有一堆客户端设备使用大规模 MIMO 连接到你的接入点设备，并且连接到你的 5G 层，如果你愿意，并且能够提供非常高的带宽连接，如果它需要你的客户端设备。这在以前总是有点挑战。再一次，老实说，我认为 wifi 6、6 edge、wifi 7 与 5G 和平共处，对吧?因为你可以设想这样一种场景，你有一堆客户端设备使用大规模 MIMO 连接到你的接入点设备，并且连接到你的 5G 层，如果你愿意，并且能够提供非常高的带宽连接，如果它需要你的客户端设备。这在以前总是有点挑战。再一次，老实说，我认为 wifi 6、6 edge、wifi 7 与 5G 和平共处，对吧?因为你可以设想这样一种场景，你有一堆客户端设备使用大规模 MIMO 连接到你的接入点设备，并且连接到你的 5G 层，如果你愿意，并且能够提供非常高的带宽连接，如果它需要你的客户端设备。

人工智能的采用，对，显然整个物联网领域将会非常广泛。正确的?物联网使设备能够以一种或另一种方式连接。对我们来说，人工智能真的给了设备一个大脑，如果你愿意的话。无论多么简陋，它都基于 MPU 或可以在其上实现的算法。我们看到的一些用例主要围绕语音。语音对于人机通信来说变得越来越重要，当然 COVID 显然加速了其中一些的使用。我们看到了主要的增长垂直领域，无论是可穿戴设备、智能家居、智能城市、智能工业。

人们已经习惯了——我们已经被宠坏了，对吧，无论是 Siri 还是 Alexa 还是其他任何东西。当谈到语音时，它已经成为它的 HMI 方面，越来越好，自然语言处理在那个领域也是如此。因此，从我们的角度来看，另一个有趣的用例是，正如我们所看到的，是对访问进行身份验证的多种方式。如果您愿意，我们可以为特定类别的用户提供个性化体验。我们有运行四个独立的实现，例如机器学习模型，并使用语音和视觉来验证预注册用户。然后根据他们想做什么，您可以为他们量身定制体验。所以这是一个非常好的场景。我们认为另一个非常重要的领域是预测性维护，在工业环境中，如果你愿意的话，这是一个广阔的领域，有许多使用电机和机械执行器的应用程序。这就是 Renesas 的趋势及其微控制器和工业用户群产生巨大差异的地方。

例如，上周我们刚刚进行了全球 FAE 培训，我们将现实 AI 算法集成到我们的一些处理器中。看到可以通过在我们的一些处理器上使用人工智能和微型机器学习来实施的解决方案，并看到最终结果，真是令人印象深刻。真是大开眼界对不对?因为它可以让您检测异常并摆脱其中一些机器上使用的一些昂贵的传感器。例如，您如何检测 HVAC 系统是否即将发生故障?典型的方法是查看机器的振动。为此，您需要被跟踪的传感器和传感器系统。好吧，这些人已经找到了一种无需传感器的方法。这有多酷，对吧?所以这真的是看电流感应的能力。所以他们实际上是在观察电流中的微小波动，以便能够弄清楚什么时候。

从不平衡的负载和机器到阻塞的线圈或气流变化，还有许多可以从智能分类和推理中受益的异常现象，对吗?这些人已经将这些人工智能模型应用到我们通常不会接触的公司中，比如矿业公司等等。这为我们打开了大门，让我们看到了以前看不到的东西。所以互补性好。我们可以为不具备复杂性的客户提供这些模型。反之亦然，他们将我们介绍给我们从未想过的其他客户。就像这些玻璃制造商之一，至于玻璃什么时候会碎。谁他妈的卖微控制器的人会去和他们谈谈，对吧?资产追踪是另一个相当大的机会，特别是很多人对供应链中的透明度感兴趣，涉及保险索赔滥用或处理等。

同样，可以提供多种模式。但这只是一个样本。然后是语音和视觉方面，显然，我们有自己的一套翻译库，我们为不同的设计公司提供这些库，以便能够观察视觉，在相机中实现视觉 AI。我们的 RZ-V 系列技术的好处在于它可能是最低功耗和最高性能。我们已经将其与更大的竞争对手(包括世界上的 NVIDIA)进行了对比。但这只是一个样本。然后是语音和视觉方面，显然，我们有自己的一套翻译库，我们为不同的设计公司提供这些库，以便能够观察视觉，在相机中实现视觉 AI。

我们的 RZ-V 系列技术的好处在于它可能是最低功耗和最高性能。我们已经将其与更大的竞争对手(包括世界上的 NVIDIA)进行了对比。但这只是一个样本。然后是语音和视觉方面，显然，我们有自己的一套翻译库，我们为不同的设计公司提供这些库，以便能够观察视觉，在相机中实现视觉 AI。我们的 RZ-V 系列技术的好处在于它可能是最低功耗和最高性能。我们已经将其与更大的竞争对手(包括世界上的 NVIDIA)进行了对比。

更多信息可以来这里获取==>>电子技术应用-AET<<