在開發始終快速且始終可用的AI應用中，將數據和AI模型定位在交互點附近是關鍵。

譯自Enabling AI in IoT Apps with a Cloud-to-Edge Database，作者 Mark Gamble。

人工智能（AI）正推動著科技創新的下一波浪潮，而數據則是其動力源。因此，在你的AI實現中，數據處理可以說是其中最重要的部分之一，特別是在分布式和經常斷開連接的環境中，這在物聯網（IoT）應用中非常常見。

關鍵在于你需要一個能夠滿足IoT和AI需求的數據庫。

移動數據庫的優勢

在關于云到邊緣AI與移動數據庫的最新文章中，我探討了一個具有內置數據同步和對AI支持的移動數據庫平臺如何加速在邊緣應用中開發基于AI的功能和能力。

通過利用這樣的數據庫，使用AI的應用可以實現邊緣計算的好處：它們運行更快，因為數據位于與交互點物理上更接近的位置，通過消除對固有不可靠的互聯網的依賴，它們變得更可靠。

在物聯網世界中的AI和數據

在物聯網中，邊緣計算變得尤為重要，因為物聯網設備真實存在于網絡邊緣，以傳感器、執行器、攝像頭等形式。這些設備捕獲大量數據，像海綿一樣吸收并以高速流動。使用這些數據的應用必須能夠盡快做出反應，但由于數據速度快且量大，有效利用它變得極為困難。AI正是解決這一難題的關鍵。

例如，對于高速且經常重復的時間序列傳感器讀數，經過訓練的機器學習模型可以快速實時評估數據，找出問題和異常，過濾噪音，立即聚焦在需要關注的領域。

在沒有互聯網連接的情況下，實現這一點特別具有挑戰性；處理數據和定位AI模型的位置可能會產生巨大差異。如果一切都在云端進行，由于必須通過互聯網發送數據，然后等待結果返回，可能會導致顯著的延遲。更糟糕的是，如果連接中斷，應用程序可能會停滯不前。

移動數據庫平臺通過實現邊緣AI數據庫架構解決了這個問題，將數據和AI處理引入邊緣，包括在設備上，消除了對互聯網的依賴。在有連接性時，數據同步在后臺進行，保持整個生態系統的一致性。

來源：Couchbase

這種架構使您能夠在云端、邊緣和設備上處理數據和AI，為處理物聯網應用中固有的大量數據提供了規模，并具備在邊緣迅速利用這些數據的能力。

物聯網中的AI示例

一些物聯網應用中的AI示例包括：

智慧城市

在主要大都市區，智能照明解決方案利用部署在市政照明網格中的物聯網傳感器。這些傳感器檢測交通、行人、天氣和環境自然光照，并根據城市任何地方的實時需求，自主調整或關閉燈光。這可以節省超過75%的照明成本，同時提高市民的安全。這些解決方案利用經過訓練的機器學習模型評估其環境，使它們能夠區分行走的行人和被風吹動的物體，并做出相應的動作。AI還根據趨勢提出改進建議，建議擴展和選擇替代的部署位置以優化網格。

倉儲機器人技術

自主機器可以在倉庫中執行重復和/或危險的任務，如揀選、分類、包裝和運輸材料。通過這些解決方案，機器人車隊可以在大規模倉庫操作中自主執行任務，甚至在沒有網絡連接的區域，比人類工人更快、更準確、更不知疲倦。AI使這些機器人足夠智能，能夠在執行任務時檢測、繞過甚至移動障礙物。系統的AI還分析隨時間變化的數據模式，以推薦倉庫布局和流量優化。

酒店客戶互動

許多郵輪公司、游樂園和度假酒店為賓客提供可穿戴的物聯網設備，作為進入客房和景點的訪問密鑰，以及無接觸支付商品和便利設施的工具。系統還在賓客在環境中移動時跟蹤這些設備，提供酒店服務提供商用來個性化客戶體驗的見解。系統中的AI使用賓客檔案、位置和歷史等數據，實時查找并呈現引人入勝的優惠。它還可以評估條件，如賓客移動和聚集，提供優化行人流量和人群控制的建議。這些應用必須在無論是否有互聯網連接的情況下運行——您不希望賓客被困在房外或無法購物——因此它們受益于邊緣AI數據庫架構提供的最大運行時間的能力。

啟用AI驅動的物聯網應用

通過利用邊緣AI數據庫架構，組織可以實現更快、更可靠、更具有速度、準確性和運行時間保證的AI增強型物聯網應用。

Couchbase Mobile是一種本地支持邊緣計算架構的移動數據庫平臺。它在云端、邊緣和個別設備之間同步數據，根據連接情況，網絡中斷時，應用程序繼續使用本地數據處理。Couchbase Mobile可以在云端數據庫和嵌入式數據庫中集成機器學習模型，實現從云端到邊緣的AI處理。

通過Couchbase Mobile，您可以在邊緣開發和部署AI驅動的物聯網應用，以滿足任何速度、可用性或安全性要求。