AIoT即人工智能物联网，结合了物联网(IoT)的连接性和人工智能(AI)的数据驱动能力，这种技术可以看做是基于人工智能在物联网基础设施中的集成。
AIoT=人工智能+物联网
要了解AIoT，我们首先需要了解人工智能与物联网这两个概念的优势。
人工智能，简称AI，是计算机科学的一个领域，致力于开发可以模拟人类智能的智能系统。简单来说，人工智能旨在让计算机重现人类的感知、推理、理解等能力。因此，极具颠覆性的人工智能能力是各行各业智能系统提高效率、开发新产品和服务的基础。
物联网是一个连接对象或设备的系统，可以借助嵌入其中的软件或传感器实时收集和传输数据。物联网的应用有助于在各行各业的广泛任务中实现高度自动化。通过传感器或用户输入，物联网设备会产生大量数据。
而这两个概念的结合侧重于使用AI功能来处理IoT系统生成和收集的数据。因此，人工智能系统中的机器学习模型与物联网的连接和数据传输能力相结合。换句话说，随着人工智能在物联网系统中的应用，它们的功能不仅限于收集和传输信息，而是真正理解和分析数据。
通过将物联网与人工智能相结合，可以应用机器学习和深度学习等人工智能技术来利用分布式节点收集的数据。这里就涉及到Edge AI，Edge AI又叫边缘人工智能，它有着更高的可扩展性、稳健性和效率。
AIoT和边缘计算
近年来，边缘计算不断被普及，已经成为物联网(IoT)、5G和人工智能等技术的关键推动因素。因此，边缘计算是AIoT的主要驱动力，它将数据处理从云端转移到网络边缘。
边缘计算驱动的AIoT
边缘计算的概念通过高效、可扩展且适用于低延迟用例的设备上数据处理来促进分布式系统设计。最初，机器学习和深度学习仅限于云端，主要是因为处理ML任务所需的高计算资源。
而现在通过利用边缘智能，就可以在网络边缘有效地支持新兴的计算密集型和资源需求型AIoT应用程序。
AIoT设备进行机器学习
硬件和机器学习的不断发展加速了设备在关键基础设施中的部署。将AI处理从云端转移到分布式、连接的边缘设备提供了一种解决方案，可以克服基于云的AI应用延迟和隐私问题的瓶颈。
但AIoT并非万能，它还是有局限，与传统的低功耗物联网设备相比，AIoT需要具有足够计算资源的边缘设备来执行设备上的机器学习任务。然而，边缘设备的资源容量和功率预算是有限的。因此，就需要AIoT应用程序通过优化来平衡。
总的来说，AIoT将推进人工智能技术的高效应用，物联网设备上的嵌入式机器学习将AIoT设备转变为可以独立处理数据的智能系统可以帮助拓展以前不可能实现的真实应用场景。
