当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > AI和ML推动联网设备的增长

AI和ML推动联网设备的增长

来源:51CTO.COM 2023-08-10 22:27:58 0浏览 收藏

本篇文章给大家分享《AI和ML推动联网设备的增长》,覆盖了科技周边的常见基础知识,其实一个语言的全部知识点一篇文章是不可能说完的,但希望通过这些问题,让读者对自己的掌握程度有一定的认识(B 数),从而弥补自己的不足,更好的掌握它。

COVID-19 大流行后,业务运营中对自动化、远程监控和控制的需求显着增加。

AI和ML推动联网设备的增长

ABI Research 的物联网硬件和设备研究总监杰米·莫斯 (Jamie Moss) 表示:“封锁限制对全球的企业运营和消费者生活方式产生了巨大影响。”

他接着解释说,这与人工智能(AI)和机器学习(ML)的兴起相结合,以管理大规模部署的物联网设备(Massive IoT)。

他认为应用这些新技术将极大地提高物联网设备的性能和信息收集。

“例如,用于管理供应链物流(例如路线优化和负载优化)的人工智能软件将减少运营费用(OPEX),并消除相关浪费,从而实现更可持续和更高效的业务运营,”莫斯解释道。

对于消费者来说,智能家居设备,包括自动开关、传感器和智能电器,可以使用人工智能和机器学习进行用户模式识别,以提供个性化的智能家居体验。

能源成本的飙升,以及越来越多的消费者采取更可持续的思维方式,正在推动智能家居设备的实施,以节省能源,从而为消费者节省金钱。

互联城市的时代也即将到来,互联路灯和监控系统将增强城市安全,并通过环境监测来警示不安全状况,从而保障公共安全。

正在制造比以往更多的联网车辆,智能路边基础设施也计划让通勤车辆、公共交通和送货车辆受益。 公共网络访问还将增强零售、广告和增强现实等其他体验。

Moss 认为,该数据集中最显着的增长预测是智能家居设备,在截至 2026 年的五年内,其复合年增长率将达到 29%。

联网汽车预计同期复合年增长率为 11%。预计智慧城市基础设施将以更大的幅度增长,预计增长率为24%。

“这可能部分是由于未来需要基础设施来支持 V2X 通信和其他应用,其规范仍在定义中,”他补充道。

互联零售、广告和供应链设备的安装基数预计将以 23% 的复合年增长率增长,到 2026 年,所有连接技术的总安装基数将超过 210 亿。安装在车辆、集装箱和运输调色板上的技术,为供应链中的物流提供更好的可视性,这是主要的原因。

“万物互联的增长是不可避免的,”Moss总结道。随着无线通信技术的不断发展,我们目睹了互联设备应用的日益增多。我们预计,在未来的五年内,基于LPWA的连接设备将实现最显著的增长,尽管5G的发展速度非常迅速。根据预测,蓝牙在未来几年将保持强劲的发展势头,预计到2026年,绝大多数已安装的互联设备将主要采用蓝牙进行连接。”


好了,本文到此结束,带大家了解了《AI和ML推动联网设备的增长》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!

版本声明
本文转载于:51CTO.COM 如有侵犯,请联系study_golang@163.com删除
教你win10和win7如何共享打印机教你win10和win7如何共享打印机
上一篇
教你win10和win7如何共享打印机
win7开机grub>命令怎么修复win7开机grub>命令修补方式详细介绍
下一篇
win7开机grub>命令怎么修复win7开机grub>命令修补方式详细介绍
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    393次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    472次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    478次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    421次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    248次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码