图片42

IoT + AI是一个既新鲜又古老的话题，两者结合会带来全新的价值。最近一段时间，伴随着AI技术的不断成熟，IoT的很多场景都在探索AI的落地。

据观察，AI在IoT领域的落地有如下三个驱动力：

首先，是AI技术的快速发展。

不管是Paddle Paddle、Tensor Flow的技术框架，还是在物联网领域机器学习的核心算法，这些相关技术都在快速发展。同时，各大公司也都纷纷加大对AI的投入和布局。

其次，边缘计算的发展，给AI落地增加了非常强的入口。

云端和边缘端的互动越来越紧密，很多计算和AI推断多发生在边缘侧，越来越多的AI落地场景需要云和端的紧密配合。

第三，物联网的核心场景对AI有强需求。

举几个例子。

比如在离散制造业中对生产设备的预测性维保。这是将设备的运行状态经过训练分析，从而得到设备的寿命预测，这种方案已经落地。

比如在炼钢的过程中，通过AI能力减少炼钢过程中发生钢水泄露的恶性事故风险。

比如售电领域中，通过AI能力提供需求响应和供需匹配。

以上都是在物联网应用中需求很强的核心场景，也都离不开AI。

那么开发者的问题是什么？

如何运用AI的手段分析出物联网的海量数据价值？

如何将百度优秀的AI能力应用到自己的物联网的方案呢？

对，开发者所需要的已经来了，时序洞察—一个基于物联网时序数据的AI分析工具，正在开放公测。

小概念

时序洞察是一项针对IoT时序数据的托管分析服务，帮助数据分析师用AI的方法从大量的时序数据中获取知识，辅助决策；与TSDB和智能边缘等产品无缝对接，可以在云上和端上执行推断过程，让整个分析过程更加流畅。

时序洞察有以下几个优势。

一站式分析和部署：无缝对接TSDB数据，对IoT的历史数据使用在线的JupyterLab分析工具来进行数据分析。

时序模板：依托百度AI技术的能力，内置多个场景的时序数据分析模板，包含电量需求预测模型、轨迹分类模型、时序统计模型，并可以直接将这些模版应用于用户自己的TSDB数据集中。

端云一体：模型可以部署在智能边缘，直接在端上实现AI推断执行，也可以部署在云端。

时序数据推断优化：将时序数据的处理方法直接复用到IoT实时数据的模型推断过程中。