人工智能 (AI) 是使物聯網更加有用的下一個合乎邏輯的步驟。智能可以內置到物聯網終端設備中，使它們不僅可以收集和共享數據，還可以分析數據、從中學習、做出決策并采取行動，而無需任何人為干預。人工智能和物聯網 (AIoT) 的結合創造了“智能”設備，這些設備可以從生成的數據中學習并使用這些洞察力做出自主決策。新的 AI 技術使邊緣智能成為可能，并顯著降低了對云分析的需求和相關成本。

AIoT 將是一個很大的領域。它跨越幾個不同的領域。埃里克，在我看來，好事是物聯網、人工智能和 5G 大致同時成熟。如果你愿意的話，融合將在某種程度上被證明是變革性的，并將作為 AIOT 革命的支柱。另一個實際上非常有趣的因素是，2017 年到 2025 年之間的端點數據創建增長預計將以約 85% 的復合年增長率增長，數據量達到驚人的 73 zetabytes，我認為來自 IDC 資源。因此，這將推動我們對數據的看法以及我們處理情報的方式發生轉變。

我們希望在廣泛的用例中看到從集中式、基于云的架構轉變為基于更多邊緣端點的分布式架構。微控制器和微處理器等主導端點的微型計算節點，基本上是物聯網的用戶邊緣層，它們的能力越來越強，不僅通過封裝原始計算性能、最低功耗和最小占用空間，而且我們還添加了結構，本質上，加速智能的處理，無論是在智能DSP功能上，加速數學智能模型，還是提高深度神經網絡的性能。而且，以少量運行 AI 機器學習工作負載的能力具有顯著優勢，對吧?改善響應時間，提高了安全性和隱私性以及總體成本和性能以及能源效率，實際上，對于許多需要在邊緣處理嵌入式智能的用例來說，它非常有吸引力。一個很短的問題的答案很長，但從本質上講，所有這些技術的融合將給我們的生活帶來巨大的變化。我真的相信這一點。

如果你看 5G，你看——隨著時間的推移，對吧?我的意思是，這不是瞬間發生的，但可以肯定的是，5G 專用網絡的普及將會開始并變得更加重要。您可以考慮無縫連接，對嗎?以前，即使現在，你也看過。我必須謹言慎行，因為 wifi 很重要，當然，在您的客戶端設備和您的接入點之間。但在某個階段，隨著 5G 專用網絡的普及等，你肯定會看到 5G 如何解決一些問題，甚至可能解決客戶端設備問題。你看到現在正在部署 5G 手機。

顯然，至于他們覆蓋的區域是如何相當小的。但隨著時間的推移，您會看到越來越多的設備可以訪問該技術，5G 客戶端設備的功耗肯定也會下降更多。所以我認為你有機會能夠從你的客戶端設備提供到云的無縫連接，這在以前總是有點挑戰。再一次，老實說，我認為 wifi 6、6 edge、wifi 7 與 5G 和平共處，對吧?因為你可以設想這樣一種場景，你有一堆客戶端設備使用大規模 MIMO 連接到你的接入點設備，并且連接到你的 5G 層，如果你愿意，并且能夠提供非常高的帶寬連接，如果它需要你的客戶端設備。這在以前總是有點挑戰。再一次，老實說，我認為 wifi 6、6 edge、wifi 7 與 5G 和平共處，對吧?因為你可以設想這樣一種場景，你有一堆客戶端設備使用大規模 MIMO 連接到你的接入點設備，并且連接到你的 5G 層，如果你愿意，并且能夠提供非常高的帶寬連接，如果它需要你的客戶端設備。這在以前總是有點挑戰。再一次，老實說，我認為 wifi 6、6 edge、wifi 7 與 5G 和平共處，對吧?因為你可以設想這樣一種場景，你有一堆客戶端設備使用大規模 MIMO 連接到你的接入點設備，并且連接到你的 5G 層，如果你愿意，并且能夠提供非常高的帶寬連接，如果它需要你的客戶端設備。

人工智能的采用，對，顯然整個物聯網領域將會非常廣泛。正確的?物聯網使設備能夠以一種或另一種方式連接。對我們來說，人工智能真的給了設備一個大腦，如果你愿意的話。無論多么簡陋，它都基于 MPU 或可以在其上實現的算法。我們看到的一些用例主要圍繞語音。語音對于人機通信來說變得越來越重要，當然 COVID 顯然加速了其中一些的使用。我們看到了主要的增長垂直領域，無論是可穿戴設備、智能家居、智能城市、智能工業。

人們已經習慣了——我們已經被寵壞了，對吧，無論是 Siri 還是 Alexa 還是其他任何東西。當談到語音時，它已經成為它的 HMI 方面，越來越好，自然語言處理在那個領域也是如此。因此，從我們的角度來看，另一個有趣的用例是，正如我們所看到的，是對訪問進行身份驗證的多種方式。如果您愿意，我們可以為特定類別的用戶提供個性化體驗。我們有運行四個獨立的實現，例如機器學習模型，并使用語音和視覺來驗證預注冊用戶。然后根據他們想做什么，您可以為他們量身定制體驗。所以這是一個非常好的場景。我們認為另一個非常重要的領域是預測性維護，在工業環境中，如果你愿意的話，這是一個廣闊的領域，有許多使用電機和機械執行器的應用程序。這就是 Renesas 的趨勢及其微控制器和工業用戶群產生巨大差異的地方。

例如，上周我們剛剛進行了全球 FAE 培訓，我們將現實 AI 算法集成到我們的一些處理器中。看到可以通過在我們的一些處理器上使用人工智能和微型機器學習來實施的解決方案，并看到最終結果，真是令人印象深刻。真是大開眼界對不對?因為它可以讓您檢測異常并擺脫其中一些機器上使用的一些昂貴的傳感器。例如，您如何檢測 HVAC 系統是否即將發生故障?典型的方法是查看機器的振動。為此，您需要被跟蹤的傳感器和傳感器系統。好吧，這些人已經找到了一種無需傳感器的方法。這有多酷，對吧?所以這真的是看電流感應的能力。所以他們實際上是在觀察電流中的微小波動，以便能夠弄清楚什么時候。

從不平衡的負載和機器到阻塞的線圈或氣流變化，還有許多可以從智能分類和推理中受益的異常現象，對嗎?這些人已經將這些人工智能模型應用到我們通常不會接觸的公司中，比如礦業公司等等。這為我們打開了大門，讓我們看到了以前看不到的東西。所以互補性好。我們可以為不具備復雜性的客戶提供這些模型。反之亦然，他們將我們介紹給我們從未想過的其他客戶。就像這些玻璃制造商之一，至于玻璃什么時候會碎。誰他媽的賣微控制器的人會去和他們談談，對吧?資產追蹤是另一個相當大的機會，特別是很多人對供應鏈中的透明度感興趣，涉及保險索賠濫用或處理等。

同樣，可以提供多種模式。但這只是一個樣本。然后是語音和視覺方面，顯然，我們有自己的一套翻譯庫，我們為不同的設計公司提供這些庫，以便能夠觀察視覺，在相機中實現視覺 AI。我們的 RZ-V 系列技術的好處在于它可能是最低功耗和最高性能。我們已經將其與更大的競爭對手(包括世界上的 NVIDIA)進行了對比。但這只是一個樣本。然后是語音和視覺方面，顯然，我們有自己的一套翻譯庫，我們為不同的設計公司提供這些庫，以便能夠觀察視覺，在相機中實現視覺 AI。

我們的 RZ-V 系列技術的好處在于它可能是最低功耗和最高性能。我們已經將其與更大的競爭對手(包括世界上的 NVIDIA)進行了對比。但這只是一個樣本。然后是語音和視覺方面，顯然，我們有自己的一套翻譯庫，我們為不同的設計公司提供這些庫，以便能夠觀察視覺，在相機中實現視覺 AI。我們的 RZ-V 系列技術的好處在于它可能是最低功耗和最高性能。我們已經將其與更大的競爭對手(包括世界上的 NVIDIA)進行了對比。

更多信息可以來這里獲取==>>電子技術應用-AET<<