人工智能（AI）与物联网(IoT)在实际应用中的落地融合，形成了 AIoT(智能物联网)，也就是万物的智能互联。目前，AIoT已经成为业界公认的未来技术主流形态。艾瑞咨询最近发布的《2020中国智能物联网（AIoT）白皮书》预测，2025年，中国物联网连接数近200亿个，海量连接产生的交互及数据分析需求将促使IoT与AI进行更深层次的融合。另一方面，智能的物联网系统暴露了云计算中的潜在问题。智能和自动化的增加，无可避免地导致性能表现及安全性突出的应用出现了无法预料的延迟。

现今，两大主要挑战威胁着数量倍增的连网装置：一是用于远程通讯的边缘装置的性能，二是离网型物联网应用的电池寿命。

原始数据的传输对任何装置来说都是十分耗电的。传统的蜂巢式广域网（WAN）功耗大，因此不适用于电池供电的物联网装置。物联网应用LoRaWAN（远距离，广域网）是物联网应用中的首选通讯协议之一，能够处理人工智能如何透过边缘应用来改变物联网架构的问题。

为什么要使用LoRaWAN及边缘人工智能？

随着智能装置的激增，核心网域和终端装置都面临着来自通讯的挑战，例如壅塞、安全性、服务延迟、数据隐私和缺乏互操作性。

对于网域，大部分的挑战来自过度依赖云计算。将数据发送到云时，会产生更大量的能源消耗、带宽、存储和延迟，导致更高的成本。而雾计算或边缘计算可以降低成本并提高效率。

当使用无线技术进行数据传输时，终端装置中的通讯障碍就会出现。在物联网中，蓝牙和其他无线标准技术的优势是低功耗，但有限的覆盖范围却是一大障碍，特别是对于智慧城市服务而言。在这种情况下，低功率广域网（LPWAN）成为了介于远程蜂巢式和短程操作技术间的可靠的替代方案。

LPWAN是在Sub-GHz免照无线电频段上运作的低功耗及覆盖范围更广的通讯物理层。LPWAN是对链路和网络层有效的标准协议，提供可变的数据速率，增加了以吞吐量交换为链路稳健性、覆盖范围或能量消耗的可能。而组织单位和个人都可以部署LPWAN网络。

LPWAN和接近边缘的雾计算架构

在智能和数据处理方面，边缘计算和雾计算看起来很相似。但是，它们之间的主要差别在于计算和智能所发生的位置。

雾计算的环境将智能处理放在区域网（LAN）上，将数据从端点传输到网关。 而另一方面，边缘计算将处理能力和智能放在嵌入式自动化控制器等装置中。

这些装置可以运行算法，产出边缘智能—AI和边缘计算的产物。

利用LPWAN进行边缘计算的优势

减少数据传输: 边缘计算减少了传输的数据量和云端存储。另一个优势是将计算能力放置在网络边缘，可使延迟和成本极小化，同时减轻对带宽的需求。

降低延迟: 边缘计算可将数据传输、处理，以及依照从过程中获得见解所采取之行动的时间间隔最小化。另外，以较低的成本增加了分析和事件处理的速度，信噪比也降低了。由于更加靠近终端用户的位置，能够降低核心网络和连接装置的带宽及功耗，因此边缘计算透过实时服务提供了低延迟能力，而这是智慧城市以及车对车通信和其他要求延迟低于数十毫秒的应用所必备的。这比主流的云服务的延迟要低。

安全性增强: 大多数的用户将数据安全性和隐私视为首要考虑的问题，主要是因为这些因素对智慧城市的相关应用构成了安全威胁。安全性必须分三层：用户隐私、数据安全性和网络连接。 边缘计算通过凭证升级和多个实体装置上的安全检查等措施，解决了物联网安全性的挑战。

扩展的应用程序: LPWAN和边缘装置在卫生保健监控中无所不在，例如用于侦测患者跌倒。 在筛选数据来进行实时处理的情况下，边缘装置可以提高准确度和适应能力。传统系统中，在云端传输原始数据序列，因此警报的延迟增加了。边缘系统透过将繁重的计算负载从传感器节点调换到边缘网关，来减少传感器节点上的计算工作。

如何利用边缘人工智能加速应用场景落地

虽然边缘装置的模型构建和训练阶段会消耗大量资源，并增加额外的复杂性，但市场上有提供定制和降低复杂性的高质量选择。

安富利的SmartEdge Agile装置可以简化并大幅降低这种复杂性。SmartEdge Agile是搭载各种类型传感器的边缘计算装置。Brainium用于构建和训练模型。该装置具有LPWAN连接以建立雾计算架构，并使用网关连接到Brainium。安富利的SmartEdge工业物联网网关可安全且无缝连接Brainium和云。