當我們開始接受這一事實時，我們現在正在尋求適應我們的生活方式以及與周圍世界互動的方式。行業、企業和政府都在做相應的調整以適應當前現狀，以確保人們安全、高效并能夠過上自己的生活。

　　

　　我們工作的方式和地點只是大多數人不得不改變的方式之一。在過去的一年里，在家工作一直是許多人的常態，即使我們已經擺脫了這種大流行，我們也可能會看到企業繼續允許員工在家工作。因此，這種工作方式重新關注了我們家庭的重要性，圍繞技術支持的“智能”家庭的討論從未如此受到人們的關注。

　　

　　就在大流行爆發之際，一種稱為“人工智能+物聯網”（AIoT）的新型技術生態系統正在站穩腳跟。 AIoT 代表了連接事物（IoT）和部署在這些事物中的人工智能（AI）的融合。我們之前已經探討過關于 AIoT 是什么以及它如何改變從醫療保健到運輸等各種行業的文章，但沒有比智能家居更大的機會了。

　　

　　當前，智能家居仍然是一個相對新興的行業，因此去年，我們對阻礙 AIoT 的障礙進行了研究。在該研究中，電子工程師強調了重要的市場級和設備級問題。一年后，我們又進行了同樣的研究，看看事情發生了怎樣的變化。人類剛需往往是所有發明的源動力，新冠病毒大流行加速了 AIoT 在智能家居及其他領域的開發和采用。

　　

　　隨著技術的不斷升級迭代，安全性、連接性和可擴展性都變得更容易解決。

　　

　　在我們 發布的2020 年的報告《THE EDGE OF TOMORROW》中，工程師將安全性、連接性和可擴展性列為 AIoT 面臨的最大市場問題。然而，在去年，這些問題得到了緩解，許多人認為障礙更容易克服。

　　

　　在安全性方面，人工智能因其對數據的依賴而引發了隱私問題。設備越“智能”，它需要的信息就越多。然而，在過去的 12 個月里，工程師們意識到在本地而不是在云端處理數據可以解決隱私問題。家庭可以將他們的數據保存在房屋之內，而無需將其發送給云中的第三方，從而降低了泄漏風險。

　　

　　通過將數據保存在家中，遠程網絡犯罪分子將不得不變成一個普通的竊賊來竊取數據。雖然這不太可能發生，但設備制造商確保在其設備上進行的處理是安全的仍然很重要。一系列設備級安全功能——包括安全密鑰存儲、加速加密和真隨機數生成器——可以為顯著提高數據和決策的安全性奠定基礎。

　　

　　除了安全性之外，工程師還認為連接性對 AI 部署構成了巨大障礙，38% 的人表示擔心該技術克服延遲問題的能力。例如，當家庭醫療監控需要根據心臟病等可能改變生活的情況做出決定時，他們無法承受不可靠的連接問題的負擔。然而，現在，設備上的處理減少了對網絡的需求，使網絡延遲成為一個有爭議的問題；只有 27% 的行業專家認為連接性是智能家居應用的主要障礙。

　　

　　如果要創建不受延遲影響的應用，智能家居行業應該轉向設備上處理。某些 AIoT 芯片現在速度快且可預測，執行確定性以個位數納秒為單位進行測量，這使產品能夠快速思考和做出決策。

　　

　　最后，去年，工程師強調了可擴展性問題。工程師們意識到連接設備的數量正在增加，這給云基礎設施帶來了越來越大的壓力。 2020 年，大約四分之一的工程師認為可擴展性是邊緣技術成功的主要障礙。然而，專家們現在開始看到 AIoT 根深蒂固的可擴展性的好處。邊緣處理消除了對云的依賴，消除了任何潛在的增長和擴展問題。現在，只有不到五分之一的工程師認為云基礎設施可以阻礙邊緣人工智能。

　　

　　好消息是，電子行業不需要做任何特別的事情來保持 AIoT 的可擴展性，因為 AIoT 擴展的主要技術障礙之一是云需要處理數十億臺設備和 PB 級數據。

　　

　　供電能力提升，功耗降低。

　　

　　隨著過去一年 AIoT 市場的成熟，在技術方面也取得了進步。設備上的處理能力有所提高，同時減少了啟用 AI 所需的功耗和支出。現在，芯片足夠靈活，可以以比以往任何時候都更實惠的價格滿足 AIoT 的多樣化需求。

　　

　　隨著 AIoT 芯片成為產品制造商更現實的選擇，工程師如何過渡到使用它們？

　　

　　關鍵考慮因素之一是開發環境。很多時候，新的芯片架構意味著新的和不成熟的專有編程平臺，工程師需要時間來學習和熟悉。相反，工程師應該尋找可以使用他們熟悉的行業標準技術訪問的靈活平臺——C 語言中的完全可編程性、FreeRTOS 等運行時環境和 TensorFlow Lite 等 AI 工具流。使用熟悉的平臺意味著工程師可以快速對芯片進行編程，而無需學習新的語言、工具或技術。

　　

　　滿足 AIoT 系統所有計算需求的單一編程環境是設計速度的根本推動因素，這對于開啟快速、安全的家庭 AI 新時代至關重要。