示例：

许多营销人员将预测性维护视为物联网的"杀手级应用"。在2021年国际维护大会上，与会者和演讲者之间的讨论不是一些模糊的预测性维护策略。相反，他们正在预测分析应用程序中使用从IIoT项目生成的数据。分析预测的问题通常会自动提供给工作流引擎，从而导致维护和可靠性活动，从而避免计划外停机，从而优化生产。例如，当巴斯夫通过施耐德电气为其其中一家工厂增加预测性维护时，它首先关注的是监控为工厂供电的变电站，以及电机及其控制中心消耗该电力的健康状况。存在特定的业务问题，即为繁忙的工厂保持不间断的电力，为预测性维护解决方案提供了一个狭窄且可实现的范围。

顾问引述：

物联网项目提供了现在用于预测机器问题的数据，并自动指导技术人员找到解决方案，从而优化生产。

—?加里·明切尔

4、云原生应用正在兴起

公司现在正将云采用和迁移作为短期内的首要任务，至少在未来几年内是这样。那些已经在云上投入巨资的公司正在寻求提高效率和提高功能的新方法，而其余的则需要快速制定迁移计划。十年来，云市场一直以稳定的速度增长，但就整体采用和用例数量而言，疫情显着加速了这一增长。随着云成为许多基础设施、平台或软件级别的常态，业界将看到一波针对云规模和性能开发和优化的全新应用程序浪潮，这反过来将有助于提供更高的可靠性并缩短上市时间，这意味着软件应用程序可以更快、更灵活地部署，同时降低基础架构的复杂性和成本。

示例：

在疫情的第一波浪潮急剧并立即改变了工作模式之后，包括全球电信运营商，宽带互联网提供商和卫星广播服务提供商在内的通信服务提供商（CSP）被迫快速升级其云服务，以应对前所未有的需求增长，包括来自相对新颖的用例，例如社交视频聚会。他们必须进行这些大规模的结构升级，同时还要将除最必要的员工以外的所有员工都从家中派出，这意味着需要改善基础设施以减少维护和监督。这反过来又是云原生应用程序扩展的巨大驱动力，从本质上讲，云原生应用程序能用更少的资源做更多的事情。TM Forum的一项调查报告称，38%的CSP在2021年处于实施数字化转型战略的中途点，同比增长50%，其中45%涉及引入云原生应用程序。例如，去年年底，沃达丰与Vmware建立了合作伙伴关系，为沃达丰在欧洲的所有业务提供一个单一的通用平台，从5G独立开始。

顾问引述：

我在云原生应用程序开发中看到的两个主要驱动因素是无服务器计算和容器化，主要是因为两者都将提高云原生应用程序的部署速度 - 更快的部署，加上更高的可靠性，将使采用成为何时而不是是否采用大量用例的情况。

—?杰夫·温特

5、超自动化正在改变运营

目前的传统观点认为，人工智能是改造任何企业应用的关键，但现实情况是，目前，大多数人工智能都需要认真的"数据挖掘"才能使企业受益。人工智能只是转型方程式的一部分，第二个（经常缺失的）缺失部分是机器人流程自动化或RPA。当AI和RPA正确组合和应用时，结果是超自动化。

疫情创造了一个拐点，优先考虑工人的安全和支持他们所需的技术，并且在疫情之前开始的劳动力短缺变得更加具有挑战性，这是一个需要处理的约束，这加速了使用超自动化来改善从车间到顶层的过程性能。

示例：

在巴西，德勤使用IBM的AI增强型RPA解决方案来改变其每月报告周期，自动生成和错误检查从数十个来源获得的报告，并直接链接到中央银行数据，以便货币兑换数据不断更新。在报告生成上花费的总时间从几乎两个工作周增加到每月一个小时，而每月相同的智能RPA将每月的差旅费用报告准备工作从三小时减少到十分钟。

顾问引述：

两年前，我写了一篇关于制造业中"机器人带来的冲击"的文章，重点关注机器人流程自动化如何消除大量重复性任务，从而提高生产率并帮助消除错误。现在，您可以将AI分层到等式中，并使用它来为RPA做出这些决策。这是IFTTT的最终延伸。

—?克里斯托弗·霍梅克

6、AI越来越多地出现在（薄）边缘

组织一直在重新思考将AI工作负载放置在云中或边缘的位置。到目前为止，AI边缘应用程序已在计算和功耗密集型边缘设备上运行，例如工业计算机和边缘路由器。然而，两个发展正在推动向薄边的转变。

1. 半导体的发展，特别是在低成本、低功耗的频谱端，意味着人工智能可以更接近最小的设备水平。有充分的理由相信，在不久的将来，大量的微控制器（MCU）将拥有设备上的AI。

   文章来源：《物联网技术》 网址: http://www.wlwjszz.cn/zonghexinwen/2022/0301/2519.html