在几年前，我在工厂，在那里传感器可以告诉你，如果在生产线上的一部分是要适合或不工作。如果不是，它会吐出来。当时，这很有用，但并不明智。传感器知道什么东西是对的还是错的，但是什么也没记住，什么也没想到。
如今，人工智能意味着传感器可以变得智能。工厂中的机器人可以识别出有故障的零件，但是处理和计算一起使思想发挥了作用。这意味着他们可以了解损坏的零件与乱序或未对齐的零件之间的区别，并决定是否丢弃该零件，致电主管或制定自己的解决方案。
如果这一切听起来都不是个人化的话，请考虑一下：由医疗保健公司NeuroPace设计的设备通过使用其自己的处理器为嵌入患者头部的传感器提供功能来帮助防止癫痫发作。该传感器了解每个患者的典型大脑活动，并且在感测到癫痫发作开始之前的异常状态的毫秒内，该设备可以决定传递旨在停止它的特定脉冲。
通过避免向外部系统咨询应该做什么，或者等待患者的任何输入，可以在患者知道发生任何事情之前停止虚弱和危险的癫痫发作。第一年后，该设备可将癫痫发作减少44%。
边缘思考
埃森哲称这种处理转变为“互联网思维”，这是其《 2018年技术远景》 [1]报告中确定的主要趋势。
思想互联网与物联网(IoT)的不同之处在于，它可以加速从数据输入中收集的见解，而无需引用基于云的核心IT结构。这很重要，因为随着大量数据收集设备的增加以及海量数据的出现，这些集中式系统将根本无法跟上。
当前的预测表明，到2020年，智能传感器和其他物联网设备将至少生成507.5 ZB的数据(超过5,000亿TB)。
通过将智能嵌入到整个物理世界的设备中，分析数据的位置变得更加可取，以便做出更快的决策，从而使云中的资源可以自由处理宏数据，从而获得“全局”或“元数据”见解。 ”。
例如，欧洲的一家火车运营商可以在火车上的摄像头上增加处理能力，从而可以识别出途中的空座位。这些数据可以实时转发到客户可以预订的站点。一旦火车出发或就座，该数据就可以被丢弃，从而节省了IT资源。但是，与此同时，可以将有关占用率的有价值的元数据存储并发送到云中，在云中可以投入更多时间来了解它，并相应地优化时间表和运输数量。
是什么推动了变革?
关于思维向互联网转变的第一件事是，我们的物理世界正在转变为一系列越来越智能的环境。在许多企业中，传感器并不是什么新鲜事物，但是机器人技术，身临其境的现实，人工智能和互联设备正在将复杂性提高到一个新的水平，在该水平下，始终需要做出更多决策。
例子无处不在：改善智慧城市交通流量的道路网络;连续监测患者状况的远程医疗;智能农业机械，以提高混合质量土地上的产量。所有这些对现场IT的要求越来越高-从某种意义上说，在某些情况下。
紧急性是将更多处理能力从云中带到IT系统边缘的主要驱动力之一。当然，与NeuroPace的传感器技术不同，并非每种情况都会涉及到人体无法预测的环境。但这并不意味着他们不能从更快，更本地化的决策中受益，或者减轻集中式IT的负担不会使整个组织受益。
升级IT
许多行业存在的一个问题是，当前的IT体系结构并非旨在支持“无处不在的智能”的思想，但也并非旨在支持来自任何地方的无限数据。随着越来越多的系统需要响应，处理能力需要大大提高。
迄今为止，公司倾向于通过添加用于处理任务的专用芯片(通常是图形处理单元或GPU)来加速其硬件。这些常见且有效的硬件加速器可能会耗费大量资源，尤其是在涉及到电源的情况下，但是它们是将更多智能带入IT系统边缘的一种久经考验的方法。
但是，特别苛刻的应用程序可能需要定制硬件，并且随着复杂的IT需求变得越来越普遍，我们可以期望在这一领域看到更多的创新。到2021年，增强现实和虚拟现实市场的全球收入预计将达到近2,150亿美元(1,570亿英镑)，这意味着在该领域的大量投资可能会很快获得回报。
例如，谷歌已经意识到，要在其一些最受欢迎的资源(例如地图)之后运行深层神经网络，可能需要将其数据中心的占地面积增加一倍才能获得所需的处理能力。作为回应，它构建了自己的计算机芯片：张量处理单元，它的效率是标准处理器的30到80倍。
这些变化将促使人们重新关注硬件，这是一个挑战，因为在过去的五到十年中，大多数企业都以软件为中心。尤其是银行，由于其系统庞大且难以更改，因此面临结构性问题。
互联网的思想虽然给人以灵活性。想象一下一家汽车工厂，在这里可以对智能机器人进行重新编程(甚至学习)以制造新车，而无需大量批发。您可以在开发产品时不断更新工厂。
在《 2018年技术远景报告》中接受调查的受访者中，有63%的高管认为，在未来两年中利用定制硬件和硬件加速器来满足智能环境的计算需求至关重要。但是对于那些可能的人，花时间在组织和结构变更上可能是值得的。
