在开发始终快速且始终可用的AI应用中，将数据和AI模型定位在交互点附近是关键。
译自 Enabling AI in IoT Apps with a Cloud-to-Edge Database，作者 Mark Gamble。
人工智能（AI）正推动着科技创新的下一波浪潮，而数据则是其动力源。因此，在你的AI实现中，数据处理可以说是其中最重要的部分之一，特别是在分布式和经常断开连接的环境中，这在物联网（IoT）应用中非常常见。
关键在于你需要一个能够满足IoT和AI需求的数据库。
在关于云到边缘AI与移动数据库的最新文章中，我探讨了一个具有内置数据同步和对AI支持的移动数据库平台如何加速在边缘应用中开发基于AI的功能和能力。
通过利用这样的数据库，使用AI的应用可以实现边缘计算的好处：它们运行更快，因为数据位于与交互点物理上更接近的位置，通过消除对固有不可靠的互联网的依赖，它们变得更可靠。
在物联网中，边缘计算变得尤为重要，因为物联网设备真实存在于网络边缘，以传感器、执行器、摄像头等形式。这些设备捕获大量数据，像海绵一样吸收并以高速流动。使用这些数据的应用必须能够尽快做出反应，但由于数据速度快且量大，有效利用它变得极为困难。AI正是解决这一难题的关键。
例如，对于高速且经常重复的时间序列传感器读数，经过训练的机器学习模型可以快速实时评估数据，找出问题和异常，过滤噪音，立即聚焦在需要关注的领域。
在没有互联网连接的情况下，实现这一点特别具有挑战性；处理数据和定位AI模型的位置可能会产生巨大差异。如果一切都在云端进行，由于必须通过互联网发送数据，然后等待结果返回，可能会导致显著的延迟。更糟糕的是，如果连接中断，应用程序可能会停滞不前。
移动数据库平台通过实现边缘AI数据库架构解决了这个问题，将数据和AI处理引入边缘，包括在设备上，消除了对互联网的依赖。在有连接性时，数据同步在后台进行，保持整个生态系统的一致性。
来源：Couchbase
这种架构使您能够在云端、边缘和设备上处理数据和AI，为处理物联网应用中固有的大量数据提供了规模，并具备在边缘迅速利用这些数据的能力。
一些物联网应用中的AI示例包括：
智慧城市
在主要大都市区，智能照明解决方案利用部署在市政照明网格中的物联网传感器。这些传感器检测交通、行人、天气和环境自然光照，并根据城市任何地方的实时需求，自主调整或关闭灯光。这可以节省超过75%的照明成本，同时提高市民的安全。这些解决方案利用经过训练的机器学习模型评估其环境，使它们能够区分行走的行人和被风吹动的物体，并做出相应的动作。AI还根据趋势提出改进建议，建议扩展和选择替代的部署位置以优化网格。
仓储机器人技术
自主机器可以在仓库中执行重复和/或危险的任务，如拣选、分类、包装和运输材料。通过这些解决方案，机器人车队可以在大规模仓库操作中自主执行任务，甚至在没有网络连接的区域，比人类工人更快、更准确、更不知疲倦。AI使这些机器人足够智能，能够在执行任务时检测、绕过甚至移动障碍物。系统的AI还分析随时间变化的数据模式，以推荐仓库布局和流量优化。
酒店客户互动
许多邮轮公司、游乐园和度假酒店为宾客提供可穿戴的物联网设备，作为进入客房和景点的访问密钥，以及无接触支付商品和便利设施的工具。系统还在宾客在环境中移动时跟踪这些设备，提供酒店服务提供商用来个性化客户体验的见解。系统中的AI使用宾客档案、位置和历史等数据，实时查找并呈现引人入胜的优惠。它还可以评估条件，如宾客移动和聚集，提供优化行人流量和人群控制的建议。这些应用必须在无论是否有互联网连接的情况下运行——您不希望宾客被困在房外或无法购物——因此它们受益于边缘AI数据库架构提供的最大运行时间的能力。
通过利用边缘AI数据库架构，组织可以实现更快、更可靠、更具有速度、准确性和运行时间保证的AI增强型物联网应用。
Couchbase Mobile是一种本地支持边缘计算架构的移动数据库平台。它在云端、边缘和个别设备之间同步数据，根据连接情况，网络中断时，应用程序继续使用本地数据处理。Couchbase Mobile可以在云端数据库和嵌入式数据库中集成机器学习模型，实现从云端到边缘的AI处理。
通过Couchbase Mobile，您可以在边缘开发和部署AI驱动的物联网应用，以满足任何速度、可用性或安全性要求。