随着越来越多的智能被添加到设备中，谁赢谁输。
在无处不在的电子产品中加入智能会产生一些后果，但不一定是大多数人所期望的。
如今，几乎所有的电子产品都内置或添加了某种“智能”功能。这可以很简单，比如一个烟雾报警器，它会在电池快用完的时候提醒你;一个家庭助手，它会了解你的日程安排，并将恒温器调高或调低;或者一个机器人吸尘器，它会在你的家里绘制地图，并安排它能找到最多污垢的地方。
当然，称之为智力是不恰当的。在某些情况下，它只不过是位映射。尽管如此，在设备中构建模式识别可以极大地改善用户体验，在许多情况下，消费者愿意为额外的便利付费。他们不希望冰箱为他们点餐，但他们更愿意花钱让自己不用做平凡的工作。
但随着时间的推移，尤其是随着越来越多的设备集成到其他设备中，这些部件将如何相互作用呢?今天，没有办法测试甚至完全预测这些相互作用。以吸尘器为例，如果它撞到物体或卡在椅子下面，可能并不重要。但如果是机器人或汽车，任何形式的干扰都可能造成伤害。
当干扰来自系统内部时，问题会变得更糟——或者更糟的是，来自与该系统相连的另一个系统。在设备中添加的情报越多，出现差错的可能性就越大。这些设备移动和交互的速度越快，出现问题的可能性就越大。
我们需要的是定义这些设备应该如何运作的层层规则，这些规则需要由横跨整个供应链的公司联盟制定，从设计到制造，测试和检查，一直到现场。因此，这不是只有一两家公司决定这些设备应该如何与他们开发的其他设备交互，而是为整个行业提供了一种参与和创新扩展的方式。
在AI/ML领域，这是一个巨大的挑战。开发这些算法的公司或数据科学家对其中许多算法只有模糊的了解。光是让这些设备正常工作就已经很困难了，算法更新的速度就证明了这一点。关于这些设备应该如何交互，或者需要内置什么样的安全性，几乎没有一组已定义的规则。
大部分的开发工作都是秘密进行的。许多公司开发的算法都是高度专有的。特斯拉的自动驾驶算法与大众汽车的非常不同。到目前为止，他们几乎没有互动。他们的主要目标是逃避。
但为了提高安全性和可靠性，它们必须在某些时候相互作用，相互作用，与基础设施相互作用。将需要标准来模拟一组给定的可能的交互，几乎就像智能手机为6万到8万可能的用户场景而开发一样。在AI/ML系统的情况下，交互的数量可能会高几个数量级。这比单个公司自己可能开发的情况要多，但对于一个数万亿美元行业的整个供应链来说，这肯定是在可能的范围内。
这个市场要想超越少数非常富有的公司，超越目前极其粗糙的互动，就必须进行沟通和互动。为了使这一切都能按预期工作，这些设备必须受到监控和可靠，它们收集的数据需要足够精确，以满足特定目的。
这是一项艰巨的任务，将迫使许多公司走出自己的舒适区。但如果操作得当，它可能会极大地增加芯片行业的足迹。
|
|
|
|
|
|
|
|
|
|
留下回复