物聯(lián)網(wǎng)（IoT）的核心在于數(shù)據(jù)。然而，隨著聯(lián)網(wǎng)設(shè)備產(chǎn)生的數(shù)據(jù)量激增，行業(yè)面臨的挑戰(zhàn)也從單純的數(shù)據(jù)收集，轉(zhuǎn)變?yōu)槿绾螌?shí)時理解和處理數(shù)據(jù)。不妨想象這樣一個場景：您只需像日常對話一樣，使用自然語言就能實(shí)時查詢數(shù)據(jù)流；而原本晦澀難懂的傳感器數(shù)據(jù)，轉(zhuǎn)眼間就能變成清晰明了的預(yù)警提示，直接指導(dǎo)您的下一步行動。

　　這一愿景正在成為現(xiàn)實(shí)。隨著 EMQX 5.10.0 的發(fā)布，實(shí)時數(shù)據(jù)流與人工智能的融合已進(jìn)入全新階段，我們創(chuàng)新性地在可視化流處理引擎中集成大語言模型（LLM）。這將為您的 MQTT 數(shù)據(jù)流注入 OpenAI GPT、Anthropic Claude 以及任何兼容 OpenAI 的大模型的強(qiáng)大功能。

　　為什么要將物聯(lián)網(wǎng)數(shù)據(jù)流與人工智能相結(jié)合？

　　傳統(tǒng)上，將人工智能應(yīng)用于物聯(lián)網(wǎng)數(shù)據(jù)需要復(fù)雜且昂貴的工程設(shè)計。您必須將數(shù)據(jù)從 MQTT broker 遷移到單獨(dú)的平臺進(jìn)行處理，這會給時效性要求高的應(yīng)用程序帶來不可接受的延遲。

　　EMQX 創(chuàng)新性地解決了這一痛點(diǎn)。通過將 AI 處理能力直接嵌入數(shù)據(jù)流，您可以構(gòu)建智能工作流，實(shí)時分析、增強(qiáng)和轉(zhuǎn)換 MQTT 消息。這為開發(fā)具備實(shí)時感知、推理和響應(yīng)能力的新型應(yīng)用奠定了基礎(chǔ)。

　　在首個版本中，我們已實(shí)現(xiàn)與 OpenAI 和 Anthropic 模型的深度集成。

　　解鎖全新可能：關(guān)鍵應(yīng)用場景

　　將大模型融入數(shù)據(jù)流，可輕松實(shí)現(xiàn)過去難以構(gòu)建的創(chuàng)新應(yīng)用場景。

　　智能異常檢測：

　　大模型能夠綜合分析多字段關(guān)聯(lián)關(guān)系，識別復(fù)雜異常狀態(tài)，突破傳統(tǒng)閾值告警的局限。

　　例如：對 {'振動值': 9.5, '溫度': 85, '壓力': 1.2} 這樣的數(shù)據(jù)進(jìn)行整體分析，大模型可以智能推斷：同一讀數(shù)中，當(dāng)振動與溫度同時升高時，其風(fēng)險程度遠(yuǎn)高于單一指標(biāo)異常，進(jìn)而生成精準(zhǔn)告警：「緊急告警：設(shè)備 XYZ 同時出現(xiàn)高振動與高溫，可能存在軸承過載風(fēng)險」。

　　實(shí)時數(shù)據(jù)匯總：

　　將傳感器原始、復(fù)雜的 JSON 數(shù)據(jù)自動轉(zhuǎn)換為簡潔直觀的業(yè)務(wù)語言，用于儀表板或移動通知。

　　例如：將原始數(shù)據(jù) {"device_id": "device123", "temperature": 38.2, "humidity": 75} 自動轉(zhuǎn)換為「設(shè)備 device123 高溫告警：溫度 38.2°C，濕度 75%」，以此顯著提升監(jiān)控效率。

　　自然語言數(shù)據(jù)處理：

　　通過簡單指令完成復(fù)雜數(shù)據(jù)轉(zhuǎn)換。

　　例如，您可以指示大模型處理包含多個功率讀數(shù)的 JSON 數(shù)據(jù)并僅返回總和，從而簡化下游分析的數(shù)據(jù)準(zhǔn)備工作。

　　語義數(shù)據(jù)分類：

　　根據(jù)消息內(nèi)容自動對其進(jìn)行分類和路由。

　　例如：大模型可以讀取設(shè)備日志，確定其事件是 INFO、WARNING 還是 CRITICAL_ERROR，并標(biāo)記消息以便將其路由到不同的系統(tǒng)。

　　5 分鐘快速入門：創(chuàng)建您的首個 AI 驅(qū)動流程

　　無需編寫代碼，通過可視化 Flow 設(shè)計器即可快速構(gòu)建一個讀取傳感器數(shù)據(jù)，并使用 OpenAI 生成易讀摘要的數(shù)據(jù)流。

　　準(zhǔn)備工作：您需要一個有效的 OpenAI API 密鑰。

　　步驟 1：設(shè)置數(shù)據(jù)源

　　在 EMQX Flow 設(shè)計器中，將「消息節(jié)點(diǎn)」拖到畫布上。配置它以訂閱您設(shè)備發(fā)布數(shù)據(jù)的 MQTT 主題，例如 sensors/temp_humid。

　　步驟 2：添加 AI 處理

　　從處理面板拖拽「OpenAI 節(jié)點(diǎn)」到數(shù)據(jù)源節(jié)點(diǎn)。在配置面板中：

　　輸入：選擇 payload 將整個 MQTT 消息傳遞給模型。

　　系統(tǒng)消息：輸入自然語言指令。例如：將設(shè)備傳感器讀數(shù)轉(zhuǎn)換為易讀的簡短摘要。

　　模型：選擇一個 OpenAI 模型，例如 gpt-4o。

　　API 密鑰：安全輸入您的 OpenAI API 密鑰。

　　輸出別名：為 AI 的輸出命名，例如 summary。

　　步驟 3：重新發(fā)布洞察

　　從輸出面板拖出一個「重新發(fā)布」節(jié)點(diǎn)并將其連接到 OpenAI 節(jié)點(diǎn)。配置它并將結(jié)果發(fā)布到一個新主題中，如「ai/summary」，在「payload」字段中使用剛才創(chuàng)建的別名：${summary}。

　　步驟 4：部署和測試

　　連接所有節(jié)點(diǎn)并保存流程。

　　現(xiàn)在，當(dāng)您向主題發(fā)布 JSON 消息時，您將看到該主題上實(shí)時「sensors/temp_humid」出現(xiàn)自然語言摘要「ai/summary」。

　　發(fā)布一條測試消息，例如：

　　{  "device_id": "device123",  "temperature": 38.2,  "humidity": 75,  "timestamp": 1717568000000}

　　并收到智能摘要：

　　2024 年 6 月 5 日，ID 為「device123」的設(shè)備記錄的溫度為 38.2°C，濕度為 75%。

　　突破數(shù)據(jù)處理邊界：高級 AI 功能

　　EMQX 5.10.0 中的大模型集成超越了簡單的數(shù)據(jù)匯總，您可以實(shí)現(xiàn)以下高級功能：

　　對傳入數(shù)據(jù)流進(jìn)行分類。

　　基于復(fù)雜模式識別生成告警。

　　從非結(jié)構(gòu)化傳感器日志中提取結(jié)構(gòu)化信息。

　　根據(jù)歷史數(shù)據(jù)模式提供上下文建議。

　　將技術(shù)數(shù)據(jù)轉(zhuǎn)化為業(yè)務(wù)友好的分析見解。

　　性能優(yōu)化建議

　　調(diào)用大模型處理數(shù)據(jù)需要一定時間，整個過程大概有幾秒到十幾秒，具體取決于模型的響應(yīng)速度。因此，大模型處理節(jié)點(diǎn)并不適用于高消息吞吐量（TPS）的場景。

　　為了獲得最佳性能：

　　選擇性地將大模型處理應(yīng)用于高價值數(shù)據(jù)。

　　使用數(shù)據(jù)過濾僅處理相關(guān)消息。

　　考慮在邊緣端聚合多個數(shù)據(jù)點(diǎn)或消息，然后將它們作為單個 MQTT 消息發(fā)送到 broker。

　　持續(xù)監(jiān)控處理時間并進(jìn)行相應(yīng)調(diào)整。

　　拓展能力邊界

　　EMQX 5.10.0 中的大模型集成僅僅是我們 AI 征程的起點(diǎn)。我們正在開發(fā)更多 AI 功能，包括：

　　支持更多大模型供應(yīng)商。

　　用于語義搜索的向量嵌入生成。

　　與主流 AI 框架集成。

　　增強(qiáng)提示詞模板和優(yōu)化工具。

　　實(shí)時智能：EMQX 的未來

　　EMQX 與大模型的深度融合，正在重新定義物聯(lián)網(wǎng)開發(fā)的邊界。這不僅是一次簡單的功能升級，而是一場從底層改變物聯(lián)網(wǎng)應(yīng)用開發(fā)方式的革命性突破。

　　我們?yōu)殚_發(fā)者打造了直觀易用的低代碼交互界面，讓生成式 AI 的能力可以無縫融入數(shù)據(jù)流轉(zhuǎn)的每個環(huán)節(jié)。打造具備真正智能、即時響應(yīng)和自主決策能力的物聯(lián)網(wǎng)系統(tǒng)變得前所未有的簡單。

　　準(zhǔn)備好利用人工智能激活您的物聯(lián)網(wǎng)數(shù)據(jù)了嗎？

免責(zé)聲明：以上內(nèi)容為本網(wǎng)站轉(zhuǎn)自其它媒體，相關(guān)信息僅為傳遞更多信息之目的，不代表本網(wǎng)觀點(diǎn)，亦不代表本網(wǎng)站贊同其觀點(diǎn)或證實(shí)其內(nèi)容的真實(shí)性。如稿件版權(quán)單位或個人不想在本網(wǎng)發(fā)布，可與本網(wǎng)聯(lián)系，本網(wǎng)視情況可立即將其撤除。