物联网（IoT）的核心在于数据。然而，随着联网设备产生的数据量激增，行业面临的挑战也从单纯的数据收集，转变为如何实时理解和处理数据。不妨想象这样一个场景：您只需像日常对话一样，使用自然语言就能实时查询数据流；而原本晦涩难懂的传感器数据，转眼间就能变成清晰明了的预警提示，直接指导您的下一步行动。

　　这一愿景正在成为现实。随着 EMQX 5.10.0 的发布，实时数据流与人工智能的融合已进入全新阶段，我们创新性地在可视化流处理引擎中集成大语言模型（LLM）。这将为您的 MQTT 数据流注入 OpenAI GPT、Anthropic Claude 以及任何兼容 OpenAI 的大模型的强大功能。

　　为什么要将物联网数据流与人工智能相结合？

　　传统上，将人工智能应用于物联网数据需要复杂且昂贵的工程设计。您必须将数据从 MQTT broker 迁移到单独的平台进行处理，这会给时效性要求高的应用程序带来不可接受的延迟。

　　EMQX 创新性地解决了这一痛点。通过将 AI 处理能力直接嵌入数据流，您可以构建智能工作流，实时分析、增强和转换 MQTT 消息。这为开发具备实时感知、推理和响应能力的新型应用奠定了基础。

　　在首个版本中，我们已实现与 OpenAI 和 Anthropic 模型的深度集成。

　　解锁全新可能：关键应用场景

　　将大模型融入数据流，可轻松实现过去难以构建的创新应用场景。

　　智能异常检测：

　　大模型能够综合分析多字段关联关系，识别复杂异常状态，突破传统阈值告警的局限。

　　例如：对 {'振动值': 9.5, '温度': 85, '压力': 1.2} 这样的数据进行整体分析，大模型可以智能推断：同一读数中，当振动与温度同时升高时，其风险程度远高于单一指标异常，进而生成精准告警：「紧急告警：设备 XYZ 同时出现高振动与高温，可能存在轴承过载风险」。

　　实时数据汇总：

　　将传感器原始、复杂的 JSON 数据自动转换为简洁直观的业务语言，用于仪表板或移动通知。

　　例如：将原始数据 {"device_id": "device123", "temperature": 38.2, "humidity": 75} 自动转换为「设备 device123 高温告警：温度 38.2°C，湿度 75%」，以此显著提升监控效率。

　　自然语言数据处理：

　　通过简单指令完成复杂数据转换。

　　例如，您可以指示大模型处理包含多个功率读数的 JSON 数据并仅返回总和，从而简化下游分析的数据准备工作。

　　语义数据分类：

　　根据消息内容自动对其进行分类和路由。

　　例如：大模型可以读取设备日志，确定其事件是 INFO、WARNING 还是 CRITICAL_ERROR，并标记消息以便将其路由到不同的系统。

　　5 分钟快速入门：创建您的首个 AI 驱动流程

　　无需编写代码，通过可视化 Flow 设计器即可快速构建一个读取传感器数据，并使用 OpenAI 生成易读摘要的数据流。

　　准备工作：您需要一个有效的 OpenAI API 密钥。

　　步骤 1：设置数据源

　　在 EMQX Flow 设计器中，将「消息节点」拖到画布上。配置它以订阅您设备发布数据的 MQTT 主题，例如 sensors/temp_humid。

　　步骤 2：添加 AI 处理

　　从处理面板拖拽「OpenAI 节点」到数据源节点。在配置面板中：

　　输入：选择 payload 将整个 MQTT 消息传递给模型。

　　系统消息：输入自然语言指令。例如：将设备传感器读数转换为易读的简短摘要。

　　模型：选择一个 OpenAI 模型，例如 gpt-4o。

　　API 密钥：安全输入您的 OpenAI API 密钥。

　　输出别名：为 AI 的输出命名，例如 summary。

　　步骤 3：重新发布洞察

　　从输出面板拖出一个「重新发布」节点并将其连接到 OpenAI 节点。配置它并将结果发布到一个新主题中，如「ai/summary」，在「payload」字段中使用刚才创建的别名：${summary}。

　　步骤 4：部署和测试

　　连接所有节点并保存流程。

　　现在，当您向主题发布 JSON 消息时，您将看到该主题上实时「sensors/temp_humid」出现自然语言摘要「ai/summary」。

　　发布一条测试消息，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 为「device123」的设备记录的温度为 38.2°C，湿度为 75%。

　　突破数据处理边界：高级 AI 功能

　　EMQX 5.10.0 中的大模型集成超越了简单的数据汇总，您可以实现以下高级功能：

　　对传入数据流进行分类。

　　基于复杂模式识别生成告警。

　　从非结构化传感器日志中提取结构化信息。

　　根据历史数据模式提供上下文建议。

　　将技术数据转化为业务友好的分析见解。

　　性能优化建议

　　调用大模型处理数据需要一定时间，整个过程大概有几秒到十几秒，具体取决于模型的响应速度。因此，大模型处理节点并不适用于高消息吞吐量（TPS）的场景。

　　为了获得最佳性能：

　　选择性地将大模型处理应用于高价值数据。

　　使用数据过滤仅处理相关消息。

　　考虑在边缘端聚合多个数据点或消息，然后将它们作为单个 MQTT 消息发送到 broker。

　　持续监控处理时间并进行相应调整。

　　拓展能力边界

　　EMQX 5.10.0 中的大模型集成仅仅是我们 AI 征程的起点。我们正在开发更多 AI 功能，包括：

　　支持更多大模型供应商。

　　用于语义搜索的向量嵌入生成。

　　与主流 AI 框架集成。

　　增强提示词模板和优化工具。

　　实时智能：EMQX 的未来

　　EMQX 与大模型的深度融合，正在重新定义物联网开发的边界。这不仅是一次简单的功能升级，而是一场从底层改变物联网应用开发方式的革命性突破。

　　我们为开发者打造了直观易用的低代码交互界面，让生成式 AI 的能力可以无缝融入数据流转的每个环节。打造具备真正智能、即时响应和自主决策能力的物联网系统变得前所未有的简单。

　　准备好利用人工智能激活您的物联网数据了吗？

免责声明：以上内容为本网站转自其它媒体，相关信息仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。如稿件版权单位或个人不想在本网发布，可与本网联系，本网视情况可立即将其撤除。