AIoT具有如此巨大潜力的原因在于如何交付AI。AIoT从根本上摆脱了传统的云计算结构。通过将智能直接嵌入终端设备本身，无论是家庭中的智能扬声器还是城市中的智能交通摄像头，我们都可以改变一切。
首先，设备不会与技术巨头共享你的数据，从而损害你当前和将来的隐私。其次，设备几乎可以立即做出决策，因为它们不必承受与从云中来回发送数据相关的延迟问题。第三，这意味着智能设备可以在任何地方存在，它们不会遭受缺少或变化的网络连接问题的困扰，随着世界上越来越多的设备将更多设备连接到云，这只会在未来几年变得更糟。
以自动驾驶汽车为例，自动驾驶汽车必须能够根据周围环境做出即时驾驶决策。由于网络连接问题、延迟和带宽，传统的基于云的AI模型无法支持自动驾驶汽车。 AIoT有望解决这一问题，并在种类繁多的电子产品中解决许多类似的挑战。
精密医学。目前正在使用AI来了解一个人的遗传学、环境和生活方式如何帮助确定预防或治疗某种疾病的最佳方法。数字疗法、定制设计的药物和改进的诊断方法已经使治疗变得更实惠、更容易获得、更准确，并且正在帮助人们寿命更长、更健康。
无人驾驶汽车。深度学习擅长于涉及模式识别的任务，并且在感知、预测和动态规划方面，现代汽车将比人类更好。IEEE Spectrum指出，到2035年，无人驾驶汽车将行驶70%的里程。随着无人驾驶汽车成为主流并使由于人类驾驶员过失造成的事故成为过去，致命驾驶事故预计将急剧下降。
虚拟助手。诸如Siri、Alexa之类的AI虚拟助手以及其他使用自然语言处理来理解和执行人类所执行任务的应用正在蓬勃发展。语音技术已经使人们的生活变得更加轻松并且得到了广泛使用，但是当虚拟助手连接到机器人并且成为奇异性的一部分时，语音技术将在我们的生活中扮演更加重要的角色。
植入物。脑机接口的广泛采用将导致人类智能的大规模扩展，并可能使人类解决许多医疗状况，包括瘫痪、失明、焦虑和成瘾。使用植入物对人类基本生物学进行重新编程，可以使我们在短短几年内不断壮大和升级。例如，由埃隆·马斯克(Elon Musk)的公司Neuralink制造的大脑中植入了猴子的猴子，现在可以仅凭自己的想法玩游戏。想象一下，一旦将其商业化，人类将能够做什么。
大规模监视。大型科技公司对AI的广泛使用带来了数字隐私的破坏。某些地区的社会信用体系不仅将监视范围扩展到数字世界，而且扩展到生活的各个方面，以判断公民的行为和可信度，并对人们进行严格控制。随着Covid-19护照的问世，许多人担心这是朝着在西方世界推广这种类型的管制迈出的第一步。
现代战争。在下一场大战中，人工智能可能成为赢与输之间的决定性因素。借助无人水下航行器、智能机器人设备、无人机、机器人和精确制导导弹的星座，现代战争的至高无上将由技术决定。机器人比人类更快、更强大、更准确，并且遵循的指令比人类要好得多，并且可能使士兵过时。
大量失业。 Udacity首席执行官Gabe Dalporto告诉《时代》杂志，他估计到2030年将有10亿人因AI失去工作，而Covid-19大流行只会加速这一趋势。从规模上看，这些广泛的失业可能与美国和欧洲在1900年代摆脱农业劳动力的情况相抗衡。不幸的是，这种技术趋势是不可避免的，并且很可能会加剧不平等并把权力置于少数人手中。
社会经济不平等。随着数以百万计的低技能到中等技能的工作岗位消失，中等技能和高技能劳动力之间的收入差距将是巨大的。根据联合国的数据，“71%的世界人口生活在不平等加剧的国家”，“在57个有数据的国家中，有46个国家的收入流向全球最富有的1%人口的份额有所增加。”为算法工作的大众、设计和训练算法系统的享有特权的技术阶层和拥有算法的超级富豪贵族之间存在基于阶级的分化。
AIoT的成功完全取决于支撑它的技术的持续发展。尽管我们可以对它将对社会产生的影响进行理论分析，但当前的处理器仍然存在许多缺点，无法大规模推广。
AIoT是一个相对较新的生态系统，要在所需的小型、低功耗设备中嵌入运行它所需的计算能力并不是一件容易的事。为了使AI有效，它需要能够在很长一段时间内具有高性能的低成本处理器，以便能够在几乎所有“智能”应用中工作。但是现有的芯片往往体积大，价格昂贵并且是为特定目的而设计的，因此并不是将其用作大规模生产各种设备的理想选择。
尽管如此，半导体行业正在努力解决这些问题，并且在过去的一年中，由于计算机体系结构和半导体工艺技术的重大突破，市场已经开始看到第一款真正的灵活、低成本、高性能处理器进入应用。这些处理器的工程壮举不容小,，它们代表了未来AIoT的基础。
如果你是一家销售用于智能家居、医疗保健、运输、制造的电子产品的企业，那么你最终可以开始计划将AI置于产品的核心位置，尤其是当你是智能家居的电子产品制造商时。这场大流行更加关注我们家庭的生活质量，因此，智能家居代表了AIoT的最大即时机遇。
那么，你该怎么做才能做好准备呢？一切都始于处理器。每位电子工程师都会告诉你，要将AI嵌入设备中，你需要大幅提高该设备的处理能力，但又不增加总成本。这是一个古老的工程挑战，但最终是一个可以克服的挑战。最好的建议是寻找面向未来的芯片技术，该技术具有高性能、低成本和足够的灵活性，几乎可以在所有AI应用中使用。
