1、边缘端AI模型的部署将会越来越容易。越来越多的大厂，如芯片和工业自动化大厂，会推出自己的边缘设备AI模型生成和部署工具；
2、对于被监测的设备或需要处理的对象，重要的是根据需求确定能够体现其结构化特征的表征监测项。同样重要的是，如何采集表征监测项数据；
4、更重要的是用于AI模型学习的数据，包括数据的获取和必要的标识；
5、关键问题的关键样本数据反而不容易获取。小样本学习是途径之一；
6、如果能够用数据分析的数学模型表述出设备或对象的内在结构化特征，就不一定要用AI模型。如果面对的是个黑盒，那用AI模型的锤子先砸一砸也无妨。
