物联网的有哪些主要应用领域

智能制造。智能门锁，可以上传盗窃信息、物流配送最佳时间等。智能机器人。监控冰箱、与冰箱里的食物保存状态。

智能汽车，透过路径分析节省燃料或时间。智能运动检测程序。智能园艺浇水。智能家居系统，有效的节能与生活辅助。智能供应链定制、智能环境监测系统、智能贩卖机、智能城市、智能交通。

当然，物联网还会有许多广泛的用途，遍及智能交通、环境保护、政府工作、公共安全、平安家居、智能消防、工业监测、老人护理、个人健康、花卉栽培、水系监测、食品溯源、敌情侦查和情报搜集等多个领域。

扩展资料：

物联网的基本特征从通信对象和过程来看，物与物、人与物之间的信息交互是物联网的核心。物联网的基本特征可概括为整体感知、可靠传输和智能处理 。

整体感知—可以利用射频识别、二维码、智能传感器等感知设备感知获取物体的各类信息。

可靠传输—通过对互联网、无线网络的融合，将物体的信息实时、准确地传送，以便信息交流、分享。

智能处理—使用各种智能技术，对感知和传送到的数据、信息进行分析处理，实现监测与控制的智能化。根据物联网的以上特征，结合信息科学的观点，围绕信息的流动过程，可以归纳出物联网处理信息的功能:

获取信息的功能。主要是信息的感知、识别，信息的感知是指对事物属性状态及其变化方式的知觉和敏感；信息的识别指能把所感受到的事物状态用一定方式表示出来。

传送信息的功能。主要是信息发送、传输、接收等环节，最后把获取的事物状态信息及其变化的方式从时间(或空间)上的一点传送到另一点的任务，这就是常说的通信过程。

处理信息的功能。是指信息的加工过程，利用已有的信息或感知的信息产生新的信息，实际是制定决策的过程。

施效信息的功能。指信息最终发挥效用的过程，有很多的表现形式，比较重要的是通过调节对象事物的状态及其变换方式，始终使对象处于预先设计的状态。

参考资料来源：百度百科-物联网

我觉得二者相辅相成，但物联网可能更适应社会发展需求。原因如下

人工智能类似软件，需要物联网作为载体，物联网类似个硬件，是需要人工智能来驱动的。人工智能需要落地的应用作为载体，物联网就是一个最重要的载体。

物联网的英文是Internet of things简称IOT，翻译过来就是,,物物相连,万物互联，简单来说,即是物与物相连互联的互联网，但其实,物联网在我们的生活中已经无处不在，从我们在上学期间使用的校园一卡通，到高速上的ETC,再到近些年流行的智能手环可穿戴设备等等，都是物联网运用的例子，另外,随着AI技术的发展，物联网+AI带来了更多的可能性。

传统家居产品的智能化就是一个很好的例子，互联网时代,我们使用手机等设备获取输出信息，d属于人机交互模型，是以人为主体在网络上传输数据和信息，物联网主要分为3个组成部分，网络连接(connectivity)、数据处理，(device)、网络连接，传感器被安装在各种产品中，它们就是万物互联的物，这些传感器或者是芯片，让产品拥有感知能力和数据处理能力。

同时物联网感知设备每天可以收集产生大量的数据，如何利用这些数据并且分析数据，就成为难题，随着人工智能的发展，一些人工智能的分析方法就可以引入进来，人工智能为物联网面临的数据难题提供了最好的解决方案，人工智能通过强大的数据分析能力，在人类的帮助下做出最佳的决策，人工智能与物联网相融合，利用人工智能实时分析数据的物联网设备终端正在走入我们的千家万户。
最简单的设备例子：语音音箱和手机端语音助手，就是建立在自然语音处理的技术之上的物联网终端设备，物联网家庭摄像头也极大的依赖计算机视觉技术实施监控功能。这些物联网设备也只有借助人工智能技术的加持才能真正的发挥其优越性。物联网和人工智能 的关系就是一种相辅相成，携手并进，互相依赖的关系。

但人工智能的周期发展还是很长的，而目前很多大学把人工智能的核心的内容在研究生阶段培养，本科阶段用来测验学生是否有学习的潜力和能力。同时人工智能专业对教学设备和教学师资有过高的要求，而人工智能行业但凡有独特认知和能力的人才基本上在大型企业，没有在学校。人工智能对学历要求比较高。
物联网工程的市场庞大，因此就业前景也非常好。毕业生可从事信息传播时代内容方面的深度、综合、跨学科的信息传播工作,同时也能在新闻传播技术方面从事设计、制作等方面的传播技术类工作或者在政府管理部门、科学研究机构、设计院、咨询公司、建筑工程公司、物业及能源管理、建筑节能设备及产品制造生产企业等单位从事建筑节能的研究、设计、施工、运行、监测与管理工作等等。

1感应层将物品联入互联网的目的之一是信息共享，信息加工，实时控制，但是现在很多传感器的功能都还处于初级阶段。例如家用电器的开关情况，或者热水器的温度情况等。在我看来这些样的信息若要产生比较理想的效用，那得有一个前提，就是收集的数据量巨大。而在感应层如果用上人工智能的技术，就可以将传感器的功能增强，从而从数据的来源上提高了数据的可用性。举个简单的例子：如果在每个红绿灯路口加装监控系统，在没有用到人工智能的技术的情况下，也许能够统计到经过车辆的数量这样的信息。但是一旦用上人工智能技术中的图像识别技术，就不仅能知道这个路口的车辆经过数量，还可以识别出经过车辆的车牌号，车辆类型等信息。这样就可以在感应层采集到更多的有用信息用于进一步的分析处理。2分析层将大量的信息搜集到之后，就可以在一个统一的计算机中心对这些数据进行人工智能的另一种应用，数据挖掘。例如刚才那个路口监控系统的例子。在这一层我们可以做的事情就是根据车辆的统计数据，分析出那些路口在怎样的时段容易造成交通拥堵等信息，以便在应用层进行改善。甚至可以根据识别出来的车牌号信息，对每个车辆的交通使用习惯进行分析，这样也能从宏观上预测出将来可能发生的交通阻塞。3应用层人工智能在应用层的应用与感应层类似，都是在物件这种实体上进行功能上的改进。例如可以利用分析层所传来的指挥信息，智能得调节某些路口的红绿灯。如果整条路上几乎没有车辆的时候，就可以将这条路上的人行横道旁的指示灯全部置为绿色（这个功能并不需要人工智能）。还有很多很多我没有想到的应用，我在此只是抛砖引玉。

---