物聯(lián)網（IoT）是一個由智能設備連接起來的網絡，并提供了豐富的數據，但是它也有可能是一場安全領域的噩夢。

物聯(lián)網（Internet of Things）（IoT）是一個統(tǒng)稱，指的是越來越多不屬于傳統(tǒng)計算設備，但卻連接到互聯(lián)網接收或發(fā)送數據，或既接收也發(fā)送的電子設備組成的網絡。

現在有數不勝數的東西可以歸為這一類：可以聯(lián)網的“智能”版?zhèn)鹘y(tǒng)設備，比如說電冰箱和燈泡；那些只能運行于有互聯(lián)網環(huán)境的小設備，比如像 Alexa 之類的電子助手；與互聯(lián)網連接的傳感器，它們正在改變著工廠、醫(yī)療、運輸、物流中心和農場。

什么是物聯(lián)網？

物聯(lián)網將互聯(lián)網、數據處理和分析的能力帶給了現實的實物世界。對于消費者來說，這就意味著不需要鍵盤和顯示器這些東西，就能和這個全球信息網絡進行互動；他們的日常用品當中，很多都可以通過該網絡接受操作指令，而只需很少的人工干預。

互聯(lián)網長期以來為知識工作提供了便利，在企業(yè)環(huán)境當中，物聯(lián)網也能為制造和分銷帶來同樣的效率。全球數以百萬計甚至數十億計的嵌入式具有互聯(lián)網功能的傳感器正在提供令人難以置信豐富的數據集，企業(yè)可以利用這些數據來保證他們運營的安全、跟蹤資產和減少人工流程。研究人員也可以使用物聯(lián)網來獲取人們的喜好和行為數據，盡管這些行為可能會嚴重影響隱私和安全。

它有多大？

一句話：非常龐大。 Priceonomics 對此進行了分析 ：在 2020 年的時候，有超過 50 億的物聯(lián)網設備，這些設備可以生成 4.4 澤字節(jié)（zettabyte）（LCTT 譯注：1 zettabyte = 109 terabyte = 1012 gigabyte）的數據。相比較，物聯(lián)網設備在 2013 年僅僅產生了 1000 億 千兆字節(jié)（gigabyte）的數據。在物聯(lián)網市場上可能掙到的錢也同樣讓人瞠目；到 2025 年，這塊市場的價值可以達到 1.6 萬億美元到 14.4 萬億美元不等。

物聯(lián)網的歷史

一個聯(lián)網設備和傳感器無處不在的世界，是科幻小說中最經典的景象之一。物聯(lián)網傳說中將 1970 年 卡耐基？梅隆大學的一臺連接到 APRANET 的自動販賣機 稱之為世界上第一個物聯(lián)網設備，而且許多技術都被吹捧為可以實現 “智能” 的物聯(lián)網式特征，使其頗具有未來主義的光彩。但是“物聯(lián)網”這個詞是由英國的技術專家 Kevin Ashton 于 1999 年提出來的。

一開始，技術是滯后于當時對未來的憧憬的。每個與互聯(lián)網相連的設備都需要一個處理器和一種能和其他東西通信的方式，無線的最好，這些因素都增加了物聯(lián)網大規(guī)模實際應用的成本和性能要求，這種情況至少一直持續(xù)到 21 世紀頭十年中期，直到摩爾定律趕上來。

一個重要的里程碑是 RFID 標簽的大規(guī)模使用 ，這種價格低廉的極簡轉發(fā)器可以被貼在任何物品上，然后這些物品就可以連接到更大的互聯(lián)網上了。對于設計者來說，無處不在的 Wi-Fi 和 4G 讓任何地方的無線連接都變得非常簡單。而且，IPv6 的出現再也不用讓人們擔心把數十億小設備連接到互聯(lián)網上會將 IP 地址耗盡。（相關報道： 物聯(lián)網網絡可以促進 IPv6 的使用嗎？ ）

物聯(lián)網是如何工作的？

物聯(lián)網的基本元素是收集數據的設備。廣義地說，它們是和互聯(lián)網相連的設備，所以每一個設備都有 IP 地址。它們的復雜程度不一，這些設備涵蓋了從工廠運輸貨物的自動駕駛車輛到監(jiān)控建筑溫度的簡單傳感器。這其中也包括每天統(tǒng)計步數的個人手環(huán)。為了讓這些數據變得有意義，就需要對其收集、處理、過濾和分析，每一種數據都可以通過多種方式進行處理。

采集數據的方式是將數據從設備上傳輸到采集點。可以通過各種無線或者有線網絡進行數據的轉移。數據可以通過互聯(lián)網發(fā)送到具有存儲空間或者計算能力的數據中心或者云端，或者這些數據也可以分段進行傳輸，由中間設備匯總數據后再沿路徑發(fā)送。

處理數據可以在數據中心或者云端進行，但是有時候這不太可行。對于一些非常重要的設備，比如說工業(yè)領域的關停設備，從設備上將數據發(fā)送到遠程數據中心的延遲太大了。發(fā)送、處理、分析數據和返回指令（在管道爆炸之前關閉閥門）這些操作，來回一趟的時間可能要花費非常多的時間。在這種情況下， 邊緣計算（edge-computing）就可以大顯身手了，智能邊緣設備可以匯總數據、分析數據，在需要的時候進行回應，所有這些都在相對較近的物理距離內進行，從而減少延遲。邊緣設備可以有上游連接，這樣數據就可以進一步被處理和儲存。

物聯(lián)網是如何工作的。

物聯(lián)網設備的一些例子

本質上，任何可以搜集來自于真實世界數據，并且可以發(fā)送回去的設備都可以參與到物聯(lián)網生態(tài)系統(tǒng)中。典型的例子包括智能家居設備、射頻識別標簽（RFID）和工業(yè)傳感器。這些傳感器可以監(jiān)控一系列的因素，包括工業(yè)系統(tǒng)中的溫度和壓力、機器中關鍵設備的狀態(tài)、患者身上與生命體征相關的信號、水電的使用情況，以及其它許許多多可能的東西。

整個工廠的機器人可以被認為是物聯(lián)網設備，在工業(yè)環(huán)境和倉庫中移動產品的自主車輛也是如此。

其他的例子包括可穿戴設備和家庭安防系統(tǒng)。還有一些其它更基礎的設備，比如說 樹莓派 和 Arduino ，這些設備可以讓你構建你自己的物聯(lián)網終端節(jié)點。盡管你可能會認為你的智能手機是一臺袖珍電腦，但它很可能也會以非常類似物聯(lián)網的方式將你的位置和行為數據傳送到后端服務。

設備管理

為了能讓這些設備一起工作，所有這些設備都需要進行驗證、分配、配置和監(jiān)控，并且在必要時進行修復和更新。很多時候，這些操作都會在一個單一的設備供應商的專有系統(tǒng)中進行；要么就完全不會進行這些操作，而這樣也是最有風險的。但是整個業(yè)界正在向 標準化的設備管理模式 過渡，這使得物聯(lián)網設備之間可以相互操作，并保證設備不會被孤立。

物聯(lián)網通信標準和協(xié)議

當物聯(lián)網上的小設備和其他設備通信的時候，它們可以使用各種通信標準和協(xié)議，這其中許多都是為這些處理能力有限和電源功率不大的設備專門定制的。你一定聽說過其中的一些，盡管有一些設備使用的是 Wi-Fi 或者藍牙，但是更多的設備是使用了專門為物聯(lián)網世界定制的標準。比如，Zigbee 就是一個低功耗、遠距離傳輸的無線通信協(xié)議，而 MQTT（ 消息隊列遙測傳輸（Message Queuing Telemetry Transport））是為連接在不可靠或者易發(fā)生延遲的網絡上的設備定制的一個發(fā)布/訂閱信息協(xié)議。（參考 Network World 的詞匯表： 物聯(lián)網標準和協(xié)議 。）

物聯(lián)網也會受益于 5G 為蜂窩網絡帶來的高速度和高帶寬，盡管這種使用場景會 滯后于普通的手機 。

物聯(lián)網、邊緣計算和云

邊緣計算如何使物聯(lián)網成為可能。

對于許多物聯(lián)網系統(tǒng)來說，大量的數據會以極快的速度涌來，這種情況催生了一個新的科技領域， 邊緣計算 （edge computing），它由放置在物聯(lián)網設備附近的設備組成，處理來自那些設備的數據。這些機器對這些數據進行處理，只將相關的素材數據發(fā)送到一個更集中的系統(tǒng)系統(tǒng)進行分析。比如，想象一個由幾十個物聯(lián)網安防攝像頭組成的網絡，邊緣計算會直接分析傳入的視頻，而且只有當其中一個攝像頭檢測到有物體移動的時候才向安全操作中心（SoC）發(fā)出警報，而不會是一下子將所有的在線數據流全部發(fā)送到建筑物的 SoC。

一旦這些數據已經被處理過了，它們又去哪里了呢？好吧，它也許會被送到你的數據中心，但是更多情況下，它最終會進入云。

對于物聯(lián)網這種間歇或者不同步的數據來往場景來說，具有彈性的云計算是再適合不過的了。許多云計算巨頭，包括 谷歌 、 微軟 和 亞馬遜 ，都有物聯(lián)網產品。

物聯(lián)網平臺

云計算巨頭們正在嘗試出售的，不僅僅是存放傳感器搜集的數據的地方。他們正在提供一個可以協(xié)調物聯(lián)網系統(tǒng)中各種元素的完整平臺，平臺會將很多功能捆綁在一起。本質上，物聯(lián)網平臺作為中間件，將物聯(lián)網設備和邊緣網關與你用來處理物聯(lián)網數據的應用程序連接起來。也就是說，每一個平臺的廠商看上去都會對物聯(lián)網平臺應該是什么這個問題有一些稍微不同的解釋，以更好地 與其他競爭者拉開差距 。

物聯(lián)網和數據

正如前面所提到的，所有這些物聯(lián)網設備收集了 ZB 級的數據，這些數據通過邊緣網關被發(fā)送到平臺上進行處理。在很多情況下，這些數據就是要部署物聯(lián)網的首要原因。通過從現實世界中的傳感器搜集來的數據，企業(yè)就可以實時的作出靈活的決定。

例如，Oracle 公司 假想了一個這樣的場景 ，當人們在主題公園的時候，會被鼓勵下載一個可以提供公園信息的應用。同時，這個程序會將 GPS 信號發(fā)回到公園的管理部門來幫助他們預測排隊時間。有了這些信息，公園就可以在短期內（比如通過增加員工數量來提升景點的一些容量）和長期內（通過了解哪些設施最受歡迎，那些最不受歡迎）采取行動。

這些決定可以在沒有人工干預的情況作出。比如，從化工廠管道中的壓力傳感器收集的數據可以通過邊緣設備的軟件進行分析，從而發(fā)現管道破裂的威脅，這樣的信息可以觸發(fā)關閉閥門的信號，從而避免泄漏。

物聯(lián)網和大數據分析

主題公園的例子可以讓你很容易理解，但是和許多現實世界中物聯(lián)網收集數據的操作相比，就顯得小菜一碟了。許多大數據業(yè)務都會使用到來自物聯(lián)網設備收集的信息，然后與其他數據關聯(lián)，這樣就可以分析預測到人類的行為。Software Advice 給出了 一些例子 ，其中包括由 Birst 提供的一項服務，該服務將從聯(lián)網的咖啡機中收集的咖啡沖泡的信息與社交媒體上發(fā)布的帖子進行匹配，看看顧客是否在網上談論咖啡品牌。

另一個最近才發(fā)生的戲劇性的例子，X-Mode 發(fā)布了一張基于位置追蹤數據的地圖，地圖上顯示了在 2020 年 3 月春假的時候，正當新冠病毒在美國加速傳播的時候，人們在 勞德代爾堡（Ft. Lauderdale）聚會完 最終都去了哪里 。這張地圖令人震撼，不僅僅是因為它顯示出病毒可能的擴散方向，更是因為它說明了物聯(lián)網設備是可以多么密切地追蹤我們。（更多關于物聯(lián)網和分析的信息，請點擊 此處 。）

物聯(lián)網數據和 AI

物聯(lián)網設備能夠收集的數據量遠遠大于任何人類能夠以有效的方式處理的數據量，而且這肯定也不是能實時處理的。我們已經看到，僅僅為了理解從物聯(lián)網終端傳來的原始數據，就需要邊緣計算設備。此外，還需要檢測和處理可能就是 完全錯誤的數據 。

許多物聯(lián)網供應商也同時提供機器學習和人工智能的功能，可以用來理解收集來的數據。比如，IBM 的 Jeopardy！-winning Watson 平臺就可以在 物聯(lián)網數據集上進行訓練 ，這樣就可以在預測性維護領域產生有用的結果 —— 比如說，分析來自無人機的數據，可以區(qū)分橋梁上輕微的損壞和需要重視的裂縫。同時，ARM 也在研發(fā) 低功耗芯片 ，它可以在物聯(lián)網終端上提供 AI 的能力。

物聯(lián)網和商業(yè)

物聯(lián)網的商業(yè)用途包括跟蹤客戶、庫存和重要部件的狀態(tài)。 IoT for All 列舉了四個已經被物聯(lián)網改變的行業(yè)：

石油和天然氣：與人工干預相比，物聯(lián)網傳感器可以更好的檢測孤立的鉆井現場。農業(yè)：通過物聯(lián)網傳感器獲得的田間作物的數據，可以用來提高產量。采暖通風：制造商可以監(jiān)控全國各地的氣候控制系統(tǒng)。實體零售：當顧客在商店的某些地方停留的時候，可以通過手機進行微目標定位，提供優(yōu)惠信息。
? ? ? 責任編輯:pj? ??