什么是物联网？
什么是物联网？
物联网设备犹如我们的眼睛和耳朵，可以触达我们身不可至的地方。一旦将设备装上传感器，这些设备就能够捕获我们可能看到、听到或感知到的数据。然后，设备按指示共享这些数据，我们再对数据进行分析，获取所需洞察，自动触发后续的行动或决策。这个过程包含四个关键步骤：
- 捕获数据。物联网设备通过传感器捕获环境中的数据，可以是简单的温度数据，也可以是复杂的实时视频流。
- 共享数据。物联网设备利用可用的网络连接，按照指示将数据发布到公有云或私有云环境中。
- 处理数据。在数据处理阶段，软件按照程序设计基于以上数据执行操作，比如打开风扇或发送警告。
- 基于数据采取行动。分析所有物联网设备采集的数据，获取深入的洞察，助力企业自信地制定业务决策和采取行动。
物联网设备每年生成超过 40 ZB 的数据，相当于 40 万亿千兆字节。尽管我们无法真正按实物计算数字数据的数量，但是，如果将所有数据都转换为 90 年代的软盘，并把它们铺在地毯上，将能够覆盖地球表面的一半以上。为了推动物联网的发展，一系列特定的技术必须齐头并进。这就好比先有鸡还是先有蛋的问题，我们很难说在物联网发展中应该先发展哪种技术。
- 连接性：物联网数据激增，只有足够强大的互联网和云连接才能满足数据收发需求。目前，许多物联网设备都依赖本地无线网络，来传输大规模的复杂数据。然而，5G 和其他蜂窝网络正在不断完善。麦肯锡最近发表了一篇文章介绍这些网络技术可能产生的影响，及其如何让物联网设备告别无线网络。
- 传感器技术：随着人们对物联网传感器创新的需求稳步增长，传感器市场从只有少数供应商参与的高价利基市场发展成为了高度全球化、且价格极具竞争力的传感器制造行业。自 2004 年以来，物联网传感器的平均价格下降了 70% 以上，与此同时，这些产品的功能和多样性正在不断提高。
- 计算能力：物联网设备目前每年生成约 40 ZB 数据，而这一数字预计将在未来五年内增加近一倍，之后更是将呈指数级增长。为了充分利用所有这些数据，现代企业需要不断提高内存计算和数据处理能力。这个领域的发展速度非常快，且竞争激烈，同时也让物联网技术的相关性和适用性不断提高。
- 人工智能和机器学习：这两种技术让企业不仅能够管理和处理大量物联网数据，还能分析这些数据，从数据中学习。大数据是人工智能和机器学习最喜爱的食粮。数据集越大，种类越多，基于人工智能的高级分析提供的洞察和智能就越强大、越准确。随着物联网设备显著增加，人工智能也在不断发展，其适应的数据类型也越来越多。
- 云计算：连接性是物联网发展不可或缺的技术，同样，云计算的兴起也与其发展密切相关。由于能够按需提供处理能力和大容量存储，物联网云服务为物联网设备采集和传输日益庞大且复杂的数据集铺平了道路。私有云解决方案还能帮助企业管理更大规模、更多类型的物联网数据，同时维护封闭系统的安全性。
- 边缘计算：物联网中的设备通常广泛分布在各个地区，但它们都能将数据传输到统一的中央系统。随着物联网数据量日益增长，它们开始垄断公司的带宽和云存储空间。此外，数据的捕获、传输、处理以及在最终目的地的接收都需要时间。这种滞后（常被称为“延迟”）会进一步拉低效率，尤其是对数据处理时间高度敏感的企业来说，更是如此。边缘计算解决方案可以让系统更加接近数据源，分散系统的处理能力。这些解决方案将集成本地化的计算系统，并把处理能力融入物联网设备中。处理后的数据将即时在原地触发行动，之后再以更加结构化和更有条理的格式定期发送到中央系统，进行高级分析和处理。
传感器数据经过处理后呈现给用户，帮助制定更明智的决策。
工业物联网是指将互联的机器、设备和传感器应用于工业用途。借助具有人工智能和机器学习功能的现代 ERP，企业可以分析和利用工业物联网设备生成的数据，提高效率、生产力和可视性等。工业物联网通常支持机器对机器 (M2M) 通信和传输数据，基于工业物联网集成的设备还能够定期接收来自中央系统的自动化编程。
工业物联网的定义：
工业物联网是指将互联的机器、设备和传感器应用于工业用途。
物联网解决方案的差异化优势更多地体现在用途上，而不是工作原理上。世界上的大部分物联网解决方案通常将个人视为最终用户，广泛应用于智能电器、数字助理或手机定位装置等事物中。
工业物联网是物联网的子集，虽然由同样的基础技术驱动，但工业物联网更注重整个互联企业的自动化和效率，而不是孤立的用户。在工业物联网中，整个流程更复杂，采集和治理数据只是第一步。为了实现最大收益，企业必须运用人工智能和机器学习技术来分析数据，提供准确的洞察，优化工作流和自动化任务。
- 智能制造：企业从客户反馈、媒体动态和全球市场采集数据。之后，基于人工智能的系统将这些数据与其他相关数据整合在一起，为产品开发和质量管控提供洞察。基于这些洞察，由机器和机器人设备组成的工业物联网可以实现自动化，进而优化智能工厂中的产品制造流程。
- 韧性供应链：借助工业物联网和运行工业物联网的人工智能系统，供应链经理能够了解他们的产品位置、相应的供应商以及库存量。工业物联网设备和机器还可以实时进行编程，适应实时事件和业务中断，为企业提供内置的应急计划功能，帮助企业提高韧性，赢得竞争优势。
- 智能物流：亚马逊效应揭示了消费者日益增长的期望，无论订购什么商品，消费者都期待次日到货。为了提高竞争力，满足消费者的期望，物流提供商必须将库存分散到各地，并引入第三方物流合作伙伴。借助物流网络中的物联网解决方案，管理人员可以集中了解所有物流运输设备的情况，不管是无人机还是货船。物联网传感器提供的实时数据可以帮助企业整合负载，最大限度地减少浪费，并加快交付速度。
- 医疗保健：从患者的角度来看，物联网监控器和可穿戴设备能够帮助他们在医疗护理上掌握更多控制权，同时与医疗服务提供商建立联系。对于医护人员来说，这些设备提供的数据能够帮助他们更全面地了解患者的健康状况。如此一来，医护人员就可以制定更全面、更明智的方案，对患者进行诊断、治疗和一般性的康复调理。
- 农业： 对于容易受到天气和自然力量影响的行业来说，任何有助于降低风险和威胁的工具都值得采用。《福布斯》杂志指出，现代农业正在越来越多地采用物联网解决方案，并且“目前已部署数千款传感器来改善供水的可持续性和农作物的拍摄，提高产量，以及简化耕作。”
了解农用机械公司 Stara 如何利用物联网提高耕作效能。
Exide Technologies 利用物联网技术，为数百万个家庭提供更可靠的电力供应。
2020 年，许多企业清楚地意识到，保持整个运营网络的韧性和可视性有多么重要。那些极具竞争力且在现代经济环境中快速发展的企业，不再认为数字化转型是未来一项“可有可无”的计划。当今的卓越运营企业都在积极采用现代数字化解决方案，比如工业物联网等，并将这些视为他们实现成功和发展的必要工具。
2019 年，物联网设备产生的数据量约 18 ZB，IDC 预计，到 2025 年这一数字将增加两倍以上，超过 73 ZB，相当于 73 万亿 GB。尽管我们无法真正按实物计算数字数据的数量，但是，如果将所有数据都转换为 90 年代的软盘，并首尾相连地排列起来，它们可以往返月球 5000 多次。为了推动物联网的发展，一系列特定的技术必须齐头并进。
- 连接性：物联网数据激增，只有足够强大的互联网和云连接才能满足数据收发需求。目前，许多物联网设备都依赖本地无线网络，来传输大规模的复杂数据。然而，5G 和其他蜂窝网络正在不断完善。麦肯锡最近发表了一篇文章，介绍了这些网络技术可能产生的影响，及其如何让物联网设备告别无线网络。
- 传感器技术：随着人们对物联网传感器创新的需求稳步增长，传感器市场从只有少数供应商参与的高价利基市场发展成为了高度全球化、且价格极具竞争力的传感器制造行业。自 2004 年以来，物联网传感器的平均价格下降了 70% 以上，与此同时，受需求推动，这些产品的功能和多样性正在不断提高。
- 计算能力：未来 3 年产生的数据将超过过去 30 年产生的数据总量。为了充分利用所有这些数据，现代企业需要不断提高内存计算和数据处理能力。这个领域的发展速度非常快，且竞争激烈，同时也让物联网技术的相关性和适用性不断提高。
- 人工智能和机器学习：这两种技术让企业不仅能够管理和处理大量物联网数据，还能分析这些数据，从数据中学习。大数据是人工智能和机器学习最喜爱的食粮。数据集越大，种类越多，基于人工智能的高级分析提供的洞察和智能就越强大、越准确。随着物联网设备显著增加，人工智能也在不断发展，其适应的数据类型也越来越多。
- 云计算：连接性是物联网发展不可或缺的技术，同样，云计算的兴起也与其发展密切相关。由于能够按需提供处理能力和大容量存储，物联网云服务为物联网设备采集和传输日益庞大且复杂的数据集铺平了道路。私有云解决方案还能帮助企业管理更大规模、更多类型的物联网数据，同时维护封闭系统的安全性。
- 边缘计算：物联网中的设备通常广泛分布在各个地区，但它们都能将数据传输到统一的中央系统。随着物联网数据量日益增长，它们开始垄断公司的带宽和云存储空间。此外，数据的捕获、传输、处理以及在最终目的地的接收都需要时间。这种滞后（常被称为“延迟”）会进一步拉低效率，尤其是对数据处理时间高度敏感的企业来说，更是如此。边缘计算解决方案可以让系统更加接近数据源，分散系统的处理能力。这些解决方案将集成本地化的计算系统，并把处理能力融入物联网设备中。处理后的数据将即时在原地触发行动，之后再以更加结构化和有序的格式定期发送到中央系统，进行高级分析和处理。
工业物联网是指将互联的机器、设备和传感器应用于工业用途。借助具有人工智能和机器学习功能的现代 ERP，企业可以分析和利用工业物联网设备生成的数据，提高效率、生产力和可视性等。工业物联网通常支持机器对机器 (M2M) 通信和传输数据，基于工业物联网集成的设备还能够定期接收来自中央系统的自动化编程。
工业物联网的定义：工业物联网是指将互联的机器、设备和传感器应用于工业用途
两者的区别更多地体现在用途上，而不是工作原理上。世界上的大部分物联网解决方案通常将个人视为最终用户，广泛应用于智能电器、数字助理或手机定位装置等事物中。
工业物联网是物联网的子集，虽然由同样的基础技术驱动，但工业物联网更注重整个互联企业的自动化和效率，而不是孤立的用户。在工业物联网中，整个流程更复杂，采集和治理数据只是第一步。为了实现最大收益，企业必须运用人工智能和机器学习技术来分析数据，提供准确的洞察，优化工作流和实现自动化。
- 智能制造：企业从客户反馈、媒体动态和全球市场采集数据。之后，基于人工智能的系统将这些数据与其他相关数据整合在一起，为产品开发和质量管控提供洞察。基于这些洞察，由机器和机器人设备组成的工业物联网可以实现自动化，进而优化智能工厂中的产品制造流程。
- 韧性供应链：借助工业物联网和运行工业物联网的人工智能系统，供应链管理者能够了解他们的产品位置、相应的供应商以及库存量。工业物联网设备和机器还可以实时进行编程，适应实时事件和业务中断，为企业提供内置的应急计划功能，帮助企业提高韧性，赢得竞争优势。
- 智能物流：亚马逊效应揭示了消费者日益增长的期望，无论订购什么商品，消费者都期待次日到货。为了提高竞争力，满足消费者的期望，物流提供商必须将库存分散到各地，并引入第三方物流合作伙伴。借助物流网络中的物联网解决方案，管理人员可以集中了解所有物流运输设备的情况，不管是无人机还是货船。物联网传感器提供的实时数据可以帮助企业整合负载，最大限度地减少浪费，并加快交付速度。
- 医疗保健：从患者的角度来看，物联网监控器和可穿戴设备能够帮助他们在医疗护理上掌握更多控制权，同时与医疗服务提供商建立联系。对于医护人员来说，这些设备提供的数据能够帮助他们更全面地了解患者的健康状况。如此一来，医护人员就可以制定更全面、更明智的方案，对患者进行诊断、治疗和一般性的康复调理。
- 农业： 对于容易受到天气和自然力量影响的行业来说，任何有助于降低风险和威胁的工具都值得采用。《福布斯》杂志指出，现代农业正在越来越多地采用物联网解决方案，并且“目前已部署数千款传感器来改善供水的可持续性和农作物的影像采集，提高产量，以及简化耕作。”
作为整个数字化转型流程的一部分，工业物联网提供了一个强大的工具，能够帮助企业提高韧性和竞争力。
- 提高敏捷性：凭借实时共享数据的能力，工业物联网设备能够打造一个智能网络，持续采集和分析数据，并从数据中学习。这样一来，企业就能快速、果断地响应机遇和风险。而且，这些设备不仅能发送数据，还能接收基于数据分析的指示，调整和优化其自动化流程。
- 改善机器健康状况：物联网中的设备和机器会持续传输操作日志和性能数据。然后，人工智能和机器学习算法利用这些传感器数据，获取宝贵的预测性维护洞察。事实上，根据麦肯锡的研究，“预测性维护通常可以使机器停机时间缩短 30%-50%，机器寿命延长 20%-40%。”
- 提高效率：在企业按优先顺序罗列运营需求时，他们的主张通常是“未坏勿修”。这种态度导致的后果就是，低效的传统流程久不更新。但如果将物联网设备整合到运营网络中，企业采集和传输的数据就会保持完全客观。通过对这些数据进行高级分析，企业就可以不断获得有用的建议，制定相应的策略来更新流程、简化任务和提高效率。
- 实现智能库存管理：2020 年之前，美国企业已经花了数年时间来应对政治和贸易的不确定性。而 2020 年初爆发的新冠疫情让很多企业意识到，他们的库存管理系统依然是多么脆弱和被动。如果接入物联网，增材 (3D) 打印机等设备可以帮助企业减少对外部制造合作伙伴的依赖，并支持企业保留虚拟库存，按需制造所需的产品。
- 保障人员安全：在任何工业环境中，受伤风险都不可避免。如今，很多企业都在工作场所使用物联网安全设备来降低这种风险。这些设备可以通过 VR 耳机等可穿戴装置发出警告，或监控现有的工作场所模式，帮助调整工厂和仓库楼层的布局，提高工作场所的安全性，使其更加符合人体工程学。
- 完善客户服务：工业物联网不仅能够连接企业内的设备和机器，还能够整合客户的体验和反馈。这种整合可以让企业打造更加无缝的购物体验，开展更加透明和个性化的物流运营，同时更好地将客户反馈和偏好融入新产品的开发和生产中。通过与客户开展实时、有意义的互动，企业能够打造更具竞争力和韧性的业务模式。
2020 年，许多企业清楚地意识到，保持整个运营网络的韧性和可视性有多么重要。那些极具竞争力且在现代经济环境中快速发展的企业，不再认为数字化转型是未来一项“可有可无”的计划。当今的卓越运营企业都在积极采用现代数字化解决方案，比如工业物联网等，并将这些视为他们实现成功和发展的必要工具。