财新传媒 财新传媒

阅读:0
听报道

IDC预计,到2020年,直接的物联网市场规模将增至1.7万亿美元以上,复合年增长率(CAGR)高达16.9%。从汽车到冰箱再到万事万物,物联网中的联网设备将超过300亿。设备端点、基础设施支持、连接及配套IT服务预计将占到支出的绝大部分。Moor Insights & Strategy认为,其中的收益主要分为三类,每类大约5000亿美元。虽然实际例子的数据变化可能很大,但终端设备约占支出的三分之一,而其余三分之二则是专用平台、存储、网络(特别是尚未纳入这一细分领域中的5G移动网络)、安全、以及最终的应用软件和所有所需服务的支出。通用电气、飞利浦、福特汽车、力拓集团和史丹利百得等公司是关注这一领域的部分代表企业,它们得到了来自戴尔、惠普、IBMAT&TVerizon Communications、英特尔、ARM等公司的大力支持。同时,有很多小型/初创企业也在关注着这一领域。毫无疑问,物联网即将变得无处不在。

 

目前,业内的大部分讨论内容是围绕终端设备展开。一般情况下,大体分为两类:主要采集数据(例如:监测环境状况或运行情况)的传感器,以及我们称之动力设备的工作装置(例如:警报器、锁、阀门驱动装置)。到2020年,这些设备将在端点运行的边缘或领域产生惊人数量的数据。很多动力设备将被采用,有长时间延迟,并无法与集中设备(“云端”)保持连接性的应用将不复存在。它们的决定必须在获取本地信息和知识后立即作出。由于规模、成本及功率要求,大多数物联网端点的功能都会有所局限,主要是由于尺寸大小、成本和能耗需求的原因,而且它们还需要有嵌入在更大系统或配套网关中的匹配计算能力。这些网关主要桥接本地设备通信域与更高级的网络域,并将在大部分情况下作出行为决策。随着行业不断成熟,这些网关还将负责实现既定设备间的数据交换,确保信息受到保护。由于设备对端点的通信流量将有所增加,更多的机器对机器通信将会实现,网络流量模式将受到显著影响,现今的模式将会转变。然而,这些解决方案不会是静态的,它们不断演进的行为将随本地特征而变,在数据中心内里和边缘带来更多软件定义的功能。此外,它们的数量将非常庞大,它们的运行将无需人为干预。

 

进入自动化和智能的需求,就是机器学习

 

机器学习是指机器根据物联网解决方案所必需的知识或认知,改变某种情况或行为结果的能力。有趣的是,知识可以通过各种形式呈现,不一定需要在本地创建。换句话说,在某地创建的知识可以在其他位置导出并使用,或者说是训练它,而它去训练其他人。需要不断的演进或知识/学习的威胁管理与保护就是这样的一个例子。

 

这里有两种形式的知识:1.观察知识,会在本地学习的基础上改变行为(通常称为训练);2.导向知识,将在其他地方(由集中权限)创建的知识用来改变边缘行为。在充分理解这一概念的情况下,你可以将这视为改变边缘行为的machine learning(小写的m.l.),以及观察全球趋势和提供控制政策的Machine Learning(大写的M.L.M.L.作为改变边缘行为的导向学习来源发挥着更大的作用。我们认为,到2020年,machine learningMachine Learning的设置将存在于大量解决方案中,并带来物联网业界的大量创新。

 

准备好吧,一场疯狂之旅即将开始了!

话题:



0

推荐

Patrick Moorhead

Patrick Moorhead

130篇文章 1次访问 63天前更新

市场研究公司Moor Insights & Strategy创始人,总裁,首席分析师。研究领域包括软件定义数据中心和物联网行业(IoT)。同时,他也是客户端计算和半导体领域的资深专家。Moorhead的分析观点屡屡被各大媒体引用,影响力持续位于全球科技行业分析师前列。他还是《福布斯》和《CIO》杂志的撰稿人。Moorhead拥有25年以上的行业经验,在创立Moor Insights & Strategy之前,他曾就职于AMD公司及康柏电脑公司,领导产品管理、业务战略规划及营销等工作。

文章