物聯網 （IoT）是越來越多的電子術語，它們不是傳統的計算設備，而是連接到互聯網以發送數據，接收指令或兩者的電子設備。
傘下有各種各樣的東西：連接互聯網的傳統設備（例如冰箱和燈泡）的“智能”版本；只能在支持Internet的世界中存在的小工具，例如Alexa風格的數字助理；支持互聯網的傳感器正在改變工廠，醫療保健，運輸，配送中心和農場。
物聯網將互聯網，數據處理和分析的功能帶入了物理對象的真實世界。對於消費者而言，這意味著無需借助鍵盤和屏幕即可與全球信息網絡進行交互。他們的許多日常物品和設備都可以在不需人工干預的情況下從該網絡獲取指令。
在企業環境中，物聯網可以為實體製造和分配帶來與互聯網長期為知識工作所提供的相同的效率。全球數以百萬計甚至數十億個嵌入式互聯網傳感器正在提供令人難以置信的豐富數據集，企業可以使用這些數據來收集有關其運營安全性的數據，跟踪資產並減少人工流程。研究人員還可以使用IoT來收集有關人們的偏好和行為的數據，儘管這可能會對隱私和安全性產生嚴重影響。
一言以蔽之：超級巨大。
Priceonomics對其進行了細分：截至2020年，有超過500億個IoT設備，而這些設備今年將產生4.4 ZB的數據。（一兆字節是一萬億千兆字節。）相比之下，2013年的物聯網設備僅產生了1000億千兆字節。物聯網市場的賺錢額同樣驚人。對2025年市場價值的估計從1.6萬億美元到14.4萬億美元不等。
連接設備和傳感器無所不在的世界是科幻小說中最古老的一種。IoT知識在Carnegie Mellon稱為自動售貨機，該自動售貨機於1970年連接到APRANET，是第一台物聯網設備，許多技術被吹捧為實現“智能” IoT風格特徵，從而賦予它們未來的光澤。但是物聯網一詞是英國技術專家 凱文·阿什頓（Kevin Ashton）在1999年提出的。
起初，技術落後於願景。每個與互聯網相連的事物都需要一個處理器和一種與其他事物進行通信的方式（最好是無線方式），而這些因素所帶來的成本和功耗要求使物聯網的廣泛推廣變得不切實際，至少直到摩爾定律在20世紀90年代中期趕上了。
一個重要的里程碑是RFID標籤的廣泛採用，廉價的極簡應答器可以粘貼在任何物體上，以將其連接到更大的互聯網世界。無所不在的Wi-Fi和4G使設計師可以簡單地在任何地方進行無線連接。IPv6的推出意味著將數十億個小工具連接到Internet不會耗盡IP地址的存儲，這是一個真正的問題。
物聯網的基本元素是收集數據的設備。從廣義上講，它們是與Internet連接的設備，因此它們每個都有一個IP地址。它們的複雜性不一，從在工廠車間拖拉產品的自動駕駛汽車到監視建築物溫度的簡單傳感器。它們還包括諸如健身追踪器之類的個人設備，用於監視個人每天執行的步數。為了使這些數據有用，需要對其進行收集，處理，過濾和分析，每種處理方法都可以通過多種方式進行。
通過將數據從設備傳輸到收集點來完成數據的收集。可以使用多種技術或在有線網絡上無線完成數據移動。數據可以通過Internet發送到具有存儲和計算能力的數據中心或云，或者可以分階段進行傳輸，中間設備會在發送數據之前對其進行聚合。
處理數據可以在數據中心或云中進行，但有時不是一種選擇。對於關鍵設備（例如工業環境中的關閉設備），將數據從設備發送到遠程數據中心的延遲太大。發送數據，處理數據，分析數據並返回指令（在管道破裂前關閉閥門）的往返時間可能會花費很長時間。在這種情況下，邊緣計算就可以發揮作用，在這種情況下，智能邊緣設備可以在相對較近的物理距離內聚合數據，分析數據並根據需要進行時尚響應，從而減少延遲。邊緣設備還具有上游連接性，用於發送要進一步處理和存儲的數據。
本質上，任何能夠收集有關物理世界的信息並將其發送回家庭的任何事物都可以參與物聯網生態系統。智能家電，RFID標籤和工業傳感器就是其中的幾個例子。這些傳感器可以監視多種因素，包括工業系統中的溫度和壓力，機械中關鍵部件的狀態，患者生命體徵以及水和電的使用，還有許多其他可能性。
整個工廠機器人可以被視為IoT設備，自動駕駛汽車也可以被視為在工業環境和倉庫中移動產品的機器人。
其他示例包括健身可穿戴設備和家庭安全系統。還有更多的通用設備，例如Raspberry Pi或Arduino，可讓您構建自己的IoT端點。即使您可能將智能手機視為一台袖珍計算機，也很可能以類似於IoT的方式將有關您的位置和行為的數據傳輸到後端服務。
為了一起工作，所有這些設備都需要進行身份驗證，配置，配置和監控，並在必要時進行修補和更新。通常，所有這些都發生在單個供應商的專有系統的上下文中，或者根本沒有發生，這更加危險。但是，該行業開始向基於標準的設備管理模型過渡，該模型允許IoT設備進行互操作，並確保設備不會被孤立。
物聯網小工具與其他設備對話時，它們可以使用各種通信標準和協議，其中許多都是針對處理能力有限或電力不足的設備量身定制的。您肯定已經聽說過其中的一些設備-例如某些設備使用Wi-Fi或藍牙-但還有更多設備專門用於物聯網領域。例如，ZigBee是用於低功率，短距離通信的無線協議，而消息隊列遙測傳輸（MQTT）是用於通過不可靠或易發延遲網絡連接的設備的發布/訂閱消息協議。（請參閱《網絡世界》的物聯網標準和協議詞彙表。）
即將到來的蜂窩網絡5G標準的速度和帶寬的提高也將使物聯網受益，儘管其使用將落後於普通手機。
![網絡世界-邊緣計算的工作原理[圖表]](https://images.idgesg.net/images/article/2017/09/nw_how_edge_computing_works_diagram_1400x1717-100736111-orig.jpg)
對於許多物聯網系統而言，有大量數據來得太快而令人生厭，這產生了一種新的技術類別，即邊緣計算，它由放置在與物聯網設備相對較近的設備組成，並從中獲取數據流。這些機器處理該數據，僅將相關材料發送回更集中的系統進行分析。例如，想像一個由數十個物聯網安全攝像機組成的網絡。邊緣計算系統可以同時分析實時視頻流，而不用轟炸建築物的安全運營中心（SoC），而是可以分析傳入的視頻，並且僅在其中一台攝像機檢測到運動時才向SoC發出警報。
數據一旦處理後會去哪裡？好吧，它可能會轉到您的集中式數據中心，但更多情況是最終會存儲在雲中。
雲計算的彈性本質非常適合數據可能間歇性或異步地進入的物聯網場景。而且，許多大型雲沉重打擊者（包括Google，Microsoft和Amazon）都提供了IoT產品。
雲巨頭正在試圖出售的不僅僅是出售存儲傳感器收集的數據的地方。他們提供了完整的IoT平台，該平台將許多功能捆綁在一起，以協調構成IoT系統的元素。本質上，IoT平台用作將IoT設備和邊緣網關與您用於處理IoT數據的應用程序連接的中間件。就是說，每個平台供應商對於IoT平台的定義似乎都有一點不同，越能與競爭對手保持距離。
如前所述，所有這些物聯網設備都收集了十億字節的數據，這些數據通過邊緣網關匯集，然後發送到平台進行處理。在許多情況下，此數據是首先部署IoT的原因。通過從現實世界的傳感器中收集信息，組織可以實時做出明智的決策。
例如，甲骨文（Oracle）設想了一個場景，鼓勵主題公園的人們下載提供有關公園信息的應用程序。同時，該應用程序將GPS ping發送回公園的管理層，以幫助預測排隊的等待時間。有了這些信息，公園可以在短期內採取行動（例如，增加人員以增加某些景點的容量），而在長期內（通過了解哪些遊樂設施在公園中最受歡迎和最受歡迎）採取行動。
無需人工干預即可做出這些決定。例如，可以通過邊緣設備中的軟件分析從化學工廠管道中的壓力傳感器收集的數據，該設備可以發現管道破裂的威脅，並且該信息可以觸發信號以關閉閥門以避免洩漏。
主題公園的示例很容易引起您的注意，但與許多現實世界的IoT數據收集操作相比，它是個小難題。許多大數據運營使用從IoT設備中收集的信息以及其他數據點來了解人類行為。Software Advice提供了一些示例，包括Birst提供的一項服務，該服務將從聯網的咖啡機收集的咖啡釀造信息與社交媒體帖子進行匹配，以查看客戶是否在線談論咖啡品牌。
最近另一個引人注目的例子是X-Mode發布了一張地圖，該地圖基於跟踪Ft春假參與人員的位置數據。2020年3月，勞德代爾（Lauderdale）流行，儘管在美國冠狀病毒大流行正在加速發展，顯示出所有這些人最終遍布美國的地方。該地圖令人震驚，不僅因為它顯示了病毒的潛在傳播，還因為它說明了物聯網設備可以追踪我們的緊密程度。
物聯網設備可以收集的數據量遠遠超過任何人都可以以有用的方式處理，當然不是實時的。我們已經看到，僅需要邊緣計算設備就可以理解從IoT端點傳入的原始數據。還需要檢測和處理可能完全是錯誤的數據。
許多物聯網提供商正在提供機器學習和人工智能功能，以使收集的數據更有意義。例如，IBM屢獲殊榮的Watson平台可以在IoT數據集上進行培訓，從而在預測性維護領域產生有用的結果-分析無人機數據，以區分對橋樑的輕微損壞和需要注意的裂縫。同時，Arm正在開發可在IoT端點自身上提供AI功能的低功耗芯片。
物聯網的業務用途包括跟踪客戶，庫存和重要組件的狀態。IoT for All標誌著由IoT轉變的四個行業：
一般來說，企業正在尋找可在四個領域提供幫助的物聯網解決方案：能源使用，資產跟踪，安全性和客戶體驗。
