艾龙技术

2019年物联网和边缘计算的六大发展趋势

在所有行业垂直领域实现数字化转型的两个热点领域是物联网和边缘计算。让我们来看看2019年及以后对物联网的期望。在这篇文章中,我将仅关注B2B的物联网空间而不是消费者物联网方面。



多位置数据存储的增长


随着物联网设备的爆炸式增长(预计到2020年将达到310亿台设备),数据存储需求也会按比例增长,并从数千个此类设备中捕获所有传感器数据,并将其存储以进行更深入的分析或构建机器学习(ML)模型。根据行业用例,存储可以在内部部署或云端,甚至可以是混合模型。然而,在过去几年中,边缘不再仅仅是数据生成媒介。围绕网络延迟的挑战以及对即时实时洞察的需求推动企业发展更加智能化。为了实现这一点,在特定垂直行业的某些用例中,还需要在边缘本地存储数据。这导致了多位置混合数据架构的新模型的发展。



自治边缘的崛起


设备自主性在当今的一些垂直领域已经成为现实,我们应该开始准备接受自主性优势,以适用于汽车、医疗保健、零售、制造等领域的更多用例。当用例无法承受详细分析造成的延迟成本时,边缘必须更智能、自力更生、能够访问本地存储、拥有完整的一套规则(可能还有一个轻量级的规则引擎),拥有ML模型来对数据进行评分,甚至能够触发一套动作——可能涉及其他机器人设备。我们必须开始看到边缘计算的发展。当实施积极的列车控制,或者当一辆自动驾驶汽车必须检测和避免潜在的碰撞时,这些拯救生命的决定必须实时做出,只有当边缘更自主和更智能的时候才能做出更好的决定。


增加面部分析和机器学习的融合


在过去的几年中,我们看到摄像机捕获和理解人类情绪的有限成功,以及使用面部分析来查看零售用户的用例。在英国也有与国家安全有关的申请,使用闭路电视摄像机在公共场所识别和跟踪感兴趣的人。然而,最近与我们的一位客户交谈,我发现了一个更有趣的用例。该客户是一家拥有大量卡车的采矿和运输公司。他们想在卡车里面放一个摄像头,观察司机的动作和面部动作,了解系统是否能够快速检测驾驶员脸部的疲劳并立即提醒他们。另一个要求是了解驾驶员有多少次被收音机或使用他们的咖啡杯分散注意力,将他们的视线从路上移开。我们的想法是提高驾驶员的安全性,防止车队中的生命或财产损失。



机器人技术将把物联网和ML带入一个自助服务和运营效率的新世界


今天的沃尔玛等零售店已经采用机器人进行清洁工作或从货架上搬下产品。机器人正在一些餐馆提供食物。机器人可以实现后台运营,例如商品推销,货物移动,包装等。机器人技术与物联网设备和ML的结合可以使我们达到更高的自动化水平和运营效率。通过最少的人工干预,以及更加高效自动化供应商管理库存,商店将节省大量利润。


物联网和区块链的融合是不可避免的


我们往往忽视流式数据的一个关键元素,就是数据来源和沿袭跟踪的重要性。我们在如此多的法律和法规中建立我们的业务,以保证我们跟踪数据的公平性,包括数据的来源、处理数据的人员、通过数据链传送的不同价值等。信任和数据不可变性是该模型的关键要求,区块链将是该架构的固有部分。我们的一个客户Trimble已经有了一个从农场到餐桌的应用程序,使其最终用户能够从他们的移动应用程序中查看零售商店中有机产品的整个运输和存储的原始历史。这可以确保客户了解产品的真实性和有机性,同时也可以让商店很容易地处理复杂的零售场景,如产品召回。Trimble已经建立了一系列区块链来支持这样一个值得信赖的模型,通过其产品价值链发送给它的数据来自不同的物联网设备和合作伙伴生态系统。


数据市场的出现


随着数据生产的高速增长可能在短短几年内达到163 zettabytes,并且物联网和流数据是其中的主要贡献者,每个企业都坐在数据的金矿上。随着垂直数据生态系统的出现,诸如保险公司利用联网汽车来推动其业务等越来越多的数据共享模型将开始在合作伙伴生态系统中发展。改进和构建更复杂和更可靠的ML模型的需求将需要更多数据。因此,企业自然会开始购买数据 - 甚至直接订阅物联网数据流。这将导致中间平台可以提供可靠的市场,帮助这些消费企业从提供商公司购买值得信赖的数据集。物联网数据货币化将成为增长的关键领域,每个从事物联网的企业都希望成为其中的一部分。



本文编译自Hortonworks.


联系地址:广东省深圳市南山区深圳软件园5栋A219 联系电话:0755-82504636
关注我们