我国物联网发展现状及前景分析如何？

2006至2020年，物联网应用从闭环、碎片化走向开放、规模化，智慧城市、工业物联网、车联网等率先突破。中国物联网行业规模不断提升，行业规模保持高速增长，江苏、浙江、广东省行业规模均超千亿元。

截至到2019年，我国物联网市场规模已发展到15万亿元。未来巨大的市场需求将为物联网带来难得的发展机遇和广阔的发展空间。

近年来，我国政府出台各类政策大力发展物联网行业，不少地方政府也出台物联网专项规划、行动方案和发展意见，从土地使用、基础设施配套、税收优惠、核心技术和应用领域等多个方面为物联网产业的发展提供政策支持。在工业自动控制、环境保护、医疗卫生、公共安全等领域开展了一系列应用试点和示范，并取得了初步进展。

目前我国物联网行业规模已达万亿元。中国物联网行业规模超预期增长，网络建设和应用推广成效突出。在网络强国、新基建等国家战略的推动下，中国加快推动IPv6、NB-IoT、5G等网络建设，消费物联网和产业物联网逐步开始规模化应用，5G、车联网等领域发展取得突破。

政策推动我国物联网高速发展

自2013年《物联网发展专项行动计划》印发以来，国家鼓励应用物联网技术来促进生产生活和社会管理方式向智能化、精细化、网络化方向转变，对于提高国民经济和社会生活信息化水平，提升社会管理和公共服务水平，带动相关学科发展和技术创新能力增强，推动产业结构调整和发展方式转变具有重要意义。

以数字化、网络化、智能化为本质特征的第四次工业革命正在兴起。物联网作为新一代信息技术与制造业深度融合的产物，通过对人、机、物的全面互联，构建起全要素、全产业链、全价值链全面连接的新型生产制造和服务体系，是数字化转型的实现途径，是实现新旧动能转换的关键力量。

我国物联网行业呈高速增长状态 未来将有更广阔的空间

自2013年以来我国物联网行业规模保持高速增长，增速一直维持在15%以上，江苏、浙江、广东省行业规模均超千亿元。中国通信工业协会的数据表明，随着物联网信息处理和应用服务等产业的发展，中国物联网行业规模已经从2013年的4896亿元增长至2019年的15万亿元。

虽然我国物联网发展显著，但我国物联网行业仍处于成长期的早中期阶段。目前中国物联网及相关企业超过3万家，其中中小企业占比超过85%，创新活力突出，对产业发展推动作用巨大。

物联网作为中国新一代信息技术自主创新突破的重点方向，蕴含着巨大的创新空间，在芯片、传感器、近距离传输、海量数据处理以及综合集成、应用等领域，创新活动日趋活跃，创新要素不断积聚。

物联网在各行各业的应用不断深化，将催生大量的新技术、新产品、新应用、新模式。未来巨大的市场需求将为物联网带来难得的发展机遇和广阔的发展空间。

在政策、经济、社会、技术等因素的驱动下，2020年GSMA移动经济发展报告预测，2019-2025年复合增长率为9%左右，2020年中国物联网行业规模目标16亿元，按照目前物联网行业的发展态势，十三五规划的目标有望超预期完成;预计到2025年，中国物联网行业规模将超过27万亿元。

未来物联网行业将向着多元方向发展

标准化是物联网发展面临的最大挑战之一，它是希望在早期主导市场的行业领导者之间的一场斗争。目前我国物联网行业百家争鸣，还未有一个统一的标准出现。因此在未来可能通过不断竞争将会出现限数量的供应商主导市场，类似于现在使用的Windows、Mac和Linux *** 作系统。

合规化同样是当下物联网面临的问题之一，特别是数据隐私问题。目前数据隐私已成为网络社会的一个关键词，各种用户数据泄露或被滥用的事件频发，特别是Facebook的丑闻引发了全球担忧。

因此在未来，我国各种立法和监管机构将提出更加严格的用户数据保护规定，，用户的敏感数据可能会随着时间的推移而受到更严格的监管。

安全化是指预防物联网软件遭受网络黑客攻击，在未来，以安全为重点的物联网设施将受到更多的关注，特别是某些特定的基础行业，如医疗健康、安全安防、金融等领域。

多重技术推动物联网技术创新

从技术创新趋势来看，物联网行业发展的内生动力正在不断增强。连接技术不断突破，NB-Iot、eMTC、Lora等低功耗广域网全球商用化进程不断加速;物联网平台迅速增长，服务支撑能力迅速提升;

区块链、边缘计算、人工智能等新技术题材不断注入物联网，为物联网带来新的创新活力。受技术和产业成熟度的综合驱动，物联网呈现“边缘的智能化、连接的泛在化、服务的平台化、数据的延伸化”等特点。

—— 以上数据来源于前瞻产业研究院《中国物联网行业应用领域市场需求与投资预测分析报告》

多重技术推动物联网技术创新

从技术创新趋势来看，物联网行业发展的内生动力正在不断增强。连接技术不断突破，NB-Iot、eMTC、Lora等低功耗广域网全球商用化进程不断加速;物联网平台迅速增长，服务支撑能力迅速提升;

区块链、边缘计算、人工智能等新技术题材不断注入物联网，为物联网带来新的创新活力。受技术和产业成熟度的综合驱动，物联网呈现“边缘的智能化、连接的泛在化、服务的平台化、数据的延伸化”等特点。

——以上数据来源于前瞻产业研究院《中国物联网行业应用领域市场需求与投资预测分析报告》。

现今世界网络和数据普及，不单止智能手机能连接网络，就连手表，闹钟，家电等日常用品，也能即时在网络中提取资讯，并配合环据数据作出分析，将最好的体验反馈给 用家。而透过网络来连接人，流程，资讯和装置这个概念，亦是我们平常所说的物联网（物联网，又名物联网）。

承接上文介绍了雾计算的简单的应用和由来，下文将会介绍物联网的一个重要技术 - 边缘计算（Edge computing）。下文将会阐述边缘计算的由来，并介绍它与物联网的关系，而且会利用无人驾驶作为用例，介绍云计算的短处和边缘计算的应用。

先定义一下边缘计算（wikepedia，2019）：

这里提到很多艰涩的专业名词，例如是“分散式运算”，“节点”等，其实只是描述：边缘技术是一种技术将大型应用程式的一部分转移到（即分散式运算）日常设备中处理（即边缘节点中）。

在云计算的典型结构中（如上图），通常可分为“云（云层） - 网（雾层） - 端（边缘）”三层。“端”这一层覆盖所有终端的应用程式，亦通常是被管理的角色。当云计算一计算出结果，就会到透过“网”层，将指令发送到“端”层的应用程式执行，而应用程式收到数据后，则会发送到“云”层作计算。

而边缘计算则可以想像为给予“端”层一定程度的“自治”。在边缘计算的架构中，终点被赋予简单的存储和计算能力（与雾计算不同，这里重点是“简单”的功能） ，令它能偶尔脱离云的管理，并根据环境数据作出回应。

增加终端系统简单的计算和存取能力看似一小步，但其实这个布局有着莫大的好处，当中包括：

  - 低延迟：数据由近场产生，能快速回应

  - 独立性：在没有网络连接下，系统亦能运作

  - 合规性：无需传送用户资料，保护个人数据

  - 简化数据：终端先处理部份数据，数据简化后才向云服务器传输

  - 安全性：数据传输减少，减少网络安全风险

无人驾驶是边缘计算其中一个经典用例，亦是一个很好例子说明云计算的短处和为什么需要边缘计算。

下图展示的是常用的云计算架构，当中包括1）一架智能汽车（客户端），并且正在使用无人驾驶功能，2）互联网（Internet），用作传输数据，以及3）云服务（云计算）服务器），用作提供无人驾驶服务。

假设汽车正在以60ms-1的速度行驶，并在起始位置感测到前方3m有阻碍物。由于汽车正在使用云计算的架构，汽车本身并没有分析的功能，汽车会将感测到的影像 传送到云服务器中作分析（步骤1）。

很不幸地，由于汽车现在在北区甚远，信息在005s后才能到云服务 无上停驶，但也要经过005s才能将指令发送到汽车上执行（步骤2）。

在这段发送信息到回收指令的过程中（~01s），汽车会继续以均速行驶（60ms-1），并到6m后（= 60ms-1×01s）才会收到指令停下来 。而且会撞到在3m前的路人，酿成车祸。

汽车在起始位置感测到前方3m有阻碍物，会立刻执行停车指令（步骤1）。然后再发送影像和决策内容到云服务器中作进阶分析（步骤2），以改善无人驾驶性能。 （注：这里看似与雾计算方式相似，但在过程中，应用程式没有作任何的数据分析，只根据感应器内容作出回应。若然是雾计算的话，感应器信息会发送到雾服务中，再作分析，然后通知终端设备作出回应。）

由此可见，云服务器距离数据产生的位置较远，因此会造成较大的延迟。而无人驾驶这些需要实时作出决策的活动，则很大机会需要使用边缘计算，使计算的服务靠近产生数据的源头，做到计算更接近实际行动。

随着科技的进步，数据传输速度的快速提升，不少日常物品，例如是家用电器，车辆等，都已经嵌入感测器，并透过网络接结与互联网交换资讯，形成了庞大的物件网络（即物联网）。

物件会在运行时会收集到大量的环境数据。有些人会问，为什么不把数据都在本地（local drive）处理，其他数据再传到云服务做储存。这可能是其中一个可以实行的方法，但如果所有数据都在本地处理，物件本身要设有很多的存储装置和处理服务器。这会大大增加电力消秏和物件重量，增加成本。

因此，最好的方法是结合云计算和边缘计算的优势做出最佳的配置。在一些决定物件重大安全性的事件（例如如上文无人驾驶例子的刹车）可将决定的主导权放到边缘上，其他没有急切性的事情，则放到云服务器低成本集中处理。透过云与边缘的良好分工，大大减少成本，亦能提高运算效率。

经过长时间的积累，边缘计算终于迎来了瓜熟蒂落的时刻。随着底层技术的进步和应用的不断丰富，国内外运营商和产业企业均进入到MEC商用落地阶段。进入2019年，国内三大运营商开展了积极的边缘计算试点和部署工作。例如，中国移动发布边缘计算“Pioneer300”先锋行动；中国电信打造边缘计算开放平台ECOP，构建边缘云网融合的网络服务平台及应用使能环境；中国联通展示业界首个“MEC智慧水利”案例。

运营商和企业特点各异

进入2019年以来，边缘计算呈现出了突飞猛进的发展势头，那么边缘计算何时将进入大规模部署阶段？

李开认为，要解答上述问题，首先需要理清边缘计算部署的位置。九州云认为，边缘计算是一个业务驱动的技术，失去了业务驱动，边缘也就失去了意义，因此需要解答的第一个核心问题是边缘计算的驱动力从何而来？

在李开看来，边缘计算主要有运营商和企业两大驱动来源，其中前者来自于对5G场景的落地，后者来自于自身借助5G提升的落地，它们的差别如下。

第一，前者是必然要推动的，后者是可以选择的。第二，前者的边缘架构是相对聚焦的，而且有ETSI MEC标准等可以参考，有StarlingX、Tacker、Airship等开源框架作为起点；后者是相对长尾的，要跟随业务场景摸索，开源框架作为起点只能解决平台问题，不能解决应用问题。第三，前者是从上而下的布局，后者是自下而上的驱动。第四，前者覆盖所有边缘应用，注重边缘分发平台的打造甚于单个应用场景的优化；后者注重实际单个应用的落地，更加能够轻装上阵。第五，前者的时间能够降维并为企业边缘架构所复用，后者的实践无法升级成为前者的架构。

由于运营商市场和企业市场特点相异，因此其进入大规模部署阶段的时间点也不会相同。

李开表示，运营商边缘计算的大规模部署与5G息息相关。受5G牌照、技术、采购和场景选择等多种因素影响，各大运营商的时间点各不相同，但是边缘平台肯定优先于5G至少1年进行试点和局部部署。“这个时间点大概会在2019年下半年和2020上半年到来。”李开认为。

就企业市场而言，其受零售、物流、医疗等企业需求的推动，虽然现在基于4G的边缘网络相较于5G在边缘适配上有一定的天然劣势，但是作为试点却是在一定条件下可以实现的。李开认为，企业的边缘框架和运营商框架相类似，只是在网络延时等条件上有一定折扣，在应用丰富程度上有一定收敛，在空间覆盖上相对局限，但在与企业内设备通信更加复杂。“即使现在企业有独自实现边缘框架的可能性，但是在边缘网络尚不规模具备、需求还需要磨合的情况下，可能要等到2020年下半年才真正具备大规模部署的能力。”李开认为。

物联网成边缘计算最强劲驱动力

物联网是边缘计算的主要应用场景，也是驱动边缘计算的主要动力所在。正因为如此，人们往往把边缘计算和物联网混在一起，但实际上两者虽有联系却并非完全重叠。

在李开看来，物联网和边缘计算有相同之处。例如，海量设备数据的导入可能导致数据爆炸问题需要解决；海量设备所在的物理世界需要在数字世界产生一个“数字孪生（Digital Twins）”，如IoT Shadow、VR对真实世界的复原、自动驾驶对驾驶环境的模拟等，用来模拟物理世界的运行模式。

李开表示，边缘计算和物联网的不同之处也很明显：第一，物联网产生的数据爆炸不一定会产生海量数据，如NB-IoT和LoRa也可以适配物联网，而边缘的主要能力是海量数据的传输；第二，物联网不一定需要低延时，而边缘计算必然强调低延时；第三，物联网大部分基于Internet（核心网），而边缘计算是独立于Internet（核心网）的网络切片，边缘网络安全性更高；第四，物联网未必产生数字视觉，而数字视觉造成的数据则是边缘的一个核心能力。

因此在李开看来，边缘网络落地的行业必然是在和“物”打交道的场景中，同时具备海量数据、低延时、高安全等需求的场景，如工业生产执行系统、工业缺陷识别系统、自动驾驶、AR/VR、远程医疗等。李开表示，九州云所接触到的客户则主要集中在工业制造领域，他们对于工业生产执行系统、工业缺陷识别系统的需求比较强烈。

开放架构加速边缘计算落地

在边缘计算落地过程中，运营商侧重于解决平台问题，打造边缘应用的承载商店和网络，因此非常重视平台的打造和开放。

李开表示，多种开放框架可以支持边缘平台的打造，如StarlingX（OpenStack + K8S）支持边缘基础架构（Edge-IaaS），Tacker、Airship等支持边缘编排（Edge MANO）等，基于这些技术可以打造符合ETSI MEC参考架构的边缘管理平台。九州云在这几个领域都积极参与，是StarlingX/Airship的中国发起单位之一，并在StarlingX拥有全球技术委员会的席位，在Tacker等编排技术上，九州云是全球第一的上有源码贡献厂商。

李开认为，开放边缘平台能力给垂直行业企业，必将产生很好的商用效果。因为开放架构有利于自主的边缘核心能力，提升竞争力。在边缘计算领域，运营商在“硬管道”（边缘基础网络）上具备无可替代的优势，由于边缘网络并不暴露在Internet上，这一优势无法被互联网企业在OTT方面利用，边缘为运营商造就了一个可以直接将触角延伸到最终用户，并重新发现价值的能力。而边缘平台则是“软管道”，运营商必然需要掌控核心能力，基于开放架构而不是商业架构，为运营商带来更好的控制力，加速平台的成形。

此外，开放架构有利于更好地复用运营商原有技术积累，加速落地边缘的编排、边缘云的优化、边缘接口的标准化等技术。事实上运营商在已经完成的NFV架构改造中已经积累了很多，如基于TOSCA的网元编排，适配OSS的接口对接，基于GPU、DPDK的性能加速等，运营商都是基于OpenStack的架构进行优化的，因此在边缘领域坚持开放架构，有利于运营商技术上的继承和复用，加速落地。

切忌“为了边缘而边缘”

边缘计算目前已经到了规模应用的前夕，而要实现规模部署，李开认为边缘计算还需要克服如下挑战：第一，边缘的部署位置，以及与边缘VNF/PNF的整合；第二，边缘机房的改造（直流、空间、制冷）、容量估算（基站接入数、带宽）和安全防护升级；第三，边缘的高可用如何解决；第四，边缘的接入模式（专线、LTE、IOT）和终端的位置（以企业为单一终端还是以设备为单一终端）；第五，边缘运维模式和现有网络运维、业务运维、云运维模式的整合，云边协同如何落地。

对于落地垂直行业，李开认为前景虽然明朗，但是也存在一些担忧，主要是“为了边缘而边缘”，即没有商业驱动、只是为了和热点结合引入的边缘计算。“技术问题其实都能够通过积累解决，应用刚需是无法通过技术刚需创造的。”李开认为。而要解决这些担忧，则需要审慎识别客户需求，即是否与“物”打交道的场景，是否具备海量数据、低延时、高安全等需求的场景。

此外，安全也是运营商边缘的优势之一，边缘网络通过网络切片模式实现，是不暴露在互联网上的网络，相对来说更加安全，当然边缘网络自身的安全防护也需要加强，这个模式与核心网的安全加固在技术上有相同之处，新的威胁是针对边缘应用的访问模式，对边缘机房（汇聚或者接入）安全防护能力的升级。

九州云：边缘计算弄潮儿

李开介绍，九州云成立于2012年，是中国第一家从事OpenStack和相关开源服务的专业公司。作为边缘计算的积极探路者，九州云在边缘计算领域积极布局。九州云为运营商打造符合ETSI MEC标准规范的、基于开放架构的边缘平台，九州云在2018年6月成为“中国联通边缘生态合作伙伴”，在2018年10月成为“中国移动边缘开放实验室”的成员，面对运营商客户，九州云主要提供全面解决方案和服务，主要涵盖“边缘应用调度管理平台”“边缘基础架构平台”两大领域。

李开表示，九州云对于边缘计算的商业模式 探索 ，主要集中在工业领域，依托开放框架、低延时边缘网络、大数据处理能力，为客户提供工业数字孪生（Digital Twins）能力，客户包含西格数据、海德控制、格力电器（和中国联通合作）等工业领域客户，其“工业智能管理边缘云平台”获得了2018年度制造业信息化优秀智能制造解决推荐方案，“基于OpenStack的刀具检测于寿命预测管理边缘计算平台”也获得了中国自动化学会“CAA智慧系统创新解决方案”等荣誉。

边缘计算和云计算都是现代计算架构的重要组成部分，它们可以相互协同工作，以支持不同的业务需求。
具体而言，边缘计算和云计算可以相互补充，以实现更高效的数据处理和传输。边缘计算可以通过将计算和数据处理推向网络边缘，更接近数据源和终端设备，以便更快地响应实时数据和减少数据传输时延。而云计算则更侧重于将计算和数据处理放在中心化的云服务器上，实现数据的集中存储和处理，适合大规模数据中心应用。通过结合边缘计算和云计算，可以在不同的场景中实现最佳的数据处理和传输效率。
此外，边缘计算和云计算也可以相互协同工作，以提高数据的安全性和可靠性。边缘计算可以将一部分数据处理放在边缘设备上，减少数据传输和存储，从而降低了一定的安全风险。而云计算则可以提供高度安全和可靠性保障，以确保数据的保密性和完整性。
总之，边缘计算和云计算是相互关联、相互依存的，它们可以共同构建更为高效、安全和可靠的计算架构，以适应不同的业务需求和场景。

边缘计算有许多的应用场景，概括起来主要有以下十点，应用一：改进医疗设备性能和数据管理
在医疗场景下，边缘计算主要帮助医疗保健体系的IT基础架构，具体来说，是防止医疗设备管理的应用程序发生延迟。在边缘计算的支持下，无需构建集中的数据中心，可对关键数据进行本地化，在安全性、响应速度和有效性上有更佳表现。
应用二：本地零售的实时数据分析
边缘计算的主要目的，是让运算尽可能接近数据源。在零售场景中，以往企业都是将各分支的数据汇总到中心位置进行分析，再进行决策和行动。而通过边缘计算，零售店铺可以在本地就进行数据处理和优化，这样组织的行动反馈就能更快更及时。
应用三：让虚拟现实更生动
在技术支持下，本地设备可以大大提升用户的参与程度，用户也可以有更生动、更即时的增强现实体验。在这个前提下，越来越多的企业将进行转型。
应用四：加速数据分析
在这一场景下，通过本地计算能力，在数据分析早期就引入较高智能水平的运算。这样可以使得数据更为清晰，从而加快企业的分析和决策速度。在云计算场景中，运算对智能化和精准度的要求较低，主要是在后期应用中使用，故而分析数据需要花费更多时间。
应用五：智能制造
其实边缘计算在智能制造方面属于基础层面的构架。在生产车间采进行“近实时”分析，可以提升运营效率，并增加边际效益从而提高利润。此外，通过边缘计算系统来收集数据、制造智能化工具过程中，可以及时识别异常情况，尽量避免产线停顿。
应用六：消除过剩数据
传统的云计算架构不可避免地会导致多余数据堆积在云存储里，比如物联网的感应数据等。这些数据大多都是无用的，对企业来说花费成本区储存这项数据基本上是没有必要的。边缘计算可以做到只向云端传输有效数据，让流程更为优化。
应用七：让安保系统响应更快速
对于那些建有庞大又复杂的安保系统的企业来说，边缘计算非常实用，它可以有效筛选出关键信息防止带宽的浪费。举例来说，动作捕捉摄像机如具备运算能力，就可以只上传有价值的信息。
应用八：现实数据收集
在零售环境下，物联网、数字标签、IP光纤都是实现边缘计算的基础配置。未来我们的业务将依赖规模在万亿级别的数据挖掘和集成。边缘计算通过本地设备和传感器，协同云端一起收集现实数据，能够做到这个量级的数据聚合。
应用九：降低运营成本减少存储需求
在边缘计算加成下，收集到的数据无需在本地和中央服务器之间穿梭，就可以让本地设备知道要执行哪个功能。这样就可以节省运营成本和存储设备的投入了。
应用十：让诊断与治疗更有针对性
这虽然也是医疗场景的应用，但这里的边缘计算更专注提升病患的康复体验。医疗物联网设备在边缘计算应用下，可以更快更早地检测出病人的异常健康数据。这就可以让医生的诊断措施和医疗干预来得更及时。此外，随着可穿戴系统的普及，存储设备及传感器的成本也会不断下降。在边缘计算技术的帮助下，看病就医将从“被动治疗”转变为AI辅助下的实时的、预测性的保健式医疗。

---