除了国内外形势的发展需求之外，什么也推动了物联网快速发展

在这样的大背景下，在全球范围内，运营商 成为了物联网的重要推动者。 运营商将在物联网的发展中获得巨大的利益， 同时带领整个通 信产业，朝一个更深入的方向发展。 物联网规模化发展面临 3 大挑战 从整个物联网的发展情况来看，我们认为物联网仍然处在一个规模成长前夜的阶段。要实现规模化的发展，仍面临着一系列的瓶颈，需要解决一系列的问题。这些问题概括总结起来就是横向欠缺整合，纵向亟待深入。与之相对应的还有第三个问题，就是伴随物联网进一步的发展和规模化，将会对通信网络产生压力，并且产生一系列的新问题，需要对整个基础 网络针对物联网进行优化。 总结来说，物联网的规模化发展，面临的三大挑战是： 第一，需要实现物联网横向的整合，打造社会公共的物联网基础架构。并在标准化、规 范化的基础上，形成真正的物联网产业联盟。 第二，需要促进物联网在各个行业的纵深发展。应抓住新的关键技术、政府示范项目以 及新的商业模式等契机，实现重点行业的突破，并由点带面，促进整个物联网向各个行业的 纵深发展。 第三，基础网络优化。通信产业界形成共识，就是物联网的规模化发展，将对基础网络产生一系列优化的需求。比如为了满足庞大的物的数量，要对号码优化；为了满足物的低功 耗、低移动的影响，要对无线资源进行优化等。 挑战一：横向整合 从横向整合的角度来说，基于物联网这样一个从感知层到网络层，再到应用层的端到端 的架构， 应该建立公共的分层的物联网体系架构。 这样一种社会公共的物联网基础架构的优 化，有两个节点非常重要：一个是物联网业务支撑平台，或者说物联网中间件平台； 另外一 个是标准化、规范化的物联网网关产品。 物联网应以平台和模组为基础形成一个更加规范化、标准化的物联网基础架构，并以此架构为基础形成整个社会物联网的分工。 在这个过程中，标准化工作是非常重要的任务。 从国际范围来看，整个物联网的规范制订都处于相对滞后的局面。 物联网行业规范的制订是推动物联网的关键， 必须予以充分的重视。物联网规范的制订应以物联网业务支撑平台为核心，重点是在平台与终端的接口、平台与应用的接口的标准化。 在形成一个社会公共的物联网基础架构，以及相应规范制订的基础之上，形成真正价值链分工基础之上的产业联盟。 目前国内物联网的产业联盟存在的一个突出问题，就是布局分散，缺乏基于价值链的分工。虽然大多数厂商宣称提供端到端方案，但大部 分规模较小。 挑战二：纵向深入 纵向深入方面，应该抓住一系列的机会推动物联网在各个行业的深化。 首先应该抓住新技术带来的变革契机，物联网技术的发展，正在带来这样的发展契机。 物联网通过对传统产业的变革，在某种程度上，颠覆了传统服务产业链条。新技术变革为运 营商和设备制造商， 占领行业市场提供了良好的契机。这是一个利用新技术所带来的机遇，突破重点行业的范例。 第二，应该抓住政府示范项目的机会。在政府示范项目中，政府关注重点在于整个物联 网产业链的发展， 以及社会公共资源在物联网领域最优化的投入。 设备制造商和电信运营商 可以通过在政府示范项目充分的合作，形成合力，实现重点行业的突破。中兴通讯和上海电 信合作，在上海提供了车辆监控系统服务世博会，取得了良好的社会效应。此项目最近刚刚 获得了 CDG 颁发的物联网的业务创新大奖。 第三，需要在经营模式和商业模式方面实现创新。现在物联网的发展体现出严重的行业 不平衡。 国内发展比较快的几个行业， 都是有巨额投资的行业。 大多数没有钱的行业怎么办？ 未来物联网向更多行业纵深化发展， 需要由创新模式来带动。 挑战三：基础网络优化 基础网络的优化，是整个通信业界尚未解决的问题，也是大家非常关心的问题。 基础网络优化，前期普遍认为距离实际市场需求较远， 但是从今年下半年起， 在网络已经达到几百万甚至上千万物联网终端在线的情况下，这种需求已经出现了。比如加强网络终端感知能力的需求， 为了规避数据安全风险而进行数据分流的需求等。 这些都是现实的需求， 并且正在不断地细化。 从长远来看，我们认为物联网必须在横向整合、纵向深入以及基础网络优化三个重要问题上取得突破，才能取得规模化的发展。 物联网解决方案，经过前期的巨大努力，我国在物联网领域已经形成了金字塔形的层次结构：处在金字塔顶端的是物联网业务支撑平台产品； 处在第二层的是标准化、 规范化的物联网通信模块产品；第三层是关键行业应用方案；第四层是物联网的基础网络优化；第五层是技术人才的组织和支持。

智能农业联网系统便是将物联网应用到传统农业中去，运用感应器和手机软件根据移动应用平台或是计算机网站对农业开展 *** 纵。从理论上而言，智能农业还包含农业电子商务、食品安全追溯防伪标识、农牧业度假旅游、农牧业数据服务等领域具体内容。

智能农业是农业种植的普及化，是集新起的互联网技术、移动互联、云计算技术和物联网为一体，借助布署在农业当场的各种各样传感器连接点（自然环境温湿度记录、土壤含水量、二氧化碳、图象等）和无线通信网络完成农业自然环境的智能化认知、智能化预警信息、智能化管理决策、数据分析系统、权威专家线上具体指导，为农业给予精确化栽种、可视化管理、智能化系统管理决策。

信息内容和知识是智能农业的关键因素。现阶段，互联网技术、物联网技术、互联网大数据、云计算技术、人工智能技术等现代科技，已经与农牧业紧密结合，具有农业信息认知、定量分析管理决策、智能控制系统、精确资金投入、人性化服务的全新升级农牧业生产过程已经应用到了实践活动中

该系统在农牧业中的功效管理方法智能化系统、可以根据计算机、手机上完成对温室大棚内栽种管理方法智能化系统花纹、精细化管理上肥，可做到提高效益，改进质量，节约人力资源、减少人力偏差、提高细致经济效益的目地，完成温室大棚栽种的精益化管理。

目前大家都会讲互联网大数据，大数据最先是要有确切的数据来源做支持的，智慧农业监控系统是根据对每一个田里、每一个温室大棚、每一个农作物生长发育全过程开展无间断的数据采集，才能在云管理平台上确立起对应的农作物栽种大数据库，拥有如此的互联网大数据，就可以对农作物的质量生产量与栽种过程中的信息开展监管剖析，科学合理的汇总出植物的最好生长发育标准，与此同时也为农牧业科研带来了高效的信息基本。

随着智能手机的普及和各种智能联网设备的广泛运用，联网设备的数量近几年都在不断增长，从2017年起，整个物联网市场预计每年价值超过10亿美元。物联网渗透到各行各业中已经是不争的事实，2018年即将结束，千锋物联网培训为大家分析2018年物联网呈现的四大关键趋势。

趋势1：物联网平台被大规模采用

根据研究，企业决策者正在迅速意识到物联网带来的机遇。其研究显示，60%的决策者已经使用或计划在未来两年内使用物联网。

到2018年为止，我们已经看到了物联网软件平台的发展，以及硬件 *** 作管理、安全性、预测性维护和资产跟踪的打包应用程序的广泛采用。

趋势2：物联网与AR、人工智能和机器学习协同应用

没有一项技术是在真空中发展起来的，大量的物联网应用及平台生态集成了机器学习、图像识别、增强现实和区块链技术。今年，我们看到很多单点智能技术与物联网协同或者多个技术与物联网协同应用案例。

趋势3：优化数据

数据是支持物联网系统和服务的重要因素。然而，只有精心准备、干净、格式化和可索引的数据才能成为有价值的数据。根据数据科学家的观点，从异构数据中获得分析洞察力的工作80%是乏味的。因此，并不是每一个将IOT技术引入到其 *** 作和过程中的公司都会得到最好的数据。

趋势4：面对物联网安全挑战

安全仍是整个物联网生态系统中最大的问题。多层物联网系统存在安全问题。企业数据传输和个人数据共享都是主要问题。其他问题领域包括支付交易安全和硬件层安全性。

如今，个人移动设备的生物识别已经无处不在。我们可以期待连接的设备接受先进认证的好处。

据悉，预计到2030年，物联网将为全球GDP增长贡献10-15万亿美元。这个庞大的市场必然大有发展，如果你也看好物联网的发展，可以来千锋智能物联网培训进行专业系统的学习。

最初在1999年提出：即通过射频识别（RFID）(RFID+互联网）、红外感应器、全球定位系统、激光扫描器、气体感应器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位、跟踪、监控和管理的一种网络。简而言之，物联网就是“物物相连的互联网”。
中国物联网校企联盟将物联网的定义为当下几乎所有技术与计算机、互联网技术的结合，实现物体与物体之间：环境以及状态信息实时的实时共享以及智能化的收集、传递、处理、执行。广义上说，当下涉及到信息技术的应用，都可以纳入物联网的范畴。
国际电信联盟( ITU) 发布的ITU 互联网报告，对物联网做了如下定义：通过二维码识读设备、射频识别(RFID) 装置、红外感应器、全球定位系统和激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。
在物联网应用中有三项关键技术
1、传感器技术：这也是计算机应用中的关键技术。大家都知道，到目前为止绝大部分计算机处理的都是数字信号。自从有计算机以来就需要传感器把模拟信号转换成数字信号计算机才能处理。
2、RFID标签：也是一种传感器技术，RFID技术是融合了无线射频技术和嵌入式技术为一体的综合技术，RFID在自动识别、物品物流管理有着广阔的应用前景。
3、嵌入式系统技术：是综合了计算机软硬件、传感器技术、集成电路技术、电子应用技术为一体的复杂技术。经过几十年的演变，以嵌入式系统为特征的智能终端产品随处可见；小到人们身边的MP3,大到航天航空的卫星系统。嵌入式系统正在改变着人们的生活，推动着工业生产以及国防工业的发展。如果把物联网用人体做一个简单比喻，传感器相当于人的眼睛、鼻子、皮肤等感官，网络就是神经系统用来传递信息，嵌入式系统则是人的大脑，在接收到信息后要进行分类处理。这个例子很形象的描述了传感器、嵌入式系统在物联网中的位置与作用。
用途范围
物联网用途广泛，遍及智能交通、环境保护、政府工作、公共安全、平安家居、智能消防、工业监测、环境监测、路灯照明管控、景观照明管控、楼宇照明管控、广场照明管控、老人护理、个人健康、花卉栽培、水系监测、食品溯源、敌情侦查和情报搜集等多个领域。
国际电信联盟于2005年的报告曾描绘“物联网”时代的图景：当司机出现 *** 作失误时汽车会自动报警；公文包会提醒主人忘带了什么东西；衣服会“告诉”洗衣机对颜色和水温的要求等等。物联网在物流领域内的应用则比如：一家物流公司应用了物联网系统的货车，当装载超重时，汽车会自动告诉你超载了，并且超载多少，但空间还有剩余，告诉你轻重货怎样搭配；当搬运人员卸货时，一只货物包装可能会大叫“你扔疼我了”，或者说“亲爱的，请你不要太野蛮，可以吗？”；当司机在和别人扯闲话，货车会装作老板的声音怒吼“笨蛋，该发车了！”
物联网把新一代IT技术充分运用在各行各业之中，具体地说，就是把感应器嵌入和装备到电网、铁路、桥梁、隧道、公路、建筑、供水系统、大坝、油气管道等各种物体中，然后将“物联网”与现有的互联网整合起来，实现人类社会与物理系统的整合，在这个整合的网络当中，存在能力超级强大的中心计算机群，能够对整合网络内的人员、机器、设备和基础设施实施实时的管理和控制，在此基础上，人类可以以更加精细和动态的方式管理生产和生活，达到“智慧”状态，提高资源利用率和生产力水平，改善人与自然间的关系。

数据分析、机器学习与物联网
我们当前所处的世界，联网程度不断上升，低成本传感器和分布式智能也在不断普及，产业即将面临这一切带来的革命性的冲击；同时，在此过程中还会产生大量的数据，其规模将庞大到远远超过人类所能处理的范畴。对此，企业是否能足够迅速地适应并演进自身的业务，以维持在竞争格局中所处的位置？面对我们栖身的环境中植入的这些全新的信息来源和智能设备，人类应当如何掌握它们并从中获益？利用不断演进的技术组织机构将需要建立起内部数据仓库，以便能够利用新的数据源和数据流。智能接入设备亦将在某些情况下取代人的角色，它们将能够自行决策、执行自我调整，或是根据需要引发对自身的纠正和修复。在另一些情景中，众多设备的集合将聚集在一起成为完整的系统，这样的系统可以采用新的方法进行优化；而由系统聚集成的系统，将会彼此共享数据，并成为由数据和设备组成的生态系统。机器学习（指从数据中推导出意义的众多方法）注定将成为这个生态系统中的一部分；此外，随着企业着手为物联网（IoT）做准备，传统业务和数据分析技术也同样将被纳入到该生态系统之中物联网——某些人更愿意称之为“万物互联”（Internet of Everything）——正处于不断上升的轨道上。一项Gartner研究指出，在2020年IoT单元的数量将达到260亿，而IoT产品和服务的市值将达到3000亿美元1。另外，GE在工业互联网（Industrial Internet）——这一概念包含用于监控和优化工业设备（例如喷气式引擎、铁路机车、动力涡轮机和制造工艺）性能的机制和应用——领域已经活跃了很长时间。根据GE的估算和预测，在接下来20年中，工业互联网将帮助全球GDP产值提高10到15万亿美元（没错，万亿量级）。当然，围绕着已问世的全新技术和正在逐步浮现的技术概念，市场中充斥着大量炒作。例如，Gartner备受争议的 “成熟度曲线”（注：也有些人使用“炒作周期”这一贬义说法）报告就把IoT摆在了“翘首以望的顶峰”的位置上（而大数据作为之前的热点，已经进入了“理想幻灭的低谷” 3）。然而，哪怕企业家们为之表现出群情激昂的兴奋，或是记者们在笔下展现出了对未来的狂热展望，在现实中依旧存在着大量的挑战，组织机构必须克服它们，才能够真正乘上这次技术演进的东风。挑战组织机构必须聚焦于：了解产品技术和IT领域中，企业能力的相对成熟度；了解可以纳入哪些类型的IoT功能，以及新能力将会在哪些方面对客户价值带来影响；了解机器学习和预测分析模型的角色；基于市场变化的迅捷程度和竞争对手的相对敏捷度，重新思考业务模型和价值链。接下来，让我们对这些挑战逐一进行更详细地分析。理解产品和IT成熟度可以从产品和IT两个维度分别进行分析。首先，产品组合的成熟度如何？它是属于变更较缓慢且逐步演进的传统类型的产品，还是属于前进速度更快，同时具有更复杂生态系统的产品？矿产设备在技术上非常复杂。并且，与科学研究仪器相比，它拥有更为漫长的设备生命周期，和相对更缓慢的演进速度。然而，这并不意味着科研仪器的公司，在利用IoT产品进行系统优化方面更具优势。另一个需要考虑的因素是IT流程的成熟度。各种类型的组织机构都可能会因采用IoT而获益；然而，要想达成这一目标，它们所需采用的模型却各不相同。让我们进一步分析一下IT成熟度水平这个因素。举例来说，科学研究仪器供应商或许拥有先进技术，但却可能缺乏强有力的IT架构、流程和IT治理能力。与之相反，矿业设备制造商或许拥有非常成熟的内部IT流程。对科学研究仪器公司而言，IoT将让它们能够对安置在现场的仪器设备进行功能升级；但面对由多种类型设备组成的实验室信息生态系统库，公司并不一定愿意尝试去进行优化。（当然，以IT作为成本中心——例如内部IT管理——方面的成熟度不足，并不等于以IT作为利润中心——例如IT产品——方面成熟度的缺失；但当开发或拓展IT服务的时候，许多组织机构都选择在现有的基础IT能力之上构建。）在去年的哈佛商业评论（Harvard Business Review）中，讨论了一个矿业设备领域的例子：Joy Global是一家矿业设备制造商，其专家团队横跨与采矿作业相关的多种系统和流程。Joy Global以此为依托，针对来自多家供货商的一系列设备，提供监控、维护和优化的服务4。了解IoT能力接下来，应该考虑一下使用智能联网设备中的哪些能力。刚刚提到的哈佛商业评论刊登的文章4指出，IoT包含四种类型的能力：监视——传感器提供关于运行环境、产品使用和性能方面的数据；控制——可以控制并定制个性化产品功能；优化——来自监视与控制的反馈回路，能够提供更高的效率、更好的性能、预防性维护，以及诊断和修复；自治——监视、控制和优化将支持独立运行、不同系统间的协作、与环境交互、个性化、补给，以及自我诊断和修复。这四个层级的能力，将为重新定义供应链并重新配置价值链提供支持。我们不应该抱有产品的功能应固定不变的观点；相反，我们应该认为它们将更具灵活性和适应性。那些智能联网设备和产品将具有可变特性，并能够随着用户需求的变化而改变。在数年以前，软件制造商就已经认识到了这一点。而现在，物理对象也正在逐渐转变为软件驱动功能的载体或容器。上述这些层级的能力要求越来越精密的数据分析方法——从收集和应用数据，到支持算法自身运用数据并在同时进行学习。第一个层级的能力——监视——将成为一套实时的机制，我们可以运用它更好地了解现场情况和用户需求，并提供新的能力。这意味着组织机构的传统产品和服务将不再泾渭分明，而且二者的边界将彼此渗透。在过去，现场设备的维护由某个现场服务承包公司承担，设备制造商的业务并不涉及此环节。而在智能设备与监视能力结合后，设备可以在故障发生前将所需的服务提前告知制造商。同时，设备制造商也可以将常规维护纳入自己的服务范畴。不过，如果利润和物流对组织机构而言是个问题的话，那么复杂的维修工作将依旧由专业承包商完成。这一“去中介化”(disintermediation)的模式也可以运用到分发链中。设备可以自动发起补充供应的请求，从而降低甚至消除供应链中的物流和库存压力。控制是建立在监视之上的更复杂的应用。我们可以监视设备运行情况，并通过控制设备的多个部分或多个系统，来扩展人工干预的边界。想象一下，在 *** 作大部分功能都是自动化执行的系统或机器时，人类所扮演的角色：人类指导机器运转，并寻找系统设计的时候没有预料到（或是基于经济划算的角度未设计应对预设）的边界条件、异常和例外。接下来，人类使用自己的判断做出变更、纠正或调整。我们并不需要（在空间上）与设备在一起，或许我们也无需实时监视它们（这取决于流程）。我们通过监视层面采集数据并进行处理（某些数据处理必须在特定时刻完成），并通过控制层面将这些数据实时（或准实时）地运用到设备或装置的运行上。需要组织机构做出的战略决策是，是否以及何时在产品中提供更多的控制能力，以及是将其作为一种服务向客户开放，还是让客户拥有这些功能。第三个层级的能力——优化——可以拓展到某个单体对象、一系列对象，或是一套由来自多家制造商、使用不同技术的对象组成的生态系统的表现方面。是否将提供的服务拓展到这一领域，取决于围绕着价值链和流程边界的知识和经验的水平。前面提到的矿业的例子，反映出Joy Global与供应商相比的优势，主要在于拥有在流程生态系统中更加聚焦的视角。以卡车制造商为例，它无法很好地优化复杂的矿业设备，但却会凭借对自己的一系列卡车（以及潜在的一系列其他制造商生产的卡车）进行优化而获益——如果行业动态确实具有商业意义的话。要将优化的范围延伸到独立运行，还需要对这三个层级的能力进行一些拓展，以支持与环境及其他系统进行受限程度更低的交互。自治要求围绕着算法提供更多的智能，以便应对计划外的情况——程序员和系统工程师未能明确设计这些情况下的方案。自主运行需要整合具有适应性的机器学习方法，以应对新出现的情况，并将之纳入到用于监视、控制和优化的核心算法中。了解分析和机器学习2014年11月，施乐公司帕洛阿尔托研究中心的Mike Kuniavsky在IDTechEx上进行了一场名为“IoT领域中预测分析方面的用户体验”的演讲。在演讲中他表示，我们应该将几乎所有功能都存放（或是在不久的将来存放）在云上。数据和功能可以从任何位置、通过任何设备访问。而专业设备则提供用户访问数据的环境。健康手环可以通过iPhone或笔记本电脑，在特定的锻炼环境中访问用户的身体健康数据。在这种情况下，健康手环扮演了IoT传感器的角色，同时也提供了访问和使用数据的一种途径，而且它还通过软件功能包含了其他一些设备（例如计步器）的能力。设备上产生的数据可以为厂家提供额外的洞见，帮助其了解消费者的使用情况和喜好，并藉此升级功能或开发新特性。如果汇聚来自用户群的数据并结合其他数据集，那么新的洞见可以阐明流行病方面的数据、人群活动水平、生活方式和人口统计数据。对市场人员、健康服务提供者、保险公司和政府机构来说，这些信息具有宝贵的价值。（当然，我们必须认真对待隐私和数据使用许可方面的责任。）我们可以使用机器学习算法，基于这些数据模式作出预测。例如，在一份来自Mayo Clinic的研究中，发掘出了活动数据与心脏病人恢复速度的相关性5。同样的机器学习和预测算法也是许多联网智能消费设备的基础。例如，Nest恒温器是一套能够使用数据模式的设备，它预测消费者对于某个特定房间、在一天中的某个特定时刻的温度要求。（另一个控制和优化的例子体现在聚居区的层面。在获得了业主许可的情况下，电力设施可以通过远程调节的方式，控制成百上千的Nest设备，将室温调高或调低几度，从而完成高峰期的用能负载调度）。这类消费设备涵盖了从声音模式（例如亚马逊的个人助理输入设备Echo6）到更复杂的行为和活动模式（例如捷豹的路虎监视系统，它依赖于一套复杂的软件系统，该系统让汽车能够学习、预测和检查，并提醒车上的乘客帮助驾驶员自动委派次要任务，以便驾驶员将更多的注意力集中在驾驶上7）进行学习的范围。优化算法通过使用机器学习机制，来利用从动态环境下交互的传感器和智能设备传回的数据。算法不能基于特定的参数，精确地预测这些多变的情况，而是需要不断地感知、响应并适应。例如，随着汽车从驾驶员身上分担了更多的责任，它们需要与周边环境中更多的数据来源进行交互（传感器、灯光、其他车辆等等）。在工业自动化、物流和交通运输、电力网络与能源系统、交通管理、安全系统以及其他“系统的系统”等领域中的各类应用，都将让机器直接与其他机器进行交流。此外，这些应用还将基于能够演进和自适应的算法，帮助机器翻译数据流，从而使机器能够依据给定的运行参数达到要求的最终状态。反思业务模型和价值链智能联网设备要求组织机构重新检视，它们处在市场中的什么位置、以什么方式创造价值，以及这些价值将如何随着竞争环境和信息生态系统的演进而增加或减少。分析将帮助验证某些决策（例如，在对特性进行变更或是增加服务和功能后，获得实时使用数据）；不过，市场新进入者和新的价值链结构或许会对业务模式带来巨大的转变，而基于公司传统业务模式做出的分析将不再具有相关性。因此，产品或服务的基础，或许会转变为来自传统产品的数据流，而不是来自产品本身的收入。新的业务模式将得以延展，甚至有可能远远超出产品本身的范畴，覆盖上游供应商或下游消费者。最重要的是，所有这些可能性，都会要求组织机构拥有围绕着其内部数据健康度和用于分析的基础设施的基础能力：数据“打捞”（curation）、所有制和质量标准、具有一致性的企业架构、干净整洁地集成在一起的系统、自动化的数据载入流程，以及成熟的分析专家。如果欠缺或未能有效管理这些基础条件，组织机构将很难进行快速反应，并演化出新的分析和数据管理功能与能力。IoT将基于数据流和复杂的方法，从信息中获取洞见，并通过与企业知识整合，将之运用到价值创造方面。而不具备这些能力的组织机构将在市场上落后，或是降级到低价值、低利润的层次。数据被称为“新的石油”——我们可以拓展这一比喻，这意味着通过分析能力中的知识提炼环节，数据将被精炼为高价值产品。组织机构现在就需要在构建此类基础设施的方面投入资源，以便为接下来数年中应对供应链和价值创造环节的转型、扰动和颠覆做好准备。信息敏捷性将成为必备的核心能力。

工业领域物联网发展趋势分析 传统工业加速向智能化转变
所谓“物联网”(Internet of
Things，IOT)，又称传感网，指的是将各种信息传感设备，如射频识别(RFID)装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网连接起来并形成一个可以实现智能化识别和可管理的网络。
前瞻产业研究院数据显示，2016年我国物联网产业规模超过9000亿元人民币，同比增速连续多年超过20%。物联网作为通信行业新兴应用，在万物互联的大趋势下，市场规模将进一步扩大。随着行业标准完善、技术不断进步、国家政策扶持，中国的物联网产业将延续良好的发展势头，为经济持续稳定增长提供新的动力。移动互联向万物互联的扩展浪潮，将使我国创造出相比于互联网更大的市场空间和产业机遇。
物联网利用射频识别(RFID)、GPS、摄像头、传感器、传感器网络等感知、捕获、测量的技术手段，随时随地对物体进行信息采集和获取，实现智能化的决策和控制。因此，物联网在工业领域应用过程中，物联网相关技术和产品是智能工业的核心。
工业是物联网应用的重要领域。具有环境感知能力的各类终端、基于泛在技术的计算模式、移动通信等不断融入到工业生产的各个环节，可大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，传统工业加速向智能化转变。
根据前瞻产业研究院发布的《物联网行业应用领域市场需求与投资预测分析报告》测算，2014年，国内物联网在工业领域需求规模为1260亿元;2016年，国内物联网在工业领域需求规模为1804亿元。2017年，国内物联网在工业领域需求规模约为2354亿元。
物联网在工业领域应用问题分析
1、IT安全问题
和前几次由新的硬设备、技术所带来的工业革命不同，工业40是由互联网所带来的第四次工业革命。也因此，有66%的受访者认为IT安全是一大挑战，当企业的IT系统连上网络，随时可能有一些未知的威胁出现在仓储管理系统、机器设备或供应链当中。
2、制造系统管理问题
工业40除了带来生产效率之外，同时也改变传统制造业的思维。当智能生产真正落实后，将会对制造管理系统带来巨大的变革，且势必变得更为复杂，包括整体的生产物流、人机协同作业等改变，也让员工培训更显重要。
3、通讯基础设施建设问题
通讯网络是实现工业40的重要关键，但是要建立一个让所有组织都能够配合的网络，必须要有一个一致的接口、通讯标准和规范。目前许多标准都还未建立，例如工业通讯、工程、IT安全、数字化工厂、设备整合等都还未被纳入整体参考架构中。
物联网在工业领域应用前景及发展趋势预测
近年来，我国政府通过工业化与信息化融合战略正在大力推进物联网技术向传统行业中的深度渗透。工信部于2013年9月发布的《工业化与信息化深度融合专项行动计划(2013-2018年)》中重点提出的互联网与工业融合创新试点工作已经进入了全面实施阶段。
以物联网融合创新为特征的新型网络化智能生产方式正塑造未来制造业的核心竞争力，推动形成新的产业组织方式、新的企业与用户关系、新的服务模式和新业态，推动汽车、飞机、工程装备、家电等传统工业领域向网络化、智能化、柔性化、服务化转型，孕育和推动全球新产业革命的发展。
美国制造业巨头通用电气公司充分利用物联网技术，已推出了二十余种工业互联网/物联网应用产品，涵盖了石油天然气平台监测管理、铁路机车效率分析、提升风电机组电力输出、电力公司配电系统优化、医疗云影像等各个领域。AT&T基于GE的软件平台Predix开发M2M解决方案，越来越多的工业机器将通过M2M连接到网络。
例如：物联网应用在智能工厂，具有相当广泛的应用前景，经济效益和社会效益明显。导入物联网的智能工厂，至少可以实现以下五个功能，即：电子工单、生产过程透明化、生产过程可控化、产能精确统计、车间电子看板。通过这五大功能，不但可实现制造过程信息的视觉化，对于生产管理和决策也会产生许多作用。根据物联网在智能工业的产值贡献比例来看，2023年国内物联网在工业需求规模在7821亿元左右。

主要学科有：
“主要学物联网概论、物联网硬件基础、无线传感网应用技术、RFID应用技术、M2M应用技术、物联网应用软件开发、Android移动开发等。物联网应用技术培养具有从事WSN、RFID系统、局域网、安防监控系统等工程设计、施工、安装、调试、维护等工作能力的高端技能型人才。”

---