物联网相关术语

1 物联网（Internet of Things，IoT）
指将传感器、执行器、智能设备、人工智能和云计算等技术融合在一起，通过互联网连接、交互和协同工作来实现智能化和自动化的网络。
2 传感器（Sensor）
指一种可以感知并测量实际物理量的设备或系统，通过将物理信号转换成数字或模拟信号来输出相应的测量结果。
3 执行器（Actuator）
指一种可以根据输入信号转换成机械或电动力的设备或系统，用于控制或驱动实际物理行为。
4 物联网平台（IoT Platform）
指一种用于将各种传感器、执行器和智能设备互联互通的技术平台，提供数据采集、数据分析、数据处理和数据交互等功能。
5 云计算（Cloud Computing）
指一种基于互联网的分布式计算和存储模式，将计算和数据存储分布在多个服务器上，提供虚拟化和动态扩展等功能。
6 数据采集（Data Collection）
指通过传感器和其他设备收集和记录现实世界中的数据，如温度、湿度、压力、位置、声音等。
7 数据处理（Data Processing）
指将采集到的数据进行分类、筛选、转换、分析等处理，以提取有用的信息，比如预警、异常检测、预测分析等。
8 数据交互（Data Interaction）
指通过互联网将数据传输到物联网平台等服务器上，并将处理结果返回到智能设备中，以实现设备之间的互通和协同工作。

9 人工智能（Artificial Intelligence，AI）
指模拟人类智能和行为的计算机系统和算法，用于实现自动化、智能化和自主学习等功能，如图像识别、语音识别、机器人等。
10 区块链（Blockchain）
指一种去中心化的分布式账本技术，用于实现安全性、透明度和信任度的高效交互和协同，如支付、合同管理、安全通信等。

主要由数据结构、数据 *** 作和完整性约束部分组成，通常称为数据三要素。

数据模型是用于描绘、沟通数据需求的一组简单易懂、标准的，并且便于计算机实现的标准符号的集合。数据库很强大，但数据在其中的关系却错综复杂，成千上万个表通过各种关系或约束互连以形成复杂的结构。

没有数据模型，利益相关者很难看到现有数据库的结构、理解关键概念，当需要描述数据需求的时候，也很难准确地表达出来，这也是数据模型很重要的一个最主要的原因。

数据的技术特征主要包括以下维度。

一是数据的样本分布、时间覆盖和字段等。

二是数据容量，比如样本数、变量数、时间序列长度和占用的存储空间等。

三是数据质量，比如样本是否有代表性，数据是否符合事先定义的规范和标准，观察的颗粒度、精度和误差，以及数据完整性。

四是数据的时效性。因为观察对象的特征和行为可以随时间变化，数据是否还能反映观察对象的情况。

五是数据来源。有些数据来自第一手观察，有些数据由第一手观察者提供，还有些数据从其它数据推导而来。数据可以来自受控实验和抽样调查，也可以来自互联网、社交网络、物联网和工业互联网等。数据可以由人产生，也可以由机器产生。数据可以来自线上，也可以来自线下。

六是数据类型，包括结构化还是非结构化的，以及存在形式（文字、数字、图表、声音和视频等）。

七是不同数据集之间的互 *** 作性和可连接性，比如样本ID是否统一，变量定义是否一致，以及数据单位是否一致等。

八是是否为个人数据。个人数据在隐私保护上有很多特殊性，需要专门讨论。

行业主要上市公司：大富科技(300134)、梦网集团(002123)、共进股份(603118)、胜宏科技(300476)、润和软件(300339)、立昂技术(300603)等

本文核心数据：物联网产业规模、竞争格局、发展前景预测等

产业概况

1、定义

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。

早期的物联网是指依托射频识别技术的物流网络，随着技术和应用的发展，物联网的内涵已经发生了较大的变化。现阶段，物联网是指在物理世界的实体中部署具有一定感知能力、计算能力和执行能力的各种信息传感设备，通过网络设施实现信息传输、协同和处理，从而实现广域或大范围的人与物、物与物之间信息交换需求的互联。物联网依托多种信息获取技术，包括传感器、射频识别(RFID)、二维码、多媒体采集技术等。物联网的几个关键环节可以归纳为“感知、传输、处理”。

2、产业链剖析：共有四大层面

所谓产业链，是以生产相同或相近产品的企业集合所在产业为单位形成的价值链，是承担着不同的价值创造职能的相互联系的产业围绕核心产业，通过对信息流、物流、资金流的控制，在采购原材料、制成中间产品以及最终产品、通过销售网络把产品送到消费者手中的过程中形成的由供应商、制造商、分销商、零售商、最终用户构成的一个功能链结构模式。

从产业链条来看，物联网的产业链条由上而下可以分为感知层、传输层、平台层和应用层四个层级。

自2018年中美贸易摩擦以来，美国加大了对中国高新技术出口的限制，不断扩大实体清单，影响了中国一些科技主导型企业的发展，这从侧面警示了中国在全球供应链中地位的脆弱性。物联网通过传感器把物理世界与数字世界联系起来，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。其中传感器作为数据采集的源头，已经成为各种应用能力所需的数据来源所在。目前中国国内也涌现出了一些传感器芯片重点生产企业，如：高德红外、西人马、士兰微、敏芯微电子、博通、全志科技、大唐微电子、复旦微电子等。

行业发展历程：处于市场验证期

物联网是通过射频识别(RFID)、红外感应器、全球定位系统、激光扫描器等
信息传感设备，按约定的协议，把任何物体与因特网连接起来，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。物联网发展历史悠久，可分为三个阶段：

行业政策背景：政策大力推进

根据最新发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，在“十四五”期间，明确新基建，还要让5G用户普及率提高到56%。并且5次提到关于物联网的规划发展，除了划定数字经济的7大重点产业外，其余4次提到的场合均体现出对物联网发展重点的表述。

十四五规划中划定了7大数字经济重点产业，包括云计算、大数据、物联网、工业互联网、区块链、人工智能、虚拟现实和增强现实，这7大产业也将承担起数字经济核心产业增加值占GDP超过10%目标的重任。

产业发展现状

1、中国物联网连接数快速增长

全球物联网仍保持高速增长。物联网领域仍具备巨大的发展空间，根据GSMA发布的《The mobile economy
2020(2020年移动经济)》报告显示，2019年全球物联网总连接数达到120亿，预计到2025年，全球物联网总连接数规模将达到246亿，年复合增长率高达13%。我国物联网连接数全球占比高达30%，2019年我国的物联网连接数363亿。而根据2021年9月世界物联网大会上的数据，2020年末，我国物联网的数量已经达到453亿个，预计2025年能够超过80亿个。

2、应用层与平台层价值最高

从产业链价值分布看，应用层和平台层贡献最大的附加值，分别占到35%左右，传输连接层虽然重要，但产值规模较小;底层的感知层元器件由于种类众多，产业价值也较大，占到20%左右。

3、物联网应用者使用情况调研

微软发布的第三版《IoT Singal(物联网信号)》报告显示，2021年物联网的应用持续保持增长。91%的受访组织是物联网应用者。

物联网项目可分为四个阶段：学习、试验/概念验证、购买和使用。2021年，29%的物联网项目处于学习阶段;处于试验/概念验证阶段的项目比例仍保持不变，2020年和2021年均为25%;处于购买阶段的项目比例增加了1%，从2020年的21%增加到2021年的22%;处于使用阶段的项目在2020年和2021年保持稳定，均为25%。

4、中国物联网市场规模突破25万亿

目前，物联网已较为成熟地运用于安防监控、智能交通、智能电网、智能物流等。近几年来，在各地政府的大力推广扶持下，物联网产业逐步壮大。再加之近几年厂商对物联网这一概念的普及，民众对物联网的认知程度不断提高，使得我国物联网市场规模整体呈快速上升的趋势。2019年我国物联网市场规模约在176万亿元左右，2020年根据赛迪公布的数据，我国物联网市场规模约达到214万亿元左右。初步统计，2021年市场规模为263万亿元。预计未来三年，中国物联网市场规模仍将保持18%以上的增长速度。中国物联网市场投资前景巨大，发展迅速，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。

产业竞争格局

1、区域竞争：北京物联网相关项目最多

工信部共公开2批《物联网关键技术与平台创新类、集成创新与融合应用类项目公示名单》，结合2批的项目名单分析，目前中国物联网关键技术与平台创新类、集成创新与融合应用类项目主要集中在北京、浙江、广东和山东。

2、企业竞争：各个行业的企业在相关领域有所布局，以龙头企业间的竞争为主

物联网技术的应用是传统行业转型升级的根本，传统行业转型升级的方向以“数字化”和“智慧化”为主。根据物联网的应用领域来看，企业在各自行业的“数字化”和“智慧化”有所布局。

互联网周刊发布了2021物联网企业100强，榜单显示华为排名第一、海尔智家、海康威视位居第二和第三，小米集团、中兴通讯、大华股份、阿里云、联通数科物联网、科大讯飞、神州控股进入前十，依次排名第4-10名。

产业发展前景：物联网将继续保持高速增长

1、发展前景：市场规模不断扩大，产业物联网占比逐渐上升

物联网是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。中国以加快转变经济发展方式为主线，更加注重经济质量和人民生活水平的提高，采用包括物联网在内的新一代信息技术改造升级传统产业，提升传统产业的发展质量和效益，提高社会管理、公共服务和家居生活智能化水平。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。综合多方面的情况分析，前瞻认为未来6年中国物联网的发展将保持高速增长，到2027年市场规模超过7万亿元。

根据信通院于2020年12月发布的《2020中国物联网白皮书》，2019年中国物联网连接数中产业物联网和消费者市场各占一半，预计到2025年，物联网连接数的大部分增长来自于产业市场，产业物联网的连接数将占到总体的61%。由此来看，未来产业物联网的市场发展潜力大于消费物联网。

2、发展趋势：重点城市带动周边城市发展，分工协作格局将进一步显现

国内物联网产业已初步形成环渤海、长三角、珠三角，以及中西部地区等四大区域集聚发展的总体产业空间格局。其中，长三角地区产业规模位列四大区域的首位。未来中国物联网产业空间演变将呈现出三大趋势：

更多本行业研究分析详见前瞻产业研究院《中国物联网行业细分市场需求与投资机会分析报告》。

大数据定义、思维方式及架构模式
一、大数据何以为大
数据现在是个热点词汇，关于有了大数据，如何发挥大数据的价值，议论纷纷，而笔者以为，似乎这有点搞错了原因与结果，就象关联关系，有A的时候，B与之关联，而有B的时候，A却未必关联，笔者还是从通常的4个V来描述一下我所认为的大数据思维。
1、大数据的量，数据量足够大，达到了统计性意义，才有价值。笔者看过的一个典型的案例就是，例如传统的，收集几千条数据，很难发现血缘关系对遗传病的影响，而一旦达到2万条以上，那么发现这种影响就会非常明显。那么对于我们在收集问题时，是为了发现隐藏的知识去收集数据，还是不管有没有价值地收集，这还是值得商榷的。其实收集数据，对于数据本身，还是可以划分出一些标准，确立出层级，结合需求、目标来收集，当然有人会说，这样的话，将会导致巨大的偏差，例如说丧失了数据的完整性，有一定的主观偏向，但是笔者以为，这样至少可以让收集到的数据的价值相对较高。
2、大数据的种类，也可以说成数据的维度，对于一个对象，采取标签化的方式，进行标记，针对需求进行种类的扩充，和数据的量一样，笔者认为同样是建议根据需求来确立，但是对于标签，有一个通常采取的策略，那就是推荐标签和自定义标签的问题，分类法其实是人类文明的一大创举，采取推荐标签的方式，可以大幅度降低标签的总量，而减少后期的规约工作，数据收集时扩充量、扩充维度，但是在数据进入应用状态时，我们是希望处理的是小数据、少维度，而通过这种推荐、可选择的方式，可以在标准化基础上的自定义，而不是毫无规则的扩展，甚至用户的自定义标签给予一定的限制，这样可以使维度的价值更为显现。
3、关于时效性，现在进入了读秒时代，那么在很短的时间进行问题分析、关联推荐、决策等等，需要的数据量和数据种类相比以前，往往更多，换个说法，因为现在时效性要求高了，所以处理数据的方式变了，以前可能多人处理，多次处理，现在必须变得单人处理、单次处理，那么相应的信息系统、工作方式、甚至企业的组织模式，管理绩效都需要改变，例如笔者曾经工作的企业，上了ERP系统，设计师意见很大，说一个典型案例，以往发一张变更单，发出去工作结束，而上了ERP系统以后，就必须为这张变更单设定物料代码，设置需要查询物料的存储，而这些是以前设计师不管的，又没有为设计师为这些增加的工作支付奖励，甚至因为物料的缺少而导致变更单不能发出，以至于设计师工作没有完成，导致被处罚。但是我们从把工作一次就做完，提升企业的工作效率角度，这样的设计变更与物料集成的方式显然是必须的。那么作为一个工作人员，如何让自己的工作更全面，更完整，避免王府，让整个企业工作更具有时间的竞争力，提高数据的数量、种类、处理能力是必须的。
4、关于大数据价值，一种说法是大数据有大价值，还有一种是相对于以往的结构化数据、少量数据，现在是大数据了，所以大数据的单位价值下降。笔者以为这两种说法都正确，这是一个从总体价值来看，一个从单元数据价值来看的问题。而笔者提出一个新的关于大数据价值的观点，那就是真正发挥大数据的价值的另外一个思路。这个思路就是针对企业的问题，首先要说什么是问题，笔者说的问题不是一般意义上的问题，因为一说问题，大家都以为不好、错误等等，而笔者的问题的定义是指状态与其期望状态的差异，包括三种模式，
1）通常意义的问题，例如失火了，必须立即扑救，其实这是三种模式中最少的一种；
2）希望保持状态，
3）期望的状态，这是比原来的状态高一个层级的。
我们针对问题，提出一系列解决方案，这些解决方案往往有多种，例如员工的培训，例如设备的改进，例如组织的方式的变化，当然解决方案包括信息化手段、大数据手段，我们一样需要权衡大数据的方法是不是一种相对较优的方法，如果是，那么用这种手段去解决，那么也就是有价值了。例如笔者知道的一个案例，一个企业某产品部件偶尔会出现问题，企业经历数次后决定针对设备上了一套工控系统，记录材料的温度，结果又一次出现问题时，进行分析认为，如果工人正常上班 *** 作，不应该有这样的数据记录，而经过与值班工人的质询，值班工人承认其上晚班时睡觉，没有及时处理。再往后，同样的问题再没有再次发生。
总结起来，笔者以为大数据思维的核心还是要落实到价值上，面向问题，收集足够量的数据，足够维度的数据，达到具有统计学意义，也可以满足企业生产、客户需求、甚至竞争的时效要求，而不是一味为了大数据而大数据，这样才是一种务实、有效的正确思维方式，是一线大数据的有效的项目推进方式，在这样的思维模式基础上，采取滚雪球方式，把大数据逐步展开，才真正赢来大数据百花齐放的春天。
二、大数据思维方式
大数据研究专家舍恩伯格指出，大数据时代，人们对待数据的思维方式会发生如下三个变化：
1）人们处理的数据从样本数据变成全部数据；
2）由于是全样本数据，人们不得不接受数据的混杂性，而放弃对精确性的追求；
3）人类通过对大数据的处理，放弃对因果关系的渴求，转而关注相关关系。
事实上，大数据时代带给人们的思维方式的深刻转变远不止上述三个方面。笔者认为，大数据思维最关键的转变在于从自然思维转向智能思维，使得大数据像具有生命力一样，获得类似于“人脑”的智能，甚至智慧。
1、总体思维
社会科学研究社会现象的总体特征，以往采样一直是主要数据获取手段，这是人类在无法获得总体数据信息条件下的无奈选择。在大数据时代，人们可以获得与分析更多的数据，甚至是与之相关的所有数据，而不再依赖于采样，从而可以带来更全面的认识，可以更清楚地发现样本无法揭示的细节信息。
正如舍恩伯格总结道：“我们总是习惯把统计抽样看作文明得以建立的牢固基石，就如同几何学定理和万有引力定律一样。但是，统计抽样其实只是为了在技术受限的特定时期，解决当时存在的一些特定问题而产生的，其历史不足一百年。如今，技术环境已经有了很大的改善。在大数据时代进行抽样分析就像是在汽车时代骑马一样。
在某些特定的情况下，我们依然可以使用样本分析法，但这不再是我们分析数据的主要方式。”也就是说，在大数据时代，随着数据收集、存储、分析技术的突破性发展，我们可以更加方便、快捷、动态地获得研究对象有关的所有数据，而不再因诸多限制不得不采用样本研究方法，相应地，思维方式也应该从样本思维转向总体思维，从而能够更加全面、立体、系统地认识总体状况。
2、容错思维
在小数据时代，由于收集的样本信息量比较少，所以必须确保记录下来的数据尽量结构化、精确化，否则，分析得出的结论在推及总体上就会“南辕北辙”，因此，就必须十分注重精确思维。然而，在大数据时代，得益于大数据技术的突破，大量的非结构化、异构化的数据能够得到储存和分析，这一方面提升了我们从数据中获取知识和洞见的能力，另一方面也对传统的精确思维造成了挑战。
舍恩伯格指出，“执迷于精确性是信息缺乏时代和模拟时代的产物。只有5%的数据是结构化且能适用于传统数据库的。如果不接受混乱，剩下95%的非结构化数据都无法利用，只有接受不精确性，我们才能打开一扇从未涉足的世界的窗户”。也就是说，在大数据时代，思维方式要从精确思维转向容错思维，当拥有海量即时数据时，绝对的精准不再是追求的主要目标，适当忽略微观层面上的精确度，容许一定程度的错误与混杂，反而可以在宏观层面拥有更好的知识和洞察力。
3、相关思维
在小数据世界中，人们往往执着于现象背后的因果关系，试图通过有限样本数据来剖析其中的内在机理。小数据的另一个缺陷就是有限的样本数据无法反映出事物之间的普遍性的相关关系。而在大数据时代，人们可以通过大数据技术挖掘出事物之间隐蔽的相关关系，获得更多的认知与洞见，运用这些认知与洞见就可以帮助我们捕捉现在和预测未来，而建立在相关关系分析基础上的预测正是大数据的核心议题。
通过关注线性的相关关系，以及复杂的非线性相关关系，可以帮助人们看到很多以前不曾注意的联系，还可以掌握以前无法理解的复杂技术和社会动态，相关关系甚至可以超越因果关系，成为我们了解这个世界的更好视角。舍恩伯格指出，大数据的出现让人们放弃了对因果关系的渴求，转而关注相关关系，人们只需知道“是什么”，而不用知道“为什么”。我们不必非得知道事物或现象背后的复杂深层原因，而只需要通过大数据分析获知“是什么”就意义非凡，这会给我们提供非常新颖且有价值的观点、信息和知识。也就是说，在大数据时代，思维方式要从因果思维转向相关思维，努力颠覆千百年来人类形成的传统思维模式和固有偏见，才能更好地分享大数据带来的深刻洞见。
4、智能思维
不断提高机器的自动化、智能化水平始终是人类社会长期不懈努力的方向。计算机的出现极大地推动了自动控制、人工智能和机器学习等新技术的发展，“机器人”研发也取得了突飞猛进的成果并开始一定应用。应该说，自进入到信息社会以来，人类社会的自动化、智能化水平已得到明显提升，但始终面临瓶颈而无法取得突破性进展，机器的思维方式仍属于线性、简单、物理的自然思维，智能水平仍不尽如人意。
但是，大数据时代的到来，可以为提升机器智能带来契机，因为大数据将有效推进机器思维方式由自然思维转向智能思维，这才是大数据思维转变的关键所在、核心内容。众所周知，人脑之所以具有智能、智慧，就在于它能够对周遭的数据信息进行全面收集、逻辑判断和归纳总结，获得有关事物或现象的认识与见解。同样，在大数据时代，随着物联网、云计算、社会计算、可视技术等的突破发展，大数据系统也能够自动地搜索所有相关的数据信息，并进而类似“人脑”一样主动、立体、逻辑地分析数据、做出判断、提供洞见，那么，无疑也就具有了类似人类的智能思维能力和预测未来的能力。
“智能、智慧”是大数据时代的显著特征，大数据时代的思维方式也要求从自然思维转向智能思维，不断提升机器或系统的社会计算能力和智能化水平，从而获得具有洞察力和新价值的东西，甚至类似于人类的“智慧”。
舍恩伯格指出，“大数据开启了一个重大的时代转型。就像望远镜让我们感受宇宙，显微镜让我们能够观测到微生物一样，大数据正在改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉，而更多的改变正蓄势待发”。
大数据时代将带来深刻的思维转变，大数据不仅将改变每个人的日常生活和工作方式，改变商业组织和社会组织的运行方式，而且将从根本上奠定国家和社会治理的基础数据，彻底改变长期以来国家与社会诸多领域存在的“不可治理”状况，使得国家和社会治理更加透明、有效和智慧。

---