物联网开发哪家靠谱

物联网开发：

1、谷歌云物联网

谷歌推出了基于其端到端谷歌云平台的物联网开发工具平台。这是世界领先的物联网平台之一。Google Cloud有许多服务可以为链接的解决方案带来价值。Google Cloud IoT的主要功能是AI和ML功能、实时数据分析、令人印象深刻且可以跟踪位置的数据可视化。

2、思科物联网云连接

Cisco IoT Cloud Connect是为移动运营商而创建的。思科提供可靠的物联网硬件、路由器、网关和其他设备。Cisco IoT Cloud Connect的主要特点是其强大的工业解决方案、高级安全性、边缘计算、集中连接和数据管理。

3、IRI Voracity

IRI Voracity平台使用Hadoop和IRI CoSort两个引擎来处理大数据。它允许用户管理、发现、分析、转换和迁移数据。IRI Voracity的核心功能是一个数据治理门户，支持在孤岛中搜索和排序数据。DB Ops环境允许人们从一个地方管理所有数据库。

4、粒子

Particle为全球设备和硬件解决方案提供边缘到云的物联网开发工具。Particle平台的主要特点是通过REST API与第三方服务集成，有防火墙保护的云，可以处理来自Google Cloud或Microsoft Azure的数据。

5、Salesforce物联网云

Salesforce IoT Cloud专注于客户关系管理。Salesforce IoT Cloud核心功能的主要特点是完整的客户、产品和CRM集成，网站、服务等支持第三方产品，主动解决客户的问题和需求。

在去年的百度智能物联网峰会上，百度除了继续在讲“ABC+IoT”外，强调了边缘计算，发布了智能边缘BIE（Baidu IntelliEdge）。

其实，早在2017年，在尹世明入职百度，任职百度副总裁、百度智能云总经理数月后，就为百度智能云此前的ABC加了一个IoT，也就有了现在百度智能云的ABC+IoT。

2018年是IoT被喊得最响亮的一年，包括阿里、华为等互联网时代的佼佼者纷纷将IoT定为公司层面的发展战略。与阿里、华为相同的是，百度的IoT业务同样基于云基础业务，在智能云事业部（2018年12月升级为智能云事业群组）下开展；不同的是，百度的天工物联网平台仍是相对低调。不过，百度在IoT的发力仍然明显，在2018年，尹世明亲自接受多家专业媒体采访，为百度智能云物联网，为其ABC+IoT战略铺路。

5月30日，在2019 ABC Inspire智能物联网峰会上， 百度智能云升级天工物联网平台，就边云融合、时空洞察、数据智能发布9款产品，尹世明也再次登台解读ABC+IoT战略新发展。

物联网在2018年正式从幕后转向台前，在此之前，各玩家已经先后布局并零星可见在各产业试水应用。百度智能云正式对外公布进入物联网领域是在2016年，2016年7月，百度天工物联网平台正式发布，入局物联网，随后发布了物接入、物解析、规则引擎、物可视、时序数据库TSDB等物联网产品。

这之后的三年中，百度在物联网领域的重点布局也清晰可见。2017年，重点布局百度大脑；2018年，重点布局智能边缘BIE；2019年，百度的重心则是边云智能升级。

百度智能云副总经理管瑞峰认为，新一代智能物联网平台将向三个方向突破：第一，向边界突破，形成边云融合；第二，在时间和空间的维度上寻求突破；第三，利用数据智能对场景突破。 边 云融合、时空洞察和数据智能，将成为下一代智能物联网平台的核心要素。

“ 2019年是边云融合计算商业化元年。 ”管瑞峰在峰会上这样称。这主要体现在三个方面：

消防烟感需要时间戳、设备位置、烟雾浓度、报警状态、故障状态、覆盖范围6个维度信息；无人机需要时间戳、经纬度、高度、电量、农作物长势等50个维度信息；新能源 汽车 需要时间戳、经纬度、充电状态、探针温度等100个维度信息。其中，时间和空间成为两个基础维度信息。

百度智能云天工物联网平台在发布之初，首批产品中即有时序数据库TSDB。管瑞峰表示，这正是百度智能云在时空洞察方面的布局。其中，时间维度上包括存储、分析、洞察，空间维度上包括位置标识、轨迹规划、全局优化。

以百度地图为例，百度地图是百度面向C端的产品，在为用户提供服务同时，同时拥有15亿POI、850万公里的路网空间数据，基于此，百度则可以提供诸如定位、地图、搜索、鹰眼轨迹、导航、路线规划、路况能力。与此同时，空间能力也被百度结合百度智能云为B端用户提供服务，官方数据显示，包括165万开发者、65万应用。

数据智能要击穿B端，首先解决行业理解（行业知识）问题。例如， 汽车 生产线上有一百多个生产指标，如何从众多数据指标中抽取出与积漆有关联的关键指标进行生产线积漆模型构建就成为关键。“利用天工的时序数据库、行业洞察及其他平台能力与模型训练结合起来，通过一个工程师可以实现模型训练和工程研发。”

而此次峰会上，作为主角的是百度智能云针对物联网领域发布的9款产品，包括针对边云融合推出的百度智能边缘20和三款智能边缘硬件（天工IoT Module、BIE AI BOX、BIE Developer Kit），针对时空洞察推出的地图空间服务、货运路径规划、智能调度ROS，以及针对数据智能推出的百度智能时序洞察（公测阶段）、小度企业音箱行业解决方案。

百度智能云物联网产品总监周保玉上台首先介绍了百度智能云天工物联网平台的无接入、规则引擎、时序数据库、物可视基础能力的升级。具体包括：

接下来则是此次峰会的主角，百度智能云发布的9款新品。

第一款，发布百度智能边缘（BIE）20。 自去年发布百度智能边缘后，如今已经支持Ubuntu、Debian等40+种 *** 作系统版本，支持x86、x86_64、arm等主流硬件平台，此次的20版本主要有以下三个方面的升级：

第二款，天工IoT Module。 百度联合Quectel推出包括NB-IoT、2G、4G的IoT模组（均通过了FCC、CE认证），这些模组预装百度智能云的IoT SDK，可提供诸如免GNSS智能定位等服务。

第三款，BIE AI BOX。 百度智能云今年年初联合英特尔推出BIE AI BOX，BIE AI BOX除了配置了Arm处理器外，还配置了movidius视觉协处理，从而实现云上训练、边缘预测。

第四款，BIE Developer Kit。 百度智能云联合英伟达、伙伴米文动力合作开发BIE Developer Kit，该产品预装OpenEdge，支持PaddlePaddle、TensorFlow、Caffe等主流深度学习框架。

第五款，地图空间服务。 百度智能云天空联合百度地图推出地「图空间服务」。具体包括三方面：

第六款，货运路径规划。 针对物流行业，推出货运路径规划，提供包括限高、限款、险重、限轴、限行信息，货运限行数据达200路线规划能力支持里程、时间、收费、路况等十几种路线偏好。

第七款，智能调度（ROS）。 百度智能云的智能调度（ROS）可以快速地生成千万级的路网数据，能够同时支持6000+网店配送任务，同时进行规划和计算，并且针对复杂的城配场景支持附加时间窗口、满载率等20多种约束条件。

第八款，时序洞察。 周保玉称，“做时序洞察这款产品的核心目的是两个：一是降低IoT行业运用门槛，提高落地效率；二是希望这款产品能够作为载体，承载行业知识的沉淀。”该产品主要有三方面能力：

第九款，小度企业音箱行业解决方案。 小度智能音箱最初为面向C端产品，百度现已经将其拓展到B端应用中。小度企业音箱行业解决方案可以提供首屏定制、行业功能定制、硬件定制、行业系统对接等定制能力。目前已应用到诸如地产、酒店、银行等行业中。

据雷锋网了解，百度智能云以上9款产品均以应用到行业中，包括在智能边缘计算方面与雅砻江合作，启动智能电站规划工作；智能调度（ROS）应用到车满满SaaS云平台，提供货运路径规划一体化解决方案；小度企业音箱行业解决方案方面与深圳市碧城智慧 科技 合作，在智慧地产方面打造惠州潼湖 科技 小镇等。

尹世明：百度智能云ABC+X，IoT、5G、边缘计算

在2018年9月，百度智能云ABC战略升级到30，尹世明现场再次重申ABC 30的能力。

众所周知，百度智能云以B端业务为主，尹世明表示，智联网时代，To C技术开始进入To B领域，企业技术架构也必将受到很大冲击。

谈到企业数字化转型和AI转型，尹世明表示，在传统Client Server架构上做AI加持并不容易，如果对底层MES系统、DCS系统、ERP、物流软件整个过程中每一台设备都配备一个AI引擎更加困难。百度为此提出了ABC+X，“将计算、数据、AI，以及现今更先进5G、边缘计算技术统一到智能云端。”

以5G为例，传统设备升级应用5G技术需要在每一台应用设备中装一个5G连接或计算模块，这在实际应用环境中很难实现。4月11日，百度联合华为、中国移动展示了基于5G SA架构的5G Vertical LAN（行业局域网）技术及基于此的8K互联网视频直播，该技术可提供定制化5G行业局域网，使得企业终端与企业云处于同一个“局域网”中。

就当下百度智能云ABC+X架构在物联网上的应用，我们思考更多的是设备（物），所以我们有物的边缘，我们有移动的边缘。左边是物边缘，移动边缘，云边缘，右边是局域网、无线网、骨干网。“这样的分布式架构使得在1毫秒、10毫秒、100毫秒之内能够将相关的能力汇聚到一起。”

过去传统的技术架构无法实现实时响应。以ERP系统为例，传统的ERP系统是层级化的，所有数据经过排期之后必然有延时，这个延时可能是分钟级的，也可能是小时级的，因而难以实现实时响应。“物联网到来之后，当我们边缘计算、云计算融为一体，实时响应将有可能实现。”

雷锋网小结

纵观百度此次针对物联网行业应用推出的9款产品，除去沿袭其一直在布局的边缘计算以外，在模组方面发的三款产品仍是以行业合作为主，包括与英特尔、英伟达、米动 科技 等合作，百度主要提供的仍是其云端能力；而诸如货运路径、智能调度、时序洞察等产品，仍是基于百度自身在大数据和数据分析能力上的积累。

雷锋网认为，物联网就本质而言，一定程度上可以理解为万物的是数据化、数字化，再辅以数据分析和人工智能的能力，将会对产业带来深远的影响。也正如尹世明为百度智能云制定的ABC+X的战略，或将是未来企业数字化、智能化转型的一个思路。

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。

当前，物联网（IoT）技术领域充释着各种标准，像NB-IoT、LoRa、SigFox等，他们正通过各自擅长的技术和应用抢夺IoT风口，以争取在这片广阔的市场上取得优势。
这里写描述
NB-IoT是由电信标准延伸而出的，主要是由电信运营商支持，而LoRa则是一个商业运用平台，两者主要区别在于商业运营的模式：NB-IoT基本是由电信运营商来把控运营，所以使用者必须使用它的网关及服务，而LoRa就量对开放一些，有各种不同的组合方式，商业的模式是完全不同的。
技术层面上来看，NB-IoT和LoRa的差异其实并不是很大，属于各有优劣。而相对于某些领域，国内有一些用户在并行使用这两种技术和网络。NB-IoT相对而言是受限于基站的，而LoRa则要加入一个网关相对简单容易，并且总的来说价格要比NB-IOT低廉。用户可以根据需求，增加不同的网关覆盖。所以从覆盖程度上来说LoRa的覆盖程度可能比NB-IoT更广一点。
LPWAN又称LPN，全称为LowPower Wide Area Network或者LowPower Network，指的是一种无线网络。这种无线网络的优势在于低功耗与远距离，通常用于电池供电的传感器节点组网。因为低功耗与低速率的特点，这种网络和其他用于商业，个人数据共享的无线网络(如WiFi，蓝牙等)有着明显的区别。
在广泛应用中，LPWAN可使用集中器组建为私有网络，也可利用网关连到公有网络上去。
LPWAN因为跟LoRaWAN名字类似，再加上最近的LoRaWAN在IoT领域引起的热潮，使得不少人对这两个概念有所混淆。事实上LoRaWAN仅仅是LPWAN的一种，还有几种类似的技术在与LoRaWAN进行竞争。
概括来讲，LPWAN具有如下特点：
• 双向通信，有应答
• 星形拓扑(一般情况下不使用中继器，也不使用Mesh组网，以求简洁)
• 低数据速率
• 低成本
• 非常长的电池使用时间
• 通信距离较远
LPWAN适合的应用:
• IoT，M2M
• 工业自动化
• 低功耗应用
• 电池供电的传感器
• 智慧城市，智慧农业，抄表，街灯控制等等
LoraWAN和Lora之间关系
虽然一样是因为名字类似，很多人会将LoRaWAN与LoRa两个概念混淆。事实上LoRaWAN指的是MAC层的组网协议。而LoRa只是一个物理层的协议。虽然现有的LoRaWAN组网基本上都使用LoRa作为物理层，但是LoRaWAN的协议也列出了在某些频段也可以使用GFSK作为物理层。从网络分层的角度来讲，LoRaWAN可以使用任何物理层的协议，LoRa也可以作为其他组网技术的物理层。事实上有几种与LoRaWAN竞争的技术在物理层也采用了LoRa。
LoraWAN的主要竞争技术
这里写描述
如今市场上存在多个同样使用LoRa作为物理层的LPWAN技术，例如深圳艾森智能（AISenz Inc）的aiCast。aiCast支持单播、多播和组播，比LoRaWAN更加复杂完备。许多LoRaWAN下不可能的应用因此可以实现。
Sigfox使用慢速率的BPSK(300bps)，也有一些较有前景的应用案例。
NB-IoT(Narrow Band-IoT)是电信业基于现有移动通信技术的IoT网络。其特点是使用现有的蜂窝通信硬件与频段。不管是电信商还是硬件商，对这项技术热情不减。
关键技术Lora简介
LoRaWAN的核心技术是LoRa。而LoRa是一种Semtech的私有调制技术(2012收购CycleoSAS公司得来)。所以为了便于不熟悉数字通信技术的人们理解，先介绍两个常见的调制技术FSK与OOK。选用这两个调制方式是因为：
1这两个是最简单、最基础、最常见的数字通信调制方式
2在Semtech的SX127x芯片上与LoRa同时被支持，尤其是FSK经常被用来与LoRa比较性能。
OOK
OOK全称为On-Off Keying。核心思想是用有载波表示一个二进制值(一般是1，也可能反向表示0)，无载波表示另外一个二进制值(正向是0，反向是1)。
在0与1切换时也会插入一个比较短的空的无载波间隔，可以为多径延迟增加一点冗余以便接收端解调。OOK对于低功耗的无线应用很有优势，因为只用传输大约一半的载波，其余时间可以关掉载波以省功耗。缺点是抗噪音性能较差。
这里写描述
FSK
FSK全称为Frequency Shift Keying。LoRaWAN协议也在某些频段写明除LoRa之外也支持(G)FSK。FSK的核心思想是用两种频率的载波分别表示1与0。只要两种频率相差足够大，接收端用简单的滤波器即可完成解调。
对于发送端，简单的做法就是做两个频率发生器，一个频率在Fmark，另一个频率在Fspace。用基带信号的1与0控制输出即可完成FSK调制。但这样的实现中，两个频率源的相位通常不同步，而导致0与1切换时产生不连续，最终对接收器来讲会产生额外的干扰。实际的FSK系统通常只使用一个频率源，在0与1切换时控制频率源发生偏移。
这里写描述
GFSK是基带信号进入调制前加一个高斯(Gaussian)窗口，使得频率的偏移更加平滑。目的是减少边带(Sideband)频率的功率，以降低对相邻频段的干扰。代价是增加了码间干扰。
对于这一方面的研究实验发现：学习Lora调制技术的一些准备及发现
然而，对于“悠久历史积累”和高安全、易部署等综合优势的LoRa阵营来说，最近几年里，在技术和落地方面虽取得了长足的进步，但离真正的规模、解决行业客户的切实问题是有着不小的差距。那么，究竟是技术壁垒突破较难？产业链生态不健全？亦或者是商业模式限制了从业者对市场规模的想象？对于LoRa产业链的广大从业者而言，找到制约LoRa技术大规模发展的瓶颈，并联手产业合力突围对推动产业良性发展至关重要。

物联网云平台扮演着“物”与IT流程和业务流程之间的中介角色，能够促使企业具备变革性的数字业务创新能力。具体来说，物联网云平台不仅仅是把物联网设备和软件紧密结合在一起，还能优化整个业务流程管理，如业务流程编排、工作流协调、数据交换等，加速解决业务中的实际问题。
为了从物联网中提炼更多的价值，企业应该尝试寻找一个大的、长期存在于市场中的物联网云平台合作伙伴。而机智云作为第三方物联网云平台代表，拥有超过10年、上万方案、千万级设备接入的物联网云平台建设经验，沉淀为工业级稳定、安全的AIoT云平台。平台采用微服务架构，在云端部署可自由组合的应用组件，实现设备接入与管理、海量设备实时数据分析，SLA高达999%，兼容主流通信协议。平台架构灵活，支持公有云、私有云和混合云部署，具备AI边缘计算能力，支持边云协同。平台提供横向扩展的能力，支持设备量的不断增加和设备接入后的各类应用。同时，平台遵循开放设计原则，企业可以基于API接口进行二次开发，平台OPEN API可打通企业管理系统，数据归属厂家。目前，机智云平台服务覆盖消费电子、工业智能、共享设备和智慧渔业等行业，能够根据行业属性为企业提供一站式的智能化解决方案。

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。

有机会，但是建议不要做泛和大，从垂直领域出发比较好，为啥这样说呢？原因如下。

1、各大运营商、互联网公司、设备制造商等等企业都在做综合性的平台。

国内有阿里、华为、三大运营商、百度、腾讯、小米、海尔、京东、中电科等。

国外有亚马逊、IBM、SAP、

谷歌、GE、西门子、博世等。

通过以上名单可以发现，这些公司的特点。

这说明物联网是未来的发展方向，是值得花钱而且花大钱去布局的事。

2、做综合性的物联网平台，要求的资金、资源和技术要求会很高。因为是综合性平台，那么你得搞清楚各行各业的所使用物联网平台的诉求，行业标准等等，不然你的用户群体就会很窄。

3、面对的竞争对手的实力都不可小觑，你要考虑的是现阶段进入这个领域做平台在技术上能否与以上那些公司一较高下呢？你想投入多少时间和精力去做平台呢？人家都可是布局好几年了，踩了很多坑积累了很多经验，且现在平台已具有一定规模，形成了一定的行业壁垒，特别是华为，据我所知，国内运营商的平台都离不开华为的支持。
物联网平台的玩家之多，让人惊叹啊，那么咱们还有没有机会呢？答案是肯定的，有！但我的建议走垂直领域。

物联网的领域很广泛，所以专业的物联网平台未来会有很多，而这种综合性的物联网平台经过几年的厮杀后，最终也就剩下几家巨头。何谓垂直领域的物联网平台呢？

最基本的就是行业垂直，比如工业、农业、教育、医疗、安防、建筑、家居、交通运输等领域。

以上玩家也有做垂直领域的，比如ABB/西门子/GE/普奥云/博世等，他们专注工业领域，爱立信、诺基亚专注通信领域，而互联网巨头则是走综合性的较多，因为他们有一定客户基础、服务器资源和用户群体，可以面对企业和开发者提供平台服务，海尔/小米等企业就是在智能家居领域发力的。

不出意外，安防领域的海康、大华都在对自己的领域来架设相应的物联网平台。
从专业的角度来看物联网平台类型有功能呢？
物联网平台有五种类型

1网络连接，网络连接平台以物联网系统的网络组件为中心。它们为用户提供保持设备在线所必需的软件、连接硬件和数据指导。它们的网络通常依赖现有的运营商服务和WI-FI，并以一种便于物联网设置的方式配置网络连接。
有机会的，物联网的网少不了平台，没有平台就没有物联网。平台提供基于数据的存储、管理等。数据挖掘、数据分析等都基于云平台来计算。

物联网平台从另一个角度来看，是数据的“聚合”平台，通过大数据分析，给决策提供状态、趋势和决策等。
随着5G时代的到来，“边缘计算”一词越来越多的出现在大众视野。今天我们就来讲讲Arex算力资源平台如何利用“边缘计算”制霸未来物联网20。
什么是边缘计算？
首先我们介绍一下什么是边缘计算：边缘计算是分布式计算技术的一种，分布式系统的崛起催生边缘计算平台和新的网络构架分布式AI会在最后一英里网络中增加更多的计算、智能和处理/存储能力，将引发移动端硬件和算力变革。

在这种配置中，人工智能引擎将依赖于大量物联网传感器和执行器，收集和处理大量的 *** 作现场数据。海量数据将为“本地化”的边缘计算AI引擎提供燃料，这些引擎将运行本地进程并在现场做出决策。

因此网络需要另一种水平的实时边缘计算、数据收集和存储，将推动人工智能处理到网络边缘。这将完成云边缘智能和网络化计算机的循环, 并通过基于区块链的智能合约来完成数据授权和业务运转。

物联网中边缘计算与区块链的结合是大势所趋，会将当前的传统物联网完全颠覆掉。
为什么这么说呢？
传统物联网将被淘汰

伴随着近年来通用计算机设备的飞速发展，各类自动化的智能设备开始进入人们视野，背后是廉价传感器和控制设备的爆炸性增长。传统物联网系统基于服务器/客户端的中心化架构。即所有物联设备都通过云实现验证、连接和智能控制。

中心化的物联网架构存在三个问题。

一是云计算成本，例如在家庭应用场景下，两台家电相距不到一米，也需要通过云端进行沟通。数据汇总到单一的控制中心，企业所销售的物联设备越多，其中心云计算服务支出的成本会越大。由于终端物联设备竞争愈加激烈，利润走低，中心计算成本矛盾会越来越突出。

其次，中心化的数据收集和服务方式，无法从根本上向用户保证数据会合法使用。用户的数据保护完全依靠企业单方面的承诺，难以进行有效的监管。

第三，中心化物联生态系统中，一个设备被攻陷，所有的设备会受到影响。例如《麻省理工 科技 评论》2017年所指出的僵尸物联网，可以通过感染并控制摄像头、监视器等物联设备，造成大规模网络瘫痪。
区块链技术重塑物联网
区块链技术可以利用区块链独特的不可篡改的分布式账本记录特性，构建底层通讯节点、建立链上算力生态、依托分布式存储用于计算服务等区块链技术的综合应用，将全球闲置算力整合起来，通过构建“边缘算力”模式为有需求的用户提供d性可扩容的算力交易、算力租赁等服务。为用户打造一个开放、公平、透明和低门槛的去中心化算力资源共享平台，同时结合丰富的行业经验为全球客户提供更优质的服务。

简单来说就是Arex算力资源平台利用分布式计算模式将全球的闲置算力进行整合，从而构建出高数量级的“边缘算力”，并以此为算力源对需要的应用场景进行高能输出。

边缘算力的应用场景到底有多广阔？

边缘计算将数据处理从云中心转移到网络边缘，计算和数据存储可以分散到互联网靠近物联终端、传感器和用户的边缘，不仅可以缓解云带宽压力，还可以优化面向感知驱动的网络服务架构。（例如家里的空调、热水器与冰箱、安防摄像头等可以通过边缘计算进行协调运行，即使是在连接不上云服务器的情况下，也能确保最佳的节能和服务状态。）

第三方数据分析机构IDC预测，在2020年全球将有约500亿的智能设备接入互联网，除了目前大火的5G通信外，包括大数据人工智能穿戴产品、无人驾驶技术、智慧城市服务等，其中40%的数据需要边缘计算服务。由此可见边缘计算有着强大市场潜力，也是当前各服务商争夺的热点。

无人驾驶技术：

无人驾驶

智能穿戴设备：
智慧城市：
要回答物联网云平台是不是还有机会的问题，首先要搞清楚几方面的状况：

一是定位。从技术角度来说，你是做物联网云平台的那一层，IaaS、PaaS、SaaS，单做某层或是混合？而技术的定位取决于：（1）你觉得那一块是你发掘出的空白或者你觉得有前景？（2）为你的客户提供什么样的价值（3）你想做什么样的商业模式。这三个问题依次定推，最后才决定了你了的技术定位和技术架构。找准定位，这是你开始一切的起点。

二是资源。这个我就不多说了，包括资金、技术、人脉、产业链合作，这是你保障自己可以开始有效行动的基础。

三是团队。团队是真正去实施理想的载体，可以是几个人的创业“作坊”，也可以是有一定规模的公司，也可以是松散的联盟组织。

其实，物联网的市场何其大，需要的云服务何其多，宏观市场和细分市场规模都足够你有所作为。做不做，做不做得好在于自己。至于，做不做设备终端，就看你是怎么玩了。

机会很大

物联网平台承上启下，是物联网产业链枢纽。按照逻辑关系和功能物联网平台从下到上提供终端管理、连接管理、应用支持、业务分析等主要功能。

通信技术发展促进连接数迅速猛增，物联网迎来告诉发展引爆点

连接数告诉增长是物联网行业发展基础

物联网发展路径为连接--感知--智能，目前处于物联网发展第一阶段即物联网连接数快速增长阶段。到2018年，全球物联网连接数将超过手机连接数。

物联网发展第一阶段：物联网连接大规模建立阶段，越来越多的设备在放入通信模块后通过移动网络（LPWA\GSM\3G\LTE\5G等）、WiFi、蓝牙、RFID、ZigBee等连接技术连接入网，在这一阶段网络基础设施建设、连接建设及管理、终端智能化是核心。爱立信预测到2021年，全球的移动连接数将达到275亿，其中物联网连接数将达到157亿、手机连接数为86亿。智能制造、智能物流、智能安防、智能电力、智能交通、车联网、智能家居、可穿戴设备、智慧医疗等领域连接数将呈指数级增长。该阶段中最大投资机会主要在于网络基础设施建设、通讯芯片和模组、各类传感器、连接管理平台、测量表具等。

物联网发展第二阶段：大量连接入网的设备状态被感知，产生海量数据，形成了物联网大数据。这一阶段传感器、计量器等器件进一步智能化，多样化的数据被感知和采集，汇集到云平台进行存储、分类处理和分析，此时物联网也成为云计算平台规模最大的业务之一。根据IDC的预测， 2020年全球数据总量将超过40ZB(相当于4万亿GB)，这一数据量将是2012年的22倍，年复合增长率48%。这一阶段，云计算将伴随物联网快速发展。该阶段主要投资机会在AEP平台、云存储、云计算、数据分析等。

物联网发展第三阶段：初始人工智能已经实现，对物联网产生数据的智能分析和物联网行业应用及服务将体现出核心价值。Gartner 预测2020 年物联网应用与服务产值将达到2620 亿美元，市场规模超过物联网基础设施领域的4 倍。该阶段物联网数据发挥出最大价值，企业对传感数据进行分析并利用分析结果构建解决方案实现商业变现，同时运营商坐拥大量用户数据信息，通过数据的变现将大幅改善运营商的收入。该阶段投资者机会主要在于物联网综合解决方案提供商、人工智能、机器学习厂商等

物联网云平台是一个专门为物联网定制的云平台，物联网与普通的互联网是不同的:物联网终端设备比普通互联网手机端,电脑端多出几个数量级;普通互联网对>