深刻把握物联网产业初级阶段的内涵和历史地位，认识其长期性、艰巨性和复杂性。
1．把握物联网产业初级阶段的内涵，深刻认识物联网产业初级阶段长期性。
当今物联网正处于并将长期处于产业初级阶段。
这个论断是回答现阶段产业所处的历史方位，即在人类科学史上处在什么发展阶段。
这个论断包括两层含义：一是目前物联网产业已经成为一种产业，我们必须坚持物联网产业的基础原则，不能背离物联网发展的方向。
二是中国的物联网产业还处在初级阶段。
一切从初级阶段的实际出发，不能超越阶段、急于求成。
二者的有机统一，就是我国现阶段物联网产业的规定性。
这是我国物联网产业现阶段最基本的事实、最大的实际。
2．了解物联网产业初级阶段的历史地位，是中国物联网发展进程中必然要经历的一个特定的阶段。
物联网产业初级阶段不是泛指任何国家进入物联网时代都会经历的起始阶段，而是特指我国在科学落后、生产力不发达条件下建设物联网产业必然要经历的特定历史阶段。
这个阶段不同于物联网理论提出的过渡时期，又不同于已经实现物联网技术阶段。
这是中国物联网产业在其发展进程中必然要经历的一个特定阶段。
中国的物联网产业在其发展过程中，之所以要经历这样一个长时期的初级阶段，并不是哪个人、哪个研究机构的主观臆断，而是中国科学发展的必然，是由中国现阶段科学能力所决定的。
毫无疑问，历史是人民群众创造的。
但是，人民群众并不能随心所欲的创造历史，只能在特定的历史条件下从事创造活动。
人们不能随意挑选生产力，不能离开从前一代那里继承下来的各种条件去创造新能力。
现代中国特殊的科研条件，决定了我国只能从半抄袭半原创的旧理论，经过“中国制造”走向物联网时代的道路。
正因为我国的物联网科学脱胎于欧美国家、发达地区，科学生产力水平远远落后于发达西方国家。
这就决定了我国物联网科学必须经历一个很长的初级阶段，去实现别的国家在艰苦科研条件下实现的智能化、实用化、市场化和现代化。
即是说，我们应当从全人类文明进步的视角考察中国物联网产业初级阶段在人类社会发展史上的定位问题，这样才能开阔视野，看得更清晰，认识更深刻，即跳出中国来看中国的物联网产业初级阶段。
3．牢记物联网产业初级阶段理论，可以使人们对物联网建设的长期性和艰巨性有清醒的认识，克服急于求成的浮躁思想。
目前中国经过五六年的高速发展，科学理论有了巨大的进步，在世界上应以科学大国的面貌出现，这是不符合实际情况的。
之所以产生这种思想，究其根源，还是对我国物联网产业初级阶段的基本实情和物联网建设的长期性认识不足，我国物联网科学理论的提出虽然总量不低，但创新却很少，居世界后列，从总体来看，科学生产力落后的状况仍然没有改变，地区发展不平衡，科研条件落后，不仅与发达国家相比，即使与某些发展中国家相比也还有较大差距。
正如所告诫我们：我国物联网产业初级阶段至少需要40年时间。
这就是说，物联网时代是一个相当长的历史阶段，大约有上百年时间。
而要实现物联网时代，还需要更长时间的奋斗。
所以，我们要把物联网产业初级阶段理论作为长期的指导思想。
蜂窝模组出货量将会激增，但市场会重新洗牌
中移物联网有限公司运营总监 龚勇
细分的场景，行业的渠道，核心的技术，才是生存的关键
中国电信广东研究院 物联网领域经理 谭华
2018年，不是寒冷，是火炉
上海移远通信技术股份有限公司 公共事务经理 孙芃卉
物联网不是一蹴而就，而是循序渐进
Semtech 市场战略总监 甘泉
2018年是资本市场的“寒冬”，却是物联网是的“初春”
厦门南鹏物联 科技 有限公司 市场总监 王铎霖
物联网需打破落地难、盈利难的质疑
日海智能市场经理 谭梦溪
2018年是物联网真正由示范到实际应用转化的起始年
北京昆仑海岸传感技术有限公司 总经理 刘伯林
先回归产品本质，其次是物联网。
深圳市汇径 科技 有限公司 总经理 孙科彧
物联网的窗口期说了这么多年，或在2019至2020年真的降临
APICloud联合创始人兼CTO 邹达
物联网不能只停留在“将来我们能为客户做什么“的概念中
北京羿娲 科技 有限公司 市场VP李博
物联网市场上拼价格抢市场并不明智
奇迹物联（北京） 科技 有限公司CEO 杨仁磊
聚焦用户与产品，就无惧外部环境
杭州中科思创射频识别技术有限公司 总经理 蔡玉锋
NB-IoT将成为万物互联的万能钥匙
芯翼信息 科技 市场总监 陈正磊
物联网连接增长依旧强势，国产芯片迎来良机
上海移芯通信 科技 有限公司 高级市场总监 杨月启
物联网并未达到预期，但不用怀疑未来的潜力
利尔达 科技 集团股份有限公司产品线经理 徐海
物联网渐行渐热，应用遍地开花
西安中星测控有限公司总经理 谷荣祥
2018年是决物联网数据传输的一年， 2019年将会是数据分析和应用的一年
上海桑锐电子 科技 股份有限公司 研发总监 张吉泰
NB-IoT量价齐飞，为物联网打开了突破口
江苏南大五维电子 科技 有限公司 总经理 潘巍松
期待5G商用，实现无人驾驶、MR影院影院等应用
深圳前海翼联 科技 有限公司 企划主管 陈奕榕
物联网平台化没有想象的市场效果，头部玩家还没出现。
深圳市飞思捷跃 科技 有限公司 CEO 杨捷
物联网应用定位精度提升需求迫切
深圳思凯微电子有限公司 总经理 张光华
AI和IoT紧密结合，是未来5年物联网的最大商机
北京博大光通物联 科技 股份有限公司 董事长 廖原
产业周期起起伏伏，做好产品才是王道
杭州数蛙 科技 有限公司 CEO 霍燕林
2018年工业互联网平台受到热捧
金蝶软件（中国）有限公司 K/3事业部总经理 张剑云
“风物长宜放眼量”，未来十年一定是物联网行业的春天。
成都精位 科技 有限公司 联合创始人&总裁 周宏亮
物联互联不仅需要技术，还需要良好的市场环境
锐骐（厦门）电子 科技 有限公司 锐骐 科技 董事长 谢洪泉
明确公司定位，聚焦产品与方案迎接新一轮洗牌
新华三技术有限公司 物联网解决方案经理 杜利征
物联行业已是“冉冉之星”，何以谈“寒冷黑夜”
上海莱璟信息技术有限公司 市场经理 何良龙
物联网企业从单一供应商向解决方案转变
苏州芒种物联 科技 有限公司 CEO 薛明刚
物联网应用在普及性和上档次两方面都将大有可为
北京优锘 科技 有限公司 VP 沈祎岗
工业物联网项目数量在逆流而上
上海美迪索科电子 科技 有限公司 VP 庄正军
物联网概念热不热，与企业不相干
北京九纯健 科技 发展有公司 副总经理 王小永
2018年是一个重新洗牌，行业优胜劣汰的一个时机
机智云创始人兼CEO 黄灼
物联网或将崛起于这个异常寒冷的冬天
七牛云边缘计算及IoT负责人 陶纯堂
5G技术的到来让万物互联时代触手可及
值得看云技术有限公司CEO 许明
物联网进入跨品牌跨品类跨协议的智能互联时代
广州云智易物联网有限公司市场总监 戴筱倩
技术发展速度远远快于物联网应用的发展
上海艾拉比智能 科技 有限公司市场副总裁 万学靖
智能家居市场正在从产品推广到用户运营的转变
富连网智能家居 科技 服务公司 生态链商务拓展总监 刘威
一站式物联网私网部署及相关应用方案将会越来越受欢迎
杭州罗万信息 科技 有限公司 常务副总裁 孙伟仁
智慧零售与工业制造业转型市场崛起迅速
深圳市宏电技术股份有限公司市场总监 张艳霞
共享单车风光不再，电动车和智能锁迎头赶上
MiraMEMS Marketing吴子健
深挖企业需求，瞄准To B领域
赫里奥（苏州） 科技 有限公司 副总经理 王剑宇
消防领域刺激了传感器的市场需求
合肥皖科智能技术有限公司 董事长 陈锦荣
新零售方案的视觉识别技术趋于成熟
安徽耐可视 科技 股份有限公司 CEO 张治国
上海艾络格电子技术有限公司董事总经理 周光兵
上海艾络格电子技术有限公司董事总经理 周光兵
2019年物联网行业将迎来新一轮增长
2018无疑是物联网应用落地的一年，作为这个时代下最伟大的科技产物，物联网正在取代移动互联网成为信息产业的主要驱动，统观市场，近年我国物联网市场持续保持高速增长。据前瞻产业研究院发布的《中国物联网行业应用领域市场需求与投资预测分析报告》统计数据显示，2015年我国物联网链接数量为639亿个，截止至到2017年我国物联网链接数量达到了1535亿个，相比2016年增长了698%。初步预计2018年我国物联网链接数量突破20亿个，在2019年我国物联网链接数量将达3125亿个，同比增长3852%。并预测在2020年我国物联网链接数量将达到40亿个。可以说，2019年将是物联网真正由示范到实际应用转化的起始年，诸多物联网环节领域都将在今年迎来新一轮增长。
2015-2020年我国物联网链接数量统计及增长情况预测
数据来源：前瞻产业研究院整理
未来物联网将为制造业发展注入更多活力
近几年，物联网、大数据、云计算等前沿技术在制造业领域的应用程度日益深入，制造业在这些技术的推动下加快向着智能化、高效化方向转型升级，并已经取得了一定的发展成果。与此同时，制造业在发展过程中存在的产值低下、材料利用率低等问题也值得重视。
虽然制造业在向前发展的过程中面临诸多挑战，但是许多业内人士对于制造业的发展前景依然充满信心。今后，在政府产业升级政策和企业数字化转型浪潮的推动下，物联网在制造业领域的应用程度将更加深入，而制造业也将在传统产业智能化升级过程中扮演更加重要的角色。
届时，5G低功耗广域网等基础设施的加快构建、数以万亿计制造业新设备接入物联网平台等，都将推动制造业取得新的发展成果，人工智能、边缘计算、区块链等技术加速与物联网融合应用也将成为一大趋势。
大数据技术发展史：大数据的前世今生
今天我们常说的大数据技术，其实起源于Google在2004年前后发表的三篇论文，也就是我们经常听到的“三驾马车”，分别是分布式文件系统GFS、大数据分布式计算框架MapReduce和NoSQL数据库系统BigTable。
你知道，搜索引擎主要就做两件事情，一个是网页抓取，一个是索引构建，而在这个过程中，有大量的数据需要存储和计算。这“三驾马车”其实就是用来解决这个问题的，你从介绍中也能看出来，一个文件系统、一个计算框架、一个数据库系统。
现在你听到分布式、大数据之类的词，肯定一点儿也不陌生。但你要知道，在2004年那会儿，整个互联网还处于懵懂时代，Google发布的论文实在是让业界为之一振，大家恍然大悟，原来还可以这么玩。
因为那个时间段，大多数公司的关注点其实还是聚焦在单机上，在思考如何提升单机的性能，寻找更贵更好的服务器。而Google的思路是部署一个大规模的服务器集群，通过分布式的方式将海量数据存储在这个集群上，然后利用集群上的所有机器进行数据计算。 这样，Google其实不需要买很多很贵的服务器，它只要把这些普通的机器组织到一起，就非常厉害了。
当时的天才程序员，也是Lucene开源项目的创始人Doug Cutting正在开发开源搜索引擎Nutch，阅读了Google的论文后，他非常兴奋，紧接着就根据论文原理初步实现了类似GFS和MapReduce的功能。
两年后的2006年，Doug Cutting将这些大数据相关的功能从Nutch中分离了出来，然后启动了一个独立的项目专门开发维护大数据技术，这就是后来赫赫有名的Hadoop，主要包括Hadoop分布式文件系统HDFS和大数据计算引擎MapReduce。
当我们回顾软件开发的历史，包括我们自己开发的软件，你会发现，有的软件在开发出来以后无人问津或者寥寥数人使用，这样的软件其实在所有开发出来的软件中占大多数。而有的软件则可能会开创一个行业，每年创造数百亿美元的价值，创造百万计的就业岗位，这些软件曾经是Windows、Linux、Java，而现在这个名单要加上Hadoop的名字。
如果有时间，你可以简单浏览下Hadoop的代码，这个纯用Java编写的软件其实并没有什么高深的技术难点，使用的也都是一些最基础的编程技巧，也没有什么出奇之处，但是它却给社会带来巨大的影响，甚至带动一场深刻的科技革命，推动了人工智能的发展与进步。
我觉得，我们在做软件开发的时候，也可以多思考一下，我们所开发软件的价值点在哪里？真正需要使用软件实现价值的地方在哪里？你应该关注业务、理解业务，有价值导向，用自己的技术为公司创造真正的价值，进而实现自己的人生价值。而不是整天埋头在需求说明文档里，做一个没有思考的代码机器人。
Hadoop发布之后，Yahoo很快就用了起来。大概又过了一年到了2007年，百度和阿里巴巴也开始使用Hadoop进行大数据存储与计算。
2008年，Hadoop正式成为Apache的顶级项目，后来Doug Cutting本人也成为了Apache基金会的主席。自此，Hadoop作为软件开发领域的一颗明星冉冉升起。
同年，专门运营Hadoop的商业公司Cloudera成立，Hadoop得到进一步的商业支持。
这个时候，Yahoo的一些人觉得用MapReduce进行大数据编程太麻烦了，于是便开发了Pig。Pig是一种脚本语言，使用类SQL的语法，开发者可以用Pig脚本描述要对大数据集上进行的 *** 作，Pig经过编译后会生成MapReduce程序，然后在Hadoop上运行。
编写Pig脚本虽然比直接MapReduce编程容易，但是依然需要学习新的脚本语法。于是Facebook又发布了Hive。Hive支持使用SQL语法来进行大数据计算，比如说你可以写个Select语句进行数据查询，然后Hive会把SQL语句转化成MapReduce的计算程序。
这样，熟悉数据库的数据分析师和工程师便可以无门槛地使用大数据进行数据分析和处理了。Hive出现后极大程度地降低了Hadoop的使用难度，迅速得到开发者和企业的追捧。据说，2011年的时候，Facebook大数据平台上运行的作业90%都来源于Hive。
随后，众多Hadoop周边产品开始出现，大数据生态体系逐渐形成，其中包括：专门将关系数据库中的数据导入导出到Hadoop平台的Sqoop；针对大规模日志进行分布式收集、聚合和传输的Flume；MapReduce工作流调度引擎Oozie等。
在Hadoop早期，MapReduce既是一个执行引擎，又是一个资源调度框架，服务器集群的资源调度管理由MapReduce自己完成。但是这样不利于资源复用，也使得MapReduce非常臃肿。于是一个新项目启动了，将MapReduce执行引擎和资源调度分离开来，这就是Yarn。2012年，Yarn成为一个独立的项目开始运营，随后被各类大数据产品支持，成为大数据平台上最主流的资源调度系统。
同样是在2012年，UC伯克利AMP实验室（Algorithms、Machine和People的缩写）开发的Spark开始崭露头角。当时AMP实验室的马铁博士发现使用MapReduce进行机器学习计算的时候性能非常差，因为机器学习算法通常需要进行很多次的迭代计算，而MapReduce每执行一次Map和Reduce计算都需要重新启动一次作业，带来大量的无谓消耗。还有一点就是MapReduce主要使用磁盘作为存储介质，而2012年的时候，内存已经突破容量和成本限制，成为数据运行过程中主要的存储介质。Spark一经推出，立即受到业界的追捧，并逐步替代MapReduce在企业应用中的地位。
一般说来，像MapReduce、Spark这类计算框架处理的业务场景都被称作批处理计算，因为它们通常针对以“天”为单位产生的数据进行一次计算，然后得到需要的结果，这中间计算需要花费的时间大概是几十分钟甚至更长的时间。因为计算的数据是非在线得到的实时数据，而是历史数据，所以这类计算也被称为大数据离线计算。
而在大数据领域，还有另外一类应用场景，它们需要对实时产生的大量数据进行即时计算，比如对于遍布城市的监控摄像头进行人脸识别和嫌犯追踪。这类计算称为大数据流计算，相应地，有Storm、Flink、Spark Streaming等流计算框架来满足此类大数据应用的场景。 流式计算要处理的数据是实时在线产生的数据，所以这类计算也被称为大数据实时计算。
在典型的大数据的业务场景下，数据业务最通用的做法是，采用批处理的技术处理历史全量数据，采用流式计算处理实时新增数据。而像Flink这样的计算引擎，可以同时支持流式计算和批处理计算。
除了大数据批处理和流处理，NoSQL系统处理的主要也是大规模海量数据的存储与访问，所以也被归为大数据技术。 NoSQL曾经在2011年左右非常火爆，涌现出HBase、Cassandra等许多优秀的产品，其中HBase是从Hadoop中分离出来的、基于HDFS的NoSQL系统。
我们回顾软件发展的历史会发现，差不多类似功能的软件，它们出现的时间都非常接近，比如Linux和Windows都是在90年代初出现，Java开发中的各类MVC框架也基本都是同期出现，Android和iOS也是前脚后脚问世。2011年前后，各种NoSQL数据库也是层出不群，我也是在那个时候参与开发了阿里巴巴自己的NoSQL系统。
事物发展有自己的潮流和规律，当你身处潮流之中的时候，要紧紧抓住潮流的机会，想办法脱颖而出，即使没有成功，也会更加洞悉时代的脉搏，收获珍贵的知识和经验。而如果潮流已经退去，这个时候再去往这个方向上努力，只会收获迷茫与压抑，对时代、对自己都没有什么帮助。
但是时代的浪潮犹如海滩上的浪花，总是一浪接着一浪，只要你站在海边，身处这个行业之中，下一个浪潮很快又会到来。你需要敏感而又深刻地去观察，略去那些浮躁的泡沫，抓住真正潮流的机会，奋力一搏，不管成败，都不会遗憾。
正所谓在历史前进的逻辑中前进，在时代发展的潮流中发展。通俗的说，就是要在风口中飞翔。
上面我讲的这些基本上都可以归类为大数据引擎或者大数据框架。而大数据处理的主要应用场景包括数据分析、数据挖掘与机器学习。数据分析主要使用Hive、Spark SQL等SQL引擎完成；数据挖掘与机器学习则有专门的机器学习框架TensorFlow、Mahout以及MLlib等，内置了主要的机器学习和数据挖掘算法。
此外，大数据要存入分布式文件系统（HDFS），要有序调度MapReduce和Spark作业执行，并能把执行结果写入到各个应用系统的数据库中，还需要有一个大数据平台整合所有这些大数据组件和企业应用系统。
图中的所有这些框架、平台以及相关的算法共同构成了大数据的技术体系，我将会在专栏后面逐个分析，帮你能够对大数据技术原理和应用算法构建起完整的知识体系，进可以专职从事大数据开发，退可以在自己的应用开发中更好地和大数据集成，掌控自己的项目。
希望对您有所帮助！~
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）