物联网面临的四大现代挑战

物联网面临的四大现代挑战

1 物联网的硬件设计

人们首先要从 社会 发展的角度来考虑物联网的发展。在以往，与互联网连接的设备的问题是硬件设计。

起初，笔记本电脑通过Wi-Fi连接到互联网，但由于缺乏相应的通信基础设施，人们无法在任何地方使用Wi-Fi，所以笔记本电脑也并不方便携带和使用。

在2007年苹果发布iPhone之前，连接到互联网的手机的用户体验通常非常糟糕。而目前iPhone和Android手机应用非常普遍，人们通常使用手机访问互联网。

与此同时，还推出了一些连接互联网的可穿戴设备，如智能手表和腕带，其功能包括帮助监测人们的 健康 状况。

最近，智能家电已经成为智能家居的重要组成部分。例如，智能电视成为最常见的设备。人们可以直接观看在线视频并上网冲浪。此外，更多智能家电将以智能冰箱、智能烤箱、智能洗衣机、智能加热器的形式进入人们的家中。

一开始，笔记本电脑和手机使用2G/ 3G网络。如今，Wi-Fi和4G是最常用的通信技术。当可穿戴设备连接手机时，由于其能源效率的原因，蓝牙技术是最佳选择。但是由于某些应用场景的限制，这些技术无法扩展。例如，智慧城市使用传感器的特性来收集数据并将其发送回服务器。这些传感器通常无法使用Wi-Fi。通常，传感器与服务器之间的距离很长，因此蓝牙技术无法在这样的应用中使用。

2低功耗远程通信

为此，行业厂商开发了一些低功耗和长距离通信技术，称为低功耗广域网。 LoRa是一种流行的无线电调制技术，它促进了许多应用，例如智能远程测量仪，但仍有很多工作要做。

物联网设备传统上是采用传感器来收集数据或控制器。当人工智能应用于这些设备时，这些设备将变得越来越智能。由于物联网设备没有足够的计算能力来处理收集到的数据，因此将它们发送回服务器。然而，目前它耗费了太多的通信能量，而物联网设备并不总是能够上网。

3 人工智能集成物联网

最近，学术界和工业界开始应用机器算法，而不是“云计算”。iPhone X中的Face ID就是一个很好的例子。实际上，直接在手机上运行这些人工智能算法并不容易，因为这些算法是为服务器或计算机设计的，而不是针对物联网设备的。因此，需要考虑资源受限的物联网设备的优化。因此，更智能的物联网应用将变得更加可用。

4物联网设备的安全

工程师的另一个任务是确保物联网设备的安全。由于计算资源受限，物联网设备容易受到网络攻击。与个人电脑不同，人们无法在其上安装任何防病毒软件，其方法也不高效。为了保护物联网设备，需要仔细设计替代的安全方法。而且，物联网设备也能收集敏感数据。

在未来一年中，与物联网相关的更多技术将会逐渐成熟并应用于人们的日常生活中，以提高生活质量，但这四个技术领域需要取得更多的进展。

物联网技术虽然发展迅速，但仍存在以下不足之处：
1 安全问题：物联网设备和系统的安全问题一直是一个热点和难点，缺乏有效的安全保护措施容易导致设备被攻击、信息泄露等问题。
2 标准化问题：由于物联网涉及到多个领域和技术，标准化工作并不完善，导致不同厂商和设备之间的兼容性和互联互通存在问题。
3 能耗问题：由于物联网设备需要不断收集和传输数据，因此能源消耗较大，需要更加智能化和节能的设计。
4 隐私问题：物联网设备收集的数据可能包含用户的隐私信息，如何保护用户的隐私成为一个重要的问题。
5 数据处理问题：物联网设备所产生的数据量庞大，如何高效地处理和分析数据，提取有用的信息，是一个需要解决的问题。
6 成本问题：物联网设备和系统的成本较高，对于一些中小企业和个人用户来说可能承受不起。
因此，未来需要在这些方面加强研究和改进，提高物联网技术的安全性、标准化、能源效率、隐私保护、数据处理和成本效益等方面的表现，以推动物联网技术的可持续发展。

源: i黑马网 (北京)
（原标题：线性资本王淮：一拍脑袋就投谁不会，别把创业者搞浮躁了）

王淮，Facebook第二位中国籍工程师，第一位华籍研发经理。现在，他是线性资本合伙人，主要关注大数据和人工智能。从技术男到投资人，王淮给自己当前定下的小目标，就是投出两家“10亿美金公司”。而他的投资，也自成体系，对于数据智能，他最关注的，就是如何解决实际的商业问题。人工智能专题新的一篇文章，请听王淮总结自己的投资理念，以及他对当下人工智能创投热潮的看法与建议。（PS：文尾有彩蛋哟~~）

文丨石慧

王淮是典型的技术男出身。他是Facebook早期员工——2007年加入，是其中第一位华籍研发经理。但随着Facebook的扩张，“老员工”王淮找不到初创公司的感觉了。他决定换一种生活方式。

如今，他与前京东、天猫高管张川一同创立了线性资本，关注大数据、人工智能，投资Applied Data Intelligence——业务性的数据智能。“以技术为核心，并将技术应用到我们认同的问题上，我们才会投。”王淮说，“大数据应用一定要解决实际的商业问题。”

显然，技术出身的王淮并不仅仅关注技术本身。来自温州的他，身上还带着温州商人的精明。

数据智能要强应用、商业化，是他的投资逻辑，这从线性投资的项目可见一斑。目前，线性资本投资了33个项目，包括中科视拓、神策数据、地平线机器人、Rokid、艾拉物联、ThinkingGame数数科技、杭州同盾科技、Ping++等。

在王淮看来，人工智能的热潮已经来了。不管他并不是很喜欢“风口”这个词，他暂时也只能用这个词形容现在的人工智能领域。

他给自己定了一个小目标：投出两家10亿美金的公司。“然后再说别的。”

王淮希望，大数据、人工智能创业者能第一时间想到线性资本。“所以我们必须聚焦。明白自己擅长什么，不擅长什么。”他说。

以下为王淮口述，经创业家& i黑马 编辑：

我是技术出身，2007年年初进入Facebook做工程师，2012年离开。我是Facebook的早期员工，加入的时候公司只有100多人，到我离开时，已经到了4000多人。

在那时，我就有后来创业的想法，我在雅虎待过一年半，对大公司的运作有了一定的认识，我想去尝试一下不同的生活，于是就去了Facebook。当时会加入Facebook，我觉得它是家有趣的小公司。那时没想到它后来会做那么大，但是那些人我觉得非常有意思。后来离开也是，我觉得最好玩的日子已经过去了，接下去的也许就是按部就班的生活，想有一个更大的改变。但我觉得打工我不可能再去第二家公司，公司对我们实在是太好了。

我回国以后，看了一圈，2012年底打算做投资，和张川、薛蛮子三个人开了公司，拿自己的钱做投资。两年后，我们想做得更专业，就创立了线性资本。

我们现在做投资，也是用当初创业的感觉去做。我们做了线性资本之后，逐渐机构化，我们自己有一系列方法论，怎么看一个项目，形成了相对成熟的一套模式。整个过程，更像一个创业公司，从无到有，慢慢成熟。现在圈子里提起投大数据、人工智能，我们的影响力都在那里，我们努力得到了回报。我真的觉得这个过程挺好的，就像一个小公司慢慢做起来的典型的过程。

我们一直是以创业的心态去做这件事，能不能做成不知道，但我们要先定一个小目标：投的公司里出两家10亿美金的公司，1亿人民币投进去，10亿美金的估值出来。

我们很重视投后管理。对我们在董事会上的公司，会有季度性风控，月度性通电话、见面。我们有一套框架来诊断一家公司，主要了解五大问题：团队、市场、产品、技术、资本；五大问题下有三大纬度：过去一个月发生了什么大事；处在哪个状态的问题解决了；没有将来你的重心是什么，我们怎么帮到你。

投后管理主要做三件事。第一，在一些核心问题上，我们自己以及请来的牛人会做他们的顾问。第二，帮助他们进行核心岗位的招聘。第三，帮他们完成接下来的一到两轮融资。

我们把身边的投资机构分成三类，对接融资时就从这三类里找。一类是family VC，是和我们有共同LP的基金。二是old friends，是我们合作很多的基金，比如GGV、IDG、红杉。三是new friends，是跟我们关系很好、想一起合作的基金。

我们投的项目最大的问题可能是商业模式还有待验证，但当初我们觉得它有机会才会投，基本上帮他们融到下一轮问题不大，线性投资的33家公司，现在至少有10家融到了下一轮。

我们做投资，这么些年下来有一个巨大的体会，就是说你如果只去抢“风口”，这些机会你看得到的机会，别人也看得到，但你不但要看到，你还要看得懂，“懂”带来的结果就是“快”。一拍脑袋就投谁不会，但是我觉得现在投资已经过了“抢”这个阶段。抢就是仓促，你也反过来让创业者也仓促了，本来可以扎实做事的创业者，被你这样一搞心里也浮躁，这对任何人没有任何好处。所以只能是聚焦，看懂，在保证决策质量的情况下，比别人时间花得更短，才能够投得更快，而这种快就是有意义的，不是单纯去“赌”。

投资还有一点，就是要“投得进”。如果你足够专业，做到标杆，能让大数据、人工智能领域的创业者第一个想到你，那就很不一样了，我们想要的是这种效果。今天在业内，做大数据、人工智能的人应该都知道我们了。我们要明白自己擅长的和不擅长的，做强聚焦。

从最近6个月开始，大数据、人工智能这些领域逐渐风口化。但是“风口”这个词，我们其实不大喜欢去用，只是说这个时代，在各种因素下，给了这样一个机会。原来我们有60%-70%是看这块，现在，我们是100%投入在做这块。

现在，人工智能因为几大因素，出现了很大机会。

核心因素是移动智能设备的流行，触屏把人们原来花在PC互联网上的时间，大幅度地拉长了。原来在PC上，大家大部分时间是用来工作，而现在，手机成为我们kill time的主要工具。这种设备创造出了一个巨大的市场，这个市场就是每个人的时间。如果把它用人和时间等单位来衡量规模的话，我觉得现在这个市场的规模至少是原来Web时代的5到10倍。时间需要产品去填补，填补过程中大量积累了数据，数据就产生了变现的需求。

因此，第二就是数据的积累。这些年，很多互联网公司各自积累了几百万、上千万的用户数据，都非常有价值。但这些数据间，存在孤岛效应，这些数据是没有办法交叉的。比如，一个互联网金融公司，和一家电商，它们获得的数据体系、性质都不一样。但如果它们能够放在一起，形成数据集，带来的价值会大很多，会产生一加一远大于二的效果。

第三，算法的发展，在过去几年有了很大突破，比如说深度学习。传统的数据挖掘方法对强特征问题很有效，比如反欺诈；但是对于从图像、声音当中去学习特征，就很难了。而深度学习在这些领域带来了很多新的应用。近几年声音识别、图像识别、人脸识别等新的应用出现，和技术突破是息息相关的。

与之相应的，是计算能力的提高。AI说起来容易，做起来很难，比如说深度学习的计算量对云计算也提出了极高的要求。三四年前基础架构和计算能力没有发展到这种程度时，要做人工智能也是做不起来的。

还有人才因素。有人觉得美国人才比中国多，我不这么看。过去几年，BAT以及二线互联网公司积攒了大量数据，数据需要人来处理，因此训练出一大批有实践经验的人才。而美国，主要是Facebook、谷歌、亚马逊、微软等公司，培养的人才偏理论型，在实践上不如中国。

最后一点，市场已经准备好了。人工智能公司的目标客户，原先比较传统，现在它们的思维开始变了。我们要感谢马云对DT时代的传播，但是，AlphaGo带来的影响更为巨大。AlphaGo虽然下的是围棋，但让很多中国人以为深度学习已经来了，它会抢走所有的工作，你要是不赶紧改变，就等着被干掉吧。这让人工智能公司发展客户变容易了。当然，这种想法还有很大误区，被人工智能完全颠覆的那天真正到来，还有很长时间，但是，这却让人工智能推广的难度大大降低了。

这几个因素造就了人工智能的热潮。这是一个数据依赖技术进行变现的时代。这5个因素，给了人工智能，或者我更愿意称它为“数据智能”，带来了极大的商业机会。很多投资人也开始关注并进入这个领域。

但是我认为，不能走偏。现在也有很多项目，并不是很“智能”，而是努力向这个概念上来“靠”。所以，要同时具备三个要点：大数据、应用性、智能性的项目，我们才会投。

我们聚焦的领域，概括起来其实是Applied Data Intelligence——业务性的数据智能。立足于大数据的应用，去解决实际商业的问题。我们投的项目，是以技术为核心，但我们的关注点在应用上。我不会单纯因为这个项目的技术牛而去投资，它要将自己很牛的技术应用到我们认同的问题上。

大数据应用一定要解决实际的商业问题。很多SaaS只是数据和数据应用，把传统的、低效的东西在线化，但没有思考如何处理数据，从中做些文章。比如税收类应用，如果只解决数据问题，那是很普通的SaaS。而我们在意的是，它能不能进一步提供增值服务，比如能够准确反映出企业健康状态来。

从我们投的公司就能看出我们的逻辑。我们的投的神策数据是数据服务公司，可以通过用户画像，从而分析公司的发展趋势；智能机器人Rokid，它是基于数据的智能实体化，但它的核心仍然是AI的软件，并非单纯强调硬件；地平线机器人提供的AI解决方案应用点也非常广，比如它目前在辅助驾驶ADAS这方面的应用，就体现了这一点。它们能提供应用，解决一些有用的问题，而不是只有技术但“然并卵”的东西。

在Applied Data Intelligence这个大的架构下，我们主要投三大类的项目：泛智能、基于数据的Fintech（金融科技）和VR/AR的核心技术。前两类我们投了不少。

我们所谓的泛智能，就是与大数据、云计算、云存储、人工智能、机器人、IoT（注：Internet of Things，物联网）等相关的项目。我们之所以这样划分，是因为我们有自己的一套逻辑链：有云技术才能实现大数据的存储和处理；在数据基础上才能做机器学习和人工智能的开发；而开发出来的模型需要落地，它们要么让数据流通得更快，要么让决策做得更好，也就是说，这些终要变成服务，我们把它称为DAAS（注：Data-as-a-service，数据即服务）。

在泛智能的硬件领域里，我们认为，机器人有很大的机会。机器人可以分为两大类：一类是家庭型、娱乐消费型，也就是2C的，另外一类是B端的。而我们目前关注的中心在前者。

我们非常看重IoT。但我们不太关如何心联网的问题，我们关心的是Ineternet of  Intelligence，真正让不同的智能设备为一个场景服务。不然我回到家，空调打开一个App，电视打开一个App，窗帘再打开一个，我就累得半死了，这哪是物联网智能家居，变成我为家居服务了。这是目前IoT的最大问题，每家都要自己搞一套，体验就很差。

但这样的状态持续不了太久，大家一定会寻求联盟，形成交叉协议，这是必然趋势。但是，这并不是会非常顺利的过程，中间肯定会有博弈。在国外，已经出现了一些联盟，国内虽然现在还看不出来，但肯定将来是一定会出现的。

人工智能会先在一些具体领域爆发。

金融是一个强数据的领域，智能化能够加强数据的作用，所以在互联网金融里面应该有很强的应用。另外，数据性很强的消费领域，从消费品、安全等相关角度，例如用户画像、智能推荐，以及智能导购，都是基于数据可以用AI机器人来帮助实现的。

ADAS辅助驾驶也是一个典型的场景。其实，我们发现，很多行业，最大的市场都在“吃喝玩乐行”，对于人工智能而言，“行”现在是最容易被影响的，因为它是强技术性的。“吃喝玩乐”，虽然技术会给它们带来一定帮助，但是内容和渠道方面，它是有很强的反向控制性的，人工智能要切入是一个巨大的问题。而“行”是一个全新的领域，因为原来像地面交通、空中交通这些都是传统公司来做的，滴滴这些新的公司的进入，为它们带来一个巨大的颠覆。

在数据层面，我认为，滴滴肯定是倾向于自己去做的。但是不要忽略了传统渠道的威力。像OPPO、VIVO、小米、华为它们的“战争”形态，我觉得是很有意思的。互联网让世界成为平的，但是人口数量和层次的差异、城市之间和城乡的差异，给中间过程带来了很多的机会，只要你抓住了，能够做不少事情。所以不要小瞧传统厂商，它们中有很多其实非常技术化，只不过它们的传统技术是跟车相关，互联网不一定擅长。百度做无人车，它擅长的还是数据的收集和导航、服务，以车为核心的部分，我估计还是要跟传统厂商合作，所以最后大家会是一个混合体。

智能生活这块，我认为也是有很大的机会的。如果把出行加进去，就是一整套了。如果撇开它看，就是智能家庭生活，我们觉得这一块很有机会。

还有一些我们零星的思考。比如说，健康相关的，不仅限于监测，而是回归健康的本质，比如对人的健康产生预警作用的。只是监测，比如你一天跑了多少步，意义不大；但如果你能对我的健康预警，告诉我现在过劳了，要赶快休息，这种情况下猝死的概率是多少，才是有价值的。但现在技术还达不到。

我们投了一个做女性体温计的项目，通过体温曲线，可以测出受孕、避孕几率。这个项目市场很大，但目前有一半用户在海外，因为国内要通过医院渠道去推。这个领域我们不太了解，所以选择跟投。对于不太懂的领域，我们会先跟投一两个项目熟悉一下。这也体现了我们对于AI商业应用的态度：能实实在在产生作用的，才值得投，太远的东西，除非相信它的未来，否则我们大多持怀疑态度。

像Seeta中科视拓做的是人脸识别。它能切入生活的方方面面。人脸识别的核心是身份问题，什么时候你需要证明“你是你”，都可以用得上人脸识别。但现在技术还不成熟，还没有真正爆发。另外，人口数量太大了，即使人脸识别的出错概率低到千万分之一，那出错的人数也很多。所以它现在只能在一些限定条件下辅助人力。未来，在银行、公共安全监控等领域，人脸识别都会有大量应用。而且，人脸比起其他的识别方式，能够做到自然的、无监督的、安静这种模式下的一种识别，所以还有很大商机去挖掘。
在国内，人工智能领域创业面临着两个最大的问题，一个是数据，另一个是应用。很多创业者，他拥有的是算法、是技术，但是数据不在他这里，应用也不在他这里，这两块还要去说服别人，是典型的两座大山。这些数据源人家为什么要给你？这有一个信任成本的问题，要么是我相信你一定个比我强，要么是我没有办法了，不得不试一试。这是个难点。另外一个就是应用，你得解决一个实在的商业问题，但商业问题并不在人工智能行业的人手中。比如自动驾驶，车厂是控制方，它是有话语权的。你要找到商业场景，并说服它们应用你的技术，这又是一个难点。

免费参加InnoTalk沙龙-InnoTalk-从人工智能在金融领域的应用创新看未来发展机会：
点击报名： >随着科技的发展，物联网发展的越发蓬勃。硬件联网也是靠着软件驱动，所以智能设备的性能很多时候是在考验设备的软件能力。

然而物联网的测试涉及面广，需要对APP/UI测试，还需要对协议，后台，接口进行测试，同时对硬件的性能，稳定性，安全性等测试，还有各，WIFI，蓝等模组测试。

针对目前物联网智能硬件测试从上到下环节众多，很难有专门的工具进行统一调度测试和管理，宏控协同测试系统为测试开发人员提供了一套通用的协同自动化测试系统，帮助测试人员自下而上的完成物联网设备从底层的模块测试到集成测试，到最后的系统测试。

宏控协同测试系统支持V模型开发，提供需求导入和需求的管理，同时可以建立需求和测试用例的关联，还能提供与测试结果的追溯关系。

在测试用例管理阶段：提供用例的图形化编辑，子脚本的调用，用例的导出等

在测试执行阶段，对测试过程实时监督，同时可以选择执行测试用例数量和定时触发执行，支持测试的异常恢复……

1、在设计阶段纳入安全性。物联网开发人员应在任何基于消费者，企业或工业的设备开发之初包括安全性。默认情况下启用安全性至关重要，同时提供最新的 *** 作系统和使用安全硬件。
2、硬编码凭证永远不应成为设计过程的一部分。开发人员可以采取的另一项措施是在设备运行之前要求用户更新凭据。如果设备附带默认凭据，则用户应使用强密码或多因素身份验证或生物识别技术更新它们。
3、PKI 和数字证书。公钥基础设施(PKI)和 509 数字证书在安全物联网设备的开发中发挥着关键作用，提供分发和识别公共加密密钥，通过网络进行安全数据交换以及验证身份所需的信任和控制。
4、API 安全性。应用程序性能指标(API)安全性对于保护从 IoT 设备发送到后端系统的数据的完整性至关重要，并确保只有授权设备，开发人员和应用程序才能与 API 通信。
5、身份管理。为每个设备提供唯一标识符对于了解设备是什么，它的行为方式，与之交互的其他设备以及应该为该设备采取的适当安全措施至关重要。

物联网的概念就是通过移动互联网将人类社会里面不能够共享联动的物体联动起来使用。

物联网是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息。

通过各类可能的网络接入，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。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对象形成互联互通的网络。

物联网运作

物联网生态系统由支持Web的智能设备组成，这些设备使用嵌入式处理器，传感器和通信硬件来收集，发送和处理从环境中获取的数据。物联网设备通过连接到物联网网关或共享它们收集的传感器数据其他边缘设备将数据发送到云以进行本地分析或分析。

有时，这些设备与其他相关设备通信，并根据彼此获得的信息进行 *** 作，尽管人们可以与设备进行交互，但设备可以完成大部分工作而无需人工干预，例如，设置设备，给他们指示或访问数据。

以上内容参考百度百科-物联网

---