物聯(lián)網(wǎng)（IoT）是IT基礎(chǔ)設(shè)施的下一個(gè)發(fā)展階段，將是能夠處理數(shù)百萬臺甚至數(shù)十億物聯(lián)網(wǎng)設(shè)備的承載大部分?jǐn)?shù)據(jù)負(fù)載的邊緣平臺。

但是，這種規(guī)模和范圍的數(shù)據(jù)生態(tài)系統(tǒng)不會一蹴而就。當(dāng)人們進(jìn)入2019年，物聯(lián)網(wǎng)將在邊緣計(jì)算方面如何發(fā)展？在未來一年將有什么樣的發(fā)展？

雖然物聯(lián)網(wǎng)如今開始產(chǎn)生大量數(shù)據(jù)，但目前的數(shù)據(jù)量在未來十年發(fā)展中可能微不足道。事實(shí)上，人們所看到和觸摸的每件事物，甚至是自己身體的一部分，在不久的將來會生成連續(xù)的數(shù)據(jù)流，以處理和存儲邊緣上的元素和集中式數(shù)據(jù)設(shè)施。而在那里，它將被解析、分析、組合，或以其他方式操縱，而在理論上將讓公眾受益于物聯(lián)網(wǎng)。

物聯(lián)網(wǎng)的發(fā)展

根據(jù)Zebra科技公司的調(diào)查，在過去一年中，企業(yè)對于物聯(lián)網(wǎng)基礎(chǔ)設(shè)施的平均投資為460萬美元，比2017年增加了4％。大約84％的企業(yè)希望在2021年完成物聯(lián)網(wǎng)的部署，盡管這可能用語不當(dāng)，因?yàn)槲锫?lián)網(wǎng)不可能完全發(fā)展成熟，可能永遠(yuǎn)也不會，就像現(xiàn)在的數(shù)據(jù)中心基礎(chǔ)設(shè)施還在不斷發(fā)展一樣。最可能的情況是，物聯(lián)網(wǎng)將在未來兩年內(nèi)達(dá)到足夠成熟的發(fā)展階段，開始對商業(yè)模式做出重大貢獻(xiàn)。

也許更有趣的數(shù)據(jù)點(diǎn)來自CB Insights公司。該公司預(yù)測，在兩年內(nèi)，地球上幾乎每人每天將產(chǎn)生1．5 GB的數(shù)據(jù)。這將推動物聯(lián)網(wǎng)系統(tǒng)和服務(wù)的支出從2013年的不到500美元激增到2019年的1．7萬億美元。該公司預(yù)計(jì)，到2022年，僅邊緣基礎(chǔ)設(shè)施的支出將超過67億美元。

當(dāng)然，邊緣技術(shù)包括無數(shù)的類別和子類別，所有這些都應(yīng)該賦予各種用例——從智能家電到智能汽車，再到整個(gè)智能城市。但是，如果這個(gè)技術(shù)基礎(chǔ)有一個(gè)總體主題，那么它的核心將是找到以最有效和最高效的方式處理大量數(shù)據(jù)的方法。

在這項(xiàng)工作中，不僅僅是物聯(lián)網(wǎng)，而是幾乎所有數(shù)據(jù)基礎(chǔ)設(shè)施都將采用人工智能。調(diào)研機(jī)構(gòu)Gartner預(yù)測，像機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)和自主分析以及其他應(yīng)用程序等工具將數(shù)據(jù)提供到正確的位置，而在正確的場景中進(jìn)行分析以及向合適的人員提供見解方面，這些是非常寶貴的。在許多情況下，這些活動必須在實(shí)時(shí)或接近實(shí)時(shí)的場景下進(jìn)行，例如在自動駕駛汽車沿著高速公路行駛或者連接的醫(yī)療設(shè)備為患者提供救生服務(wù)時(shí)。

與此同時(shí)，邊緣的智能系統(tǒng)必須自己決定哪些數(shù)據(jù)要在本地處理，哪些數(shù)據(jù)應(yīng)該用于集中設(shè)施。大部分邊緣計(jì)算設(shè)施由微型數(shù)據(jù)中心組成，可以快速將結(jié)果傳遞給連接的設(shè)備，不僅可以快速響應(yīng)，還可以防止集中式計(jì)算、存儲和網(wǎng)絡(luò)資源在應(yīng)用中不堪重負(fù)。為此，邊緣計(jì)算不僅需要自動化，還需要高度自治，其中機(jī)器可以自行決定如何在各種情況下進(jìn)行操作。

Gartner公司還預(yù)測最終從智能邊緣過渡到智能網(wǎng)格。即使在物聯(lián)網(wǎng)工作負(fù)載和系統(tǒng)變得更加復(fù)雜的情況下，該體系結(jié)構(gòu)也將更靈活、更靈敏。通過這種方式，物聯(lián)網(wǎng)將促進(jìn)邊緣資源之間甚至端點(diǎn)設(shè)備之間的更大連接，從而用新的多點(diǎn)到多點(diǎn)結(jié)構(gòu)層取代當(dāng)今的點(diǎn)對點(diǎn)解決方案。

技能差距

顯然，這將推動知識型員工對全新技能的需求。例如，一旦網(wǎng)絡(luò)具有自我配置和管理的能力，傳統(tǒng)的管理人員職責(zé)將會逐漸消失，而更具戰(zhàn)略性的角色將獲得更高的地位。調(diào)查機(jī)構(gòu)IDC公司指出，如今能夠監(jiān)督人工智能驅(qū)動流程的熟練專業(yè)人員比較缺乏，這將成為一個(gè)主要問題，因?yàn)榇蠖鄶?shù)組織預(yù)計(jì)在未來兩年內(nèi)在物聯(lián)網(wǎng)基礎(chǔ)設(shè)施上實(shí)施人工智能的成功率將達(dá)到90％。

雖然人們認(rèn)為人工智能技術(shù)完全靠自身運(yùn)作而不用人為監(jiān)督，但事實(shí)是，如果沒有熟練的數(shù)據(jù)科學(xué)家告訴它該怎么做，幾乎沒有智能解決方案能夠正常運(yùn)行。這意味著未來面向物聯(lián)網(wǎng)的企業(yè)將面臨這三種選擇：保留現(xiàn)有IT人員了解數(shù)據(jù)科學(xué)的復(fù)雜性，將智能操作外包給專業(yè)提供商，或開始直接嘗試采用開源模型。

對許多人來說，最后一個(gè)選項(xiàng)是最有趣的，因?yàn)樗坪鹾芏辔锫?lián)網(wǎng)將基于開放式基礎(chǔ)設(shè)施。正如開放計(jì)算項(xiàng)目（OPC）基金會首席執(zhí)行官Rocky Bullock最近解釋的那樣，開源技術(shù)對于邊緣計(jì)算至關(guān)重要，因?yàn)閺谋举|(zhì)上講，它需要跨越系統(tǒng)和平臺的廣泛合作�？梢钥隙ǖ氖�，一些專有解決方案將會扎根，但即使這些解決方案需要與周圍環(huán)境進(jìn)行廣泛地互操作，如果他們希望滿足大多數(shù)用戶對物聯(lián)網(wǎng)的期望的話。

因此，人們可以期望在驅(qū)動物聯(lián)網(wǎng)的各種技術(shù)（包括智能自動化平臺）中開發(fā)和制定開放、可互操作的標(biāo)準(zhǔn)。目前，大部分情況都是通過IEEE、OCP和電信基礎(chǔ)設(shè)施項(xiàng)目（TIP）等組織實(shí)施的。然而，隨著時(shí)間的推移，將會出現(xiàn)更全面的解決方案。

毫無疑問，物聯(lián)網(wǎng)將在安全、治理等各種功能上不斷發(fā)展，但未來一年的重點(diǎn)將是將目前的幕后操作推向數(shù)字經(jīng)濟(jì)的最前沿。一旦物聯(lián)網(wǎng)成為服務(wù)和收入來源，那么它不只是傳統(tǒng)基礎(chǔ)設(shè)施的擴(kuò)展，還能確保人們生活在一個(gè)真正互聯(lián)的安全世界中。