- 物联网将物理对象与传感器、网络和软件连接起来，以实时收集、处理和利用数据。
- 设备到设备、云到云和网关等模型与边缘计算并存，以降低延迟。
- 应用领域涵盖家庭、工业、医疗、能源、城市和物流，兼具隐私和安全方面的优势和风险。
我们生活在一个互联互通的环境中，这些设备几乎在我们毫无察觉的情况下发送和接收数据；物联网正是在物理世界和数字世界的交汇处展开的。简而言之，它是一个由设备和系统组成的网络，能够收集、共享和处理信息，并在极少人为干预的情况下运行。
抛开炒作，真正的价值在于数据能够驱动有效的决策：例如，预测故障的维护措施、调整交通流量的交通信号灯，以及更快捷、更便捷的医疗保健。这正是比尔·乔伊等先驱者所构想的，并由凯文·阿什顿在20世纪90年代末期推广开来。当时他提出，如果机器能够自主收集数据，那么物理世界就能大规模地变得可读、可控。
什么是物联网（IoT）？
物联网是一个由配备传感器、计算能力和连接功能的物理“物”组成的生态系统，这些“物”可以与其他设备和云端交换数据。这包括从可穿戴设备、家用电器和汽车到工业机械、基础设施、智能电表，甚至整个城市的一切。
这些“物”能够自主运行，与其他设备协作，并通过网络或移动界面与人互动。从技术角度来看，它们融合了网络物理系统、嵌入式计算和IP网络；从实际应用角度来看，它们能够实现流程自动化、环境监测以及由人工智能和机器学习支持的实时决策。
从架构角度来看，物联网被构想为一个开放且很大程度上非确定性的网络，其中的服务和代理会根据上下文进行自组织。这种方法与事件驱动模型和语义网非常契合，语义网根据环境和目的赋予数据意义。
简史及关键里程碑
物联网的起源可以追溯到上世纪八九十年代的实验。1982年，一台联网的汽水机能够报告其运行状态；1990年，一台烤面包机可以通过互联网控制；1991年，剑桥的一台网络摄像头显示了咖啡机中的咖啡液位。后来，凯文·阿什顿在1999年利用射频识别（RFID）技术优化供应链时，创造了“物联网”（IoT）一词。
同年，比尔·乔伊在他的“六大网络”框架中引入了设备间通信。自2008年起，IPv6标准化极大地扩展了联网设备的地址空间；2010年，联网设备的数量超过了人口数量；2014年，谷歌收购了Nest Labs，使智能家居成为主流。PTC收购ThingWorx等收购案也十分引人注目，反映了物联网平台市场的蓬勃发展。
与此同时，这一现象在各种会议上以及Gartner的“技术成熟度曲线”预测中不断发展壮大，而商业领域也整合了所谓的企业物联网（EIoT），据估计，到2019年，EIoT已占到设备总数的近40%。阿什顿的论述强调了数据从人工编写向传感器采集的转变，使行业摆脱了时间、注意力和人为错误的限制。
物联网如何运作：从传感器到行动
一个完整的物联网系统主要由四部分组成：传感器或设备、连接、数据处理和用户界面。传感器检测各种变量（例如温度、位置、振动、图像等），并将信息打包后通过网络发送出去。
根据应用场景的不同，连接方式也各不相同：Wi-Fi、以太网、蓝牙、Zigbee、LPWAN、卫星或移动网络。MQTT 或 CoAP 等协议能够优化轻量级消息的传输，而在工业环境中，用于转换协议并增强安全性的网关也十分常见。
软件一旦将数据上传到云端（或边缘），就会对其进行处理，以推断设备状态、检测异常或执行规则。如有必要，它会自动采取行动，或通过仪表盘或应用程序通知用户。这种设备与控制平面之间的双向交互是物联网运行的核心。
在 RFC 7452 中，IAB 定义了四种常见的通信模型：设备到设备（直接链路，通常使用蓝牙）、设备到云（传统的 IP 连接到云服务）、设备到网关（本地 ALG，用于调解和提供安全或翻译等功能）以及后端数据共享（用于交叉分析的云间交换）。
边缘计算：为什么要将计算更靠近数据
云模式虽然集中资源，但并非总能提供理想的延迟或带宽。边缘计算则将部分处理任务转移到更靠近设备的位置，从而实现毫秒级响应、数据过滤，并减轻网络和数据中心的压力。
例如，协调一支自动驾驶车队运输集装箱，或者分析医院的临床信号以现场检测关键事件。甚至操作员的手机也可以充当低功耗本地服务器，以减少向云端的冗余流量。
从简单的发送/接收转变为发送、接收和分析，是挖掘价值的关键。边缘计算和云计算技术的结合，能够实现实时数据处理和历史分析，从而构建更具弹性和效率的系统。
支持技术
物联网生态系统依赖于几个组件：连接（Wi-Fi、蓝牙、Zigbee、LPWAN）、轻量级协议（MQTT、CoAP）、日益小型化和价格实惠的传感器和执行器，以及促进部署、管理和分析的平台。
随着设备数量的增长，安全性已成为重中之重；为了保护数据完整性和隐私性，相应的标准和实践也应运而生。边缘计算作为云计算的天然补充，在降低延迟方面也日趋成熟。
此外，5G 的到来有望实现高带宽连接和超可靠的通信，从而推动实时数据和每个小区内设备密度极高的海量应用场景。
主要用途和实际案例
在消费领域，“智能家居”将恒温器、照明、百叶窗、音响和家用电器整合在一起，这些设备可以通过手机控制并相互协调。可穿戴技术包括带有RFID功能的智能手表、手环和服装，甚至还有宠物可穿戴设备，可以帮助定位宠物并监测它们的活动。
有些有趣的设备可以很好地诠释这个概念：例如，可以无线充电并发送跑步数据的跑鞋；像 Parrot Flower Power 这样的花园传感器，可以监测土壤湿度和温度；还有像 Garageio 这样的系统，可以远程打开和监控车库。“智能按钮”也已普及，它们可以自动执行各种场景操作（例如，离家时自动关闭灯和空调）。
在媒体和广告领域，物联网提供的行为数据能够优化用户细分，并用于衡量诸如放弃率、点击率和用户互动度等指标。海量信息正推动大数据架构的发展，这些架构能够大规模地吸收、清洗和分析数据事件。
能源和水务行业正因智能电表、电网和传感器而发生变革。公用事业公司正在调整动态电价、整合可再生能源并检测泄漏或未计入的损耗。在发电厂和输电线路中，预测性监测可以减少故障和成本。
城市基础设施（桥梁、铁路、风力发电场、废物处理）受益于结构状况监测和协调的维护计划。客观数据有助于提高应急响应能力并优化运营成本。
在农业领域，“智能农场”利用光照、湿度、温度和土壤传感器进行精准灌溉，优化投入，减少浪费。农民可以随时随地查看田间状况，并根据预设规则自动灌溉。
互联医疗（IoMT）包括远程病人监护、可检测占用情况并有助于防止跌倒的病床，以及用于监测老年人健康状况的家庭传感器。此外，还涌现出一些先进设备，例如可将肌肉活动转化为运动的电池供电假肢手臂，以及用于监测药物和生命体征的平台。
在交通运输领域，所谓的车联网整合了汽车、基础设施和用户之间的通信，以实时管理交通、停车、电子收费、物流和车队控制。温度敏感型货物借助传感器和偏差警报系统得以保存。
在工业物联网 (IIoT) 领域，互联传感器能够实现预测性维护、机器视觉和安全可穿戴设备。更快的诊断速度、自动化零件订购和早期风险检测能够提升生产效率和安全性。而家庭物联网的不同之处在于，它专注于封闭环境，并与企业系统集成。
在教育领域，其影响范围从减少重复性任务（自动纠错和成绩上传）到自适应学习和虚拟现实，包括连接空间和优化房间及资源利用的设备。
万物互联、语义网和互联网
由思科推广的“万物互联”（IoE）通过整合人、流程、数据和物来扩展物联网（IoT）。它不仅仅是连接物体，更是将数据转化为个性化的行动和体验，融合了“数字互联网”和“人联网”。
语义网提供了另一种视角：为所有事物分配一个URI，即使是那些不进行通信的事物，以便代表其所有者行事的代理可以引用它们。这引入了诸如“spime”之类的概念，即可以跟踪其整个生命周期的对象。
在物理层，“互联网 0”是一个低速、低成本的方案，旨在为几乎任何事物提供 IP 地址，使普适计算更接近日常物品，并在办公室或家庭层面实现共享控制。
为解决生态系统碎片化问题，各方已建立联盟并制定通用框架：例如 AllJoyn 和英特尔通用连接框架等项目，旨在实现制造商之间的互操作性。此外，人们也在探索“可预测交互”模式，即在云端预先做出决策，以减少用户操作的摩擦。
众多公司和项目已填补了这一领域：从通过API统一访问数百种设备的智能家居解决方案和平台，到用于家庭控制的语音助手，再到针对特定环境的封闭式传感器系统。与此同时，Applico、Broadcom、ioBridge、Libelium、National Instruments、Nest Labs、Google和Sigfox等公司也展现了该领域参与者的多样性。
优势和益处
将“物”连接到网络可以带来切实的好处：获取实时信息、实现流程自动化和优化资源配置。在家庭和办公室中，这意味着便利性和效率；在企业中，这意味着生产力提升、成本降低和数据驱动的决策。
在安保和公共服务领域，及早预警火灾、泄漏或故障有助于更快地做出响应。通过根据实际情况调整供暖、制冷和照明，可以实现节能；而通过仅使用必要的资源，流程也变得更加可持续。
通过信标和智能货架优化零售运营，并提供更个性化的服务，从而提升客户体验。库存管理和供应链也受益于持续的可视性。
局限性和批评
并非一切都尽如人意。安全、隐私和兼容性问题依然存在。缺乏统一的标准会导致不同品牌的设备无法相互通信，而且对许多人来说，这项技术的初始投资也并非小数目。
所列举的风险包括部分设备缺乏加密、默认密码强度不足以及利用安全漏洞发起的欺骗攻击。数字鸿沟也是一个令人担忧的问题：并非所有人或地区都能同样轻松地使用这些解决方案。
在社会层面，一些案例引发了警示：从大规模利用数据进行政治活动的争议，到语音助手意外录音的事件。这些事件都强化了人们对透明度和明确监管的诉求。
隐私、道德和信任
物联网与大数据相结合引发了一些合理的担忧：不必要的公开个人资料、消费和出行数据的聚合，以及如果将多个来源（社交网络、位置、交易）整合到一个平台下，可能会出现全景监控的场景。
机构和专家警告说，智能基础设施项目从一开始就需要公众支持。缺乏信任和对话，像智能电表这样的项目就会面临阻力。即便如此，当隐私和服务之间的权衡取舍清晰且有限时，例如公共交通卡，也会出现被接受的情况。
在安全领域，攻击途径多种多样：数据拦截和利用、设备被用作攻击入口点、生产中断以及对关键基础设施的攻击。此外，还有一些特定风险：劫持数千个防护薄弱对象的僵尸网络、缺乏端到端加密、默认密码、网络钓鱼以及隐私泄露。
高级架构模型
物联网与事件驱动架构和能够处理异常情况的多智能体系统相契合。从宏观层面来看，该系统类似于一个由开环和闭环构成的复杂网络，其中涌现行为层出不穷；甚至时间的概念也可能取决于感知它的对象或过程。
这种方法需要大规模并行计算和精心设计的分布式系统。虚拟化、托管服务和自主计算等范式有助于缓解并发性和可扩展性方面的传统挑战。
物联网在商业中的应用：流程和业务流程管理
自2020年数字化加速发展以来，许多公司纷纷采用远程办公、分散式访问和自动化技术。将物联网与业务流程管理相结合，能够带来灵活性、目标一致性、合规性和数据驱动的工作流程。
BPMS 有助于做出具体决策，确保运营连续性，并在自动化能够创造价值的地方调整人机交互，始终以人为本。
趋势和近期
多项趋势正在融合：设备普及率提高、投资增加、平台市场增长、安全性增强以及5G部署范围扩大。远程医疗和远程监测将继续在医疗保健领域获得发展动力。
我们将看到更多人工智能和机器学习技术嵌入到设备边缘，更不用说智慧城市的扩展，它们将共享数据以改善公共服务。随着越来越多的设备直接连接到5G网络，新的隐私和网络安全挑战将会出现，这就需要端到端的解决方案。
技术基础也在日趋成熟：更完善的加密实践、身份和密钥管理、固件强化以及安全的OTA更新。所有这些，再加上用户教育，都能有效缩小攻击面。
最常见的技术挑战
除了安全之外，还有三个挑战尤为突出：能源（设备必须全天候运行，且能耗非常低）、连接性（管理故障、性能和数百万个节点的大规模配置）以及数据可扩展性（以质量和可追溯性存储、处理和管理海量数据）。
解决这些问题需要共享标准、供应商之间切实可行的互操作性以及强大的设备生命周期管理解决方案。
无需赘述细节，值得注意的是，互联网作为一种基础设施，具有公共性、全球性、去中心化和普遍可访问性，并且响应速度几乎是瞬时的。正是这一基础使得物联网得以扩展，并对家庭、企业和机构产生广泛的影响。
物联网不再仅仅是各种有趣小工具的集合：它是一个技术层面，如果设计精良且安全可靠，就能提升效率、可持续性和生活质量。它的发展离不开开放标准、公众信任、安全设计以及与人工智能、边缘计算和5G的智能集成，从而使数据能够转化为真正重要的实用行动。