云到边缘的转变可能标志着物联网连接的真正自主革命。之前，我们已经看到了云计算如何实现集中化和协作——边缘设备都是关于自动离线工作的能力，而无需将数据发送到云端进行处理和存储。这是物联网设备的未来及其对连接的意义。边缘连接是否意味着我们正在超越基于云的连接，我们正在走向一个边缘计算占据中心舞台的时代？好问题。大约20年前，当“物联网”一词首次出现时，它指的是互联网，这在当时是一件大事。微型传感器通过WiFi从云端发送和接收数据的概念是巨大而惊人的。当我们今天谈论物联网时，我们指的是一个由远程控制设备组成的生态系统，这些设备连接到云并通过某种连接相互连接。最重要的是，这些设备必须能够执行某些操作。说到智能家居，我们谈论的是像Alexa或GoogleEcho这样的智能扬声器/语音助手，它们可以发出命令来开灯、调节空调，或者在最近的达美乐或必胜客点快餐。互联概念可以与在各种情况下控制商业地产的智能系统相关联。当谈到工业5.0工厂和风电场等其他工业设施时，物联网意味着一个设备生态系统，这些设备可以相互通信并能够根据收到的命令执行某些操作。然而，随着技术的发展以及物联网和连通性等术语含义的扩展，我们必须考虑更新的连通性图景以及未来的连通性。物联网物联网作为一个以收集、发送和接收数据为中心的独立发展实体的概念不再流行。简而言之，物联网，就其本意而言，早已死去。这样的系统必须提供更多的商业价值才能在今天可行。它们必须使用户能够分析收集到的数据并根据分析结果采取有意义的行动。物联网和连接的重点已经从无数传感器转移到它们收集的数据的价值上。数据而非传感器才是王道。肯定会有更先进的传感器，但它们的主要价值在于它们可以收集的数据，以及我们可以根据这些数据执行的操作。当然，我们只需要打开离家很近的智能水壶，就可以更快地享用一杯茶或咖啡。但自动驾驶汽车必须能够对周围道路状况的变化做出反应，智能工厂必须能够在出现问题时调整复杂的工作场景。因此，仅将物联网作为数字连接资产或DCA的概念是不可行的。因为这样的系统必须能够快速处理数据并通过分析数据或发出一些命令来使用它。在云中执行任务意味着太多的延迟——所以我们需要更快的速度。“更快”是边缘计算概念发挥作用的地方。边缘计算——物联网发展的下一阶段边缘计算术语是指在特定位置形成传感器网络核心的本地计算节点的概念。这些传感器网络可以是工厂或农业综合体中的服务器节点，即前面提到的谷歌或亚马逊智能家居系统。该系统还可以是用于商业地产（例如购物中心或写字楼）的智能公用事业控制系统。简而言之，边缘计算为传感器提供局域网连接，从而实现闪电般的数据传输。它还连接到云端，以支持数据的集中收集和分析、历史数据存储以及基于这些数据的AI/ML模型训练。但最重要的是，边缘计算节点提供了足够的计算能力来在本地托管AI/ML算法，这使得这些模型能够根据从传感器接收到的数据发出所需的命令。让我们想象一个由各种传感器（运动、温度、湿度等）、一组机器人和多个执行器组成的全自动工业5.0工厂。机器人执行生产操作，同时传感器监视情况——一个信号表明其中一个传送带电机严重过热。本地边缘计算节点接收信号，运行其AI/ML算法以制定响应。该方案可以关闭发动机，如果可能的话使用冷却剂，断开发动机与传送带的连接（如果有备件，则启动它们）。最大限度地减少生产中断-或将生产流程重新安排到其他输送机。所有功能都在几毫秒内执行，防止火灾并为制造商节省数百万美元的潜在损失。为了使操作成为可能，边缘计算节点必须具备三个关键能力：物理世界中的控制过程。边缘计算节点必须能够收集数据、处理数据并制定一些响应措施。离线办公。远离海岸的深层地下矿山或海上设施可能与云通信，因此它们的系统必须能够自主运行。零秒响应时间。对于自动化生产或公用事业运营，几秒钟的延迟可能会导致巨大的经济损失，因此必须立即制定并执行响应计划。物联网的未来：网络物理学、上下文和自主对象正如我们所见，物联网的意义和价值已经从用于收集数据的连接设备生态系统转变为能够收集数据、处理数据并根据其采取行动的设备这个数据生态系统。因此，我们可以定义现有和未来物联网设备的三大类：网络物理对象。收集物理信号并将其转换为数字数据的传感器。想想跟踪我们生命体征的智能可穿戴设备、数字打印机、许多机器对机器和远程信息处理设备、各种智能家居系统（如恒温器等）。所有只能执行单一功能（例如开/关灯或卷帘）的消费类设备up/down也属于这个组。上下文对象。虽然简单的网络物理DCA只能提供数据或执行单个命令，但更复杂的系统可以了解这些传感器和执行器的工作环境并做出更好的决策。例如，让我们想象一个农业综合体，其中DCA控制灌溉系统或自动化机器车队的位置和操作。通过补充边缘计算节点，农民可以将数据整合到一个仪表盘中，并增加天气预报和其他关键信息，这将有助于从数据中获得更多价值并轻松控制所有系统。自治对象：“聚合-过程-反应”链中的最高级别，这些系统结合传感器网络、边缘计算节点和AI/ML算法，形成自治对象，承担从人到机器的责任。一个例子就是我们前面提到的工厂事件。简介：随时打电话——连接不会消失我们必须在现实世界中操作并使用我们可用的工具。基础网关设备为边缘计算节点内的数据采集、存储和处理提供了足够的能力。这些节点使其中的ML模型能够采取行动。然而，他们无法提供足够的计算资源来训练这样的模型，因为它需要在数百个计算周期内处理大量历史数据，而这只能在云数据中心完成。连通性对于将边缘计算节点连接到云、收集统计数据、训练新的AI算法和更新现有算法仍然至关重要。它是一个集成的生态系统，每个组件都在其中发挥作用。我们如何称呼这个激动人心的新生态系统IoT2.0？在网络的物理边缘启用计算的对象？这些术语本身是无关紧要的，尽管我们理解它们背后的含义。这些对象将能够连接物理世界和数字世界，使用传感器收集数据，对其他输入进行情境化，并根据此分析采取行动。虽然这个生态系统一直有效，但我们所谓的生态系统的重要性并不那么重要。最重要的是，连通性对于将边缘计算节点连接到云端仍然至关重要，因此连通性永远不会消失。
