1引言从最初的需求来看，物联网系统可以概括为一个完成数据感知、数据传输、数据汇聚的软硬件综合系统。随着信息系统的不断发展，物联网系统部署应用的广度和深度不断扩大。传统物联网系统（如图1所示）更注重传感与控制连接、网络远程传输、中小型应用场景。当稳定性、低运维成本、数据安全、高环境适应性等一系列行业需求时，存在较大的应用局限性。同时，随着应用场景需求的多样化，物联网技术也在快速创新，受到业界的广泛关注。新的物联网系统在海量连接、本地逻辑、数据优化、数据安全等方面展现出卓越的系统性能，为构建面向智能应用、复杂网络、海量连接的新一代信息系统提供了强有力的技术支撑。图1传统物联网系统2挑战随着经济社会的发展和生产生活效率的快速提高，人们对信息系统的普及化、智能化、便捷化、实时化和安全性提出了越来越高的要求。物联网系统作为信息系统的重要组成部分，正面临着前所未有的挑战。2.1CROSS挑战连接（connection）：在大规模物联网系统中，存在广泛异构、海量连接的特点。系统中存在不同数据类型、协议类型、网络类型和控制类型的设备和终端。连接、驱动、管理、协调复杂的设备网络在、转换、运维系统中存在着巨大的挑战。实时（real-time）：物联网系统中存在大量高实时性的数据采集、传输、逻辑运算场景，如自动驾驶、人机协同工作站、远程手术和因此，实时连接和实时业务对物联网系统提出了新的挑战。Optimization（优化）：网络边缘终端和设备呈现差异化的输入和输出。对于物联网系统，数据融合和数据统一语义和描述是必要的；而对于中心信息平台和应用，物联网数据仍需优化处理，统一开放和呈现；Smart（智能）：新信息系统的智能化特征，对物联网系统提出了边缘智能化要求。在此基础上，形成业务创新、业务流程优化、行业赋能、效率和成本优势；安全（safety）：新型信息系统的垂直延伸和业务拓展的不断深入，对物联网系统的设备安全和网络安全、数据安全、应用安全、数据隐私保护等方面都有很大的影响提出了更高的要求。2.2行业需求的细分化和碎片化物联网行业广泛应用于工业制造、电力、水利、环保、农业、地质灾害等行业。许多碎片化的行业对物联网系统提出了差异化的需求。物联网行业的企业针对差异化市场的需求提出了很多解决方案，但大多局限于所关注的行业，难以不同程度地规模化。此外，为保证专业领域系统供应的质量、互操作性和竞争秩序，各专业行业的政府主管部门、行业协会、联盟或科研院所制定了本行业或地区的物联网系统技术标准，形成一个细分行业，标准很多，但很难统一，更新慢。2.3解决方案垂直化与多架构并行物联网系统依托各行业的垂直解决方案并体现其价值。基于现有技术和垂直市场细分，出现了各种物联网架构，如集中式、分布式和云物联网架构。物联网系统行业将长期呈现垂直化、多架构并行的行业特征。2.4多元化布局物联网系统的日益普及和市场容量的不断扩大，为相关参与者带来了良好的发展机遇。企业、电信运营商、互联网公司、科研院所乃至个人和家庭都参与到系统的研发、建设和消费中。物联网产业版图多元化，促进了产业的发展，但也带来了系统通用化、普及化、互操作性的困难。2.5传统物联网系统的劣势传统物联网系统起源于工业自动化控制系统，其构建思路局限于远程数据传输和处理，缺乏系统灵活性和智能化应用潜力，对上述挑战和问题考虑不足，无法满足多样化的传感网络和智能化系统要求。随着物联网系统的广泛应用和部署、海量异构的网络连接、灵活通用的组件、不同的行业智能需求（数据优化、边缘处理、逻辑实现）、更加规范和严格的数据安全等一系列挑战正在推动新物联网系统的出现。3.新的物联网系统为了满足信息系统的新需求，物联网系统不断演进。其主要特点包括边缘计算（EdgeComputing）[1]的应用、通用化和标准化、高效运维部署、人工智能应用等。以上特点很好地解决了信息系统多业务、多场景融合智能感知和控制的需求，成为物联网系统技术发展的主流方向。3.1边缘计算计算技术在经历了主机计算、PC计算、网络计算、云计算等阶段后，进入了边缘计算。边缘计算是在靠近物源或数据源头的网络边缘，集网络、计算、存储、应用核心能力为一体的分布式开放平台。数据优化、应用智能、安全和隐私保护的关键要求。在边缘计算概念的发展过程中，Cloudlet[2]、微数据中心（MDC）[3]和雾计算[4]等概念都致力于在网络边缘工作。图2边缘计算的分布式开放物联网架构图3显示了边缘计算的五个主要优势。正是由于边缘计算在物联网复杂场景中展现出的技术优势，近年来受到了业界的特别关注。图3边缘计算的五个关键优势边缘计算架构允许物联网系统从感知层并行扩展到网络层和数据服务层。分布式架构使感知系统获得更灵活的任务适应性，从而更好地满足新型信息系统的多业务、多场景需求。3.2通用化、标准化的物联网核心网和边缘化的物联网终端构成了一个灵活多变、标准的物联网体系，如图4所示。网络、计算、存储、应用的边缘化使得物联网终端获得更多的功能权限。边缘物联网终端通过自身操作系统与物联网核心网协同运行，实现南北向驱动管理、设备运行状态监控、容器化边缘任务管理。边缘物联网终端实现接口融合、数据融合、协议融合、容器化应用管理，满足差异化场景和碎片化行业的需求，最终呈现出通用化、标准化的特点。图5显示了边缘化物联网操作系统的内部功能结构。图5边缘化物联网操作系统3.3高效部署运维在图2的例子中，物联网核心网通过边云协同实现物联网系统的网络、应用、计算资源、数据订阅和分发管理。平台化、服务化的边缘管理机制，带来集中高效的系统部署和系统运维能力。这种能力将在未来面向万物互联的数字系统中发挥巨大的经济作用。3.4人工智能作为一种流行的人工智能技术，深度学习（DeepLearning，DL）受到了业界的广泛关注。深度学习与边缘计算的结合，将为智能系统带来实用、灵活的技术手段。首先，在边缘计算框架中嵌入深度学习，实现网络边缘的自适应管理。此外，云端还将大量模型计算推向边缘，实现低时延、高可靠的智能服务。深度学习作为典型的人工智能技术之一，在计算机视觉（CV）和自然语言处理（NLP）领域展现出强大的性能优势[5]，相应的智能服务和应用正在迅速改变人们的生活[6]。.随着边缘算力的不断增长和计算方式的革新，更多的智能算法可以从云端延伸到终端用户，网络边缘将拥有更多的智能任务执行能力，并可以通过网络不断升级更新。云端。4典型应用场景上面已经详细分析了新型物联网系统面临的挑战和对策。与传统物联网系统相比，其性能优势明显，整体成本降低。可广泛应用于智能电网、智能生态、智能制造等领域。图6举例说明了一个典型的新物联网系统解决方案。图6典型的新型物联网系统解决方案4.1智能电网传统配电网络由靠近居民的“配电自动化主站”、“低压变压器（10kV/400V）”和延伸到每家每户的低压馈线网络组成，有整个国家电网低压配电网多达480万个，连接终端4亿多个。网络拓扑结构复杂，对供电质量影响较大。目前，自动化和智能化水平还较低，难以快速响应分布式光伏、新能源汽车、能流调度等需求。新型物联网系统构建的“云、管、边、端”解决方案架构与传统配网相结合。“云”层采用物联网核心网，采用微服务架构实现业务与数据的解耦。同时，大数据和AI框架；在“管理层”提供丰富的上下行通信方式，支持物联网协议，实现设备互联；在“侧”层利用边缘计算打造通用、标准的智能配变终端硬件平台，实现业务APP软件可定义；在“端”层引入物联网操作系统，为终端植入通信和计算，使物联网终端智能化。4.2智慧生态智慧生态包括水利、林业、农业、环保、自然灾害、应急管理等多个方向，其信息化水平相对落后，传感网络覆盖率低，系统成活率低低，信息孤岛问题严重。智能数据分析和建模研究滞后，难以满足生态监测、治理和利用的需要。新型物联网系统可以利用其感知融合、数据融合、协议融合能力，实现农林水利、应急环保等领域感知网络的统一建设和接入。利用边缘和云端相结合的智能计算能力，将在云端训练好的模型推送到监控现场，实现农业生产精准管理、水利智能管控、自然灾害（洪水）科学预警预报灾害、地质灾害、森林火灾）、环境保护精准监测等功能，极大地提高了智慧生态信息系统的管理效率。4.3智能制造工业环境中的边缘计算通常实时或以近实时的方式获取正确的设备数据，以驱动更好的决策，并在必要时驱动工业过程控制。为了实现这一目标，必须首先构建边缘设备的基础设施和嵌入其中的软件、边缘服务器和云，并全天候24/7连续运行。工业网络边缘可以扩展到工业设备、机械制造、控制器和传感器。如今，边缘计算和分析正迅速部署在靠近机器和数据源的地方。随着工业系统数字化转型成为一定趋势，以往集中的分析、决策、控制等功能正在物理上分散到边缘设备、边缘服务器、网络、云及其连接系统中。与此同时，自动化资产设备正在提高其执行边缘计算的能力。5小结进入新世纪的头十年，得益于更广泛的联系，我国信息产业实现了快速发展，深刻改变了人们的生产和生活方式。随着5G、边缘计算、人工智能等技术的发展，物联网系统也将不断创新并应用到国民经济的各个行业和领域，带来生产力的大幅提升，最终实现中国的物联网。觉知和智慧。
