物联网是什么,它是干嘛的?(新手必看)
物联网(Internet of Things)这个概念读者应该不会陌生。它最早于 1999 年被提出来,曾被称为继计算机、互联网之后,世界信息产业发展的第三次浪潮,到现在已经发展了 20 余年。
如今,在日常生活中,我们已经可以接触到非常多的物联网产品,例如各种智能家电、智能门锁等,这些都是物联网技术比较成熟的应用。
物联网最早的定义是:把所有物品通过射频识别等信息传感设备与互联网连接起来,实现智能化识别和管理。当然,物联网发展到今天,它的定义和范围已经有了扩展与变化。下面是现代物联网具有的两个特点。
物联网将互联网的基础设施作为信息传递的载体,即现代的物联网产品一定是“物”通过某种方式接入了互联网,而“物”通过互联网上传/下载数据,以及与人进行交互。
举个通过手机 App 远程启动汽车的例子,当用户通过 App 完成启动操作时,指令从已接入互联网的手机发送到云端平台,云端平台找到已接入互联网的车端电脑,然后下发指令,车端电脑执行启动命令,并将执行的结果反馈到云端平台;同时,用户的这次操作被记录在云端,用户可以随时从 App 上查询远程开锁记录历史。
上面就是一个典型的物联网场景,属于互联网应用的一种。“物”接入互联网,数据和信息通过互联网交互,同时数据和其他互联网应用一样汇聚到了云端。
再举一个例子,一个具有红外模块的手机,可以通过发送红外信号来控制客厅的电视机,这种应用在功能机时代十分常见,那么它属于物联网应用吗?看起来很像,同样是用手机操纵一个物体,不过此时你的电视机并没有接入互联网,你的手机可能也没有,手机和电视机的交互数据没有汇聚到云端,所以这个场景不属于现代物联网场景。
我们可以回想一下自己上网娱乐的场景:刷微博、写微博的是人,看微博的也是人;看短视频是人,拍短视频也是人;上淘宝买东西、下单的是人,收到订单进行发货的也是人;上在线教育网站写课程的是人,学习课程的也是人。在传统互联网的应用场景中,生产的数据是和人息息相关的,人生产数据,也消费数据,互联网平台在采集这些数据之后,将分析和汇总的结果也应用到人这个主体上,比如通过你的偏好推送新闻、商品等。
不过,在现代物联网的应用场景下,情况就有所不同了。数据的生产者是“物”,比如智能设备或者传感器,数据的消费者往往也是“物”。这里举个例子,在智慧农业的应用中,孵化室中的温度传感器将孵化室中的温度周期性地上传到控制中心。当温度低于一定阈值时,控制中心按照预设的规则远程打开加温设备。在这一场景中,数据的生产者是温度传感器,数据的消费者是加温设备,二者都是“物”,人并没有直接参与其中。
当然,在很多现代物联网的应用场景中,人作为个体,也会参与数据的消费和生产,比如在上面的例子中,打开加温设备的规则是人设置的,相当于生产了一部分数据。同时,在打开加温设备时,设备可能会通知管理人员,相当于消费了一部分数据。
但是在大多数场景下,人生产和消费数据的频次和黏度是非常低的。例如,笔者可能会花 3 个小时来写一篇博客,但只会花几分钟来设置温度的阈值规则;笔者可能会刷一下午抖音,但不会花整个下午的时间一条条地看孵化室的温度记录,只要在特定事件发生的时候收到一个通知就可以了。在这些场景下,数据的主体仍然是“物”。
这就是现代物联网和传统互联网最大的不同:数据的生产者和消费者主要是物,数据内容也是和物息息相关的。
人工智能可谓近年来 IT 领域最火的词语之一。人工智能的概念是在 1956 年提出的,之前一直不温不火,直到最近几年才飞速发展,尤其是以神经网络为代表的深度学习,发展尤为迅速。
纵观人工智能的发展路线,我们可以看到,人工智能的发展之所以能够突飞猛进,主要有以下两个原因:
事实上,第二个原因尤为重要,神经网络由于其特性,需要海量的数据进行学习,可供学习的有效数据量往往决定了最后训练出的神经网络的效果,甚至算法的重要性都可以排在有效数据量之后。
而物联网设备,比如智能家电、可穿戴设备等,每天都在产生海量数据,这些数据经过处理和清洗后,都可以作为不错的训练数据反哺神经网络。同时,训练出来的神经网络又可以重新应用到物联网设备中,进而形成一个良性循环。
这里举个例子,通过交通探头,我们可以采集大量的实时交通图片。经过处理,我们把图片“喂给”神经网络,比如 SSD(Single Shot MultiBox Detector,单次多框检测器)。SSD 先学会在图片中标注出人和汽车的位置,然后把模型部署到探头端,接着探头就可以利用深度学习的结果,实时分析人流和车流情况了。
下图所示为物联网应用人工智能方法进行数据采集-迭代的循环。通过物联网设备采集训练数据,在数据中心完成训练后,将模型应用到物联网设备,并评估效果进行下一次迭代。

图 1 数据采集-迭代的循环
物联网是人工智能落地的一个非常好的应用场景。随着人工智能的迅速发展,物联网这个同样在很多年前就提出的理论和技术,也会迎来新的春天。
目前,互联网数据入口渐渐朝着几大巨头(例如阿里、腾讯)汇聚,规模较小的公司获取数据的代价越来越高,物联网这块还未完全开发的数据领域显得尤为重要。
物联网的应用场景非常广泛,包括:
在不同的场景下,物联网应用的差异非常大,终端和网络架构的异构性强,这意味着物联网行业中存在足够多的细分市场,因此很难出现一家在市场份额上具有统治力的公司,同时由于市场够大,因此能够让足够多的公司存活。这种情况在互联网行业是不常见的,互联网行业的头部效应非常明显,市场绝大部分份额往往被头部的两三家公司占据。
物联网模式相对于互联网模式来说更“重”一些。物联网的应用总是伴随着前端设备,这就意味着用户的切换成本相对较高,毕竟拆除设备、重新安装设备比动动手指重新下载一个应用要复杂得多。
这也意味着,资本的推动作用在物联网行业中相对更弱。如果你取得了先发优势,那么后来者想光靠资本的力量赶上或者将你挤出市场,付出的代价要比在互联网行业中大得多。
所以说,物联网行业目前仍然是一片蓝海,小规模公司在这个行业中也完全有能力和大规模公司同台竞争。在AI和区块链的热度冷却后,物联网很有可能会成为下一个风口。作为程序员,在风口来临之前,提前进行一些知识储备是非常有必要的。
如今,在日常生活中,我们已经可以接触到非常多的物联网产品,例如各种智能家电、智能门锁等,这些都是物联网技术比较成熟的应用。
物联网最早的定义是:把所有物品通过射频识别等信息传感设备与互联网连接起来,实现智能化识别和管理。当然,物联网发展到今天,它的定义和范围已经有了扩展与变化。下面是现代物联网具有的两个特点。
物联网也是互联网
物联网,即物的互联网,属于互联网的一部分。物联网将互联网的基础设施作为信息传递的载体,即现代的物联网产品一定是“物”通过某种方式接入了互联网,而“物”通过互联网上传/下载数据,以及与人进行交互。
举个通过手机 App 远程启动汽车的例子,当用户通过 App 完成启动操作时,指令从已接入互联网的手机发送到云端平台,云端平台找到已接入互联网的车端电脑,然后下发指令,车端电脑执行启动命令,并将执行的结果反馈到云端平台;同时,用户的这次操作被记录在云端,用户可以随时从 App 上查询远程开锁记录历史。
上面就是一个典型的物联网场景,属于互联网应用的一种。“物”接入互联网,数据和信息通过互联网交互,同时数据和其他互联网应用一样汇聚到了云端。
再举一个例子,一个具有红外模块的手机,可以通过发送红外信号来控制客厅的电视机,这种应用在功能机时代十分常见,那么它属于物联网应用吗?看起来很像,同样是用手机操纵一个物体,不过此时你的电视机并没有接入互联网,你的手机可能也没有,手机和电视机的交互数据没有汇聚到云端,所以这个场景不属于现代物联网场景。
物联网的主体是“物”
前面说现代物联网应用是一种互联网应用,但是现代物联网应用和传统互联网应用又有一个很大的不同,那就是传统互联网生产和消费数据的主体是人,而现代物联网生产和消费数据的主体是物。我们可以回想一下自己上网娱乐的场景:刷微博、写微博的是人,看微博的也是人;看短视频是人,拍短视频也是人;上淘宝买东西、下单的是人,收到订单进行发货的也是人;上在线教育网站写课程的是人,学习课程的也是人。在传统互联网的应用场景中,生产的数据是和人息息相关的,人生产数据,也消费数据,互联网平台在采集这些数据之后,将分析和汇总的结果也应用到人这个主体上,比如通过你的偏好推送新闻、商品等。
不过,在现代物联网的应用场景下,情况就有所不同了。数据的生产者是“物”,比如智能设备或者传感器,数据的消费者往往也是“物”。这里举个例子,在智慧农业的应用中,孵化室中的温度传感器将孵化室中的温度周期性地上传到控制中心。当温度低于一定阈值时,控制中心按照预设的规则远程打开加温设备。在这一场景中,数据的生产者是温度传感器,数据的消费者是加温设备,二者都是“物”,人并没有直接参与其中。
当然,在很多现代物联网的应用场景中,人作为个体,也会参与数据的消费和生产,比如在上面的例子中,打开加温设备的规则是人设置的,相当于生产了一部分数据。同时,在打开加温设备时,设备可能会通知管理人员,相当于消费了一部分数据。
但是在大多数场景下,人生产和消费数据的频次和黏度是非常低的。例如,笔者可能会花 3 个小时来写一篇博客,但只会花几分钟来设置温度的阈值规则;笔者可能会刷一下午抖音,但不会花整个下午的时间一条条地看孵化室的温度记录,只要在特定事件发生的时候收到一个通知就可以了。在这些场景下,数据的主体仍然是“物”。
这就是现代物联网和传统互联网最大的不同:数据的生产者和消费者主要是物,数据内容也是和物息息相关的。
物联网和人工智能
既然说到了物联网,那么这里有必要再提一下人工智能。人工智能可谓近年来 IT 领域最火的词语之一。人工智能的概念是在 1956 年提出的,之前一直不温不火,直到最近几年才飞速发展,尤其是以神经网络为代表的深度学习,发展尤为迅速。
纵观人工智能的发展路线,我们可以看到,人工智能的发展之所以能够突飞猛进,主要有以下两个原因:
- 硬件的发展使得深度学习神经网络的学习时间迅速缩短。
- 在大数据时代,获取大量数据的成本变低。
事实上,第二个原因尤为重要,神经网络由于其特性,需要海量的数据进行学习,可供学习的有效数据量往往决定了最后训练出的神经网络的效果,甚至算法的重要性都可以排在有效数据量之后。
而物联网设备,比如智能家电、可穿戴设备等,每天都在产生海量数据,这些数据经过处理和清洗后,都可以作为不错的训练数据反哺神经网络。同时,训练出来的神经网络又可以重新应用到物联网设备中,进而形成一个良性循环。
这里举个例子,通过交通探头,我们可以采集大量的实时交通图片。经过处理,我们把图片“喂给”神经网络,比如 SSD(Single Shot MultiBox Detector,单次多框检测器)。SSD 先学会在图片中标注出人和汽车的位置,然后把模型部署到探头端,接着探头就可以利用深度学习的结果,实时分析人流和车流情况了。
下图所示为物联网应用人工智能方法进行数据采集-迭代的循环。通过物联网设备采集训练数据,在数据中心完成训练后,将模型应用到物联网设备,并评估效果进行下一次迭代。

图 1 数据采集-迭代的循环
物联网是人工智能落地的一个非常好的应用场景。随着人工智能的迅速发展,物联网这个同样在很多年前就提出的理论和技术,也会迎来新的春天。
目前,互联网数据入口渐渐朝着几大巨头(例如阿里、腾讯)汇聚,规模较小的公司获取数据的代价越来越高,物联网这块还未完全开发的数据领域显得尤为重要。
物联网的现状与前景
随着 5G 时代的来临,物联网的发展将会非常迅速。同时,物联网方向的新增融资也一直处于上升趋势。下面再从应用场景的角度来谈一下物联网行业的发展前景。物联网的应用场景非常广泛,包括:
- 智慧城市;
- 智慧建筑;
- 车联网;
- 智慧社区;
- 智能家居;
- 智慧医疗;
- 工业物联网;
- ……。
在不同的场景下,物联网应用的差异非常大,终端和网络架构的异构性强,这意味着物联网行业中存在足够多的细分市场,因此很难出现一家在市场份额上具有统治力的公司,同时由于市场够大,因此能够让足够多的公司存活。这种情况在互联网行业是不常见的,互联网行业的头部效应非常明显,市场绝大部分份额往往被头部的两三家公司占据。
物联网模式相对于互联网模式来说更“重”一些。物联网的应用总是伴随着前端设备,这就意味着用户的切换成本相对较高,毕竟拆除设备、重新安装设备比动动手指重新下载一个应用要复杂得多。
这也意味着,资本的推动作用在物联网行业中相对更弱。如果你取得了先发优势,那么后来者想光靠资本的力量赶上或者将你挤出市场,付出的代价要比在互联网行业中大得多。
所以说,物联网行业目前仍然是一片蓝海,小规模公司在这个行业中也完全有能力和大规模公司同台竞争。在AI和区块链的热度冷却后,物联网很有可能会成为下一个风口。作为程序员,在风口来临之前,提前进行一些知识储备是非常有必要的。