物聯網行業近年來經歷了相當大的炒作熱潮，但該行業似乎終于開始實現一些更高的期望了。根據IDC最近一項研究顯示，2018年全球物聯網支出預計將達到7725億美元;根據Gartner數據，去年，物聯網設備的數量超過了我們的全球人口，預計2018年將有超過40億臺商用物聯網設備投入使用。

很明顯，物聯網已經超越了炒作階段，并已獲得了主流采用?？紤]到這一點，我們來看看未來幾個月和幾年內公司將如何改進和增強物聯網，以及決策者在整合這項技術時應關注什么。

[[245117]]

物聯網與人工智能和區塊鏈的融合

單憑物聯網并不能使它成為期望中的變革性技術，相反，物聯網和新興技術(如人工智能、區塊鏈和霧計算)之間的融合是推動商業價值和產業轉型的關鍵。今天，我們開始看到這種融合的初步結果，企業能夠通過物聯網增加價值，同時克服以往的障礙，如安全、數據分析問題、成本和帶寬。

人工智能和機器學習的集成為物聯網設備提供了對其生成數據采取行動所需的智能，而不是簡單地作為數據生產者運行。霧計算通過將云功能擴展到邊緣來實現可擴展性，這有助于解決可靠性、帶寬和成本問題。物聯網將依靠這些新技術的不斷完善、進步和集成來產生企業級的成果。人工智能、物聯網和霧計算有可能超越其預計的業務潛力，但它們只能集成一起才能實現，這就是為什么具有前瞻性的業務將專注于整合它們。

物聯網邊緣技術的采用：考慮傳感器、平臺和預測分析

說到物聯網設備，首先想到往往是智能冰箱、暖通空調系統(如Nest)或虛擬助理(如亞馬遜Alexa或谷歌助理)之類。但是，談到物聯網在商業領域的未來，企業希望的不僅僅是節省能源消耗或日常日程安排，相反，物聯網在商業中的未來將以智能傳感器、平臺和自主預測分析的形式形成，而這些智能傳感器、平臺和分析則是更接近于生成數據的位置(即智能邊緣)而產生。

目前，物聯網傳感器和設備依賴于與分析和機器學習應用程序的連接，這些應用程序只能通過具備所需計算和存儲容量的云服務提供商獲得。這意味著，考慮到云接收數據、處理數據和及時響應所需的時間，對于關鍵時間限制的場景目前還不太適用。

利用霧計算解決這一問題，讓我們在更接近于收集數據的邊緣產生和分析數據。人們期望傳感器不再僅僅記錄數據，而是在沒有人為干預的情況下主動分析和處理這些數據。

增強物聯網安全的優先級

物聯網面臨的主要挑戰之一是管理連網設備的安全風險系數增加。隨著數十、數百甚至數千個傳感器投入工作，企業將專注于確保收集的敏感數據保持安全。安全不僅是一個問題，而且通過互聯網發送原始數據也可能會涉及隱私和法律問題，尤其是像GDPR這樣針對具體國家的數據法規。

微軟最近承認了該品牌在物聯網領域進一步發展的風險，指出了物聯網設備和解決方案的多層次(硬件，傳感器、處理器、軟件和固件等)，以及即使是最薄弱的一層也會“影響整個系統的安全性”。在當今幾乎每天都有數據泄露報告和新聞報道的氣氛中，業務數據是一個非常真實的安全威脅。隨著公司致力于在產品開發和業務運營的各個環節集成物聯網設備，人們將重新關注這些設備的安全性，其形式包括加強全公司范圍的安全培訓、擴大信息安全團隊、增加對物聯網安全技術的投資等。

盡管面臨持續的安全挑戰，但物聯網似乎將在未來幾個月里最終實現其變革性聲譽。隨著有遠見的企業紛紛效仿，預計技術***和主要制造商將迎來一個新的互聯物聯網時代。