从云到边缘的转变，标志着物联网连接真正的自主革命

从云到边缘的转变可能标志着物联网连接真正的自主革命。之前，我们见证了云计算如何实现集中化和协作-边缘设备都是关于能够自动脱机工作，无需将数据发送到云进行处理和存储的功能。这是物联网设备的未来及其对连接的意义。

边缘连接性是否意味着我们将超越基于云的连接性，而我们正在走向边缘计算占据中心位置的时代？好问题。

大约20年前首次提出“物联网”一词时，它就提到了互联网，这在当时是一件大事。微型传感器通过WiFi发送和接收来自云的数据的概念是巨大而惊人的。在今天谈论物联网时，我们的意思是一个可远程控制的设备生态系统，该设备通过某种连接性连接到云并相互连接。

最重要的是，这些设备必须能够执行某些操作。在智能家居方面，我们谈论的是诸如Alexa或Google Echo之类的智能扬声器/语音助手，它们可以发出命令以打开电灯，调节空调或在最近的Domino或Pizza Hut处订购快餐。

可以将连接概念绑定到在各种情况下控制商业房地产的智能系统。谈到工业5.0工厂和其他工业设施（如风电场）时，IoT意味着设备之间的生态系统能够相互通信，并能够根据收到的命令执行某些操作。

但是，随着技术的发展，诸如物联网和连接性之类的术语的含义不断扩大，我们必须考虑到今天的连接性以及将来的连接性的更新图像。

物联网的意义

物联网作为一个独立的开发实体，以收集，发送和接收数据为中心的概念已不再受欢迎。简而言之，物联网，按其原始含义，已经死了很久。这样的系统必须提供更多的商业价值，才能在当今可行。他们必须使用户能够分析收集的数据并根据分析结果执行有意义的操作。

物联网和连接的重点已经从无数传感器的转移到它们收集的数据的价值。数据而非传感器才是王道。当然会有更先进的传感器，但是它们的主要价值是它们可以收集的数据，以及我们可以基于这些数据执行的操作。

当然，我们只需要在离家很近的地方打开智能水壶，便可以更快地喝杯茶或咖啡。但是自动驾驶汽车必须能够对周围道路状况的变化做出反应，而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化连接资产或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或发出一些命令来使用它。

在云中执行任务意味着延迟过长-因此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

该边缘计算术语是指形成在某些位置的传感器网络的心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，即上述的Google或Amazon智能家居系统。

该系统还可以是用于商业房地产（如购物中心或办公楼）的智能公用事业控制系统。简而言之，边缘计算可为传感器提供局域网连接，从而实现闪电般快速的数据传输。它还连接到云，以支持集中式数据收集和分析，历史数据存储以及对此数据进行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，可以在本地托管人工智能/机器学习算法，这允许这些模型基于从传感器接收的数据来发布所需的命令。让我们想象一下由各种传感器（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-一个传感器发出信号，指示其中一台传送带发动机急剧过热。本地边缘计算节点接收信号，运行它的AI / ML算法制定一种响应方案。该方案可以关闭发动机，在可能的情况下使用冷却液，从传送带上断开发动机的连接（如果有备用发动机，请启动它们）。

为了很大程度地减少生产中断-或将生产流程重新路由到其他输送机。所有功能都在几毫秒内完成，从而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有三个关键能力：

控制物理世界中的过程。边缘计算节点必须能够收集数据，对其进行处理并制定一些响应措施。

离线工作。距离海岸较远的深层地下矿山或海上设施可能会与云进行通信，因此其系统必须能够自主运行。

零秒响应时间。对于自动化的生产或公用事业运营，延迟几秒钟可能会导致巨大的财务损失，因此必须立即制定并执行响应方案。

物联网的未来：网络物理，上下文和自治对象

如我们所见，IoT的含义和价值已经从用于收集数据的互连设备生态系统转变为能够收集数据，处理数据并根据此数据采取行动的设备生态系统。因此，我们可以定义现有和将来的物联网设备的三个主要类别：

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。想想可追踪我们生命的智能可穿戴设备，数字打印机，许多机器对机器和远程信息处理设备，恒温器等各种智能家居系统等。所有只能执行单个功能（如打开/关闭灯或向上/向下滚动百叶窗）的消费类设备也属于此组。

上下文对象。简单的网络物理DCA只能提供数据或执行单个命令，而更复杂的系统则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。

举个例子，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机群的位置和操作。

通过在边缘计算节点上进行补充，农民可以将数据整合到单个仪表板中，并通过天气预报和其他关键信息进行扩充，这将有助于获得更多的数据价值，并轻松控制所有系统。

自治对象：“聚集-处理-反应”链中的最高级别，这些系统结合了传感器网络，边缘计算节点和AI / ML算法，形成了从人到机器承担责任的自治对象。一个例子是我们前面提到的工厂事件。

总结：随意调用-连接不会消失

我们必须在现实世界中运作，并使用我们可用的工具。基本网关设备为边缘计算节点内的数据收集，存储和处理提供了足够的容量。

这些节点使其中的ML模型能够采取行动。但是，它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中完成。

对于将边缘计算节点连接到云，收集统计数据，训练新的AI算法以及更新现有算法，连通性仍然至关重要。它是一个集成的生态系统，每个组件都在其中发挥作用。

我们将如何称呼这个令人兴奋的新生态系统

IoT 2.0？支持网络物理边缘计算的对象？这些术语本身无关紧要，尽管我们了解其背后的含义。这些对象将具有连接物理世界和数字世界，使用传感器收集数据，与其他输入进行上下文处理以及根据此分析采取行动的能力。

尽管这种生态系统有效且可行，但我们称之为生态系统的重要性并不大。最重要的是，连接对于将边缘计算节点连接到云仍然至关重要，因此连接永远不会消失。