從云到邊緣的轉變可能標志著物聯網連接真正的自主革命。之前，我們見證了云計算如何實現集中化和協作-邊緣設備都是關于能夠自動脫機工作，無需將數據發送到云進行處理和存儲的功能。這是物聯網設備的未來及其對連接的意義。

邊緣連接性是否意味著我們將超越基于云的連接性，而我們正在走向邊緣計算占據中心位置的時代？好問題。

大約20年前首次提出“物聯網”一詞時，它就提到了互聯網，這在當時是一件大事。微型傳感器通過WiFi發送和接收來自云的數據的概念是巨大而驚人的。在今天談論物聯網時，我們的意思是一個可遠程控制的設備生態系統，該設備通過某種連接性連接到云并相互連接。

最重要的是，這些設備必須能夠執行某些操作。在智能家居方面，我們談論的是諸如Alexa或Google Echo之類的智能揚聲器/語音助手，它們可以發出命令以打開電燈，調節空調或在最近的Domino或Pizza Hut處訂購快餐。

可以將連接概念綁定到在各種情況下控制商業房地產的智能系統。談到工業5.0工廠和其他工業設施（如風電場）時，IoT意味著設備之間的生態系統能夠相互通信，并能夠根據收到的命令執行某些操作。

但是，隨著技術的發展，諸如物聯網和連接性之類的術語的含義不斷擴大，我們必須考慮到今天的連接性以及將來的連接性的更新圖像。

物聯網的意義

物聯網作為一個獨立的開發實體，以收集，發送和接收數據為中心的概念已不再受歡迎。簡而言之，物聯網，按其原始含義，已經死了很久。這樣的系統必須提供更多的商業價值，才能在當今可行。他們必須使用戶能夠分析收集的數據并根據分析結果執行有意義的操作。

物聯網和連接的重點已經從無數傳感器的轉移到它們收集的數據的價值。數據而非傳感器才是王道。當然會有更先進的傳感器，但是它們的主要價值是它們可以收集的數據，以及我們可以基于這些數據執行的操作。

當然，我們只需要在離家很近的地方打開智能水壺，便可以更快地喝杯茶或咖啡。但是自動駕駛汽車必須能夠對周圍道路狀況的變化做出反應，而智能工廠必須能夠在出現問題時調整復雜的工作場景。因此，僅將物聯網作為數字化連接資產或DCA的概念是不可行的。因為這樣的系統必須能夠快速處理數據并通過分析或發出一些命令來使用它。

在云中執行任務意味著延遲過長-因此我們需要更快的速度。“更快”是邊緣計算概念發揮作用的地方。

邊緣計算-物聯網發展的下一階段

該邊緣計算術語是指形成在某些位置的傳感器網絡的心本地計算節點的概念。這些傳感器網絡可以是工廠或農業綜合體中的服務器節點，即上述的Google或Amazon智能家居系統。

該系統還可以是用于商業房地產（如購物中心或辦公樓）的智能公用事業控制系統。簡而言之，邊緣計算可為傳感器提供局域網連接，從而實現閃電般快速的數據傳輸。它還連接到云，以支持集中式數據收集和分析，歷史數據存儲以及對此數據進行AI / ML模型訓練。

但最重要的是，邊緣計算節點提供了足夠的計算能力，可以在本地托管人工智能/機器學習算法，這允許這些模型基于從傳感器接收的數據來發布所需的命令。讓我們想象一下由各種傳感器（運動，溫度，濕度等），一組機器人和多個執行器組成的全自動工業5.0工廠。

機器人執行生產操作，同時傳感器監視情況-一個傳感器發出信號，指示其中一臺傳送帶發動機急劇過熱。本地邊緣計算節點接收信號，運行它的AI / ML算法制定一種響應方案。該方案可以關閉發動機，在可能的情況下使用冷卻液，從傳送帶上斷開發動機的連接（如果有備用發動機，請啟動它們）。

為了很大程度地減少生產中斷-或將生產流程重新路由到其他輸送機。所有功能都在幾毫秒內完成，從而防止火災并為制造商節省數百萬美元的潛在損失。

為了使操作成為可能，邊緣計算節點必須具有三個關鍵能力：

控制物理世界中的過程。邊緣計算節點必須能夠收集數據，對其進行處理并制定一些響應措施。

離線工作。距離海岸較遠的深層地下礦山或海上設施可能會與云進行通信，因此其系統必須能夠自主運行。

零秒響應時間。對于自動化的生產或公用事業運營，延遲幾秒鐘可能會導致巨大的財務損失，因此必須立即制定并執行響應方案。

物聯網的未來：網絡物理，上下文和自治對象

如我們所見，IoT的含義和價值已經從用于收集數據的互連設備生態系統轉變為能夠收集數據，處理數據并根據此數據采取行動的設備生態系統。因此，我們可以定義現有和將來的物聯網設備的三個主要類別：

網絡物理對象。收集物理信號并將其轉換為數字數據的傳感器。想想可追蹤我們生命的智能可穿戴設備，數字打印機，許多機器對機器和遠程信息處理設備，恒溫器等各種智能家居系統等。所有只能執行單個功能（如打開/關閉燈或向上/向下滾動百葉窗）的消費類設備也屬于此組。

上下文對象。簡單的網絡物理DCA只能提供數據或執行單個命令，而更復雜的系統則可以了解這些傳感器和執行器的工作環境并做出更好的決策。

舉個例子，讓我們想象一個農業綜合體，其中DCA控制灌溉系統或自動化機器機群的位置和操作。

通過在邊緣計算節點上進行補充，農民可以將數據整合到單個儀表板中，并通過天氣預報和其他關鍵信息進行擴充，這將有助于獲得更多的數據價值，并輕松控制所有系統。

自治對象：“聚集-處理-反應”鏈中的最高級別，這些系統結合了傳感器網絡，邊緣計算節點和AI / ML算法，形成了從人到機器承擔責任的自治對象。一個例子是我們前面提到的工廠事件。

總結：隨意調用-連接不會消失

我們必須在現實世界中運作，并使用我們可用的工具。基本網關設備為邊緣計算節點內的數據收集，存儲和處理提供了足夠的容量。

這些節點使其中的ML模型能夠采取行動。但是，它們無法提供足夠的計算資源來訓練這樣的模型，因為它需要在數百個計算周期內處理大量歷史數據，而這只能在云數據中心中完成。

對于將邊緣計算節點連接到云，收集統計數據，訓練新的AI算法以及更新現有算法，連通性仍然至關重要。它是一個集成的生態系統，每個組件都在其中發揮作用。

我們將如何稱呼這個令人興奮的新生態系統

IoT 2.0？支持網絡物理邊緣計算的對象？這些術語本身無關緊要，盡管我們了解其背后的含義。這些對象將具有連接物理世界和數字世界，使用傳感器收集數據，與其他輸入進行上下文處理以及根據此分析采取行動的能力。

盡管這種生態系統有效且可行，但我們稱之為生態系統的重要性并不大。最重要的是，連接對于將邊緣計算節點連接到云仍然至關重要，因此連接永遠不會消失。