物聯(lián)網(wǎng)的最終目標(biāo)都是未來實(shí)現(xiàn)萬物互聯(lián)的局面，我們都知道物聯(lián)網(wǎng)是由網(wǎng)絡(luò)構(gòu)成，網(wǎng)絡(luò)又是由數(shù)據(jù)構(gòu)成，所以大數(shù)據(jù)加云計算才是物聯(lián)網(wǎng)的重要鋪墊，我們的下一步便是將霧計算推向物聯(lián)網(wǎng)計算的方向發(fā)展。

　　物聯(lián)網(wǎng)的今天

　　目前物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展趨勢主要圍繞三條主線：一是to B的工業(yè)和商業(yè)物聯(lián)網(wǎng)，二是政府驅(qū)動的與智慧城市、戶外基礎(chǔ)設(shè)施相關(guān)的領(lǐng)域，第三是家庭物聯(lián)網(wǎng)。相對用戶來講，這三條主線受關(guān)注度最大的是家庭、個人相關(guān)的領(lǐng)域，但短期變現(xiàn)趨勢最快的是to B的物聯(lián)網(wǎng)服務(wù)。

　　物聯(lián)網(wǎng)的發(fā)展趨勢可以從企業(yè)物聯(lián)網(wǎng)化的趨勢看出來，企業(yè)物聯(lián)網(wǎng)融合是階段性的。第一階段是沒有連接互聯(lián)網(wǎng)的電子產(chǎn)品，第二階段是物聯(lián)網(wǎng)的基礎(chǔ)，即把設(shè)備連接到互聯(lián)網(wǎng)，可以遠(yuǎn)程控制和采集數(shù)據(jù)，這是機(jī)智云過去幾年一直在做的事。第三階段是可服務(wù)化，通過數(shù)據(jù)采集了解客戶的需求，同時提供更好的服務(wù)。第四階段是智能化，就是讓設(shè)備可以通過算法具有判斷能力，不再是簡單地用手機(jī)APP。第五階段是做到持續(xù)優(yōu)化，因?yàn)槲锫?lián)網(wǎng)本身也是一個互聯(lián)網(wǎng)產(chǎn)品，互聯(lián)網(wǎng)跟一個企業(yè)融合之后就有機(jī)會把它的產(chǎn)業(yè)上下游（包括上游的供應(yīng)鏈、下游的經(jīng)銷渠道）全部打通，讓它自己能夠更優(yōu)化的運(yùn)作。第六階段是差異化。隨著各個細(xì)分行業(yè)的發(fā)展，很多企業(yè)的商業(yè)模式也在不斷發(fā)生變化，所以持續(xù)優(yōu)化是物聯(lián)網(wǎng)能夠給企業(yè)帶來的很重要的機(jī)會，基本上持續(xù)優(yōu)化以及形成差異化的商業(yè)模式是物聯(lián)網(wǎng)發(fā)展的長期目標(biāo)。

　　霧計算的前世今生

　　霧計算是終端設(shè)備和云端數(shù)據(jù)中心之間再加一層“霧”，即網(wǎng)絡(luò)邊緣層，比如再加一個帶有存儲器的小服務(wù)器或路由器，把一些并不需要放到云端的數(shù)據(jù)在這一層直接處理和存儲。霧計算在地理上分布更為廣泛，而且具有更大范圍的移動性，這讓它適應(yīng)如今越來越多不需要進(jìn)行大量運(yùn)算的智能設(shè)備。對一些對時間延遲敏感的應(yīng)用如實(shí)時和流媒體應(yīng)用中，霧計算也具有更大的優(yōu)勢。例如溫度計每秒的讀數(shù)是無需上傳到云里的。霧計算技術(shù)要做的是在實(shí)時數(shù)據(jù)的基礎(chǔ)上得到一個平均數(shù)，然后每半小時左右將其上傳到云里。如果溫度出現(xiàn)異常，傳感器仍然可以具有相當(dāng)?shù)闹悄芏杆僮龀龇磻?yīng)。

　　霧計算擴(kuò)大了云計算的網(wǎng)絡(luò)計算模式，將網(wǎng)絡(luò)計算從網(wǎng)絡(luò)中心擴(kuò)展到了網(wǎng)絡(luò)邊緣，從而更加廣泛地應(yīng)用于各種服務(wù)。通過運(yùn)用霧計算可以大大減少云端的計算和存儲壓力，提高效率，提升傳輸速率，減低時延。

　　早些年，思科公司提出了“霧計算”，是“云計算”的延伸概念，用于推銷其產(chǎn)品和網(wǎng)絡(luò)發(fā)展戰(zhàn)略，希望不再拘泥于云計算，研究如何在物聯(lián)網(wǎng)設(shè)備上存儲和處理它們自身產(chǎn)生的數(shù)據(jù)。不過從思科提出霧計算到現(xiàn)在，真正落地的案例并不多，思科的路由器和交換機(jī)技術(shù)缺乏對終端設(shè)備的定義和控制能力，大部分場景無法把霧計算的能力真正體現(xiàn)出來。

　　過去的20年，云計算的興起把端部的計算和存儲挪到了云端，便于數(shù)據(jù)聚合和統(tǒng)一管理，現(xiàn)在，“霧計算”把聚合的計算和存儲在此部分分配到管道和端部，形成更快速響應(yīng)和超大規(guī)模的運(yùn)算體系。這個新型的計算體系對一個企業(yè)對云、管、端的控制力和動態(tài)管理能力提出了新的要求。

　　霧計算在物聯(lián)網(wǎng)應(yīng)用中的優(yōu)勢

　　霧計算在物聯(lián)網(wǎng)商業(yè)運(yùn)用方面的優(yōu)勢很大，主要表現(xiàn)在四個方面。

　　1.降低能耗，云計算把大量數(shù)據(jù)放到“云”里去計算或存儲，“云”的核心是裝有大量服務(wù)器和存儲器的“數(shù)據(jù)中心”。由于目前半導(dǎo)體芯片和其他配套硬件還很耗電，全球數(shù)據(jù)中心的用電功率，相當(dāng)于30個核電站的供電功率，其中90%的耗電量都被浪費(fèi)，因?yàn)樾屎艿汀９雀栉挥谌驍?shù)據(jù)中心的用電功率就達(dá)到3億瓦特，這一數(shù)字超過了3萬戶美國家庭的用電量。當(dāng)未來數(shù)據(jù)傳輸量進(jìn)一步成指數(shù)式增長，云中心會無法再維持下去。這個數(shù)據(jù)傳輸，指大量無線終端和“云”之間的傳輸。

　　2、提升效率，隨著物聯(lián)網(wǎng)的到來，各行各業(yè)包括家庭電器、可穿戴設(shè)備、汽車周邊、工業(yè)農(nóng)業(yè)、商用設(shè)備等等各種需要連網(wǎng)的終端設(shè)備數(shù)量的增長，將產(chǎn)生極其大量的數(shù)據(jù)發(fā)送和接收，可能造成數(shù)據(jù)中心和終端之間的I/O（輸入輸出）瓶頸，傳輸速率大大下降，甚至造成很大的延時，一些需要實(shí)時響應(yīng)的設(shè)備將無法保證正常運(yùn)行，比如：無人機(jī)、安防報警、監(jiān)護(hù)設(shè)備等。

　　3、數(shù)據(jù)分析，大量企業(yè)對于海量數(shù)據(jù)采集需求的解決辦法是減少數(shù)據(jù)采集的頻率和總量，比如每10分鐘采樣一次，一天下來可能就采集上百次，精準(zhǔn)度和效率會大打折扣，一些需要海量、不間斷數(shù)據(jù)采集的設(shè)備就會降低本身的服務(wù)價值，而一些需要及時決策的設(shè)備在等待全部數(shù)據(jù)上傳云端運(yùn)算決策后再返回設(shè)備端會大大降低服務(wù)能力。

　　4、升級安全，在沒有成熟技術(shù)平臺時，大部分設(shè)備怎么計算，出廠時就已經(jīng)定型了，除非用一個很重的辦法去遠(yuǎn)程升級它的整套系統(tǒng)，但這種升級效率低，也很危險，有可能一換操作系統(tǒng)，市面上上百萬臺設(shè)備就永遠(yuǎn)失聯(lián)了。

　　機(jī)智云的成功案例

　　機(jī)智云有超過6年的物聯(lián)網(wǎng)技術(shù)積累和創(chuàng)新經(jīng)驗(yàn)，目前平臺支撐超過700萬臺物聯(lián)網(wǎng)設(shè)備，在技術(shù)創(chuàng)新和應(yīng)用上一直處于國際領(lǐng)先水平，隨著IoT產(chǎn)業(yè)的不斷發(fā)展，連網(wǎng)設(shè)備的計算能力也在不斷增加，機(jī)智云把“霧計算”的應(yīng)用在IoT領(lǐng)域往前推進(jìn)一步，以滿足客戶產(chǎn)品的特定功能需求。機(jī)智云作為全棧的物聯(lián)網(wǎng)技術(shù)平臺（Full Stack IoT Platform），對云、管、端三者有很強(qiáng)的控制力，這是平臺落地霧計算非常特別的優(yōu)勢。

　　機(jī)智云對霧計算的落地策略不同于思科等通信設(shè)備供應(yīng)商。思科主要靠路由器和交換機(jī)來部署霧計算，但這些“管道型“的設(shè)備適合扮演數(shù)據(jù)搬運(yùn)的工作，對數(shù)據(jù)無法解析，也無法影響智能終端和云端的操作，很難把“霧計算”應(yīng)用起來。而機(jī)智云現(xiàn)在的“霧計算”的發(fā)力點(diǎn)落在了數(shù)量更為龐大的通訊模組DTU（Data Transfer Unit）和網(wǎng)關(guān) （Networking Gateway） 上。這些設(shè)備都是機(jī)智云直接可控的計算單元， “霧計算”就是從云端向這些邊緣設(shè)備動態(tài)分配計算和存儲能力。

　　機(jī)智云另外一個創(chuàng)新點(diǎn)是把動態(tài)部署運(yùn)算的能力賦予給低級處理器，就連幾塊錢的普通單片機(jī)（MCU）也可以參與到霧計算。機(jī)智云ECE霧計算框架，在DTU或網(wǎng)關(guān)上嵌入了一個“微容器”，可以執(zhí)行以Javascript，Python，Lua等輕量級的腳本語言構(gòu)成的“微應(yīng)用”。這些“微應(yīng)用”可以做數(shù)據(jù)處理、協(xié)議轉(zhuǎn)換、以及實(shí)現(xiàn)設(shè)備之間的互聯(lián)互通。開發(fā)者可以直接在云端編寫各種腳本，可以通過ECE系統(tǒng)方便地推送到微應(yīng)用容器中，就可以實(shí)時把運(yùn)算能力部署到設(shè)備端，設(shè)備不用重啟，也不需要原先的整個系統(tǒng)OTA固件升級，而是只需要更新它在霧端的算法和微應(yīng)用。

　　具備“微應(yīng)用”的設(shè)備可以根據(jù)業(yè)務(wù)需求，實(shí)現(xiàn)毫秒級數(shù)據(jù)采集分析，提供更大的可分析數(shù)據(jù)量，并具備本地判斷能力，精確度與效率得到大大提高。但這種設(shè)備端的計算并不會取代云端運(yùn)算，而是設(shè)備端經(jīng)過微應(yīng)用數(shù)據(jù)處理，將已經(jīng)處理好的有用數(shù)據(jù)發(fā)送到云端，云端再去做數(shù)據(jù)匯總，設(shè)備端有效放大了云端的匯總能力。現(xiàn)在，通過霧計算的方式，云端可以快速靈活地更新它在霧端的微應(yīng)用，有效地把“軟件定義硬件”升級到“云端定義硬件”。

　　人工智能的發(fā)展前景

　　物聯(lián)網(wǎng)每時每刻都會產(chǎn)生大量數(shù)據(jù)，數(shù)據(jù)越來越多時就需要機(jī)器做處理，這就不得不提到人工智能、深度學(xué)習(xí)，現(xiàn)有的人機(jī)交互的公司，像蘋果Siri的使用人群還比較少，所以人工智能目前真正能做到有商業(yè)價值的不多。未來能夠?yàn)槠髽I(yè)創(chuàng)造價值的才是好的技術(shù)，所以人工智能的未來肯定不能夠只是抓眼球。

　　人工智能中的算法從時間維度或者包含關(guān)系來理解，可以分為三層：一是泛人工智能。各種各樣的模擬人類行為作出識別、決策、規(guī)劃、預(yù)測的算法都可以統(tǒng)稱為人工智能;二是機(jī)器學(xué)習(xí)。是人工智能的一個分支，它是對一個數(shù)據(jù)和多維度數(shù)據(jù)長時間的存儲和分析之后，讓機(jī)器自行歸納并挖掘出數(shù)據(jù)的內(nèi)在規(guī)律的行為，這是機(jī)器學(xué)習(xí)的領(lǐng)域;三是深度學(xué)習(xí)。其實(shí)是針對機(jī)器學(xué)習(xí)中神經(jīng)網(wǎng)絡(luò)的進(jìn)一步演化。強(qiáng)調(diào)的是通過模擬人的大腦神經(jīng)系統(tǒng)，構(gòu)造出復(fù)雜并且層次較深的神經(jīng)網(wǎng)絡(luò)模型。不同于簡單的淺層學(xué)習(xí)，深度學(xué)習(xí)的網(wǎng)絡(luò)可以達(dá)到幾百層甚至上千層，由此而來的模型對數(shù)據(jù)的歸納理解能力也是大大超越機(jī)器學(xué)習(xí)的。

　　對于做工具的公司來講，就是把復(fù)雜的大道理變成功能模塊，所以定義了物聯(lián)網(wǎng)領(lǐng)域，剛才說的應(yīng)用場景里面，有哪些算法是比較通用，而且能夠?qū)嵱玫模ㄕ{(diào)度、異常檢測，還有推薦、降維，這些就比較復(fù)雜了，就是當(dāng)你有很多數(shù)據(jù)，為了能夠更快速的得到?jīng)Q策就要降它的維度，這都是做人工智能的方法論，可以把它變成一些標(biāo)準(zhǔn)化的模塊。這些算法可以把它工具化，把人工智能定義成做工具的方向，把行業(yè)里用得上的算法變成一個一個的工具模塊，然后結(jié)合。

　　下面用一個案例做具體分析。

　　早些年，谷歌收購Nest，Nest核心的技術(shù)優(yōu)勢是通過快速的改造傳統(tǒng)的溫控器，把家里所有的空調(diào)設(shè)備跟冷暖設(shè)備協(xié)同起來，通過了解家里使用能源的特性，能夠預(yù)測什么時候把家里的溫度控制到什么程度，這樣的方法就可以讓家里節(jié)能。

　　如何應(yīng)用？熱水器有三個比較重要的問題，第一是電熱水器熱水比較慢。第二是不同廠家的加熱能耗不太一樣。熱水器里的處理器不會是像無人機(jī)里面的雙核、四核的，它只是一個簡單的MCU，是一個簡單的處理器。現(xiàn)在賦予它通信的能力，能連到機(jī)智云上面，結(jié)合算法，讓它真正更加節(jié)能、使用更加方便。

　　如何節(jié)能？首先要做一個用戶模型，知道什么時候用多少水，一般用的家用熱水器沒有流水的傳感器，不知道它用了多少水，只能用算法根據(jù)溫度預(yù)測它，根據(jù)復(fù)雜的模型、多個維度的數(shù)據(jù)聚合之后，得出這家人過去一個月用水的形狀長什么樣子。

　　下一步就要開始做預(yù)測了，目標(biāo)是通過一個月的學(xué)習(xí)，可以預(yù)測到明天的任何一分鐘用水的可能性和用水量。也就是用水的探測，用算法來模擬，通過用戶模型的搭建，用推薦引擎和預(yù)測引擎做決策，讓這個產(chǎn)品可以自動的去跑優(yōu)化的算法。

　　未來百億級的物聯(lián)網(wǎng)的終端設(shè)備都是所謂的低等生物，里面的傳感器可能是低功耗的，運(yùn)算單元也是低功耗的，做復(fù)雜的深度學(xué)習(xí)會很麻煩。現(xiàn)在的做法是數(shù)據(jù)采集用低等生物來做，把一部分的預(yù)算在低等生物上做預(yù)處理，讓預(yù)處理跟特征處理在這里處理，在云端上反應(yīng)更快，未來百億級的設(shè)備會越來越聰明，而且不會因?yàn)榫W(wǎng)絡(luò)的不穩(wěn)定而受影響。

　　機(jī)智云平臺上的機(jī)器學(xué)習(xí)叫做Giga Machine Learning，可以分配到百萬、千萬甚至是幾億、十幾億的設(shè)備上面去。把一些算法放到低地等生物的SKU里，低等生物采集頻率很高，如果做預(yù)處理可以把特征值扔到云端做聚合處理，算法進(jìn)行實(shí)時更新，把算法推送到端部，數(shù)據(jù)上了云端再動態(tài)的跟其他的數(shù)據(jù)結(jié)合起來。