在對物聯網進行分析時，不僅要依賴于專業分析師團隊的調查結果，專家和顧問的意見也很重要。以下為我們收集到的專家和顧問對2022年10大物聯網技術發展趨勢的意見：

1. 物聯網正在發展成為可持續發展中的一項關鍵技術

在物聯網社區中，智能連接設備在實現和推進環境監測、地域管理和能源優化等應用領域的突出能力是有目共睹的。然而，這些智能連接設備的商業價值卻一直在被低估。

迄今為止，物聯網在可持續發展中的作用被大多數物聯網公司所忽略。隨著人們對建設綠色經濟和減緩氣候變化的日益關注，物聯網技術有可能為企業、城市和社區提供綠色解決方案。

這些應用可以包括降低能源成本、實現遠程部署、監控故障點等，這將使得物聯網能很快地從邊緣案例轉變為物聯網擴張的驅動因素。物聯網社區的一個關鍵目標應該是強調將物聯網整合到任何可行的可持續全球經濟模式中。

示例：

通過物聯網進行環境監測的例子很多，例如 Libelium和基于物聯網的領土管理(例如Dryad Networks或用于火災管理的Kerlink和NetOp，或用于洪水管理的Opti)。

從政策角度來看， 歐盟委員會提出工業5.0理念，而其中多出來的1.0比現有4.0多的并不是新技術，而是關于先進技術在工業可持續發展中的作用。除此之外，歐盟對下一代歐洲投資的近8000億歐元中，主要集中在綠色發展(約30%)和數字化(約30%)上。

顧問引述：

通過收集到的數據，物聯網繪制了空間和領土的環境條件。物聯網成為我們應對氣候變化的天文臺。讓我們明智地使用它，讓我們傾聽它!

— 薩維里奧·羅密歐

2.平臺炒作正在從云端轉向邊緣

正如之前的物聯網分析研究所表明的那樣，自2015年開始的物聯網平臺競賽中，已經出現了明顯的領導者。邊緣平臺，特別是工業領域的平臺，還處于起步階段，但2022年將會是物聯網平臺競賽中的企業突圍的一年。

虛擬化技術(如 VM 和容器)支持跨計算硬件供應商的應用程序可移植性。這些技術被IT部門廣泛采用，但許多OT部門仍然通過購買運行該應用程序的設備來獲得該應用程序(例如，他們購買協議轉換器以將一個以太網協議轉換為另一個以太網協議，或購買PLC來運行某些控制邏輯工作負載)。

冒著嚴重過度簡化市場格局的風險，邊緣平臺供應商可以根據他們支持的硬件，云/物聯網平臺和邊緣應用程序的類型進行分組。供應商也可以根據其核心業務進行分組：硬件供應商(包括西門子，鳳凰電氣和博世等OT硬件供應商以及IT硬件，如思科，HPE等)，云供應商(例如AWS，Azure)和軟件供應商(例如Zededa，CPLANE等)。

與大多數技術土地爭奪戰一樣，客戶最終將決定誰贏得這場競賽。到底是云提供商會主導這個領域?還是硬件供應商和軟件初創企業有空間?如果為非云參與者提供了空間，客戶會更喜歡與硬件無關的平臺，并提供單一管理平臺來管理所有類型的設備上的所有工作負載?還是更愿意擁有一個特定于硬件的平臺(即，邊緣工作負載只能在邊緣平臺供應商提供的硬件上運行)，該平臺在硬件和管理平臺之間提供更緊密的集成，以及單點聯系出現案例問題?

如果后者屬實，我們則可能會看到當下物聯網技術的又一趨勢，即在邊緣平臺上有更多的供應商被鎖定，這些平臺僅適用于特定供應商的硬件。

如果前者屬實，那么構建這些邊緣平臺的與硬件無關的軟件公司仍然需要與運行邊緣應用程序的硬件供應商合作。

示例：

作為2021年底針對邊緣應用的一系列舉措的一部分，戴爾宣布與靈活且可擴展的物聯網平臺Litmus合作，幫助企業在整個IIoT邊緣(包括設備，應用程序和數據)上運行，并具有"從工廠車間到企業云"的彈性和安全連接。

顧問引述：

在任何結果中，云提供商肯定不會在競爭中排名最后，因為許多公司將在其邊緣平臺上實現標準化，大多數公司最終將至少將一些數據從邊緣發送到云提供商，無論他們使用哪個邊緣平臺。

— 馬修·沃帕塔

3. IIoT正在改變制造業

工程師傾向于將技術視為一種解決方案，而往往忽略了問題的根源。物聯網的作用是超越SCADA(監督控制和數據采集)進行機器操作，提供及時做出維護資產決策所需的數據。在不久的過去，物聯網項目只是一個數字化過程。而現在，更多的數據可以得到訪問，制造專業人員需要問這樣一個問題："我們正在解決什么特定的業務問題?

示例：

許多營銷人員將預測性維護視為物聯網的"殺手級應用"。在2021年國際維護大會上，與會者和演講者之間的討論不是一些模糊的預測性維護策略。相反，他們正在預測分析應用程序中使用從IIoT項目生成的數據。分析預測的問題通常會自動提供給工作流引擎，從而導致維護和可靠性活動，從而避免計劃外停機，從而優化生產。例如，當巴斯夫通過施耐德電氣為其其中一家工廠增加預測性維護時，它首先關注的是監控為工廠供電的變電站，以及電機及其控制中心消耗該電力的健康狀況。存在特定的業務問題，即為繁忙的工廠保持不間斷的電力，為預測性維護解決方案提供了一個狹窄且可實現的范圍。

顧問引述：

物聯網項目提供了現在用于預測機器問題的數據，并自動指導技術人員找到解決方案，從而優化生產。

— 加里·明切爾

4. 云原生應用正在興起

公司現在正將云采用和遷移作為短期內的首要任務，至少在未來幾年內是這樣。那些已經在云上投入巨資的公司正在尋求提高效率和提高功能的新方法，而其余的則需要快速制定遷移計劃。十年來，云市場一直以穩定的速度增長，但就整體采用和用例數量而言，疫情顯著加速了這一增長。隨著云成為許多基礎設施、平臺或軟件級別的常態，業界將看到一波針對云規模和性能開發和優化的全新應用程序浪潮，這反過來將有助于提供更高的可靠性并縮短上市時間，這意味著軟件應用程序可以更快、更靈活地部署，同時降低基礎架構的復雜性和成本。

示例：

在疫情的第一波浪潮急劇并立即改變了工作模式之后，包括全球電信運營商，寬帶互聯網提供商和衛星廣播服務提供商在內的通信服務提供商(CSP)被迫快速升級其云服務，以應對前所未有的需求增長，包括來自相對新穎的用例，例如社交視頻聚會。他們必須進行這些大規模的結構升級，同時還要將除最必要的員工以外的所有員工都從家中派出，這意味著需要改善基礎設施以減少維護和監督。這反過來又是云原生應用程序擴展的巨大驅動力，從本質上講，云原生應用程序能用更少的資源做更多的事情。TM Forum的一項調查報告稱，38%的CSP在2021年處于實施數字化轉型戰略的中途點，同比增長50%，其中45%涉及引入云原生應用程序。例如，去年年底，沃達豐與Vmware建立了合作伙伴關系，為沃達豐在歐洲的所有業務提供一個單一的通用平臺，從5G獨立開始。

顧問引述：

我在云原生應用程序開發中看到的兩個主要驅動因素是無服務器計算和容器化，主要是因為兩者都將提高云原生應用程序的部署速度 - 更快的部署，加上更高的可靠性，將使采用成為何時而不是是否采用大量用例的情況。

— 杰夫·溫特

5. 超自動化正在改變運營

目前的傳統觀點認為，人工智能是改造任何企業應用的關鍵，但現實情況是，目前，大多數人工智能都需要認真的"數據挖掘"才能使企業受益。人工智能只是轉型方程式的一部分，第二個(經常缺失的)缺失部分是機器人流程自動化或RPA。當AI和RPA正確組合和應用時，結果是超自動化。

疫情創造了一個拐點，優先考慮工人的安全和支持他們所需的技術，并且在疫情之前開始的勞動力短缺變得更加具有挑戰性，這是一個需要處理的約束，這加速了使用超自動化來改善從車間到頂層的過程性能。

示例：

在巴西，德勤使用IBM的AI增強型RPA解決方案來改變其每月報告周期，自動生成和錯誤檢查從數十個來源獲得的報告，并直接鏈接到中央銀行數據，以便貨幣兌換數據不斷更新。在報告生成上花費的總時間從幾乎兩個工作周增加到每月一個小時，而每月相同的智能RPA將每月的差旅費用報告準備工作從三小時減少到十分鐘。

顧問引述：

兩年前，我寫了一篇關于制造業中"機器人帶來的沖擊"的文章，重點關注機器人流程自動化如何消除大量重復性任務，從而提高生產率并幫助消除錯誤。現在，您可以將AI分層到等式中，并使用它來為RPA做出這些決策。這是IFTTT的最終延伸。

— 克里斯托弗·霍梅克

6. AI越來越多地出現在(薄)邊緣

組織一直在重新思考將AI工作負載放置在云中或邊緣的位置。到目前為止，AI邊緣應用程序已在計算和功耗密集型邊緣設備上運行，例如工業計算機和邊緣路由器。然而，兩個發展正在推動向薄邊的轉變。

半導體的發展，特別是在低成本、低功耗的頻譜端，意味著人工智能可以更接近最小的設備水平。有充分的理由相信，在不久的將來，大量的微控制器(MCU)將擁有設備上的AI。

AI算法在過去5年中變得更加高效。例如，與幾年前相比，當前的AI算法需要的計算能力要少得多，無法訓練用于視覺對象識別的神經網絡。一些專家假設每16 個月所需的計算能力會降低 2 倍。

示例：

2021年，MCU巨頭瑞薩電子在其廣受歡迎的RZ/V產品陣容中推出了一款新產品，該產品采用GPU進行薄邊圖像處理，為機器視覺應用提供基于AI的實時色彩校正和降噪，所有這些都來自入門級產品。

顧問引述：

我們將越來越多地看到AI應用轉向Thin Edge，即在MCU上運行的設備、內存、計算能力和低功耗。

— 托馬斯·杜斯特

7. “隱形AI”的采用正在我們的眼皮底下發生

復制人類認知的目標已經被討論和追捧了數千年。人工智能不是產品。你可以說它甚至不是一種技術。就其本身而言，它也不是一項發明。不知道它源于何時，我們也很可能不知道它何時結束。然而，它幾乎已經無處不在了!由其他技術的進步驅動，例如計算能力，計算資源成本，互聯網，傳感器，以及最重要的復雜機器學習算法和模型的開發。最重要的是，人工智能是一種追求。

這是一個朝著創造智能的目標努力的旅程，因此它不斷改進，擴展和變化。人工智能與大多數其他工業4.0技術的不同之處在于它能夠利用創造力和想象力。天空是它能做什么的極限。

人工智能在應用中非常通用，它跨越每個行業，幾乎影響著每個工作職能——從入門級工作到首席執行官級別。它具有神秘的科幻魅力，吸引著人們的好奇心和想象力。然而，由于許多人難以確切地理解它是如何工作的，一部分人會害怕使用人工智能來幫助決策，絕大多數人在讓人工智能代表他們實施決策時會猶豫不決。

示例：

2021年，美國制藥公司Charles River Laboratories宣布與基于AI的藥物設計集團Valence Discovery建立合作伙伴關系。該合作伙伴關系的目標是利用Valence的REACTER技術，該技術能夠模擬一旦藥物通過先進的AI服用后發生的一系列單個化學反應。開藥的醫生和服用藥物的患者永遠不會知道這種藥物是使用AI開發的。

顧問引述：

因為人工智能無處不在，它開始以比我們意識到的更多的方式滲透到我們的生活，往往就在我們的眼皮底下。當大多數人與人工智能互動或計劃使用人工智能時，他們這樣做的目的非常慎重，以解決特定問題。我喜歡稱之為"有意的AI"。然而，現在有這么多公司將AI納入其產品、平臺和服務中，無論我們是否意識到這一點，AI都被用來幫助我們。這被稱為"看不見的AI"，如果完全理解，可以幫助解決那些猶豫是否使用AI的人的信任障礙。與其經歷一個人工智能的大用例，我們都會定期進行100多次互動。

— 杰夫·溫特

8. 沉浸式現實(VR/AR)正在進入企業環境

雖然人類已經在智能環境中生活和工作，但在這些空間中尋找更有效的共存方式已成為研究人員和公司的重要關注點。這意味著提高工作環境中的運營效率和質量，同時也要開發遠程運營管理。疫情加強了對后者的關注。為此，物聯網與沉浸式現實技術和環境模擬技術(如數字孿生)的融合是必要的。考慮到這種融合將需要大量的數據，5G的興起以及邊緣計算的興起將加速企業和工業應用的VR和AR應用的發展。

示例：

漢莎技術公司與沃達豐和諾基亞的合作將物聯網環境與5G、AR和數字孿生體結合在一起。這家航空巨頭的服務部門在兩個獨立的維護園區部署了兩個獨立的私人5G網絡。增強視頻流的AR疊加層使客戶能夠遠程觀察和診斷問題，同時還允許該小組使用AR和數字孿生與全球合作伙伴進行磋商。

顧問引述：

由于物聯網與AR和VR等技術的融合，人與機器之間智能關系的時代即將到來。所有這些都是為了提高效率以及遠程和內場工作的新的和安全形式。

— 薩維里奧·羅密歐

9. 5G正在成為"物聯網就緒"

以消費者為導向的權威人士認為5G只是一種更快下載的機制。工業和商業用途的真正力量在于基于5G的專用網絡。到2022年底，5G將被視為另一種工具。工程師使用它不是為了成為先驅者，而只是為了解決問題。一旦他們開始，這將是另一項提高生產和質量的工程工作。

示例：

諾基亞已經為大眾汽車在德國沃爾夫斯堡的主要工廠部署了一個私有的5G獨立無線網絡。專用園區網絡使用諾基亞數字自動化云 (DAC) 解決方案提供可靠、安全、實時的連接，并使大眾汽車能夠試用新的智能工廠用例。大眾汽車網絡規劃Klaus-Dieter Tuchs博士說："可預測的無線性能和5G的實時功能在不久的將來對智能工廠具有巨大的潛力。通過這次試點部署，我們正在探索5G提供的可能性，并正在建立我們在工業環境中運營和使用5G技術的專業知識。

顧問引述：

"我們甚至不記得猜測5G是否會發生。我們將忙于使用它來解決網絡和物聯網安裝問題。

— 加里·明切爾

10. 資產的安全遠程訪問越來越重要

能夠遠程訪問其機器的公司將實現多項好處，包括設備供應商的更好支持，這些設備供應商可以實時遠程排除和分析機器數據，以及訪問遠程主題專家和低成本勞動力(例如，來自低工資國家的高技能工人)。

但隨著訪問的增加，網絡安全攻擊媒介也隨之增加，因此公司隨后增加了在網絡安全方面的支出以解決這個問題。2022年網絡安全的三個關鍵用例是資產可見性、深度數據包檢測和零信任架構。資產可視性軟件提供有關連接到網絡的所有節點和用戶的詳細信息，使管理員能夠快速識別可疑用戶或設備。深度數據包檢測可以在運行工業網絡的工業協議中發現可疑活動時向工業網絡的運營商發出警報。零信任架構基本上給予零信任，即網絡是安全的，并且(根據NIST)“......將防御從靜態的、基于網絡的邊界轉移到專注于用戶、資產和資源。”

示例：

SANS 2021 OT/ICS網絡安全報告發現，遠程訪問服務是受訪者的主要威脅媒介，37%的人認為遠程訪問是初始訪問點。由于隨著遠程點數量的增加，緩解這些攻擊的需求急劇增加，物聯網安全公司Claroty將其員工人數從大流行前的水平增加到2021年12月的75%。

顧問引述：

在疫情期間，“遠程”成為一個家喻戶曉的術語，因為數百萬人首次開始在家工作，包括管理OT網絡和資產的人員，但這種遠程性增加了不安全的遠程設備可能構成的威脅規模。

— 馬修·沃帕塔