在大數據時代，面臨著一些很大的挑戰，當然也有很多的機遇。其中，這三個重大的趨勢正在影響著未來產業的發展，首先是大數據，如何從大數據中挖掘出具有更多的商業價值的洞察力，使我們更好的管理世界;第二個是云計算，云計算深刻的改變著不僅是IT行業還有其他的行業，當初是為了優化IT，包括數據中心的運作，降低成本，但是今天云計算的發展，更深刻的影響是為企業或者是客戶提供服務和應用的方式;第三個是新的互聯互動方式，有非常多的包括移動通訊在內的新的互聯互動方式正改變人和人之間，包括任何事物之間的溝通。
談到大數據，傳統的大數據的數據來源是商業數據，包括人力資源的數據，商業運作的數據。今天的大數據，更多的是從其他的兩個來源，一個是互聯網，另外一個就是社交媒體。未來的數據從哪里來?答案是，80%的數據是從物聯網來，而且是一種非結構化的數據。這些數據需要新的技術來處理，有非常多的噪音和不確定性，云計算提供了一個非常好的平臺，移動通訊提供了很好的方式，使大數據產生價值，使最終被客戶使用到或者是看到。
傳統的技術就是基于記錄的系統數據，很多的時候是結構化的。我們知道關于數據庫技術，包括IBM最早的大型機研發，無論是從硬件還是軟件的各個行業，各個方面，都是在過去的30-40年優化這一部分的系統，今天是叫做互動，和物理世界的互動，和人的互動社交媒體，這類系統和傳統的基于記錄的系統如何做一個很好的融合?做一個具有洞察力的價值，也是未來IT發展的一個重要方向。
對于物聯網的理解
IBM把物聯網看成是一個“包括”平臺，它包括系統整體的架構，對整個的物理世界做更好的感知，更好的管理和更好的優化。我們今天也會看到非常多的行業，比如說能源行業，在構建一個智慧的電網，從發電到使用，包括中間的傳輸，能夠做很好的管理，比如說有任何的系統，有任何的故障，我們能夠在幾分鐘內很快的發現等等。
物聯網的發展在過去的幾年取得了非常大的進展，IBM梳理出了三個階段：在物聯網1.0的概念階段，我們更多的是構建物聯網的系統，使數據能夠被時時的感知，時時的傳輸，然后做一些處理，這時候是更多的構建一個物聯網的系統;后來我們開始了物聯網2.0的研究，這一方面的工作，更多的是構建物聯網的平臺，使應用更高的被這個平臺所支撐，物聯網的數據的處理可能超越了傳統IT信息處理的架構，如何構建更好的中間件的加強版，更好的處理物聯網的信息;今天看到的一個趨勢是物聯網在往3.0的方向發展，有非常多的鮮明的特點，一個就是在數據分析這里，就是我們需要做更深入的數據分析，理解大量的物聯網的數據，另外一個就是云計算，物聯網會和云計算進行一個深刻的融合，使物聯網的解決方案從云端提供給我們的客戶，做這樣子創新，是需要物聯網的整個生態環境的構建。
IBM對于物聯網的研究主要是看這樣兩類行業：一類是資產密集型的行業或者是重資產的行業，比如是能源，比如是石油，自然資源的管理，有非常多的資產，這些資產本身也是非常的貴重，如何用更好的方式管理這些資產，用更好的方式優化這些資產。另外一類行業就是互聯設備行業，這些行業包括我們講的智能家居，智慧醫療中的一部分，包括電子產品之類的，這里是講的百萬千萬級的互聯設備，連到互聯網的平臺上，產生了大量的數據，如何進行時時的分析，產生商業的價值。
物聯網3.0的概念
IBM提供了物聯網3.0的一個參考的架構。在物理之上需要構建一個物聯網的云平臺，這里面包括了對數據的處理，包括對物理世界的模擬的這些模型等內容，特別是物聯網平臺安全性的考量，在這之上會有一些垂直性的行業支持。其中，行業支持確實是要根據對行業數據的理解來進行分析。
在物聯網1.0階段，我們更多的是做數據的監控或者是采集，那時候很多的事情是停留在系統上。而在3.0階段，將朝著兩個最主要的方向發展：一個是價值的提升，就是我們需要做包括對物理世界理解的這種模型的分析。包括對物理世界理解之后，對物理世界進行控制和優化，這種可操作的決定和決策這是一個方向，物聯網整個和大數據深度的結合;第二個就是解決方案走向云端，而今天很多的物聯網的解決方案還是在本地來部署的，預測可能作未來的三五年可能有30-40%的解決方案，就會在云端向客戶進行提供。屆時，物聯網和云計算深度融合，使物聯網的解決方案從云端提供給客戶，更重要的一點，也會隨時的改變我們，包括IT公司，包括利用物聯網技術的各個公司的商業模式。
物聯網的3.0需要很多的技術創新。首先是傳統的IT數據的處理，需要得到一個升級。第二個就是需要引入物理模型。真正的理解這個物理世界，而不僅僅是對數據的相互關系做一個判斷。第三個是需要引入認知計算能力，是我們更好的理解這個數據，包括更好的與物聯網的管理者，操作人員做更好的溝通。
對物聯網數據的處理技術，包括了數據的采集和數據的存儲和分析是不夠的。物聯網的信息的量非常的大，我們如何構建一個系統，比如是一秒鐘可以處理100萬條甚至是200萬條的信息。今天傳統的數據更多的是基于記錄的結構化的數據，那非結構化需要做一些怎么樣的改變。
IBM有一項技術是利用物聯網的技術對風力發電進行預測。如何可以準確的預測的新能源的產生?比如，如何知道72小時內一個風力發電廠可以產生多大的電力?這樣，就會需要除了傳統的數據處理，從IT的角度看的技術之外，我們還需要天氣模型，包括對云層的移動進行深入的分析。很多的時候模型是有很多的，不但是某一個模型具體的參數，可能成百上千的參數如何的設置，更多的是要知道在怎么樣的場合下，怎樣的物理模型，怎樣的化學模型，需要得到更好的采納。如，在智慧的醫療方面，我們對一個慢性病進行管理，需要建立對慢性病管理的風險控制的模型，這里面有非常多的關于醫療方面的知識。
此外，要把認知計算引入到物聯網這么一個數據分析中。大概在三、四年以前，IBM有一個系統，是在美國的真人秀當中打敗了全美的冠軍，標志著認知計算非常重要的里程碑。認知計算最重要的是提供怎么樣的能力，一個是機器學習的能力，因為數據太大了，包括對物理世界的模擬也非常的多，超過了本身編程的能力，我們需要未來的產生或者是基于洞察力的系統，具有自我學習的能力，從自我的實踐中得到一個提升。另外一個就是全新的新的人機交互的方式，也使得我們對物理世界進行管理和優化的時候，這個系統和操作的人員之間是一種全新的不同的體驗。
IBM有一個研究的項目，叫做IBM的“綠色地平面”這個是IBM和中國研究院牽頭，把12個研究院的能力帶到中國，利用互聯網、大數據、云計算技術，解決包括能源和環境的問題，如何構建一個基于大數據的物聯網系統，使我們更好的來做新能源的利用?能源利用完了以后，如何時時的檢測不同的企業的能耗，改善我們的節能減排?如何對環境的檢測和環境的改善起到一些作用?作為IBM“綠色地平面”這個計劃的一部分，我們現在做的一件事，即構建一個系統，可以比較準確的預測一個城市72小時PM2.5達到一個怎么樣的程度，比如是1公里×1公里的范圍內，我們做了一個預測，是基于物聯網的實時數據，包括天氣數據，從衛星獲得的數據做這樣的預測，才可以做結構的優化，PM2.5超過了多少，可以達到我們的預期。
邊緣計算的概念
談到了3.0的概念，從IBM的角度來看，我們覺得未來的一些很重要的一些其他的重要的發展的方向，除了物聯網的數據的搜集，傳送到云端，另外一個就是邊緣計算的概念，一個是大量的數據是在邊緣端產生的，這個邊緣段可能是手機，可能是傳感器，90%的數據是沒有被利用的，很多是在毫秒級就消失了，因為我們沒有足夠的存儲的能力，或者價值就是一個時時的價值。
數據采集的增長速度，遠遠的超過了帶寬的增加，我們不可能都送到云端進行處理。另外，據預測2017年所有的智能手機的計算量和存儲量將超過全球服務器的計算量和存儲量。
這就提出了一個新的概念，如何構筑從云運算到邊緣計算，一方面在云端做，一方面是在邊緣帶做，如何編程，如何讓這個系統可靠的工作，都是未來需要深刻研究的領域。
“如何更好的模擬人腦思維?”是IBM去年做的一個項目，通過一款芯片完全的模擬人腦，特別是形象思維。人腦的功耗大概是20瓦。20瓦的功耗做我們的形象思維?，F在是做到54億的晶體管，可以模擬100萬個神經原，加上25000個凸處，模擬人腦的體系結構可以做到70瓦的能耗。
這給我們提供了很好的想象力，未來的芯片應該怎么走。IBM每年有一個全新技術展望，整個要做的就是每年會有一個努力預測未來三到十年的重大的趨勢。這是我們去年做的，我們看到未來無論是18個月，還是10年，我們認為對IT技術會有非常影響的技術，會對物聯網的研究和發展有非常大的影響力。
物聯網的技術發展到今天，已經深入的融合到了各個行業，創新也是需要一個跨學科非常開放的心態來做這個創新的。
京公網安備 11010502049343號