从IoT World 2019看全球IoT九大发展趋势

640?wx_fmt=jpeg

来源:全球物联网观察


美国时间5月14日,IoT World2019在美国硅谷圣克拉拉会议中心举行,今年的主题是“工业与IOT的交互”,从大会主题演讲内容和现场产品展示来看,随着5G的商用和人工智能技术的大面积落地,IoT市场已经全面爆发,并呈现出九大趋势。

 

趋势一:IoT市场快速膨胀

 

在主题演讲之前,分析咨询机构Ovum IoT Practice负责人Alexandra Rehak与咨询公司Heavy Reading IoT高级分析师Steve Bell共同分享了 IoT研究的一些数据, 据公布的预测数据,到2023年,全球联网的IoT设备会达到230亿,同时IoT的营收会跃升到8600亿美元!增速惊人!

640?wx_fmt=jpeg

Alexandra Rehak(左)与Steve Bell(右)

640?wx_fmt=jpeg

全球IoT市场发展预测


趋势二:四个关键趋势驱动IoT2019年加速演进

 

他们在演讲中指出,新的商业模式、5G与AI、垂直化发展和赋能技术都在推动IoT在2019年加速演进。

640?wx_fmt=jpeg


趋势三:未来企业IoT方面的竞争是数据

 

Steve Bell认为对企业而言,目前企业IoT最大的挑战就是数据,涉及数据的隐私安全保护、数据的分析和挖掘以及数据与目前IT的关联,这三点阻碍了企业IoT的部署,其他的阻碍因素包括执行复杂度、缺乏好的商业模式、缺乏有力的支持组织等。

640?wx_fmt=jpeg

其实很多本土企业也面临这个数据挑战,例如目前很多本土家电巨头企业都在打造联网的家电,如何深入挖掘家电联网数据的价值?如何更好的实现数据云化管理都将成为未来家电企业的竞争核心,延伸开来就是未来IoT企业竞争的不是硬件了,而是在数据的增值和管理上。

 

在本次IoT World2019展会上,我注意到有很多与IOT相关的软件公司参展,他们擅长在数据挖掘、云支持方面。今年IoT World也将登陆深圳,如果这些软件企业登陆深圳无疑是本土IoT 企业的福音。

 

趋势四:各种LPWAN技术竞争结果明朗化,NB-IOT应用更多

 

由于物联网是碎片化应用场景,因此催生出很多新的无线通信联网技术,针对低速率、低功耗、远距离、大量连接的物联网应用,LPWAN(low-power Wide-Area Network,低功耗广域网)应运而生,各种技术竞争激烈。

640?wx_fmt=jpeg

各种LPWAN技术

 

总的看来,LPWAN 可分为两类:一类是工作于未授权频谱,例如 LoRa、SigFox 等技术;另一类是工作于授权频谱下,如 3GPP 支持的基于蜂窝通信的 LPWAN 技术,如 EC-GSM、LTE-MTC、NB-IoT等。前者起步较早,在市场和生态链布局上占有先发优势,而后者“出身”起点高,有一大票运营商支持。

640?wx_fmt=jpeg

各种LPWAN 技术指标对比

 

LORA联盟在北美、欧洲、非洲和亚洲拥有约400家成员公司,其创始成员包括

IBM,MicroChip,Cisco,Semtech,BouyguesTelecom,Singtel,KPN,Swisscom,Fastnet和Belgacom。LoRaWAN是由LoRa联盟管理的开放标准网络层。然而,它并不是真正开放的,因为实现完整LoRaWAN堆栈的底层芯片只能通过Semtech获得。基本上,LoRa是物理层:芯片。LoRaWAN是MAC层:用于启用网络的软件。LoRa 基于 线性调频扩频调制,它保持了像 FSK 调制相同的低功耗特性,在核心技术专利方面,LoRa真正的核心技术和核心专利均被 Semtech 所掌握,这样对本土企业发展LoRa不利。

 

SigFox 成立于2009年,是一家总部位于法国 Labège 的法国公司。SigFox 在欧洲非常成功,大量部署,SigFox使用专有技术,使用较低的调制速率来实现更长的传输范围。SifFox 典型的应用包括停车传感器、水表或智能垃圾桶。当然,它也有一些缺点:将数据发回传感器、设备(下行能力)受到严重限制,信号干扰可能成为问题。

 

3GPP标准组织为应对LoRa、Sigfox、Ingenu 等非授权频段 LPWA 技术挑战, 迅速明确了 NB-IoT、eMTC 及 EC-GSM 三条清晰的 LPWA 技术发展路线。但许多运营商存在频谱重耕的预期,而且不少运营商在 2G 时代根本没有部署 GSM 网络,实质上的主流技术也就 eMTC 和 NB-IOT。当前,NB-IOT 和 eMTC 标准化已完成,如下图所示。

640?wx_fmt=jpeg

NB-IoT标准发展

 

据IoT Analytics预测,2017- 2023年间,低功耗广域网络连接数年复合增长率达到109%,到2023年低功耗广域网络连接数总数超过11亿,用户在此类连接上的支出超过47亿美元。不过,它预计NB-IoT和LoRa将分别占据公共网络和私有网络的绝大多数份额。

 

在今天的大会上,Bell 认为LPWAN将是更廉价更巨大IoT 爆发的关键,2019年这个市场一定会起飞,今年每月连接费用降低到1美元以下,模块成本降低到10美元以下(这个显然还有点保守)。

640?wx_fmt=jpeg

他预测到2023年,授权频段的LPWAN份额将远高于非授权频段的LPWAN,其他市场将被蜂窝网瓜分。

 

关于这个预测,从今天的演讲和展会看也有应证,美国移动运营商T-Mobile和Verizon都盛赞NB-IOT技术,也相继出台了资费标准。有了运营商的力挺,NB-IOT将会有大发展。

640?wx_fmt=jpeg

T-Mobile IoT VP Balaji Sridharan在演讲中分享了T-Mobile在NB-IOT上的应用场景,他说大规模IoT普及需要克服成本、续航、覆盖和全球标准的挑战,还对比了NB-IOT和Lora,sigfox,甚至还黑了一下WiFi说它延时高还有堵塞,估计让搞这几个技术的人心堵挺了半天。

640?wx_fmt=jpeg

640?wx_fmt=jpeg

他说T-Mobile 的NB-IOT模块要低于5美元,收费标准每年5美元,T-Mobile还发起了北美NB-IOT黑客马拉松大赛,重奖有创意应用的方案,以此推广NB-IOT。

 

Verizon IoT负责人Shamk Basu在演讲中称5G是量子跃迁的技术,可以激发大量的创新应用,他认为NB-IOT和LTE-M将共存成为5G重要的一环。

640?wx_fmt=jpeg

Verizon不但已经在展位开卖包括中国移远公司、希姆通公司在内的NB-IOT模块,更展示了5G在工业AR领域的应用。

640?wx_fmt=jpeg

这是基于5G 的工业AR应用。

640?wx_fmt=jpeg

从过往历史看,其他无线技术在跟运营商支持的技术竞争时,多半惨败而归,而NB-IOT未来有较好的前景。

 

趋势五:5G将加速IOT发展

 

这个趋势是很明显的,不用论证。

640?wx_fmt=jpeg

 

趋势六:IoT在边缘领域大展身手

 

Bell认为在边缘领域和雾计算领域,IoT有很大机会!

640?wx_fmt=jpeg


趋势七:区块链在IoT中还属于早期应用阶段

 

虽然区块链有一定的优势,但是还不能满足IoT的安全需求。

640?wx_fmt=jpeg

也有专家谈到中心云对IOT的影响以及为去中心化的问题。


640?wx_fmt=jpeg

640?wx_fmt=jpeg


趋势八:IoT应用裂化,更加垂直化

 

IoT将市场将更加裂化,更将场景化,理解好用户需求对发展IoT至关重要,汽车IoT、工业IoT都会应用加速。

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=jpeg


趋势九:IoT价值链从平台提供者变成端到端提供者

 

IoT商业模式日益复杂,端到端IoT解决方案元素众多,而价值链创新又会催生新的商业模式。

 

在今天在圆桌论坛中,主办方还邀请了NASA和美国航空航天局的牛人大谈太空IoT的构想让人脑洞大开,也激发了对IoT未来应用的无限遐想。

640?wx_fmt=jpeg

640?wx_fmt=jpeg


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”


640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491770.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

TensorFlow实现单隐层神经网络

这里使用MNIST数据集,MNIST数据集的下载地址http://yann.lecun.com/exdb/mnist/ from tensorflow.examples.tutorials.mnist import input_data import tensorflow as tf mnist input_data.read_data_sets(r"D:\PycharmProjects\tensorflow\MNIST_data"…

美国一箭投放60颗卫星 马斯克组互联网“星链”

来源:新华网美国太空探索公司当地时间23日晚在美国佛罗里达州一处空军基地发射火箭,将60颗小卫星送入近地轨道。这标志着企业家埃隆马斯克组建互联网卫星群的“星链”项目迈出实质性一步,抢在电子商务巨头亚马逊公司创始人杰夫贝索斯的“柯伊…

Ubuntu 中Mysql 操作

一、mysql服务操作 0、查看数据库版本 sql-> status; 1、net start mysql //启动mysql服务 2、net stop mysql //停止mysql服务  3、mysql -h主机地址 -u用户名 -p用户密码 //进入mysql数据库 4、quit //退出mysql操作 5、mysqladmin -u用户名 -p旧密码 passwor…

吴恩达《机器学习》学习笔记五——逻辑回归

吴恩达《机器学习》学习笔记五——逻辑回归一、 分类(classification)1.定义2.阈值二、 逻辑(logistic)回归假设函数1.假设的表达式2.假设表达式的意义3.决策界限三、 代价函数1.平方误差函数的问题2.logistic回归的代价函数四、梯…

协方差与相关系数

定义: 协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。 期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为: 如果两个变量的变化趋势一致,也就是说如果其中一…

吴恩达《机器学习》学习笔记六——过拟合与正则化

吴恩达《机器学习》学习笔记六——过拟合与正则化一、 过拟合问题1.线性回归过拟合问题2.逻辑回归过拟合问题3.过拟合的解决二、 正则化后的代价函数1.正则化思想2.实际使用的正则化三、 正则化的线性回归1.梯度下降的情况2.正规方程的情况四、 正则化的逻辑回归1.梯度下降的情…

Swift - 数组排序方法(附样例)

下面通过一个样例演示如何对数组元素进行排序。数组内为自定义用户对象,最终要实现按用户名排序,数据如下: 1234var userList [UserInfo]()userList.append(UserInfo(name: "张三", phone: "4234"))userList.append(Use…

5G时代,智能工厂迎来4大改变!

来源:亿欧网作为新一代移动通信技术,5G技术切合了传统制造企业智能制造转型对无线网络的应用需求,能满足工业环境下设备互联和远程交互应用需求。在物联网、工业自动化控制、物流追踪、工业AR、云化机器人等工业应用领域,5G技术起…

主成分分析PCA以及特征值和特征向量的意义

定义: 主成分分析(Principal Component Analysis,PCA), 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。PCA的思想是将n维特征映射到k维上…

吴恩达《机器学习》学习笔记七——逻辑回归(二分类)代码

吴恩达《机器学习》学习笔记七——逻辑回归(二分类)代码一、无正则项的逻辑回归1.问题描述2.导入模块3.准备数据4.假设函数5.代价函数6.梯度下降7.拟合参数8.用训练集预测和验证9.寻找决策边界二、正则化逻辑回归1.准备数据2.特征映射3.正则化代价函数4.…

需要自己调研的框架,以及需要学习的内容

_webView 图文解析需要学习 Core Text 来解决图文混合的xml文件 项目中用到哪些数据持久化,什么场景下使用? http://www.cocoachina.com/ios/20150720/12610.html 解决问题的网站 CSDN.NETCocoaChina51CTO技术论坛特酷吧国外it技术论坛stack overflow 需…

Python获得一篇文档的不重复词列表并创建词向量

获得一篇文档的不重复词列表: def loadDataSet():postingList [[my, dog, has, flea, problems, help, please],[maybe, not, take, him, to, dog, park, stupid],[my, dalmation, is, so, cute, I, love, him],[stop, posting, stupid, worthless, garbage],[mr,…

从认知学到进化论,详述强化学习两大最新突破

来源:大数据文摘深层强化学习(deep RL)近年来在人工智能方面取得了令人瞩目的进步,在Atari游戏、围棋及无限制扑克等领域战胜了人类。通过将表征学习与奖励驱动行为相结合,深层强化学习又引发了心理学和神经科学领域的…

Python实现一个数组除以一个数

如果直接用python的一个list除以一个数,会报错: a [1.0, 1.0, 1.0] c a/3 print(c) TypeError: unsupported operand type(s) for /: list and int 使用Numpy可以轻松做到: import numpy as npa np.array([1,1,1]) c a/3 print(c)

吴恩达《机器学习》学习笔记九——神经网络相关(1)

吴恩达《机器学习》学习笔记九——神经网络相关(1)一、 非线性假设的问题二、 神经网络相关知识1.神经网络的大致历史2.神经网络的表示3.前向传播:向量化表示三、 例子与直觉理解1.问题描述:异或XOR、同或XNOR2.单个神经元如何计算…

刚刚,科学家发现了一大堆解释人类进化的基因...

图片来源:《Nature Genetics》来源:中国生物技术网 5月27日发表在《Nature Genetics》上的一项新研究发现, 以前被认为在不同生物体中具有相似作用的数十种基因,实际上是人类独有的, 这或许有助于解释我们这个物种是如…

Android数据存储——SQLite数据库(模板)

本篇整合Android使用数据库,要保存一个实体类的样本。 首先看一下数据库语句: ORM:关系对象映射 添加数据: ContentValues values new ContentValues();values.put("name", "小丽");values.put("phone", &qu…

Python切分文本(将文本文档切分为词列表)

对于一个句子,一种简单的方法是使用split() a This is an apple. Do you like apple? b a.split() print(b) # [This, is, an, apple., Do, you, like, apple?] 可以看到切分结果不错,但标点符号也当成了词的一部分,可以使用正则表达式…

吴恩达《机器学习》学习笔记八——逻辑回归(多分类)代码

吴恩达《机器学习》笔记八——逻辑回归(多分类)代码导入模块及加载数据sigmoid函数与假设函数代价函数梯度下降一对多分类预测验证课程链接:https://www.bilibili.com/video/BV164411b7dx?fromsearch&seid5329376196520099118 之前笔记…

DeepMind 综述深度强化学习:智能体和人类相似度竟然如此高!

来源:AI科技评论近年来,深度强化学习(Deep reinforcement learning)方法在人工智能方面取得了瞩目的成就,从 Atari 游戏、到围棋、再到无限制扑克等领域,AI 的表现都大大超越了专业选手,这一进展…