在对物联网进行分析时，不仅要依赖于专业分析师团队的调查结果，专家和顾问的意见也很重要。以下为我们收集到的专家和顾问对2022年10大物联网技术发展趋势的意见：
1. 物联网正在发展成为可持续发展中的一项关键技术
在物联网社区中，智能连接设备在实现和推进环境监测、地域管理和能源优化等应用领域的突出能力是有目共睹的。然而，这些智能连接设备的商业价值却一直在被低估。
迄今为止，物联网在可持续发展中的作用被大多数物联网公司所忽略。随着人们对建设绿色经济和减缓气候变化的日益关注，物联网技术有可能为企业、城市和社区提供绿色解决方案。
这些应用可以包括降低能源成本、实现远程部署、监控故障点等，这将使得物联网能很快地从边缘案例转变为物联网扩张的驱动因素。物联网社区的一个关键目标应该是强调将物联网整合到任何可行的可持续全球经济模式中。
示例：
通过物联网进行环境监测的例子很多，例如 Libelium和基于物联网的领土管理(例如Dryad Networks或用于火灾管理的Kerlink和NetOp，或用于洪水管理的Opti)。
从政策角度来看， 欧盟委员会提出工业5.0理念，而其中多出来的1.0比现有4.0多的并不是新技术，而是关于先进技术在工业可持续发展中的作用。除此之外，欧盟对下一代欧洲投资的近8000亿欧元中，主要集中在绿色发展(约30%)和数字化(约30%)上。
顾问引述：
通过收集到的数据，物联网绘制了空间和领土的环境条件。物联网成为我们应对气候变化的天文台。让我们明智地使用它，让我们倾听它!
— 萨维里奥·罗密欧
2.平台炒作正在从云端转向边缘
正如之前的物联网分析研究所表明的那样，自2015年开始的物联网平台竞赛中，已经出现了明显的领导者。边缘平台，特别是工业领域的平台，还处于起步阶段，但2022年将会是物联网平台竞赛中的企业突围的一年。
虚拟化技术(如 VM 和容器)支持跨计算硬件供应商的应用程序可移植性。这些技术被IT部门广泛采用，但许多OT部门仍然通过购买运行该应用程序的设备来获得该应用程序(例如，他们购买协议转换器以将一个以太网协议转换为另一个以太网协议，或购买PLC来运行某些控制逻辑工作负载)。
冒着严重过度简化市场格局的风险，边缘平台供应商可以根据他们支持的硬件，云/物联网平台和边缘应用程序的类型进行分组。供应商也可以根据其核心业务进行分组：硬件供应商(包括西门子，凤凰电气和博世等OT硬件供应商以及IT硬件，如思科，HPE等)，云供应商(例如AWS，Azure)和软件供应商(例如Zededa，CPLANE等)。
与大多数技术土地争夺战一样，客户最终将决定谁赢得这场竞赛。到底是云提供商会主导这个领域?还是硬件供应商和软件初创企业有空间?如果为非云参与者提供了空间，客户会更喜欢与硬件无关的平台，并提供单一管理平台来管理所有类型的设备上的所有工作负载?还是更愿意拥有一个特定于硬件的平台(即，边缘工作负载只能在边缘平台供应商提供的硬件上运行)，该平台在硬件和管理平台之间提供更紧密的集成，以及单点联系出现案例问题?
如果后者属实，我们则可能会看到当下物联网技术的又一趋势，即在边缘平台上有更多的供应商被锁定，这些平台仅适用于特定供应商的硬件。
如果前者属实，那么构建这些边缘平台的与硬件无关的软件公司仍然需要与运行边缘应用程序的硬件供应商合作。
示例：
作为2021年底针对边缘应用的一系列举措的一部分，戴尔宣布与灵活且可扩展的物联网平台Litmus合作，帮助企业在整个IIoT边缘(包括设备，应用程序和数据)上运行，并具有"从工厂车间到企业云"的弹性和安全连接。
顾问引述：
在任何结果中，云提供商肯定不会在竞争中排名最后，因为许多公司将在其边缘平台上实现标准化，大多数公司最终将至少将一些数据从边缘发送到云提供商，无论他们使用哪个边缘平台。
— 马修·沃帕塔
3. IIoT正在改变制造业
工程师倾向于将技术视为一种解决方案，而往往忽略了问题的根源。物联网的作用是超越SCADA(监督控制和数据采集)进行机器操作，提供及时做出维护资产决策所需的数据。在不久的过去，物联网项目只是一个数字化过程。而现在，更多的数据可以得到访问，制造专业人员需要问这样一个问题："我们正在解决什么特定的业务问题?
示例：
许多营销人员将预测性维护视为物联网的"杀手级应用"。在2021年国际维护大会上，与会者和演讲者之间的讨论不是一些模糊的预测性维护策略。相反，他们正在预测分析应用程序中使用从IIoT项目生成的数据。分析预测的问题通常会自动提供给工作流引擎，从而导致维护和可靠性活动，从而避免计划外停机，从而优化生产。例如，当巴斯夫通过施耐德电气为其其中一家工厂增加预测性维护时，它首先关注的是监控为工厂供电的变电站，以及电机及其控制中心消耗该电力的健康状况。存在特定的业务问题，即为繁忙的工厂保持不间断的电力，为预测性维护解决方案提供了一个狭窄且可实现的范围。
顾问引述：
物联网项目提供了现在用于预测机器问题的数据，并自动指导技术人员找到解决方案，从而优化生产。
— 加里·明切尔
4. 云原生应用正在兴起
公司现在正将云采用和迁移作为短期内的首要任务，至少在未来几年内是这样。那些已经在云上投入巨资的公司正在寻求提高效率和提高功能的新方法，而其余的则需要快速制定迁移计划。十年来，云市场一直以稳定的速度增长，但就整体采用和用例数量而言，疫情显着加速了这一增长。随着云成为许多基础设施、平台或软件级别的常态，业界将看到一波针对云规模和性能开发和优化的全新应用程序浪潮，这反过来将有助于提供更高的可靠性并缩短上市时间，这意味着软件应用程序可以更快、更灵活地部署，同时降低基础架构的复杂性和成本。
示例：
在疫情的第一波浪潮急剧并立即改变了工作模式之后，包括全球电信运营商，宽带互联网提供商和卫星广播服务提供商在内的通信服务提供商(CSP)被迫快速升级其云服务，以应对前所未有的需求增长，包括来自相对新颖的用例，例如社交视频聚会。他们必须进行这些大规模的结构升级，同时还要将除最必要的员工以外的所有员工都从家中派出，这意味着需要改善基础设施以减少维护和监督。这反过来又是云原生应用程序扩展的巨大驱动力，从本质上讲，云原生应用程序能用更少的资源做更多的事情。TM Forum的一项调查报告称，38%的CSP在2021年处于实施数字化转型战略的中途点，同比增长50%，其中45%涉及引入云原生应用程序。例如，去年年底，沃达丰与Vmware建立了合作伙伴关系，为沃达丰在欧洲的所有业务提供一个单一的通用平台，从5G独立开始。
顾问引述：
我在云原生应用程序开发中看到的两个主要驱动因素是无服务器计算和容器化，主要是因为两者都将提高云原生应用程序的部署速度 - 更快的部署，加上更高的可靠性，将使采用成为何时而不是是否采用大量用例的情况。
— 杰夫·温特
5. 超自动化正在改变运营
目前的传统观点认为，人工智能是改造任何企业应用的关键，但现实情况是，目前，大多数人工智能都需要认真的"数据挖掘"才能使企业受益。人工智能只是转型方程式的一部分，第二个(经常缺失的)缺失部分是机器人流程自动化或RPA。当AI和RPA正确组合和应用时，结果是超自动化。
疫情创造了一个拐点，优先考虑工人的安全和支持他们所需的技术，并且在疫情之前开始的劳动力短缺变得更加具有挑战性，这是一个需要处理的约束，这加速了使用超自动化来改善从车间到顶层的过程性能。
示例：
在巴西，德勤使用IBM的AI增强型RPA解决方案来改变其每月报告周期，自动生成和错误检查从数十个来源获得的报告，并直接链接到中央银行数据，以便货币兑换数据不断更新。在报告生成上花费的总时间从几乎两个工作周增加到每月一个小时，而每月相同的智能RPA将每月的差旅费用报告准备工作从三小时减少到十分钟。
顾问引述：
两年前，我写了一篇关于制造业中"机器人带来的冲击"的文章，重点关注机器人流程自动化如何消除大量重复性任务，从而提高生产率并帮助消除错误。现在，您可以将AI分层到等式中，并使用它来为RPA做出这些决策。这是IFTTT的最终延伸。
— 克里斯托弗·霍梅克
6. AI越来越多地出现在(薄)边缘
组织一直在重新思考将AI工作负载放置在云中或边缘的位置。到目前为止，AI边缘应用程序已在计算和功耗密集型边缘设备上运行，例如工业计算机和边缘路由器。然而，两个发展正在推动向薄边的转变。
- 半导体的发展，特别是在低成本、低功耗的频谱端，意味着人工智能可以更接近最小的设备水平。有充分的理由相信，在不久的将来，大量的微控制器(MCU)将拥有设备上的AI。
- AI算法在过去5年中变得更加高效。例如，与几年前相比，当前的AI算法需要的计算能力要少得多，无法训练用于视觉对象识别的神经网络。一些专家假设每16 个月所需的计算能力会降低 2 倍。
示例：
2021年，MCU巨头瑞萨电子在其广受欢迎的RZ/V产品阵容中推出了一款新产品，该产品采用GPU进行薄边图像处理，为机器视觉应用提供基于AI的实时色彩校正和降噪，所有这些都来自入门级产品。
顾问引述：
我们将越来越多地看到AI应用转向Thin Edge，即在MCU上运行的设备、内存、计算能力和低功耗。
— 托马斯·杜斯特
7. “隐形AI”的采用正在我们的眼皮底下发生
复制人类认知的目标已经被讨论和追捧了数千年。人工智能不是产品。你可以说它甚至不是一种技术。就其本身而言，它也不是一项发明。不知道它源于何时，我们也很可能不知道它何时结束。然而，它几乎已经无处不在了!由其他技术的进步驱动，例如计算能力，计算资源成本，互联网，传感器，以及最重要的复杂机器学习算法和模型的开发。最重要的是，人工智能是一种追求。
这是一个朝着创造智能的目标努力的旅程，因此它不断改进，扩展和变化。人工智能与大多数其他工业4.0技术的不同之处在于它能够利用创造力和想象力。天空是它能做什么的极限。
人工智能在应用中非常通用，它跨越每个行业，几乎影响着每个工作职能——从入门级工作到首席执行官级别。它具有神秘的科幻魅力，吸引着人们的好奇心和想象力。然而，由于许多人难以确切地理解它是如何工作的，一部分人会害怕使用人工智能来帮助决策，绝大多数人在让人工智能代表他们实施决策时会犹豫不决。
示例：
2021年，美国制药公司Charles River Laboratories宣布与基于AI的药物设计集团Valence Discovery建立合作伙伴关系。该合作伙伴关系的目标是利用Valence的REACTER技术，该技术能够模拟一旦药物通过先进的AI服用后发生的一系列单个化学反应。开药的医生和服用药物的患者永远不会知道这种药物是使用AI开发的。
顾问引述：
因为人工智能无处不在，它开始以比我们意识到的更多的方式渗透到我们的生活，往往就在我们的眼皮底下。当大多数人与人工智能互动或计划使用人工智能时，他们这样做的目的非常慎重，以解决特定问题。我喜欢称之为"有意的AI"。然而，现在有这么多公司将AI纳入其产品、平台和服务中，无论我们是否意识到这一点，AI都被用来帮助我们。这被称为"看不见的AI"，如果完全理解，可以帮助解决那些犹豫是否使用AI的人的信任障碍。与其经历一个人工智能的大用例，我们都会定期进行100多次互动。
— 杰夫·温特
8. 沉浸式现实(VR/AR)正在进入企业环境
虽然人类已经在智能环境中生活和工作，但在这些空间中寻找更有效的共存方式已成为研究人员和公司的重要关注点。这意味着提高工作环境中的运营效率和质量，同时也要开发远程运营管理。疫情加强了对后者的关注。为此，物联网与沉浸式现实技术和环境模拟技术(如数字孪生)的融合是必要的。考虑到这种融合将需要大量的数据，5G的兴起以及边缘计算的兴起将加速企业和工业应用的VR和AR应用的发展。
示例：
汉莎技术公司与沃达丰和诺基亚的合作将物联网环境与5G、AR和数字孪生体结合在一起。这家航空巨头的服务部门在两个独立的维护园区部署了两个独立的私人5G网络。增强视频流的AR叠加层使客户能够远程观察和诊断问题，同时还允许该小组使用AR和数字孪生与全球合作伙伴进行磋商。
顾问引述：
由于物联网与AR和VR等技术的融合，人与机器之间智能关系的时代即将到来。所有这些都是为了提高效率以及远程和内场工作的新的和安全形式。
— 萨维里奥·罗密欧
9. 5G正在成为"物联网就绪"
以消费者为导向的权威人士认为5G只是一种更快下载的机制。工业和商业用途的真正力量在于基于5G的专用网络。到2022年底，5G将被视为另一种工具。工程师使用它不是为了成为先驱者，而只是为了解决问题。一旦他们开始，这将是另一项提高生产和质量的工程工作。
示例：
诺基亚已经为大众汽车在德国沃尔夫斯堡的主要工厂部署了一个私有的5G独立无线网络。专用园区网络使用诺基亚数字自动化云 (DAC) 解决方案提供可靠、安全、实时的连接，并使大众汽车能够试用新的智能工厂用例。大众汽车网络规划Klaus-Dieter Tuchs博士说："可预测的无线性能和5G的实时功能在不久的将来对智能工厂具有巨大的潜力。通过这次试点部署，我们正在探索5G提供的可能性，并正在建立我们在工业环境中运营和使用5G技术的专业知识。
顾问引述：
"我们甚至不记得猜测5G是否会发生。我们将忙于使用它来解决网络和物联网安装问题。
— 加里·明切尔
10. 资产的安全远程访问越来越重要
能够远程访问其机器的公司将实现多项好处，包括设备供应商的更好支持，这些设备供应商可以实时远程排除和分析机器数据，以及访问远程主题专家和低成本劳动力(例如，来自低工资国家的高技能工人)。
但随着访问的增加，网络安全攻击媒介也随之增加，因此公司随后增加了在网络安全方面的支出以解决这个问题。2022年网络安全的三个关键用例是资产可见性、深度数据包检测和零信任架构。资产可视性软件提供有关连接到网络的所有节点和用户的详细信息，使管理员能够快速识别可疑用户或设备。深度数据包检测可以在运行工业网络的工业协议中发现可疑活动时向工业网络的运营商发出警报。零信任架构基本上给予零信任，即网络是安全的，并且(根据NIST)“......将防御从静态的、基于网络的边界转移到专注于用户、资产和资源。”
示例：
SANS 2021 OT / ICS网络安全报告发现，远程访问服务是受访者的主要威胁媒介，37%的人认为远程访问是初始访问点。由于随着远程点数量的增加，缓解这些攻击的需求急剧增加，物联网安全公司Claroty将其员工人数从大流行前的水平增加到2021年12月的75%。
顾问引述：
在疫情期间，“远程”成为一个家喻户晓的术语，因为数百万人首次开始在家工作，包括管理OT网络和资产的人员，但这种远程性增加了不安全的远程设备可能构成的威胁规模。
— 马修·沃帕塔
