物联网是产业界近年的显学，然而早在1960年代，自动化领域就已经有SCADA（Supervisor Control And Data Acquisition）系统，协助现场人员监视系统状态。为何半个世纪以后，物联网才开始在产业界大量讨论？此外，结合AI、云计算等技术，物联网产生了哪些新应用？
物联网这个概念在1995年，比尔．盖茨出版的《未来之路》（The Road Ahead）一书之中便提到“物”的互联。1998年麻省理工学院提出了当时被称作EPC（Electronic Product Code）的系统，用于识别每一个单一的电子产品。1999年，MIT Auto-ID Center的Kevin Ashton在物品编码（RFID）技术上提出“互联网通过传感器（Sensor）来连接实体世界（Physical World）的信号”。2005年11月17日，世界信息峰会上，国际电信联盟发布的“ITU互联网报告2005：IoT”，其中明确提出无所不在的网络社会（ubiquitous network society），更指出“Internet of Things”时代的来临。
然而后续的数年间，IoT似乎并没有立即成为众人瞩目的显学。直到2011年的德国汉诺威工业展，德国政府提出工业4.0一词；与此同时，在工业领域也出现IIoT（Industrial Internet of Things）的概念。至此，便把以往应用在商业界的物联网带到工业现场成为Industrial IoT。然而，许多投身在自动控制数十年的工程师，对于Industrial IoT颇不以为然。以他们的观点，早在1960年代，在自动化的领域早已经出现SCADA（Supervisor Control And Data Acquisition）系统，协助工业现场的人员监视系统的状态与配置参数。但SCADA和Industrial IoT到底有什么本质上的差异，究竟是什么原因推升IIoT的需求？
数据价值的重视与客户需求的改变，导致近年IIoT的兴起
以笔者观点，有两个重要的“质变”，导致IIoT的兴起：
1. 客户需求的改变
时至今日，客户需求变化的速度已经超乎以往，客户希望获得的服务、产品，都能够更贴近“个人”，为了达到这个目的，便需要更多的数据来辅助。因此，更多的传感器（Sensor）、监测的设备便被安装在场景之中，提供更多即时的数据，有助于打造完整的解决方案来满足客户的需求。在制造业中，弹性化生产的领头羊非汽车制造业莫属，例如：一位消费者在选购德国的双B汽车，车厂提供许多的“选配”项目，包含车色、内饰色、座椅材质、安全系统、音响系统、辅助系统等等。每一台定制化的汽车都是一个SKU（Stock Keeping Unit），如何通过自动化的生产，让生产线能够弹性的制造属于每一台定制化的汽车，这其中的技术与挑战是可想而知。
2. 数据价值被重视
由于运算能力的提升，以往放置于存储媒体的数据被重新审视价值，有机会带来全新的洞察（Insights）。同时，高速的运算性能再结合AI的技术，让历史数据转而成为具有insights的信息。以往SCADA的工程师都习惯“解决眼前的问题”，都是反应（reaction）的思维模式，比方说：当SCADA上面跳出某一个马达转速异常的信息时，运维的工程师就会去现场了解状况，并且试着排除状况，若是状况无法排除，就会导致系统或是设备必需停机进行检修，如果故障的零部件没有立即可更换的备品，就有可能发生长时间的停机，影响到整个生产系统的稼动率。但随着科技的进步，马达运转的转速再辅以温度、振动、声音等数据，就能够提早预知马达的异常，在适当的时机安排检修与备料，就可以大大降低停机的时间，也让运维工程师的行为模式从“Reaction”变成“Preaction”。
AIoT的诞生，促成边缘运算的应用
2017年AlphaGo打败世界棋王柯洁，一时之间，AI的技术成为大家热烈讨论的话题。时至今日，许多AI的应用都已经深入你我日常生活之中，例如：Google的导航系统，通过用户手机上传的交通信息，即时提供驾驶最佳的行驶路径建议。然而在AI的讨论之中，不是只有正向的观点，也有部分人士提出警告，例如：史帝芬．霍金（Stephen Hawking）便提出AI技术的发展可以为人类带来美好的未来，但也有可能把人类带向毁灭一条路，人类必需谨慎的发展AI的技术。
时序跨入2018年，人工智能物联网（AIoT）成为另一个流行话题。所谓的AIoT就是AI与IoT技术的结合，最佳的写照便是边缘运算（Edge Computing）。物联网发展的初期，云计算平台供应商教育用户将所有的数据上传至云计算处理，但在经过不到一年的时间，用户便发现数据在云平台处理会遇到下面的挑战：
1. 传输的延迟
在部分的应用之中，对于系统的反应速度有严格的要求，但通过网络发送到云计算所造成的延迟，可能会造成系统的异常，例如：自动驾驶汽车的控制系统，系统必需快速的运算道路上面的所有状况与对象，提供最即时的驾驶信息，如果是传输到云计算进行处理，其中通信的延迟是无法被掌握的。
2. 数据外泄的疑虑
虽说云计算平台的供应商针对平台的安全性都是再三保证，但仍有许多的企业对于将企业的重要数据上传至云计算平台存在许多的顾虑。例如：生产设备上执行的配方（recipe）。
3. 高额的传输与存储费用
若是大量未经处理过的数据一股脑的上传到云计算，不但需要支付高额的传输费用，更要付出许多的金钱来支付云计算的存储空间。
基于上述的挑战，边缘运算的需求便油然而生。虽然单纯的条件判断引擎（Rule-base engine）对于降低数据量会有一定的帮助，但用户期待边缘运算能够提供更强大的能力，因此AI的技术便被应用在边缘端设备之中，进而让AIoT成为显学。然而，边缘端的设备其运算性能无法比拟云计算的系统，所以，边缘端设备通常担任推论（Inference）主机的角色，至于建模（Modeling）的工作则还是落在云计算的系统。
物联网三大趋势：分布式云计算、自主性对象、实用性区块链
放眼未来，2019年底，Gartner发布2020年十大战略科技，笔者从中挑选出三个与物联网具有高度相关性的战略科技，再配合笔者20年的产业经验，试着为大家归纳三大战略方向之中的重点，作为发展物联网技术的参考。
分布式云计算（Distributed Cloud）
分布式云计算架构，简单来说，就是把既有的云计算服务，搬离开既有云计算服务供应商的“实体Data Center”，把以往使用的服务布属到其他Data center之中，即便是on premise的Data Center。但是这些Distributed Cloud上面所有的架构、服务、更新，都还是依靠原有的云计算服务商。这样一来，就可以解决以往所遇到的挑战，例如：通信的延迟、数据处理的延迟、抑或是数据的拥有权等问题，但也还是能够享受云计算服务商提供的服务，降低企业本身自建云的投资。以实务上来看，AWS的Outposts与Azure的Azure Stack都属于这类型的应用；但目前这类型的应用还是锁定在大型企业，因此单价上面较高，对于中、小企业来说，进入门槛也较高。
自主性对象（Autonomous Things）
如今，越来越多的无人机、机器人、汽车都逐渐在提升自主化的能力。现阶段，这类型的自主化对象的应用都还停留在“可控制的场景”，例如：无人自动驾驶汽车都是在一个特定的场景测试、运行。此外自主化会从今天的“独立stand-alone”，演化到“协作collaborative”，Intel的Drone就完全颠覆以往放烟火的思维，通过数百台的无人机，呈现出以往烟火所无法达到的境界，堪称是跨界创新的典范。我相信放烟火的人，从来没有想到他们的生意会因为无人机的兴起而被取代。
然而，自主性对象还是无法取代人类的大脑。因为自主性对象还是运行在一个被定义出来的场景与特定的用途。无法像人类的大脑，具有对未知事物的调适性与学习能力。
实用性的区块链（Practical Blockchain）
区域链在过去的这一段时间，一直停留在实验性的概念之中，其主要的概念就是通过分布式的账本与加密技术，来确保数据的完整性与一致性。现阶段，实际采用区域链的应用其实并不多见，遇到最大的挑战便是在于可扩展性（scalability）与互操作性（interoperability）。
A、可扩展性（scalability）：由于区域链在底层的运算会需要Edge端的系统运算能力，试想，若是把区块链置于各位的手机、Edge端computer，这些设备是否有足够的安全性与运算能力来处理区域链的数据。
B、互操作性（interoperability）：分类账本缺少互操作性、账本管理也不具有一致性，导致不同链之间的数据交换不易，也就演变变成今日的公链、私链的战国时代。
未来的世界瞬息万变，笔者借由产业与技术的发展，收敛出分布式云计算（Distributed Cloud）、自主性对象（Autonomous Things）、实用性的区块链（Practical Blockchain）等三大趋势，希望能够带给读者在策略的规划上面有新的思维。
物联网带来不单单是一个新的技术，而是带来整个产业的质变，万物皆有智能（IoT–Intelligent of things）的场景，或许在不久的将来就会发生，你是否已经准备好迎接它的到来？