What's 物聯網 IoT ？

廣義而言，物聯網（Internet of Things, IoT）包含任何可以連線至網際網路的物體或「東西」，從工廠設備、汽車到行動裝置，以及智慧手錶等。然而，現今的 IoT 更特指結合了感測器、軟體和其他技術的互連設備，能夠傳輸和接收其他設備資料。傳統上，連線能力主要依靠 Wi-Fi 實現，而現在 5G 和其他類型的網路平台，已逐漸具備處理大型資料集的速度和可靠性。

當然，收集資料的意義不僅是擁有資料，而是使用資料。IoT 設備收集和傳輸資料後，最終目的是分析資料並制定明智的行動策略，這就是 AI 技術擅長的方面：借助進階分析和機器學習的功能來強化 IoT 網路。

物聯網的定義：透過配有感測器、軟體和其他技術的互連物件和設備，與其他設備傳輸和接收資料

物聯網的運作方式為何？

當無法前往現場時，物聯網設備將成為我們的耳目，配備感測器的設備可以取得我們可能看到、聽到或感知的資料，並按照指示共享這些資料，接著我們便可以進行分析，藉此掌握資訊，並將我們的後續操作或決策自動化。此過程分為四個關鍵階段：

1. 擷取資料。藉由感測器，IoT 設備會擷取所在環境的資料，簡單的例如溫度，也可能是即時影片傳輸等複雜資料。

2. 共享資料。IoT 設備會藉由可用的網路連線，透過公有雲或私有雲提供這些資料。

3. 處理資料。此時軟體會根據已撰寫的程式碼，根據這些資料執行一些操作，例如啟動風扇或發送警告。

4. 根據資料行動。分析完 IoT 網路中所有設備的累積資料後，將可提供強大的洞察及資訊，協助制定更務實的行動和業務決策。

物聯網技術會如何進化？

在 2019 年，IoT 設備產生了約 18 ZB 的資料，到了 2025 年，IDC 預期該數字將成長超過三倍，來到 73 ZB，相當於 73 兆 GB。雖然我們無法以實體單位衡量數位資料，但換個角度說，如果將這些資料都轉換成 1990 年代的磁碟片後平鋪相連，可以從地球來回月球 5000 次以上。為了發展 IoT，必須凝聚特定的技術組合並同步提升這些技術。

連線能力：

這種 IoT 數據量的急遽增長，必須仰賴足夠強大的網路和雲端連線能力才能傳送和接收資料。目前許多 IoT 設備依靠本地 Wi-Fi 網路傳輸複雜和大量資料，不過 5G 和其他蜂窩網路也在持續進化，McKinsey 在最近發表的一篇文章中概述了行動網路可能帶來的影響，以及如何協助 IoT 設備脫離 Wi-Fi 網路。

感測技術：

隨著 IoT 感測器創新的需求穩定增長，市場由幾個高昂的利基供應商，轉變為高度全球化且有價格競爭力的感測器製造業。從 2004 年以來，IoT 感測器的平均價格已下降超過 70%，而隨著需求遽增，這些產品的功能及多樣性也不斷提升。

運算能力：

未來三年創造的資料量，將超越過去 30 年所創造的資料量。若要運用這些資料，現代企業需要不斷增加的記憶體和處理能力，實現此目標的競賽步調快速且競爭激烈，也推動了 IoT 的實用性和適用性增長。

人工智慧與機器學習：

這些科技不僅可讓企業管理和處理大量 IoT 資料，還能分析並從中學習。大數據是 AI 和機器學習的最佳養分，資料集越大、越多樣化，基於 AI 的進階分析就可提供更可靠的洞察和資訊。IoT 設備的興起，大幅推動了人工智慧的發展，以及所使用及提供的資料量。

雲端運算：如同連線能力是 IoT 發展不可或缺的要素，雲端運算的崛起也與這項趨勢息息相關。透過隨選式的處理能力和大量儲存空間，IoT 設備也開始採用雲端 IoT 服務，藉此收集和傳輸日益龐大且複雜的資料集；而藉由私有雲解決方案，企業能夠管理更大量且類型繁多的 IoT 資料，同時還能維護封閉系統的安全性。

邊緣運算：

IoT 網路內的裝置通常會分佈在各種地理位置，但都會將資料傳輸到單一的中央系統。隨著 IoT 資料量日益龐大，物聯網開始耗盡公司的頻寬和雲端容量。此外，在最終目的地擷取、傳輸、處理和接收資料需要不少時間，這種延遲可進一步降低效率，尤其是對資料處理高度時間敏感的企業。邊緣運算解決方案透過接近資料的來源來分擔系統的處理壓力，方法是整合本地化的運算系統，並讓 IoT 設備本身具備處理能力。裝置處理的資料會在現場立即採取行動，並定期以更結構化且組織化的格式將資料傳送至中央系統，以便進行進階分析和處理。