高端访谈 > 正文
IBM中国研究院院长沈晓卫:物联网已经进入3.0时代
2015/7/15 09:07   物联中国      关键字:IBM,沈晓卫,物联网,3.0时代      浏览量:
今天,IBM来看,物联网已经在逐渐进入物联网3.0的阶段,这个阶段非常有意思的特征。一个是物联网技术与云计算技术非常非常深入的融合。另外一点对于物理世界模拟这样的技术,会被带入到物联网的应用当中去。以后基于物理世界模拟的深度的分析,它会让我们不断的能够对物理世界进行感知,而且还能进行非常非常深入的洞察力的产生。

近年来,我国农业现代化取得巨大成就,正逐步摆脱“靠天吃饭”的老印象。但科技发展日新月异,在美国亚利桑那州的田间,无人驾驶拖拉机穿梭其中,大批“生菜机器人”在查看每株作物的生长情况,农场主只需通过手机便可掌控农场的核心数据……与此相比,我国农业发展的潜力依然巨大。从土壤分析到作物种植,从天气监测到施肥撒药等,由大数据和人工智能驱动的智慧农业,正在逐步改变着我国现有的农业生产方式,智慧农业正催生出一个巨大的市场。

靠“智慧”深度挖掘农业潜力

在人们的印象中,农业靠天吃饭的成分很大,虽然科学种田让农业走上了现代化之路,但较之于日趋智能的工业制造,农业开发的潜力十分巨大。特别是随着人口的增加,可耕地的减少,通过智慧农业释放生产潜力变得十分重要。联合国粮食及农业组织预测,到2050年全球人口将达到90亿。尽管目前的农业生产力较50年前提高了3倍,但粮食生产力还得再提高60%,才能应对人口快速增长带来的压力。另外,人口老龄化加剧带来的农业劳动力不足等问题,也使农业生产方式的变革成为现实挑战,借助大数据,借力机器人,可以更大程度地解放生产力,有望大幅提高效率和产量。

智慧农业不仅意味着更加精准,一定程度上还意味着有机和健康。传统的农业种植通常离不开农药。通过精准土壤数据抽样分析,可帮助种植者在正确的时间和地点,精确地对农作物施肥和撒药。科学家估算,未来的农业可以严格控制施肥量,并且只在有需要的作物上撒灭草剂等药物,化学农药的使用数量将减少至目前的一半、甚至是1/10。

总体上看,智慧农业目前基本上停留在概念阶段,发达国家应用于农业的人工智能和大数据主要是一些比较分散的单项技术,如土壤、气候分析等,而且基本局限于大型农场。另外,由于整体上缺乏统一的数据标准,不同来源的数据可能造成解释、分析的不匹配。要通过大数据“深耕”农田,还得花大气力整合数据资源、规范数据标准,提高数据的分析应用能力,降低技术成本,才能找到应用推广的突破口。不过,人工智能和云计算等技术总会有一天俯下身来拥抱大地、深耕农田。

新农业投资也打“智慧”牌

处于萌芽阶段的智慧农业目前已经显露出诱人的前景。美国杜邦公司认为,未来10年由数据驱动的种植服务预计有5亿美元的市场。

6月16日至18日,习近平总书记到贵州调研。习近平希望贵州协调推进“四个全面”战略布局,培植后发优势,奋力后发赶超,走出一条有别于东部、不同于西部其他省份的发展新路。围绕“十三五”期间经济规划问题,习近平指出,当前,我国经济发展呈现速度变化、结构优化、动力转换三大特点。适应新常态、把握新常态、引领新常态,是当前和今后一个时期我国经济发展的大逻辑。他还提出,要加快发展特色高效农业,加快培育新型农业经营主体,加快推进美丽乡村建设,促进城乡基本公共服务均等化、基础设施联通化、居民收入均衡化、要素配置合理化、产业发展融合化。而在不久前的5月,习近平在考察浙江时亦表示,农业现代化是“新四化”中的薄弱环节,要加快农业技术创新步伐,走出一条集约、高效、安全、持续的现代农业发展道路。

从全国范围看,在农业现代化大发展背景下,农业机械化、信息化、智慧农业等相关产业均具有投资机会。而在美国,不少业界巨头已经开始布局,美国农业生物巨头孟山都公司近年着力打造精准农业部门;日本宫崎县利用云计算和大数据种植卷心菜,产量增加了三成多;谷歌旗下的风投部门最近斥资1500万美元涉足数据农业,通过计算机系统分析和评估农作物的生长、农药使用和作物产量等。目前,该公司对美国17个州的4000多亩土地上的玉米、大豆、小麦等16种作物进行实时追踪,评估农药和化肥使用的工具也在开发中。

物联网经过过去若干年的发展,今天它已经到了一个很新的阶段。从IBM的角度来看,应该可以这样讲,物联网今天已经经过了三个阶段,我们不妨来做一个比较简单的回顾。

在最开始的时候,我们谈物联网更多的是来谈感知这个物理世界,对世界进行感知,把这些信息无论是有线的传输,还是无线的通讯带到数据中心来做处理。这是最原始的物联网的概念。我们今天回头看是叫做物联网1.0的概念,这个概念最核心的是来构建一个物联网的系统。在这之后我们意识到物联网需要非常多的解决方案,需要构建一个通用的或者近似于通用的物联网的平台,使得不同的解决方案能够在这样的平台上来做运营。这样的平台是需要非常多的特殊的比如说关于物联网数据的处理的技术,所以这是一个物联网2.0的概念。在这样一个阶段,我们花了非常多的努力,包括IBM,包括我们很多的合作伙伴,花了非常多的努力来构建很多物联网的技术,使得我们对这样物联网的数据能做更好的处理。

今天,IBM来看,物联网已经在逐渐进入物联网3.0的阶段,这个阶段非常有意思的特征。一个是物联网技术与云计算技术非常非常深入的融合。另外一点对于物理世界模拟这样的技术,会被带入到物联网的应用当中去。以后基于物理世界模拟的深度的分析,它会让我们不断的能够对物理世界进行感知,而且还能进行非常非常深入的洞察力的产生。这是物联网3.0的阶段,已经超越了传统物联网,无论是系统还是平台,更多的是来看物联网的业务优化。

我们看物联网的发展趋势,把握大的发展趋势有两个,一个就是物联网向云端的扩充。今天已经有很多的数据显示,非常多的解决方案在这几年会直接被云端设计、展示,这是物联网解决方案向云端发展的一个趋势。另外一个趋势从数据的采集、传输到简单的分析,直到进行非常深刻的数据处理、数据分析这样一个趋势,最核心的内容是要产生一种洞察力,这种洞察力是可以执行的,意味着我们可以基于这样的洞察力对这个物理世界进行很好的管理。这是从一个大的宏观的趋势来看,物联网从1.0到3.0的阶段。

简单的来谈一下物联网从技术上需要什么样的创新。一个是云端的解决方案,非常多的关于云计算的这方面的进展,包括如何进行具有安全性的云计算,都是非常非常重要的研究方向。

通过大数据分析,这里我特别想来谈三点,一个是传统的IT数据处理技术,因为物联网产生的极大量的数据需要得到极大的提升。一个非常重要的方面是对非结构化的处理,传统的数据都是一种结构化的数据,比如说企业运营的数据,很多是存在于传统的关系数据库中。新的物联网的数据,包括社交媒体的数据,是一种交互系统,无论是与人的交互系统,还是与物理世界的交互系统,产生的数据是非结构化的。我们如何把传统的IT针对结构化数据这样的解决方案或者这样的技术,中间件的技术,系统的技术,让它扩展到非结构化的方面。这是非常非常重要的一个方向。

第二,物联网一个非常重要的方向,技术上来讲是需要把物理模型来引入到数据分析中。今天很多时候我们谈到数据的时候更多的是理解数据本身之间相互的关系,而并不是用数据来刻画物理世界,现实中物理模型已经被使用了很多年,无论是天气预报,无论是空气污染,都有这样的物理模型。我们如何在新的形态下,把物理模型引入到对物理世界的感知和管理中。

另外一点非常非常重要的,也是物联网能给我们带来改变的,就是这个世界比以前更加的连接、更加的相关。传统来讲,可能一个物理模型就来分析比如说天气或者分析污染,但我们今天可能需要把这样的模型与经济的模型相连,把这样的模型与健康的模型相连,因为它们彼此是相关的,这样就会产生一个超级的物理模型。中间包含了非常非常多的不同领域的模型,它们之间需要互相的运作,来共同的管理和优化这样的物理世界。

如果我们相信这是一个未来的发展方式,这就涉及到我谈到的物联网技术发展的方向。当这个世界变得非常非常的复杂,数据非常非常的大量,模型非常非常多的时候,以今天的人力已经非常难以理解各管理这样的事情,即使今天普通的算法。这时候我们可能就需要来引入,包括机器学习这样的具有认知计算能力的系统。这种能力使得我们能够通过历史数据或者实时的数据来不断的学习,不断的训练,来对这个物理世界的模型进行不断的调试,使得更好的来理解这个世界。这样的物联网系统是具有自我学习能力的,这个就是与认知计算,IBM几年前一个很重要的宣布为代表的认知计算的兴起。

从行业的角度来看,有两大类行业会涉及到非常多的很正面的影响。一类是传统的重资产行业或者资产密集型行业,无论是能源还是交通,这些行业有非常多的资产,这些资产也非常的昂贵,我们如何更好的管理这些资产,使它更有效的被利用。另外一类是互联设备型行业,无论是车联网、智能的家居,大量的或者超大量的设备被互联起来,我们如何更好的进行管理,产生更好的价值。

当我们迈向物联网这样一个时代,传统的计算机IT系统还存在,未来的IT系统,以IBM今天的看法,实际上是在构建一个具有洞察力的系统。传统的IT系统是一种基于记录的系统,因为那些系统更多的是结构化的数据,加上新的系统,它是为了互动系统而设计的。无论刚才谈到的与物理世界的互动,还是与人之间社交的互动。IT系统最核心的价值就是产生洞察力,我们如何将这种传统的数据与新兴的数据进行结合,来产生具有执行力的洞察力。是今后若干年IT发展的一个非常非常重要的挑战与机遇。

去年IBM有一个宣布,我们整合IBM全球12家研究院的力量,把我们最好的技术、最好的能力带来,做什么?把IT技术,包括物联网、云计算、大数据这样的技术,带来,来解决影响国计民生的一些很重要的问题,这里特别是谈到环境和能源的问题。包括几个方面,一个就是我们如何能够利用物联网、大数据的技术来做很好的可再生能源的利用。大家知道,可再生能源,比如说风力发电,虽然风力发电本身是一种清洁能源,但是它具有很大的挑战之一是风力发电本身难以的预测性,如何能够利用实时的传感器的数据,实时的卫生云图的数据,实时的天气的数据来做精确的未来72小时,每间隔15分钟指定的200米×200米范围内可能产生的风力。我们只有做这种准确的预测,才能把这些风力能够有效的进行并网的处理。

第二步,即使我们能够最大限度的利用了可再生能源,我们如何能够做更好的利用物联网的技术、云计算的技术的节能减排。同样一家企业为什么产生一块钱的GDP要用这样的能耗,而另外一家企业只有他的一半。我们如何能够发现这样的问题,追溯它的本源来做一些处理。

在我们做了可再生能源高效利用和企业的节能减排的同时,我们也知道,因为污染防治本身也是一个问题,也是一个非常非常大的挑战。我们如何能够利用刚才谈到的包括认知计算在内的技术来做更好的污染的预测、空气质量的预测及为了采取适当的措施来给出可执行方案的决策支持系统。这也是我们现在在努力的方向,而且也取得了一定的进展。

接下来我用几分钟来谈一下物联网在未来几年我们的一个预测。刚才谈到物联网它核心的一个是向云的发展,一个是它的智慧化。智慧的物联网是物联网发展的一个非常重要的方向,与此同时还有几个非常重要的趋势,我们不得不注意到。一个是我们看到今天大量的数据是在终端产生,终端产生数据增加的速度是远远超过带宽增加的速度。这就意味着无论你做什么,你不可能总是把这些数据传回到数据中心或者传回到云计算中心的。

与此同时,我们也有一个预测,两年之内,2017年的时候全球的智能手机的计算能力和存储能力的总和是会超过全球服务器的计算能力和存储能力。这给我们的启示是什么?我们应该能够想到在一个不远的将来,很多的计算,所谓物联网的计算会在边缘端发生,这个边缘端可能是手机,也可能是传感器,也可能是摄像机。未来的世界是这样一个云计算+边缘计算这样一个世界,有些运算要在云端做,有些处理要在边缘端做,我们如何构建这样一个系统,这是一个超大规模、超复杂的一个分布式系统。这个系统我们如何让它更加安全、可靠的运行,这得我们很多行业来讲都是一个非常好的很有意思的一个问题,也是一个很好的机遇。

实际上物联网的发展它是牵扯到很多的方面,不仅仅是在云计算或者是算法,或者是认知计算、机器学习这样的算法,我这里再举一个例子。IBM去年有一个宣布,就是IBM的SyNAPSE芯片。传统的计算机是一个基于冯诺曼系统的计算机,更多的善于逻辑计算,而并不善于做形象思维。IBM在这一方面,在芯片层和系统层也投入了巨大的资源,我们希望能够来对物联网上的问题做一个全方位的理解和探讨。IBM去年宣布这款芯片54亿个晶体管,大致可以模拟100个神经元,2亿5000万可编程的神经突处。虽然有54亿个晶体管,这个芯片的能耗是低于1/10瓦的,如果记忆正确的话应该是70毫瓦。这样一个超低能耗的芯片它处理很多事情是跟传统的计算是完全完全不一样的,它给我们提供了很大的想象空间。未来的系统即使在边缘端你可能也会有完全全新的技术,无论是从软件、硬件,包括从芯片开始,都会有非常不同的技术,来使得未来的IoT或者物联网系统给大家提供崭新的不同的价值。

微信扫描二维码,关注公众号。