隨著 AI 技術的加速、連接方面的重大進展以及大型云供應商專用物聯網產品的推出，物聯網發展所需的基礎設施部分已經逐漸到位。我們很快就會發現物聯網朝著全球互聯的物理世界這一方向呈現出指數級加速發展趨勢。

對于物聯網的擁護者來說，過去這一年到一年半的時間應該經常會讓他們感覺到沮喪。物聯網到現在本應已經發展的十分強大，但事實卻是，像初創企業失敗以及安全問題令人擔憂等報道內容一直籠罩著這個行業。思科最近發布了一份(有爭議性的)研究報告，其中預計在所有的物聯網項目中，有 75% 的項目是以失敗告終。物聯網這一流行詞匯的光彩在過去的一年也確實黯淡了一些，很容易就被 AI 和比特幣的光芒所遮蓋。

有趣的是，物聯網其實一直保持著不可阻擋的前進之勢。2017 年很有可能是物聯網設備(包括可穿戴設備、互聯汽車和機器等)數量超過手機的一年。全球物聯網消費支出不斷增長并呈加速之勢，據 IDC估計，2017 年全球物聯網總支出為 8000 億美元，較去年同比增長 16.7%。

事實上，物聯網生態系統的各個部分并非以同樣的速度在發展，因此最終物聯網也就變成了覆蓋幾個不同行業，而不是一個行業的狀態。但是，物聯網世界有共同的原則(從物理世界提取和分析數字數據)以及共同的特征(軟件和硬件的結合)，面臨著同樣的機會(個性化、智能以及實時服務)和挑戰(連接性和安全性)。除此之外，像家庭自動化、商用無人機、工業機械或是自動駕駛汽車這些不同的領域也會受不同行業動態的影響。

我們現在對于物聯網行業的一個總體看法是：物聯網正在經歷青春期發展階段，很多東西在不同的領域建立起來，可能并非所有的東西看上去都很漂亮或者都表現的很好，但是很多這都是基礎性的成長過程。

熱門趨勢和主題

AI無處不在

物聯網始終致力于創造“智能”物體—從物理世界獲取數據并且從中獲得更多的見解，這顯然沒什么錯，但最終的重點在于根據數據信息采取行動，理想情況下是以一種自動、實時并且智能的方式來進行，而這正是 AI 的功能所在。

2017 年，AI 在主流集體意識中得以爆發，這也是我們在 2017 年大數據、AI 領域及其他領域廣泛探討的一種趨勢。現在，AI 在物聯網對話中的角色正如在其他許多行業一樣，已經成為它們非常重要的一個組成部分。

在面向消費者的物聯網產品中，最讓消費者感到振奮的領域大都是以 AI 為核心技術。語音平臺毫無疑問是消費級物聯網產品的亮點之一，亞馬遜 Alexa 和 Google Assistant(以及蘋果、三星、騰訊、阿里巴巴和其他加入者)已經就此展開了激烈的角逐。顯而易見，這場競爭的重點并不在于銷售硬件產品，亞馬遜是想在包括 Sears、Kenmore 和各種可穿戴設備或家庭自動化產品(包括安全攝像頭Canary)在內的第三方硬件上部署 Alexa。最終的目標是要積累海量的數據，建立數據網絡效應來不斷完善人工智能。如果語音真能成為“未來的用戶界面”，那誰擁有最強的 AI 技術，誰就能贏得這場競爭。

同樣，在 2017 年獲得了大量關注，吸引了大量投資的自動駕駛汽車領域(預計 2018 年將持續這一趨勢)從根本上來說也是 AI 的游戲。雖然相比目前的夸大其詞和過度宣傳，我們距離實現 5 級完全自主駕駛的距離可能比我們想象中要遠，但在過去幾年時間里，AI 已經取得了顯著的進步，其中包括如何訓練它們或者說讓它們如何訓練自己。在物理世界四處奔波收集數據的這種模式已經開始被虛擬培訓模式所取代。2017 年優秀文章之一就是 Atlantic 的《Inside Waymo's Secret World for Training Self-Driving Cars》，其中介紹了 Waymo自動駕駛汽車是怎樣做到在現實世界只跑了幾百萬英里，而在一個定制的模擬、虛擬世界卻跑了幾十億英里的內容。

在企業和工業物聯網世界中，機器學習和AI 也已經成為關鍵課題。企業和工業物聯網產品不像他們的消費級物聯網胞弟那樣，需要收集足夠的數據實現真正有意義的 AI，才能取得商業上的巨大成功。企業和工業物聯網產品可以利用行業客戶的數據，而許多機器、裝配線和石油鉆塔本身早就配備了成千上萬個傳感器。當然，這其中的障礙還是很多，有技術上的障礙(數據經常會被“困住”，難以提取)，也有文化上的障礙(從幾十年的小樣本統計分析過渡到一種新的軟件驅動分析方法，一旦失敗，可能會導致災難性結果)。而 AI 可能會是完全改變這些行業游戲規則的技術所在。

除了上述所提到的例子之外，AI 也被廣泛應用于其他各個領域，從垂直農業應用跨越到邊緣計算等基礎設施。

值得一提的是，除了 AI 之外，材料科學、基因組學和納米技術等領域(這些領域目前也在經歷著自身的快速發展)的進步也讓物聯網有所受益。