腾讯 科技 讯 9月18日消息，腾讯宣布将开源自主研发的轻量级物联网实时 *** 作系统TencentOS tiny。相比市场上其它系统，腾讯TencentOS tiny在资源占用、设备成本、功耗管理以及安全稳定等层面极具竞争力。该系统的开源可大幅降低物联网应用开发成本，提升开发效率，同时支持一键上云，对接云端海量资源。
据权威资料显示，全球物联网市场规模发展迅猛，2018年，仅国内物联网市场容量已经超过1万亿，预计2020年国内物联网市场容量可望超过15万亿。作为物联网整个产业链重要一环，终端侧物联网 *** 作系统由于直接对接底层物联网设备，已经成为构建整个物联网生态的关键。
腾讯物联网团队表示：“将腾讯自主研发的物联网 *** 作系统TencentOS Tiny开源，不仅可以将腾讯在物联网领域的技术和经验和全球开发者分享，还能够汲取全球物联网领域的优秀成果和创新理念，最终推动整体物联网生态的繁荣以及万物智联时代的到来。”
腾讯云构筑起全链条IoT云开发能力
在全面上云的背景下，物联网设备也不例外。借助TencentOS tiny提供的更简单的软件接口，亿级物联网设备上云的门槛降降进一步降低，从而帮助物联网开发者能够更便捷的使用云端海量的计算、存储资源，以及先进的AI和大数据算法模型，有效支撑众多前沿物联网技术在智慧城市、智能家居、智能穿戴、车联网等行业的加速落地。
同时，随着TencentOS tiny的开源，结合腾讯云物联网开发平台IoT Explorer，加上之前已经建设完成的国内最大规模LoRa网络，腾讯云物联网已经彻底打通从芯片通讯开发、网络支撑服务，物理设备定义管理，数据分析和多场景应用开发等一站式、全链条IoT云开发服务能力，物联网开发将变得更为简单、高效。
近年来，腾讯在开源上的步伐不断加快，截至9月，腾讯自主开源项目已达84个，Star数超过24万。在物联网领域，腾讯不仅通过开源和开放持续构建良性的物联网生态体系，在产品易用性和开发效率上，腾讯物联网团队也都做了许多针对性优化。
体积
最小仅18KB
、功耗
最低2微安
TencentOS tiny 提供业界最精简的RTOS内核，最少资源占用为RAM 06 KB，ROM 18 KB。在类似烟感和红外等实际场景下，TencentOS tiny 的资源占用仅为：RAM 269 KB、ROM 1238 KB，极大地降低硬件资源占用。同时，看似“麻雀虽小”，却“五脏俱全”。对于复杂的任务管理、实时调度、时间管理、中断管理、内存管理、异常处理等功能，TencentOS tiny都可支持。
在功耗上，TencentOS tiny还应用了高效功耗管理框架，可以针对不同场景降低功耗。比如TencentOS tiny内部的定时机制在发现业务没有运行的时候，会自动启动休眠状态，有效降低功耗。根据实测的数据显示，TencentOS tiny最低的休眠功耗仅有2微安。开发者也可以根据业务场景选择可参考的低功耗方案，降低设备耗电，延长设备寿命。
独具创意的调试功能，助力开发者快速排障
由于很多物联网的终端设备在实际场景下，位于荒郊野外或者很远的地方，出现问题的时候非常难定位。为了能够减少这个问题，当终端出现问题的时候，TencentOS tiny会把一些故障信息记录下来，当它再重启的时候首先把错误数据上报云端，这个功能极大的方便了开发者查找故障原因。从而远在千里之外，就可以快速排除故障。
另外，TencentOS tiny的内核以及其上层的物联网组件框架，都做了高度解耦，保证和其它模块之间连接的适配。同时，TencentOS tiny 还提供多种编译器快速移植指南和移植工具，帮助开发者向新硬件开发板的一键移植，省时省力，有效提升开发效率。
目前，TencentOS tiny已支持意法半导体、恩智浦、华大半导体、瑞兴恒方、国民技术等主流厂商多种芯片和模组。常见的大数据术语表(中英对照简版)：
A
聚合(Aggregation) – 搜索、合并、显示数据的过程
算法(Algorithms) – 可以完成某种数据分析的数学公式
分析法(Analytics) – 用于发现数据的内在涵义
异常检测(Anomaly detection) –
在数据集中搜索与预期模式或行为不匹配的数据项。除了“Anomalies”,用来表示异常的词有以下几种：outliers, exceptions,
surprises, contaminants他们通常可提供关键的可执行信息
匿名化(Anonymization) – 使数据匿名，即移除所有与个人隐私相关的数据
应用(Application) – 实现某种特定功能的计算机软件
人工智能(Artificial Intelligence) –
研发智能机器和智能软件，这些智能设备能够感知周遭的环境，并根据要求作出相应的反应，甚至能自我学习
B
行为分析法(Behavioural Analytics) –
这种分析法是根据用户的行为如“怎么做”，“为什么这么做”，以及“做了什么”来得出结论，而不是仅仅针对人物和时间的一门分析学科，它着眼于数据中的人性化模式
大数据科学家(Big Data Scientist) – 能够设计大数据算法使得大数据变得有用的人
大数据创业公司(Big data startup) – 指研发最新大数据技术的新兴公司
生物测定术(Biometrics) – 根据个人的特征进行身份识别
B字节 (BB: Brontobytes) – 约等于1000 YB(Yottabytes)，相当于未来数字化宇宙的大小。1
B字节包含了27个0!
商业智能(Business Intelligence) – 是一系列理论、方法学和过程，使得数据更容易被理解
C
分类分析(Classification analysis) – 从数据中获得重要的相关性信息的系统化过程; 这类数据也被称为元数据(meta
data),是描述数据的数据
云计算(Cloud computing) – 构建在网络上的分布式计算系统，数据是存储于机房外的(即云端)
聚类分析(Clustering analysis) –
它是将相似的对象聚合在一起，每类相似的对象组合成一个聚类(也叫作簇)的过程。这种分析方法的目的在于分析数据间的差异和相似性
冷数据存储(Cold data storage) – 在低功耗服务器上存储那些几乎不被使用的旧数据。但这些数据检索起来将会很耗时
对比分析(Comparative analysis) – 在非常大的数据集中进行模式匹配时，进行一步步的对比和计算过程得到分析结果
复杂结构的数据(Complex structured data) –
由两个或多个复杂而相互关联部分组成的数据，这类数据不能简单地由结构化查询语言或工具(SQL)解析
计算机产生的数据(Computer generated data) – 如日志文件这类由计算机生成的数据
并发(Concurrency) – 同时执行多个任务或运行多个进程
相关性分析(Correlation analysis) – 是一种数据分析方法，用于分析变量之间是否存在正相关，或者负相关
客户关系管理(CRM: Customer Relationship Management) –
用于管理销售、业务过程的一种技术，大数据将影响公司的客户关系管理的策略
D
仪表板(Dashboard) – 使用算法分析数据，并将结果用图表方式显示于仪表板中
数据聚合工具(Data aggregation tools) – 将分散于众多数据源的数据转化成一个全新数据源的过程
数据分析师(Data analyst) – 从事数据分析、建模、清理、处理的专业人员
数据库(Database) – 一个以某种特定的技术来存储数据集合的仓库
数据库即服务(Database-as-a-Service) – 部署在云端的数据库，即用即付，例如亚马逊云服务(AWS: Amazon Web
Services)
数据库管理系统(DBMS: Database Management System) – 收集、存储数据，并提供数据的访问
数据中心(Data centre) – 一个实体地点，放置了用来存储数据的服务器
数据清洗(Data cleansing) – 对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性
数据管理员(Data custodian) – 负责维护数据存储所需技术环境的专业技术人员
数据道德准则(Data ethical guidelines) – 这些准则有助于组织机构使其数据透明化，保证数据的简洁、安全及隐私
数据订阅(Data feed) – 一种数据流，例如Twitter订阅和RSS
数据集市(Data marketplace) – 进行数据集买卖的在线交易场所
数据挖掘(Data mining) – 从数据集中发掘特定模式或信息的过程
数据建模(Data modelling) – 使用数据建模技术来分析数据对象，以此洞悉数据的内在涵义
数据集(Data set) – 大量数据的集合
数据虚拟化(Data virtualization) –
数据整合的过程，以此获得更多的数据信息，这个过程通常会引入其他技术，例如数据库，应用程序，文件系统，网页技术，大数据技术等等
去身份识别(De-identification) – 也称为匿名化(anonymization)，确保个人不会通过数据被识别
判别分析(Discriminant analysis) –
将数据分类;按不同的分类方式，可将数据分配到不同的群组，类别或者目录。是一种统计分析法，可以对数据中某些群组或集群的已知信息进行分析，并从中获取分类规则。
分布式文件系统(Distributed File System) – 提供简化的，高可用的方式来存储、分析、处理数据的系统
文件存贮数据库(Document Store Databases) – 又称为文档数据库(document-oriented database),
为存储、管理、恢复文档数据而专门设计的数据库，这类文档数据也称为半结构化数据
E
探索性分析(Exploratory analysis) –
在没有标准的流程或方法的情况下从数据中发掘模式。是一种发掘数据和数据集主要特性的一种方法
E字节(EB: Exabytes) – 约等于1000 PB(petabytes), 约等于1百万 GB。如今全球每天所制造的新信息量大约为1
EB
提取-转换-加载(ETL: Extract, Transform and Load) –
是一种用于数据库或者数据仓库的处理过程。即从各种不同的数据源提取(E)数据，并转换(T)成能满足业务需要的数据，最后将其加载(L)到数据库
F
故障切换(Failover) – 当系统中某个服务器发生故障时，能自动地将运行任务切换到另一个可用服务器或节点上
容错设计(Fault-tolerant design) – 一个支持容错设计的系统应该能够做到当某一部分出现故障也能继续运行
G
游戏化(Gamification) –
在其他非游戏领域中运用游戏的思维和机制，这种方法可以以一种十分友好的方式进行数据的创建和侦测，非常有效。
图形数据库(Graph Databases) –
运用图形结构(例如，一组有限的有序对，或者某种实体)来存储数据，这种图形存储结构包括边缘、属性和节点。它提供了相邻节点间的自由索引功能，也就是说，数据库中每个元素间都与其他相邻元素直接关联。
网格计算(Grid computing) – 将许多分布在不同地点的计算机连接在一起，用以处理某个特定问题，通常是通过云将计算机相连在一起。
H
Hadoop – 一个开源的分布式系统基础框架，可用于开发分布式程序，进行大数据的运算与存储。
Hadoop数据库(HBase) – 一个开源的、非关系型、分布式数据库，与Hadoop框架共同使用
HDFS – Hadoop分布式文件系统(Hadoop Distributed File
System);是一个被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统
高性能计算(HPC: High-Performance-Computing) – 使用超级计算机来解决极其复杂的计算问题
I
内存数据库(IMDB: In-memory) –
一种数据库管理系统，与普通数据库管理系统不同之处在于，它用主存来存储数据，而非硬盘。其特点在于能高速地进行数据的处理和存取。
物联网(Internet of Things) – 在普通的设备中装上传感器，使这些设备能够在任何时间任何地点与网络相连。
J
法律上的数据一致性(Juridical data compliance) –
当你使用的云计算解决方案，将你的数据存储于不同的国家或不同的大陆时，就会与这个概念扯上关系了。你需要留意这些存储在不同国家的数据是否符合当地的法律。
K
键值数据库(KeyValue Databases) –
数据的存储方式是使用一个特定的键，指向一个特定的数据记录，这种方式使得数据的查找更加方便快捷。键值数据库中所存的数据通常为编程语言中基本数据类型的数据。
L
延迟(Latency) – 表示系统时间的延迟
遗留系统(Legacy system) – 是一种旧的应用程序，或是旧的技术，或是旧的计算系统，现在已经不再支持了。
负载均衡(Load balancing) – 将工作量分配到多台电脑或服务器上，以获得最优结果和最大的系统利用率。
位置信息(Location data) – GPS信息，即地理位置信息。
日志文件(Log file) – 由计算机系统自动生成的文件，记录系统的运行过程。
M
M2M数据(Machine2Machine data) – 两台或多台机器间交流与传输的内容
机器数据(Machine data) – 由传感器或算法在机器上产生的数据
机器学习(Machine learning) –
人工智能的一部分，指的是机器能够从它们所完成的任务中进行自我学习，通过长期的累积实现自我改进。
MapReduce – 是处理大规模数据的一种软件框架(Map: 映射，Reduce: 归纳)。
大规模并行处理(MPP: Massively Parallel Processing) –
同时使用多个处理器(或多台计算机)处理同一个计算任务。
元数据(Metadata) – 被称为描述数据的数据，即描述数据数据属性(数据是什么)的信息。
MongoDB – 一种开源的非关系型数据库(NoSQL database)
多维数据库(Multi-Dimensional Databases) – 用于优化数据联机分析处理(OLAP)程序，优化数据仓库的一种数据库。
多值数据库(MultiValue Databases) – 是一种非关系型数据库(NoSQL),
一种特殊的多维数据库：能处理3个维度的数据。主要针对非常长的字符串，能够完美地处理HTML和XML中的字串。
N
自然语言处理(Natural Language Processing) –
是计算机科学的一个分支领域，它研究如何实现计算机与人类语言之间的交互。
网络分析(Network analysis) – 分析网络或图论中节点间的关系，即分析网络中节点间的连接和强度关系。
NewSQL – 一个优雅的、定义良好的数据库系统，比SQL更易学习和使用，比NoSQL更晚提出的新型数据库
NoSQL –
顾名思义，就是“不使用SQL”的数据库。这类数据库泛指传统关系型数据库以外的其他类型的数据库。这类数据库有更强的一致性，能处理超大规模和高并发的数据。
O
对象数据库(Object Databases) –
(也称为面象对象数据库)以对象的形式存储数据，用于面向对象编程。它不同于关系型数据库和图形数据库，大部分对象数据库都提供一种查询语言，允许使用声明式编程(declarative
programming)访问对象
基于对象图像分析(Object-based Image Analysis) –
数字图像分析方法是对每一个像素的数据进行分析，而基于对象的图像分析方法则只分析相关像素的数据，这些相关像素被称为对象或图像对象。
*** 作型数据库(Operational Databases) –
这类数据库可以完成一个组织机构的常规 *** 作，对商业运营非常重要，一般使用在线事务处理，允许用户访问 、收集、检索公司内部的具体信息。
优化分析(Optimization analysis) –
在产品设计周期依靠算法来实现的优化过程，在这一过程中，公司可以设计各种各样的产品并测试这些产品是否满足预设值。
本体论(Ontology) – 表示知识本体，用于定义一个领域中的概念集及概念之间的关系的一种哲学思想。(译者注:
数据被提高到哲学的高度，被赋予了世界本体的意义，成为一个独立的客观数据世界)
异常值检测(Outlier detection) –
异常值是指严重偏离一个数据集或一个数据组合总平均值的对象，该对象与数据集中的其他它相去甚远，因此，异常值的出现意味着系统发生问题，需要对此另加分析。
P
模式识别(Pattern Recognition) – 通过算法来识别数据中的模式，并对同一数据源中的新数据作出预测
P字节(PB: Petabytes) – 约等于1000 TB(terabytes), 约等于1百万 GB
(gigabytes)。欧洲核子研究中心(CERN)大型强子对撞机每秒产生的粒子个数就约为1 PB
平台即服务(PaaS: Platform-as-a-Service) – 为云计算解决方案提供所有必需的基础平台的一种服务
预测分析(Predictive analysis) –
大数据分析方法中最有价值的一种分析方法，这种方法有助于预测个人未来(近期)的行为，例如某人很可能会买某些商品，可能会访问某些网站，做某些事情或者产生某种行为。通过使用各种不同的数据集，例如历史数据，事务数据，社交数据，或者客户的个人信息数据，来识别风险和机遇
隐私(Privacy) – 把具有可识别出个人信息的数据与其他数据分离开，以确保用户隐私。
公共数据(Public data) – 由公共基金创建的公共信息或公共数据集。
Q
数字化自我(Quantified Self) – 使用应用程序跟踪用户一天的一举一动，从而更好地理解其相关的行为
查询(Query) – 查找某个问题答案的相关信息
R
再识别(Re-identification) – 将多个数据集合并在一起，从匿名化的数据中识别出个人信息
回归分析(Regression analysis) –
确定两个变量间的依赖关系。这种方法假设两个变量之间存在单向的因果关系(译者注：自变量，因变量，二者不可互换)
RFID – 射频识别; 这种识别技术使用一种无线非接触式射频电磁场传感器来传输数据
实时数据(Real-time data) – 指在几毫秒内被创建、处理、存储、分析并显示的数据
推荐引擎(Recommendation engine) – 推荐引擎算法根据用户之前的购买行为或其他购买行为向用户推荐某种产品
路径分析(Routing analysis) –
针对某种运输方法通过使用多种不同的变量分析从而找到一条最优路径，以达到降低燃料费用，提高效率的目的
S
半结构化数据(Semi-structured data) –
半结构化数据并不具有结构化数据严格的存储结构，但它可以使用标签或其他形式的标记方式以保证数据的层次结构
情感分析(Sentiment Analysis) – 通过算法分析出人们是如何看待某些话题
信号分析(Signal analysis) – 指通过度量随时间或空间变化的物理量来分析产品的性能。特别是使用传感器数据。
相似性搜索(Similarity searches) – 在数据库中查询最相似的对象，这里所说的数据对象可以是任意类型的数据
仿真分析(Simulation analysis) –
仿真是指模拟真实环境中进程或系统的 *** 作。仿真分析可以在仿真时考虑多种不同的变量，确保产品性能达到最优
智能网格(Smart grid) – 是指在能源网中使用传感器实时监控其运行状态，有助于提高效率
软件即服务(SaaS: Software-as-a-Service) – 基于Web的通过浏览器使用的一种应用软件
空间分析(Spatial analysis) – 空间分析法分析地理信息或拓扑信息这类空间数据，从中得出分布在地理空间中的数据的模式和规律
SQL – 在关系型数据库中，用于检索数据的一种编程语言
结构化数据(Structured data)
-可以组织成行列结构，可识别的数据。这类数据通常是一条记录，或者一个文件，或者是被正确标记过的数据中的某一个字段，并且可以被精确地定位到。
T
T字节(TB: Terabytes) – 约等于1000 GB(gigabytes)。1 TB容量可以存储约300小时的高清视频。
时序分析(Time series analysis) –
分析在重复测量时间里获得的定义良好的数据。分析的数据必须是良好定义的，并且要取自相同时间间隔的连续时间点。
拓扑数据分析(Topological Data Analysis) –
拓扑数据分析主要关注三点：复合数据模型、集群的识别、以及数据的统计学意义。
交易数据(Transactional data) – 随时间变化的动态数据
透明性(Transparency) – 消费者想要知道他们的数据有什么作用、被作何处理，而组织机构则把这些信息都透明化了。
U
非结构化数据(Un-structured data) – 非结构化数据一般被认为是大量纯文本数据，其中还可能包含日期，数字和实例。
V
价值(Value) – (译者注：大数据4V特点之一)
所有可用的数据，能为组织机构、社会、消费者创造出巨大的价值。这意味着各大企业及整个产业都将从大数据中获益。
可变性(Variability) – 也就是说，数据的含义总是在(快速)变化的。例如，一个词在相同的推文中可以有完全不同的意思。
多样(Variety) – (译者注：大数据4V特点之一)
数据总是以各种不同的形式呈现，如结构化数据，半结构化数据，非结构化数据，甚至还有复杂结构化数据
高速(Velocity) – (译者注：大数据4V特点之一) 在大数据时代，数据的创建、存储、分析、虚拟化都要求被高速处理。
真实性(Veracity) – 组织机构需要确保数据的真实性，才能保证数据分析的正确性。因此，真实性(Veracity)是指数据的正确性。
可视化(Visualization) –
只有正确的可视化，原始数据才可被投入使用。这里的“可视化”并非普通的图型或饼图，可视化指是的复杂的图表，图表中包含大量的数据信息，但可以被很容易地理解和阅读。
大量(Volume) – (译者注：大数据4V特点之一) 指数据量，范围从Megabytes至Brontobytes
W
天气数据(Weather data) – 是一种重要的开放公共数据来源，如果与其他数据来源合成在一起，可以为相关组织机构提供深入分析的依据
X
XML数据库(XML Databases) –
XML数据库是一种以XML格式存储数据的数据库。XML数据库通常与面向文档型数据库相关联，开发人员可以对XML数据库的数据进行查询，导出以及按指定的格式序列化
Y
Y字节 (Yottabytes) – 约等于1000 ZB (Zettabytes),
约等于250万亿张DVD的数据容量。现今，整个数字化宇宙的数据量为1 YB, 并且将每18年翻一番。
Z
Z字节 (ZB: Zettabytes) – 约等于1000 EB (Exabytes), 约等于1百万
TB。据预测，到2016年全球范围内每天网络上通过的信息大约能达到1 ZB。
附：存储容量单位换算表：
1 Bit(比特) = Binary Digit
8 Bits = 1 Byte(字节)
1,000 Bytes = 1 Kilobyte
1,000 Kilobytes = 1 Megabyte
1,000 Megabytes = 1 Gigabyte
1,000 Gigabytes = 1 Terabyte
1,000 Terabytes = 1 Petabyte
1,000 Petabytes = 1 Exabyte
1,000 Exabytes = 1 Zettabyte
1,000 Zettabytes = 1 Yottabyte
1,000 Yottabytes = 1 Brontobyte
1,000 Brontobytes = 1 Geopbyte物联网CMP平台。根据查询相关公开信息显示，在物联网的云管端框架体系中物联网CMP平台属于云。物联网是指通过信息传感设备，按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。10月27日，从无锡机场到湖滨饭店的轿车频繁穿梭，湖滨饭店及周围的宾馆入住率暴增，全国各地都来赶一场物联网的大集。28日，由工业和信息化部、国家发改委、科技部、中科院和江苏省人民政府共同举办的“2010中国国际物联网(传感网)大会”在无锡盛大开幕，同时举行的还有博览会和技术及商业应用高峰论坛，为期三天。八位部长级官员、三位院士、四十多位司局长和五十多位跨国公司高层及大型央企高层出席此次会议，是近年来中国物联网产业规模最大、层次最高、影响力最深远的行业盛会。这不仅是一次对物联网产业的检阅，也是一次集体思考，为下一步发展理清思路。
用战略性眼光
务实布局
“物联网的‘泡泡糖’（PPT）时代已经过去，现在要演示的是真q实d。”张伟（某物联网公司CEO，化名）想起一年前跟用户交流时如是感叹，以前多数公司都是停留在方案构思和宣讲阶段，只能靠PPT（幻灯片）来展示物联网，而现在，用户不再满足于PPT了，要看实际案例。如果说，去年来到无锡，每次参观者接触到的示范项目都是“太湖鱼”，那么今年的无锡，则呈现出更多物联网的应用。
本届博览会就是一次大秀场。以传感器、RFID、网络设备、嵌入式终端制造等为代表的物联网制造业，以通信网络为代表的物联网基础设施服务业，和以软件集成、应用开发等为代表的物联网服务业等产业链条上的各个环节都参与了此次博览会。
无锡，整个城市都散发着浓郁的物联网氛围，从2009年8月以来，物联网概念的公司比肩接踵地成立，分布在无锡新区、滨湖区等地。新区设立了10亿元产业培育专项基金，主要用于重点支柱产业促进和新兴产业培育，尤其是包括物联网在内的战略性产业，核心企业入驻园区，新区都给予3年贷贴息或一定比例的注册资本金配套；滨湖区位于长江三角洲腹地，也在集聚各类资源，已累计引进物联网及相关企业200家以上，其中注册资本1000万元以上的企业35家。
无锡市市长毛小平介绍说，2009年8月7日温总理在视察无锡时提到建立感知中国中心，同年10月13日国务院批准同意建设无锡传感网实验区，无锡迅速开始创建物联网、传感网的示范区，技术研发事业培育、人才引进等配套技术相继出台。到今天，有156个物联网项目已经签约，即将开工建设。
去年11月12日，江苏省人民政府、中国科学院、无锡市人民政府签署了共建中国物联网研究发展中心协议，先期以江苏物联网研究发展中心和中国科学院物联网发展中心为运作载体，总部设在无锡。发展中心第一任主任为叶甜春。据叶甜春介绍，发展中心采用了市场化的运作方式，吸纳社会资本，与工业界紧密合作，推进科技成果产业化。发展中心目前设立了综合协调部、战略规划部、应用总体部和技术服务部四个部门。
叶甜春认为，物联网与现有传感网和信息化技术的差异是：更大规模的节点覆盖、更综合的系统集成和更智能的信息处理。“物联网作为‘战略性新兴产业’，更需要‘战略性眼光’，物联网的培育和发展不可能一蹴而就，而是需要一个相当长的过程，这其中核心技术的培育和掌握是关键中的关键。”叶甜春发自肺腑地说，如果没有重点地一哄而上、遍地开花，可以推进信息化，但做不成物联网，或者成为又一个缺乏核心竞争力的“打工产业”。
中国科学院在知识创新工程中，对传感网/物联网领域进行了战略性的前瞻布局，已开展了近10年工作。包括传感器与芯片、信息网络与传输技术、信息处理与存储、软件等，传感器与芯片方面包括声学、振动、压力、温度、湿度、生物、化学等传感器。
借力运营商
物联网与互联网经常被相提并论，虽然两者的本质、内涵及应用模式都有差别，但发展路线却是可以作一定借鉴的。启明创投董事总经理邝子平认为，互联网发展初期，要感谢运营商，因为他们在互联网还没有明确形态时，就大力投入组建了骨干网，进行了一系列改造和完善，促进了互联网的快速发展。如今，物联网来了，运营商又开始摩拳擦掌。
中国电信所关注的领域包括节能减排、民生工程、防灾减灾等。中国电信副总工程师靳东滨透露，中国电信已经在着手建立物联网的企业标准。“因为国家物联网标准组有一些标准并没有出来，在这种情况下，中国电信建立了企业标准。目前，中国电信已经出台了七个关于M2M的标准，包括终端、平台设备和服务协议等。”
中国移动通信研究院副院长杨志强认为，TD-SCDMA的独特优势为物联网的规模发展提供了网络平台，TD的优势是：国家自主知识产权标准保障了通信的安全可靠；频谱效率更高、客户为每比特数据传输支付费用低；根据网络需求，可自行配置上下行资源，特别适合监控等非对称性数据传输业务。杨志强指出，物联网与TD结合有利于我国两大基础创新技术发挥协调作用。“TD与物联网都属于产业链形态的集群性创新模式，由于这种集群性和链条性，使得这两大基础创新在芯片、终端、测试、系统及应用等各个环节具有高度的重合和协同性，将会充分发挥基础协调作用。”杨志强介绍说。
据悉，中国移动M2M业务已经超过了500万终端，2009年，M2M业务收入超过7个亿，2010年，M2M终端用户超过500万，年增长率66%。M2M产业从分布上来看，电力行业占终端总数的35%多，主要应用为电力远程抄表、电力输配变设备监控；交通行业占终端总数的30%，主要应用为车辆定位管理。
中国移动在无锡物联网研究院建设完善了研发试验环境，拥有总面积达1050平米的基础实验室和支持2G和3G的应用开发测试系统；并建立了中国移动物联网体系架构。其目标是把每一个人、每一辆车、每一个家庭、每一个城市接入物联网。
事实上，物联网产业应该借力于运营商及大企业的投入，给物联网一个初始推动，逐步渗透入行业。
从集中走向分布
运营商所擅长的基础设施是一个方面，物联网最后落地，必然是在行业应用中。物联网应用的一个最普遍特点是从集中走向分布，突出表现在智能安防和制造业等领域。
本土著名安防企业博康集团总裁李璞认为，物联网可实现分布式的智能，分布于全系统内的智能化使人与物、物与物得以通信对话，从而自动获取物的动态特征、关联特征，实现所有物征动态信息互通共享。物联网为智能安防带来了一套完整可参照的“技术体系框架”，改变了现在安防领域局部智能、局部互通的限制。经过海量数据存储、处理及多传输通信技术，实现事前的分析预警、事发的实时报警和事后的侦查取证。
西门子中国研究院院长徐亚丁也认为物联网技术为自动化领域带来了更好的分布式解决方案。“制造业面临的大趋势是个性化定制需求、全球化的采购和生产。发达国家的现状是机器密集型，发展中国家的现状是劳动力密集型，两者都向大机器分布式模块化制造转变。”徐亚丁介绍说，采用物联网技术可以使生产自动化从集中走向分布，能够自动调整工序、灵活增减工序。物联网架构使模块可重用性得以提高，可进行重新配置组合以适应生产需要，减少资源浪费，还可以调整就业人口，使受良好教育的劳动力从事高附加值的模块设计维护。“分布式模块化生产系统的关键技术就是物联网，物联网技术使每个模块智能化，能够承担灵活多样的生产任务；使模块内部集成，实现机电/人机一体化。”可见，要深化物联网的应用，必须吃透其技术特性和优势，才能找准应用切入点。
资本市场冷静观望
在中国国际物联网(传感网)大会的投融资高峰论坛上，来自德同资本、红杉资本、启明创投、美国风投协会等风险投资领域的专家，围绕“风险资本如何孵化伟大企业”这一焦点话题畅所欲言。面对火热的物联网概念，资本市场的态度显得很冷静。
邝子平认为，物联网重点在B2B的市场，物联网早期的发展，更多仍然还是给集团客户解决其所需要解决的一些问题，而不是给最终用户提供一个娱乐或者个性化的平台。“不同于互联网，互联网更多关注B2C市场，物联网的商业模式跟互联网将非常不一样，进入的门槛不一样，它的销售周期也会不一样。”邝子平分析说，B2B业务在中国所面临的不确定性非常大，例如为行业用户或政府部门服务的物联网企业，要有能力协调好各方的关系。旷子平认为第一批成功的物联网企业很可能是做系统集成的，即整合各方的物联网资源，提供综合物联网解决方案，而并非纯技术型企业。
中国科学院院士何积丰在谈到物联网时也提醒产业界，物联网刚刚起步，对其期望值不要太高，实际上产业界对物联网领域，从技术和体制上都还没完全做好准备。
何积丰建议，物联网产业在上项目的时候要考虑“先民生后重大基础设施”，在“十二五”规划中一个重要的元素是关注民生，他建议在无锡先做一些跟民生相关的项目，如教育、医疗试点等。
除了要撬动资本市场外，国家在整个物联网产业的发展中也起着重要的作用，包括早期的示范及推动、行业标准及法则法规的确定，特别是在营造良性竞争环境、降低产品成本方面，从国家层面的协调与布局将起到很大的作用。
今年8月，中国传感网国际创新园在太湖国际科技园内建成启用，中国物联网研究发展中心等多个研发中心成为首批入驻单位。
“2010中国国际物联网(传感网)博览会”掠影
2010中国国际物联网(传感网)博览会以“感知科技、感知未来”为主题，围绕信息的感知、传输、处理、应用四大核心领域，集中展示物联网产业链各个关键环节的国内外新技术、新产品、新装备、新工艺和新的解决方案，突出展示物联网在工业、农业、电力、交通、物流、环保、水利、安保、家居、教育、医疗、园区等12个领域应用所带来的高品质生活、高效率管理和高科技网络。博览会展示总面积15000平方米，参展及出席单位包括中国移动、中国联通、中国电信、IBM、微软、华为、航天信息、清华同方、大唐电信、CETC、东软集团、国网信通、美新半导体、长电科技、华润微电子等众多业内知名企业，共200多家来自世界各地的物联网产业链企业参加了展览。参展企业涵盖了产业链上游的芯片和传感器制造商，中游的应用设备提供商、软件与系统集成商、软件与应用开发商，以及下游的海量数据处理和信息管理服务提供商。
物联网疫苗冷链运输车。要使民众用上放心安全的疫苗，疫苗冷链运输环节至关重要。近期，宁波凯福莱特种汽车有限公司正式推出了历时三年研发的我国首款物联网疫苗冷链运输车。在疫苗运输前能预先了解冷藏车状态，对运输的整个过程实时监控、记录，避免车辆内冷冻机组、箱体密封问题引起的故障。该特种车实现了疫苗运输工具的智能化、感知化、网络化，使传统的冷藏车变成了具有物联网功能的专业网络信息终端。
平安城市。联通结合WCDMA网络和视频终端采集系统，利用现代信息通信技术，提供公共场所以及重要场所的视频监控、移动执法等多种综合管理信息服务，系统前端数据通过视频监控系统采集并传输到市、区监督指挥调度中心，实时监控并对紧急事件做出快速响应和应对，防范和处理危害城市公共安全的行为。
食品溯源。消费者只要用手机拍摄食品包装标签上的二维码，就可查询到相关食品的原材料和生产程序等，这种产品可溯源功能大大方便了消费者，为消费者放心消费提供了保障。
感知健康。无锡矽丰展示的基于物联网和云服务技术的感知健康体验中心及健康管理服务平台，用以达到提高人们健康水平的目的。
瑞孚特感知停车。车辆电子标签技术为保安、停车及进出管理提供独立、不间断的系统设备，可以实现对商业区及社区的方便管理，确保只有经过许可的车辆进入。系统还可以提供车辆定期出入及停车费用管理数据。掌握车辆动态情况，分析车辆运行规律，采取有效防范措施，实现车辆调度派遣无纸化、进出场区识别自动化。
物联网比特实验室。无锡爱睿芯电子有限公司把目光放在了物联网教育市场。实验室主要面向青少年开展物联网方面的宣传、培训和体验等活动。通过数字化的实验、积木化的游戏、个性化的作业和整合化的展示等方式，使学生在互动式、体验式的快乐氛围中，找到适合自己特点的发展方向，更快地接受最新的科技知识，锻炼自主学习的能力。
物联网的技术原理
事实上，物联网的原理是在计算机互联网的基础上，利用RFID、无线数据通信技术，构建覆盖全球数万座建筑的物联网。在这个网络中，建筑物（物品）之间可以在不需要人工干预的情况下进行通信。其实质是利用射频自动识别技术，通过计算机互联网实现物品之间的自动识别和信息的互联与共享。
物联网的核心技术还在云计算中，云计算是物联网实现的核心。物联网的三个关键技术和领域包括：传感器技术、RFID标签技术、嵌入式系统技术。领域：公共事务管理(节能环保、交通管理等)、公共社会服务(医疗健康、家居建筑、金融保险等)、经济发展(能源电力、物流零售等)。
传感器技术是计算机应用中的一项关键技术，将传输线上的模拟信号转化为可由计算机处理的数字信号。
RFID，即射频识别，是一种集射频技术和嵌入式技术于一体的集成技术，在不久的将来将广泛应用于自动识别和货物物流管理。
嵌入式系统技术是集计算机软件、计算机硬件、传感器技术、集成电路技术和电子应用技术为一体的复杂技术。
物联网使用场景，主要体现在几个步骤：采集、传输、计算、展示
物联网终端采集数据，将数据传送给服务器，服务器存储和处理数据，并将数据显示给用户。
例如，自行车是共享的，前向过程是自行车获取GPS位置数据，通过2G网络向服务器报告，服务器记录自行车位置信息，用户在APP终端查看自行车位置。反向处理是用户向服务器发出解锁请求，服务器通过2G网络向自行车发送解锁指令，自行车执行解锁指令。
物联网的大大小小的应用都是基于正向数据采集和反向指令控制实现的。
传输模式的选择：取决于距离和功耗
物联网的联网方式：
近距离低功耗，带BLE或ZigBee。
远距离低功耗，NB-IoT或2G
近距离大数据，带WiFi
大数据远程，使用4G网络
关于网络布局：
远距离传输比短距离传输更昂贵，功耗更高。合理使用远距离和远距离配置可以有效降低物联网终端的成本。
例如，原始共享自行车被2G网络解锁，需要数据的长连接或下行短消息解锁，功耗高，下载的共享自行车丢弃了远程解锁，直接使用手机的蓝牙解锁自行车，节省数据流，降低功耗，本发明还可以提高解锁速度，剩余能量电动自行车智能充电站也是物联网的高科技产品，采用最新的窄带通信技术引领电动自行车充电设备的技术高度。
云服务设计
物联网的云服务器和应用程序设计与I互联网基本一致，Java、PHP和ASP可用于物联网的后台处理。
移动互联网是“人-服务器-人”的框架，物联网是"物-服务器-人"的框架，两者是相同的，物联网终端设备也采用TCP、>
总结简图
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）