开博序
我在IoT(物联网), M2M, 安防及智能建筑方面有丰富的需求分析和研发经验, 并且持续关注着这些领域. 如果我们把未来的网络世界看成一个生命体, 那么, 物联网的各个节点会是整个互联网世界的感知系统; 互联网和物联网扮演着神经系统; 人工智能则是大脑的角色; 而能量问题则全部由现有的电力系统来解决了.
对于这个新生的生命体, 通过过去的30年左右的发育, 消化系统基本完善——单位能量的运算能力大幅提高, 神经系统 的主干也已经发育成熟——互联网已成为全球信息传输的不二选择. 目前, 物联网和人工智能的盛行, 则意味着这个生命体的已经开始在另外两个方面的发育成长了, 一是感官系统 ——借助于物联网的各个节点, 虚拟的网络世界会具有感知真实世界的能力; 二是大脑 ——人工智能的快速发展终将会使机器具有自主学习能力. 最终, 人类将成为造物主, 创造出一个智能生命体, 他能感知真实环境, 做出独立的判断(不知是福是祸!). 现在, 我们站在这个开端, 持续时间至少是30年以上!
上面一段是我坚信不疑的脑洞. 结合自己的实际情况, 更多的精力会放在物联网方面.
目前物联网在特定的M2M领域很成功, 借助诸如 Zigbee, BLE, Enocean 或其它RF技术, 让各个节点采集的信息能联网汇总到一个网关, 然后通过 有线, wifi, 2G/3G/4G 以及值得关注的LPWAN(如NB-IOT) 等方式, 将数据发送到服务器端. 服务器端在收集存储数据后, 根据特定需求对这些数据进行整理和分析后, 或实现自动化, 或将信息交由人类决策, 整个系统最终就产生了商业价值.
我的目标之一就是在技术上完全掌握这么一个系统. 各个节点的开发难度在于能耗和传感器技术, 组网难度相对比较小, 大多由无线协议帮助解决. 一般而言, 这些数据都需要通过一个中间设备传输给服务器或云端. 这个中间设备需要使用embedded linux实现socket, https之类的协议, 根据使用环境, 还需要平衡性能和功耗等不同的需求. 云端, 需要实现数据的收集, 提取, 归类, 分析, 展示功能, 这也都是成熟技术了, 更多的关注点在于云端的流量和运维. 需要特别提一下数据分析, 这个是没底的, 需要根据特定的需求来决定招聘怎样的人, 如何做分析. 在某些情况, 节点和中间设备会融合成一个终端设备, 这时候, 开发难度就很大了, 因为方案公司一般无法覆盖到这类设备的全部需求, 需要定制或自行研发这类设备.
物联网在家庭中的应用就是智能家居, 智能家居的概念冷冷热热几回了, 但依旧一点也不实用, 不以人为本. 这里面的关键原因是, 物联网是物物链接, 信息收集处理展示就可以了, 基于这种概念做出来的智能家居系统, 不可能是智能的. 宣传上, 说是用户可以远程监视控制之类云云, 但实际上, 只是把一堆无用的数据直接展现给了最终客户, 操作过程繁琐, 一点也不好用! 因此, 智能家居的关键点在于物体和人的交互, 解决好交互问题, 才可能会是好用的智能家居系统. 综合来看, 智能家居的大规模应用时机尚未成熟, 需要继续等待. 几个关键点如下:
- 传感器价格的降低, 易用性的提高. (涉及到能耗, 稳定性, 可靠性, 免维护)
- 组网标准的进一步统一. (目前重点关注BLE和LPWAN)
- AI技术的进一步实用化.
- UI交互体验的突破. (大部分基于AI的智能化判断, 但也需要提供非常便捷的人工介入方式)
技术选择上, 各个节点主要考量点在于功耗和组网方式, 来决定使用哪种无线技术. 譬如如果节点需要和手机交换数据, 那BLE是不二选择; 如果节点需要无源不间断工作, 价格也不太敏感, 那Enocean方案就是不错的选择. 中间设备的关键技术无疑就是embedded linux, 掌握后就能根据各种应用需求来灵活开发产品, 构建系统了. 云端目前主流也是使用linux系统的, 因此linux必学, 只是我会更侧重于嵌入式端的开发. 来到服务器端, 给自己安排的学习内容是python, 一来模块丰富, 开发快速, 二者可以用来写测试程序.
UI展示方面, 目前的云端应用基本都是基于HTML页面的, 因此可以简单了解学习HTML5. 关键是要了解技术标准, 懂得的系统架构和运行原理.
对于AI的发展态势, 我无法继续无动于衷地持旁观态度. 不一定要将其作为主业, 但必须抽出业余时间慢慢学起来. 掌握一些基础知识, 尝试一些可能的应用.
以上类似于一份职业规划了, 出发点是兴趣, 希望自己能坚持着一样样学下来, 并在这个博客内有所体现.
原创于 DRA&PHO