【為什麼我們要挑選這篇文章】物聯網是產業界近年的顯學，然而早在 1960 年代，自動化領域就已經有 SCADA（Supervisor Control And Data Acquisition）系統，協助現場人員監視系統狀態。為何半個世紀以後，物聯網才開始在產業界大量討論？此外，結合 AI、雲端等技術，物聯網產生了哪些新應用？（責任編輯：郭家宏）
物聯網這個概念在 1995 年，比爾．蓋茲出版的《未來之路》（The Road Ahead）一書之中便提到「物」的互聯。1998 年麻省理工學院提出了當時被稱作 EPC（Electronic Product Code）的系統，用於識別每一個單一的電子產品。1999 年，MIT Auto-ID Center 的 Kevin Ashton 在物品編碼（RFID）技術上提出「網際網路透過傳感器（Sensor）來連結實體世界（Physical World）的訊號」。2005 年 11 月 17 日，世界資訊峰會上，國際電信聯盟發布的「ITU 網際網路報告 2005：IoT」，其中明確提出無所不在的網路社會（ubiquitous network society），更指出「Internet of Things」時代的來臨。
然而後續的數年間，IoT 似乎並沒有立即成為眾人矚目的顯學。直到 2011 年的德國漢諾威工業展，德國政府提出工業 4.0 一詞；與此同時，在工業領域亦出現 IIoT （Industrial Internet of Things）的概念。至此，便把過往應用在商業界的物聯網帶到工業現場成為 Industrial IoT。然而，許多投身在自動控制數十年的工程師，對於 Industrial IoT 頗不以為然。以他們的觀點，早在 1960 年代，在自動化的領域早已經出現 SCADA（Supervisor Control And Data Acquisition）系統，協助工業現場的人員監視系統的狀態與配置參數。但 SCADA 和 Industrial IoT 到底有什麼本質上的差異，究竟是什麼原因推升 IIoT 的需求？
資料價值的重視與客戶需求的改變，導致近年 IIoT 的興起
以筆者觀點，有兩個重要的「質變」，導致 IIoT 的興起：
1. 客戶需求的改變
時至今日，客戶需求變化的速度已經超乎以往，客戶希望獲得的服務、產品，都能夠更貼近「個人」，為了達到這個目的，便需要更多的資料來輔助。因此，更多的傳感器（Sensor）、監測的設備便被安裝在場域之中，提供更多即時的資料，有助於打造完整的解決方案來滿足客戶的需求。在製造業中，彈性化生產的領頭羊非汽車製造業莫屬，例如：一位消費者在選購德國的雙 B 汽車，車廠提供許多的「選配」項目，包含車色、內裝色、座椅材質、安全系統、音響系統、輔助系統等等。每一台客製化的汽車都是一個 SKU（Stock Keeping Unit），如何透過自動化的生產，讓產線能夠彈性的製造屬於每一台客製化的汽車，這其中的技術與挑戰是可想而知。
2. 資料價值被重視
由於運算能力的提升，過往放置於儲存媒體的資料被重新審視價值，有機會帶來全新的洞察（Insights）。同時，高速的運算效能再結合 AI 的技術，讓歷史資料轉而成為具有 insights 的資訊。過往 SCADA 的工程師都習慣「解決眼前的問題」，都是反應（reaction）的思維模式，比方說：當 SCADA 上面跳出某一個馬達轉速異常的資訊時，維運的工程師就會去現場了解狀況，並且試著排除狀況，若是狀況無法排除，就會導致系統或是設備必需停機進行檢修，如果故障的零組件沒有立即可更換的備品，就有可能發生長時間的停機，影響到整個生產系統的稼動率。但隨著科技的進步，馬達運轉的轉速再輔以溫度、振動、聲音等資料，就能夠提早預知馬達的異常，在適當的時機安排檢修與備料，就可以大大降低停機的時間，也讓維運工程師的行為模式從「Reaction」變成「Preaction」。
AIoT 的誕生，促成邊緣運算的應用
2017 年 AlphaGo 打敗世界棋王柯潔，一時之間，AI 的技術成為大家熱烈討論的話題。時至今日，許多 AI 的應用都已經深入你我日常生活之中，例如：Google 的導航系統，透過使用者手機上傳的交通資訊，即時提供駕駛最佳的行駛路徑建議。然而在 AI 的討論之中，不是只有正向的觀點，也有部份人士提出警告，例如： 史帝芬．霍金（Stephen Hawking）便提出 AI 技術的發展可以為人類帶來美好的未來，但也有可能把人類帶向毀滅一途，人類必需謹慎的發展 AI 的技術。
時序跨入 2018 年，人工智慧物聯網（AIoT）成為另一個流行話題。所謂的 AIoT 就是 AI 與 IoT 技術的結合，最佳的寫照便是邊緣運算（Edge Computing）。物聯網發展的初期，雲端平台供應商教育使用者將所有的資料上傳至雲端處理，但在經過不到一年的時間，使用者便發現資料在雲平台處理會遇到下面的挑戰：
1. 傳輸的延遲
在部份的應用之中，對於系統的反應速度有嚴格的要求，但透過網路傳送到雲端所造成的延遲，可能會造成系統的異常，例如：自駕車的控制系統，系統必需快速的運算道路上面的所有狀況與物件，提供最即時的駕駛資訊，如果是傳輸到雲端進行處理，其中通訊的延遲是無法被掌握的。
2. 資料外洩的疑慮
雖說雲端平台的供應商針對平台的安全性都是再三保証，但仍有許多的企業對於將企業的重要資料上傳至雲端平台存在許多的顧慮。例如：生產設備上執行的配方（recipe）。
3. 高額的傳輸與儲存費用
若是大量未經處理過的資料一股腦的上傳到雲端，不但需要支付高額的傳輸費用，更要付出許多的金錢來支付雲端的儲存空間。
基於上述的挑戰，邊緣運算的需求便油然而生。雖然單純的條件判斷引擎（Rule-base engine）對於降低資料量會有一定的幫助，但使用者期待邊緣運算能夠提供更強大的能力，因此 AI 的技術便被應用在邊緣端設備之中，進而讓 AIoT 成為顯學。然而，邊緣端的設備其運算效能無法比擬雲端的系統，所以，邊緣端設備通常擔任推論（Inference）主機的角色，至於建模（Modeling）的工作則還是落在雲端的系統。
物聯網三大趨勢：分散式雲端、自主性物件、實用性區塊鏈
放眼未來，2019 年底，Gartner 發表 2020 年十大戰略科技，筆者從中挑選出三個與物聯網具有高度相關性的戰略科技，再配合筆者 20 年的產業經驗，試著為大家歸納三大戰略方向之中的重點，做為發展物聯網技術的參考。
分散式雲端（Distributed Cloud）
分散式雲端架構，簡單來說，就是把既有的雲端服務，搬離開既有雲端服務供應商的「實體 Data Center」，把過往使用的服務佈屬到其他 Data center 之中，即便是 on premise 的 Data Center。但是這些 Distributed Cloud 上面所有的架構、服務、更新，都還是依靠原有的雲端服務商。這樣一來，就可以解決過往所遇到的挑戰，例如：通訊的延遲、資料處理的延遲、抑或是資料的擁有權等問題，但也還是能夠享受雲端服務商提供的服務，降低企業本身自建雲的投資。以實務上來看，AWS 的 Outposts 與 Azure 的 Azure Stack 都屬於這類型的應用；但目前這類型的應用還是鎖定在大型企業，因此單價上面較高，對於中、小企業來說，進入門檻也較高。
自主性物件（Autonomous Things）
如今，愈來愈多的無人機、機械人、汽車都逐漸在提升自主化的能力。現階段，這類型的自主化物件的應用都還停留在「可控制的場域」，例如：無人自駕車都是在一個特定的場域測試、運行。此外自主化會從今天的「獨立 stand-alone」，演化到「協作 collaborative」，Intel 的 Drone 就完全顛覆過往放煙火的思維，透過數百台的無人機，呈現出過往煙火所無法達到的境界，堪稱是跨界創新的典範。我相信放煙火的人，從來沒有想到他們的生意會因為無人機的興起而被取代。
然而，自主性物件還是無法取代人類的大腦。因為自主性物件還是運行在一個被定義出來的場景與特定的用途。無法像人類的大腦，具有對未知事物的調適性與學習能力。
實用性的區塊鏈（Practical Blockchain）
區域鏈在過去的這一段時間，一直停留在實驗性的概念之中，其主要的概念就是透過分散式的帳本與加密技術，來確保資料的完整性與一致性。現階段，實際採用區域鏈的應用其實並不多見，遇到最大的挑戰便是在於可擴展性（scalability）與互操作性（interoperability）。
A、 可擴展性（scalability）：由於區域鏈在底層的運算會需要 Edge 端的系統運算能力，試想，若是把區塊鏈置於各位的手機、Edge 端 computer，這些設備是否有足夠的安全性與運算能力來處理區域鏈的資料。
B、 互操作性（interoperability）：分類帳本缺少互操作性、帳本管理也不具有一致性，導致不同鏈之間的資料交換不易，也就演變變成今日的公鏈、私鏈的戰國時代。
未來的世界瞬息萬變，筆者藉由產業與技術的發展，收斂出分散式雲端（Distributed Cloud）、自主性物件（Autonomous Things）、實用性的區塊鏈（Practical Blockchain）等三大趨勢，希望能夠帶給讀者在策略的規劃上面有新的思維。
物聯網帶來不單單是一個新的技術，而是帶來整個產業的質變，萬物皆有智能（IoT – Intelligent of things）的場景，或許在不久的將來就會發生，你是否已經準備好迎接它的到來？
作者介紹：
彭愷翔，四零四科技集團 – 艾智科技專案經理，投身於工業自動化與資通訊產業近 20 年，造訪 33 個國家與超過 1000 多個客戶，涉略的領域包含智慧製造、再生能源（太陽能與風力）、智慧軌道交通、智慧城市等領域，近期則專注在工業物聯網（Industrial IoT）的應用與解決方案。近 10 年帶領團隊打造工業物聯網軟、硬體解決方案，解決 OT 與 IT 融合過程中的技術問題，滿足客戶從端到雲的完整解決方案，其中包含 Moxa ThingsPro IIoT Platform、IIoT Gateway ioThinx 4500 series。有感於工業物聯網的產業的需求，2019 年開始負責工業物聯網生態圈的建立與合作夥伴的招募。
（本文經投稿作者 彭愷翔 授權刊登，並同意 TechOrange 編寫導讀與修訂標題，原文標題為〈物聯網的前世、今生與未來〉。意投稿者可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。首圖來源：piqsels CC Licensed）
更多關於物聯網的資訊
矽谷成長最快的資料儲存大廠 Pure Storage 年度預測：物聯網引發數據爆炸，如何避免 IT 投資浪費是關鍵！
助攻台灣 5G 產業，TÜV 德國萊因在台打造 IoT 物聯網技術評估中心
2020 物聯網關鍵發展趨勢：如何務實思考物聯網導入技術，提升企業效率？
