高峰對話:物聯網的產業融合實踐之道
主持:
閔昊 復旦大學微電子學院副院長
嘉賓:
王曦 中國科學院院士、中科院上海微系統與信息技術研究所所長
黃金剛 云賽信息(集團)有限公司總經理
ChrisCrane 微軟全球云事業部副總裁
沈曉衛 IBM中國研究院院長
丁毓麟 利爾達科技集團有限公司CEO
李安民 中國電信創新事業部總經理
何春盛 研華股份有限公司總經理
主持人閔昊:物聯網是把所有的物連起來,但是所有信息都是放在最頂上,所有的人看到的都是同樣的數據,隨著數據越來越大,我們怎么樣管理這些數據?換句話講,就是當我們需要這一片云的時候,它就在我們的頂上,我們可以看到這一片云。
云賽信息黃金剛:大家多比較關注云端和數據的處理,隨著互聯網不斷的應用和發展,數據是呈爆炸式的增加,如何解決這個問題,我們也在不斷的探索,應該說有一些基本的想法和大家分享。
第一個是進行分級分類的管理,有一些數據可以放到云上,有一些數據是要進行新的分類分級的管理;第二個是“霧”的計算,把一些數據到云之間就做了適當的處理,形成了一些半成品,把有一些計算和數據往邊緣去推,推到一線的感知層處理,原來是要在數據中心處理很多的東西,可以放到前端進行處理。所以說技術,架構,體現包括分類管理,幾點融合。
IBM沈曉衛:數據安全是非常重要的,傳統的建立一個IT系統的時候,面對新的情況,在設計系統的第一天開始,就要考慮數據的安全性,而不僅僅是其他的性能,可伸縮性,還有一點很重要,從管理的角度來說,這個數據除了云端,很多是在端這里的,這么整個的一個環境,從傳感器到傳播的網絡,到最終的云端,需要一種全新的思維的方式和結構。包括今天的物聯網的數據確實是非結構化的數據,和社交媒體非常的接近,但是它也有非常多的噪音,用傳統的數據庫的方式不是很合理。最后是對物聯網數據的處理,是需要完全不同的思維方式。
歸納為三個方面,一個是傳統IT技術的一個升級,第二個是把傳統的高性能計算這一方面的模擬技術,面臨這種新的數據的時候,高性能計算基礎上的物理模型,化學模型,你在管理物理世界的時候,需要對物理世界本身的客觀規律有一些很好的理解。第三個無論是大數據還是物聯網,認知計算會給我們提供一個全新的方向,因為我們面對的數據已經非常非常的大,不但是沒有辦法處理,我們并不知道應該怎么樣問問題,需要未來的這種系統能夠具有這種自我學習的認知的能力。
微軟Chris Crane:這是一個技術性的問題,作為本地的公司,比如說有64位系統,有一些時候,我們提供的程序會超出中國法律的限制,有一些安全的問題,會超出政府的限制,中國政府也在大力的倡導智慧城市,我們也碰到了很多的挑戰。
這個問題的根源已經不僅僅是基礎設施,最關鍵是有沒有得到合適的數據、對的數據,并且能不能處理這個合適的數據。再者,有沒有一個合適的形式,這個數據是可以被分析的。在中國的公共服務領域,我們看到了云服務已經在應用,比如說微軟的系統、3W等等,只要是一個開源的系統和技術,都會有安全的問題。那就要看它是不是有足夠的強大,能不能做到可預測。還有一點,我們的終端用戶能不能也同樣的獲得到這些服務。
比如說大家都在用的不是系統,是這個設備,比如是手機,用安卓系統的手機,你看你搜集的數據的形式也很重要,形式分析了以后,最后怎么樣提供給我們的最終的用戶,這個形式是可以直接被使用的。
主持人閔昊:我們光有數據是沒有用的,最重要的是通過數據得到我們想要了解的內容,這是需要對數據進行處理和加工,最后得到加工的信息,我特別的想請IBM的說一下,數據量大到現在,怎么樣得到有用的數據,而且是要在人家需要的時候得到這個數據,這是一個非常重要的內容。
IBM沈曉衛:從IBM的角度來看,首先是要對這個領域有一個了解,我們今天的物聯網的數據有非常多的噪音,包括了邊緣端的處理和服務器的處理,都需要這么一個東西。另外,做了這樣的處理以后,對物理世界的理解,因為今天的物聯網,對物理世界的理解不是特別的高,確實是需要一些完全不一樣的技術,有一些是今天可以想象的,今天的2.0的版本,還有一些,特別是在自然語言理解方面突破性的進展,對數據的處理,會產生非常好的影響。
主持人閔昊:剛才說到了數據的問題,物聯網的話,還是腳踏實地的是下面的物,物的話,最終是要靠用芯片來實現,但是我們可能會發現,物聯網所用的芯片和手機上用的芯片,可能是完全不一樣的方案來看這些問題。針對物聯網的芯片,所要求的是大量和低成本,可能是要非常低功耗的芯片,原來有一個集成電路,有一個工業組,在現在物聯網的狀態下,我們還是像原來這樣沿著摩爾定律繼續的走,還是速度更快,或是偏向另外的方向來發展我們的集成電路的技術?
中科院院士王曦:半導體業內有著名的摩爾定律,今年也是摩爾定律50周年,這是一個主流。到了互聯網的時代,速度已經不是一個唯一的指標,尤其是在可穿戴的領域,功耗變得非常的重要。
舉兩個例子,在今天的這個半導體走到14或者是20納米的結點上,還是追求高性能的,還是可以走到14納米,甚至是7納米,在物聯網的時代也希望有差異化的發展。
比如,一些新的材料,我們現在比較關注的SY材料,它不需要做到10納米或者是7納米。SY的材料有它特別的優勢,這是一種思路,在傳統的工藝路線上選擇新的材料來降低功效,滿足物聯網芯片的需求(包括昨天我和SY領域的專家探討這個問題,他們認為這是一個很好的選擇)。
第二個例子,在物聯網領域的很重要的數據中心,過去說的電互聯,現在到了一個極限,由于這個數據中心非常的龐大,他們希望通過光互聯取代電互聯,一旦攻克以后,都會比原來的電互聯下降1/5,1/10。有關物聯網的需求,將帶動半導體的創新,這個也是物聯網對半導體的貢獻。
主持人閔昊:天上和地下都要靠通訊連接起來。以前的運營商都在實現怎么樣把(網絡)速度加快,從從語音通話到現在可以視頻,光纖帶寬已經達到了100兆。但是在物聯網的階段,除此之外,可能會有另外一個,是不是可以更寬的覆蓋。針對不同的發展,在未來的電信發展方面,是不是有一些特別的想法?
中國電信李安民:通訊網絡承擔的角色和任務是非常重的。通訊網絡要保持暢快的傳遞,從物聯網的發展來說,對通訊的網絡提出了非常大的挑戰,全世界的通訊網絡,都是為了人與人之間的通訊設計的,物聯網無論是從現狀還是需求,模型都是和人與人之間的通信非常的不一樣的。從目前來說,物聯網的應用典型的模型,就是小流量、長在線,但人與人之間的通訊很少要求一直掛在線上。
像游牧民族一樣,因為很多的應用不是一直在移動,或者是靜止,就好像是出租車的司機,到了中午會匯聚在一起吃飯。我們現在做的是在人與人的通訊網絡上做一個疊加的方法,在原來的網絡上采用了物理和邏輯上的隔斷,我們用專網比如是10649來應對。從未來來說的話,對整個的通訊網絡如何設計一個適應物聯網網的,對全世界都提出了一個基礎的命題。
第二個是從未來的物聯網的發展來說,對速度可能都會不一樣,以后隨著智能傳感數據量是非常大的,現在我們正在做的4G,包括5G,包括和固定寬帶和衛星結合的綜合的網絡布局提出了很強的布局。
第三個是和終端和云端聯系的,我們現在聯系的低功耗的廣覆蓋的,體現在一些芯片的設計和模塊的集成上,物聯網當中的SIM卡需要提供遠程寫卡,空中寫卡。
第四個是非常重要的安全性,現在的物聯網分布的越來越廣,安全還不僅僅是安全地址方面的,包括它的編碼,包括我們現在這么多的攝像頭,編碼規范的管理也存在問題,以后散在外面這么多的傳感器,從編碼到IP地址,和通訊都是有非常大的關系。
最后一個是結合專業的凌玉姬比如是體感網和車聯網,和產業鏈進行緊密的結合,進行通訊網絡的結合,在這些方面進行了一些探索。
主持人閔昊:在物聯網下,我們是希望最終讓物物之間可以交互,我們不光是得到信息,也希望物可以發生反映,直接代替人去發生作用。這一來,馬上就會想到風險的問題,一旦東西壞了,或者是出了什么問題了,或者是信息被接獲,突發災難,我們怎么樣應對這些問題?怎么樣用這些辦法保證機器在動的時候還不出問題,不至于發生災難性的結果?
研華何春盛:研華是一個端的公司,而不是云的公司。對物聯網來說,我們采集溫度、深度,可能是5秒鐘采集一次,第二個封包很小,但是資料的穩定性、安全性和可擴充性,比較擔心現在做的會有一點過剩,不需要這么多的數據放到云端,因為很多的數據是在開始的時候就要處理掉的。我們只有搜集了重要的資訊才需要保留并送到云端(我們問了很多的客戶是不是需要把資料放到云端里面,他們寧可是自己保持資料)。
回到端的考慮,因為我們有一些應用,實際上是需要實時處理的,包括了一些實際的,比如判斷經過的汽車是不是(犯罪的)臟車,不可能把資料送到了云端以后再去分析,這對端的人來說是相當重要的。
觀眾提問:我是從事高職的老師,我希望各位老師可以把物聯網的定義簡單的說出來,讓我的學生通俗易懂。
IBM沈曉衛:IT世界和物理世界的一個融合,用信息技術來對物理世界進行一個更好的管理和優化。
云賽信息黃金剛:采用新一代的IT技術,使人和物相互的聯合,達到一種全新的生態環境。
中科院院士王曦:物聯網就是把所有的物連接起來,更加的智能化。
中國電信李安民:物聯網就是感覺餓了就吃飯,但是現在在上課或者是開會,還是控制一下。
微軟Chriscrane:任何的事物都可以通過物聯網,傳感器去連接,第二個是連接人,第三個是連接我們的業務,使我們更好的進行互聯,如果是你使用微信,把你的電話打開,打開你的藍牙,用搖一搖的功能,就可以使用物聯網的功能。
研華何春盛:若干年以后會產生很多從來沒有想過的服務,這些價值都可以來自互聯網。
利爾達丁毓麟:可以看成是很多個層面的,最底層的感知層,然后是應用層,然后是數據,這些都是為了提高生活的品質和效率。
主持人閔昊:最后的一個問題是最精彩的,所以智慧是來自群眾的。因為時間的關系,我們結束這次的論壇。特別的感謝大家!
(rfid世界網獨家稿件,轉載請注明來源作者?。?/b>



