物聯網（IoT)最初是脫胎于機對機（M2M）技術，如今不僅已被各行各業的企業機構列為頭等大事，而且已經好幾年了。盡管如此，這個概念距離達到成熟期還有很長的路要走。這條道路將技術、經濟和社會等諸多因素匯聚起來，共同創造新的數字化舞臺，服務于我們的生活、工作和娛樂。這是一個長遠的愿景，我們目前僅僅只是走在旅程的起步階段。
網絡化、智能化、自主化
大多數企業機構都把物聯網看作是由多個階段構成的整體。大致的思路都是先把設備連接起來，然后使它們智能化，最后使它們自主化。例如，自動駕駛汽車就是典型的自主化。早期人們首先關注的是把各種設備通過網絡互連起來。但是，當你注意到它是一個整體系統之后，就會發現其背后所潛藏的其他組成部分，也就是更多的技術需求和業務需求。
目前的現狀是，所有這些組成部分都還不那么成熟，甚至還有些技術尚未找到適當的方式，使其能夠有效地支持物聯網愿景中的智能化和自主化的需求。例如，計算資源的布局方法就是一個值得討論的方面。
流動計算
計算資源究竟應該部署在整個物聯網的哪些部位，這是一個十分重要的議題。計算能力在過去的四十年中一直在集中式于分布式之間搖擺，而最新的趨勢是云計算——這也是一種集中化的方法。市場上有一種觀念，認為我們正在回到分布式計算模式，但我不認為這種情況必然會發生。是的，我們需要把更多的計算能力部署到網絡邊緣，但為了充分發揮物聯網的應有潛力，真正需要實現的是流動計算（Fluid Computing）。
為了讓物聯網充分發揮其潛力，系統需要能夠以流動為基礎來獲取和使用計算資源。在云端，企業級的虛擬化能力推動了彈性計算，于是企業可以讓應用軟件運行在任何可利用的計算資源之上，而不論這些資源位于何處。
讓計算能力在邊緣、霧和云之間流動起來
我們風河公司一直在與客戶一起規劃他們的未來，并向他們展示如何接受流動計算的概念并加以擴展，目標就是在物聯網的邊緣、霧和云之間實現工作負載的最佳均衡。創建一個拓撲結構，允許企業以流動的方式使用任何層次的計算資源，這樣就可以按照需要將工作負載部署到最佳的計算資源之上。
最終，這將創造一種環境，其中的計算資源可以滿足各種應用需求，并且實現資源利用效率的最大化。然而，這是很復雜的工程，對于許多人來說，它代表了一個全新的IT愿景。
一段時期以來，嵌入式系統開發人員已經在左右橫向坐標軸上實現了工作負載的綜合化。他們已經能夠實現嵌入式虛擬化技術在聯合制系統中的綜合運用，從而降低了整體成本。下一個挑戰就是，如何實現縱向上下坐標上（邊緣、霧和云之間）實現工作負載的和協調和綜合。
其中一個關鍵是云架構的利用，而不是繼續構建客戶定制的嵌入式解決方案。要做到這一點并不容易，而更大的挑戰在于如何有效地做到這一點，同時保持關鍵基礎設施所必須達到的系統完整性、性能和確定性。
以軟件定義推動商業模式轉型
風河公司一直專注于幫助客戶應對計算資源方面的挑戰，努力實現物聯網的愿景，同時也關注著未來市場將會創造出的商業模式。隨著我們在物聯網完整體系上的加速推進，必須考慮到實質上的商業模式轉型。推動云計算和電信數據中心向軟件定義網絡（SDN）和網絡功能虛擬化（NFV）的轉型，這已經對傳統設備供應商的商業模式產生了深遠的影響。他們以往的盈利策略都是與專用解決方案緊緊捆綁在一起的。
最終用戶正在推動計算平臺、軟件基礎設施、應用軟件和業務流程的解耦（Decoupling），這將對供應鏈造成顛覆性的重大變化，迫使企業解決方案的供應商重新思考他們將如何創造和獲取價值。例如，我們現在看到，思科的轉型就是這種演變的典型例子。
這種趨勢同樣也發生在傳統的嵌入式領域，如工業控制市場。生產制造和流程加工企業的擁有者正在努力讓原有的設備在新的物聯網環境中繼續發揮作用，并且以創新的方式來應對新的市場變化，同時還必須進一步降低成本。他們正在探索如何利用虛擬化和拓撲結構來實現解耦，以便能夠靈活地部署創新的技術。
跨越異構網絡，實現聯合體系
創新的技術應用肯定不能運行在傳統的IT基礎架構之上，必然要求新型的流動計算架構，包括新型的邊緣計算平臺，從而實現超低延遲的性能、貫穿邊緣與云端的綜合性安全機制、電信運營商級的正常運行時間，并且支持最小規模的資源配置。典型的邊緣計算平臺與運行在云端數據中心的企業級核心基礎架構存在顯著差異，同時還需要在分布式的云計算平臺與邊緣計算資源之間建立經濟有效的聯合體系（Federated Systems），并確保其云無關（Cloud-Agnostic）抽象。
最近在巴塞羅那舉行的世界移動通信大會（2018 MWC）上，VMware與風河公司聯合展示采用ONAP聯合計算體系，實現了跨越多種云平臺的多租戶業務。這是在ONAP Multi-VIM/Cloud Project之下展開合作的成果，因為VMware和風河都是其中的領先貢獻者。這個項目的目標是推動ONAP的設計以及云無關基礎架構環境的部署，包括OpenStack及其不同版本、共有和私有云、微服務容器等實例。在這項演示系統中，Wind River Titanium Cloud處于邊緣部位，而VMware vCloud NFV OpenStack Edition處于核心部位。應用情景則是虛擬CPE和虛擬IMS。在這兩種情境中，邊緣部件都運行在Wind River Titanium Cloud之上，而核心部件運行在VMware VIO. ONAP編排器之上，在邊緣和核心云之間實現了數據流動的自動化，控制著整體的服務交付和生命周期管理。
這種跨越異構網絡(VMware VIO和Wind River Titanium Cloud)的聯合體系正式服務提供商所需要的高增值邊緣服務，既可以用于拓展其現有網絡，又可以用于增加新的網絡。
工業系統正在向電信系統學習
在過去的50年里，工業自動化系統的服務方式可以概括為“插上插頭之后只能禱告（Plug and Pray）”。也就是說，每當人們在系統中添加一件新的設備，就只能向上帝禱告祈求它正常工作，不要出現任何問題。因為一旦發生問題，維修和更換的成本是不可估量的。例如，安裝在核反應堆之中的發電機組就屬于這種情況。在物聯網時代，我們既有可能也應該獲得新的方法來解決這類問題。
當今的技術創新發展迅速，工業企業如果不了解如何運用這些新技術來加快應變速度、降低運營成本，必將在競爭中處于劣勢。我們在這里探討就是，工業企業已經感受到壓力，發現自己可以了解評估一下，在云計算和電信數據中心已經發生的拓撲結構變遷，以便確定哪些新技術可以應用在自己所在的領域。
這些方法在工業市場傳統供應商的商業模式之下有可能讓人感到迷惑，與我們在云計算和電信市場出現的情況十分類似，不必恐慌。我們已經看到，工業控制企業正在積極嘗試從相鄰行業中學習，調整轉變自己的價值主張，同時重新思考伴隨著這種轉變應該采取的盈利策略。他們開始認識到，自己的價值將越來越多地在應用程序和業務流程的層級產生，而不是在計算平臺、軟件基礎設施這兩個層級。
轉變流程才是數字化革命
我們做為技術服務提供商，正在迅速解決的技術挑戰主要包括：1）把不同的設備連接起來；2）使其智能化；3）接著就是使這些設備能夠自主地學習和采取行動。要真正實現物聯網愿景所承諾的目標，同樣也需要商業模式的快速發展，以便消費者的需求和供應商的能力相互匹配起來。對于很多企業來說，這是非常不同以往并且非常巨大的轉變，而且很多企業和很多管理人士都擔心在此過程中破壞了他們原有的營業收入引擎。
當然，計算資源只是物聯網道路向前推進的一個方面。另一個顯而易見的方面是數據。數據等同于新時代的石油。雖然我們已經在捕捉和利用數據方面取得了一些進展，但還沒有真正體驗到物聯網所承諾的誘人成果。
我最近閱讀了大量的資料都是有關工業革命的到來，其中歷史上最大的突破是利用蒸汽來推動工廠里的傳送帶和齒輪。不久之后，大型直流電機取代了蒸汽機。然而，電力并沒有從根本上改變制造業，它只是提供了一種更有效的動力來驅動傳送帶和齒輪。真正的轉變直到大量小型電動機的分布式應用出現之后才得以發聲，這表明人類真正開始理解和改變傳統的生產制造流程，從而在根本上改變了生產模式。
我們對數據的處理思路基本上是一樣的。數據不是新現象，它一直都存在。關鍵是我們要找到訪問、存儲和分析數的更有效方法。如果我們不能在物聯網的邊緣部署計算資源，就代表我們沒有做任何新的完全不同的事情，正如我們剛剛開始部署大型電動機，而尚未改變生產流程。
機器學習是物聯網的關鍵
作為一項具備轉型意義的關鍵技術而被廣泛討論的是機器學習，這是實現物聯網崇高愿景的關鍵。
機器學習在20世紀40年代以及艾倫圖靈之后就已經存在了。早期的方法是使用符號編程，依靠機器規則作為學習的基礎。如今，算法的發展已經轉向了模式識別，應用精細化的學習技術。隨著機器學習朝著這個方向發展，我們已經看到應用效率的巨大提升。當然它還處于新生階段，但發展速度是驚人的，其影響將是具備轉型意義的。
然而，支持機器學習必然會需要更大的計算資源。我們遇到的主要挑戰是將計算資源遠遠地推到產生數據的網絡邊緣，這樣就可以讓設備自身在更短的時間內做出關鍵性的決策，而不會因為要將數據傳送到云端而產生時間延誤。最終，企業會希望實現流動計算的模式，以便為在任何需要的地方和需要的時間為設備賦予智能。于是，我們將真正能夠充分利用機器學習的力量。
下決心主動轉型，因為競爭者隨時會到來
做好物聯網轉型這件事必須抱有強烈的意愿。決心有多大，這是一個非常重要的問題。任何企業機構，如果他們把物聯網和機器學習視為一個新的陌生領域，那就必須去學習。對于學習意愿和學習能力，無論怎么強調都不會過分。
如果企業機構認為僅僅依靠他們原有領域的知識就可以阻止來自鄰近市場的新競爭者，那么他們肯定就打錯算盤了！只要能夠獲得正確的數據集，同時擁有足夠的計算資源，程序員即便只有有限領域專門知識，也可以開發出能夠取得顯著成果的算法。所以，企業機構必須認識到，必須加快自己發展機器學習技術應用的速度，否則他們將看到來自臨近市場的新競爭對手，在他們的后視鏡里迅速追趕上來。
機器學習的應用不是今天即可到手的獎品，但卻是近期容易到手的目標，基本上用不了一年時間。但在下一個十年里，機器學習和流動計算的發展將大大加速。流動計算、IT可擴展性和機器學習是迷人的技術，從戰略的角度來看，風河正在研究如何包容所有這一切。
結語
流動計算和機器學習和在工程師群體中產生了非常好的共鳴，但給商務人士帶來了恐懼感，因為他們不得不重新思考自己如何來創造價值，職權范圍不再像以往那樣能夠確保你的地位。從技術的角度來看，這將是一個令人耳目一新的時代。從商業的角度來看，則是一個遭遇極度顛覆性的時代。