数字化技术漫谈：物联网
发布时间：2026-07-02 作者：道法自然之智造
释名
数字化技术漫谈首先介绍物联网，因为它实在是元老级的存在。
物联网的英文叫Internet of Things，简称IoT。Things这个英文单词可能是我们刚开始学习英文的最基本单词之一，比如Something（某些东西），Everything（所有东西）。Things的意思就是“事物，东西”。Internet of Things直译，就是“事物的互联网”，中文翻译讲究“信，雅，达”，学名“物联网”。
物联网是互联网的一个分支，特意为了与以人为业务主体的互联网区分。互联网（Internet）发明的初衷是为人服务的：人们通过互联网看新闻，发帖子，写邮件，玩游戏，当年有一个很流行的词叫“网上冲浪”，就是指人类在互联网上的活动。
而“物联网”在互联网上的直接连接对象不是人，而是“东西（Things）”，这个“东西”，有可能是硬件设备，也可能是数据库或者其他信息系统。
一个最简单的例子，我佩戴了智能手表，智能手表定时将我的心跳等数据传给我的手机，手机不仅仅把数据在本地存起来，还有可能在云服务器备份。智能手表，手机和云服务器都在幕后默默地交换数据，没有任何人的参与，这就是物联网。
无论物联网应用在哪个业务场景，基本目的是一样的：利用网络能力收集物体（things）的数据，以提高效率和扩展服务。而物联网的基本特征可概括为整体感知、可靠传输和智能处理。
因为这个系列是有关制造业的科普，所以我们也会介绍工业物联网，同时科普几个容易混淆的概念。
工业物联网（IIoT，Industrial Internet of Things）
工业物联网（IIoT）就是物联网在工业领域的专业应用。工业物联网的基本特征其实和物联网是一致的。因为细分为工业领域服务，所以更加复杂，对可靠性和性能要求更高。
工业物联网的应用范围很广，从智能制造，预测性维护，供应链管理，能源管理到安全与环境监控，都离不开IIoT。
工业互联网（Industrial Internet）
工业互联网的概念远远大于工业物联网。
工业互联网不仅仅涵盖了工业物联网的技术部分，更涵盖了工业系统中的各种应用和服务，包括生产、运营、服务和管理等方面。工业互联网的目的是通过数字化和智能化手段提升整个工业生态系统的价值。
可以说，工业物联网是工业互联网的技术基础，工业互联网是物联网的价值延伸。
工业以太网（Industrial Ethernet）
工业以太网是现场设备级的以太网总线，主要的特征是实时性和确定性。虽然工业以太网也是负责设备之间的通信，但是并不属于现代工业物联网的范畴。
工业以太网是底层通信基础设施，主要功能是设备互联与实时控制；而工业物联网是上层智能应用架构，主要功能是端到端智能与数据闭环。
格物致知
物联网是怎么工作的呢？我们继续拿我的智能手表做例子吧。
首先智能手表里面会有不同的传感器，测量我的步数，心跳，心律，血氧等指标。这是物联网最下面的一层，叫感知层。感知层就像我们的视觉、味觉、嗅觉、听觉等等，帮我们度量、定义事和物，比如温度、湿度、雾霾指数、是否移动、光照度、气味等等；
感知层主要的技术有传感器（比如温度，湿度）、RFID（比如优衣库衣服的标签）、摄像头（比如停车场的车牌识别），还有我们熟悉的二维码。
当智能手表将我的心跳等数据收集起来以后，它会通过蓝牙传给我的手机，这就是网络层（传输层）。网络层就像我们的身体，感官接收到相应的信息后会经过身体传输到大脑。
网络层的技术分有线网络和无线网络，无线网络就是5G，蓝牙，Wifi等，有线网络使用最广泛的，就是以太网。
数据传送到手机，手机上的“运动健康”App就开始工作了，帮我展示我的运动步数，我的心跳变化频率，还可以计算出我消耗的卡路里。也可以根据一个月的数据分析我的健康状况。这就是应用层。就像我们的大脑，我们会对接收到的信息进行归类、判断并作出相应的动作或决定。
应用层的技术解决方案有两种：
一种是单一解决方案，例如我手机上的“运动健康”App，搞定一个智能手表就行了。
还有另外一种方案，是我的手机App继续和后台的云服务器连接，将我的数据全部上传云服务器。云上的算力，资源要比我的手机大很多，就可以玩出更多的花样来。
比如海量数据长效存储；多端同步智能手表、体脂秤、跑步机的数据；可以连接多个人的智能手机，给跑团所有人提供跑步信息位置同步；还可以和医疗系统建立连接，在紧急状况下直接通知医疗系统，不仅仅提供基本身体数据，还可以定位。
这就是第二种技术方案：用云计算架构打造一个物联网平台。云计算架构的基本思路，就是所谓的XaaS（某某即服务）。最典型的就是SaaS（应用即服务）、PaaS（平台即服务）和IaaS（基础设施即服务）。这三个业务的区别其实很简单：
SaaS（应用即服务）：提供功具体功能本身，比如跑团位置同步功能。
PaaS（平台即服务）：应用通用开发工具、数据库、AI算法框架等。
IaaS（基础设施即服务）：提供算力，就是俗话说的给挖矿工卖铲子的。
更通俗一点，如果你是顾客，想吃川菜，SaaS就是大厨，专门为你炒鱼香肉丝；PaaS是菜农，提供标准食材，不仅仅可以做鱼香肉丝，还可以做辣椒炒肉；IaaS是菜市场，为卖菜买菜提供基础设施。
物联网的基本架构（图片来源：网络）
和民用IoT相比，工业物联网 IIoT 更注重工业场景的严苛环境适应性、低延迟、高安全性和对工业协议的兼容性，而非消费端的便捷性与广泛连接。所以，IIoT的技术架构更加复杂。
下图是《工业物联网白皮书（2017版）》中的工业物联网 “参考体系架构”，大家可以看到，除了感知，网络和应用，工业互联网还有资源交换，运维和服务。
因为本文属于科普性质，不再具体阐述细节，有兴趣的读者可以继续参考其他文献。
工业物联网参考体系架构（工业物联网白皮书 2017版）
前世今生
物联网的概念可以追溯到1980年代初期，全球第一台有物联网概念的设备是卡内基·梅隆大学的可乐贩卖机，它连接到互联网，可以在网络上检查库存，以确认还可供应的饮料数量。
雷扎·拉吉（Reza Raji）1994年在IEEE综览中发表“可控制的智能网络”（Smart networks for control）论文，当中提出了概念“可将小量的数据数据包汇集至一个大的节点，这样就可以集成与自动化各种设施，从家用电器乃至于整座工厂”。
不仅仅是学术界提出理论，工业界也开始尝试落地：在1993年至1997年之间，Microsoft at Work、Novell NEST都是早期物联网产品的尝试。而物联网在概念上成型，可能可以定位于比尔·乔伊（Bill Joy）1999年在世界经济论坛上提出六网（Six Webs）架构，其中第六项“D2D，Device to Device（设备对设备）”描绘了物联网更具体的发展构想。
而IoT这个名称的来源已不可考。宝洁公司的技术开发者凯文·阿什顿（Kevin Ashton）宣称自己应该是最早明确使用“物联网”名称的人，1999年他在宝洁公司做的报告的标题为“Internet of things”，还牵头在麻省理工学院成立了自动识别中心（Auto-ID Center）。
但是网络公司思科认为物联网的诞生并不是出于一个人的定义，而是一个“临界点”：连上互联网的事物或对象，大于连上网络的人数。思科估计这个“临界点”大约在2008年至2009年之间。
从技术发展来看，物联网已经升级换代到了第三代：
初代物联网 (1990-2000年)
感知层主要依赖RFID技术实现物体标记，这一阶段的传感器技术相对简单，主要用于采集温度、湿度等基础物理量。
传输层技术主要是WiFi、蓝牙、Zigbee等短距离通信技术，在功耗、覆盖范围和安全性方面存在局限。
第二代物联网 (2000-2010年)
感知层开始采用多种传感器技术，如红外感应器、全球定位系统、激光扫描器等，同时引入了更复杂的M2M系统框架。
低功耗广域网(LPWAN)技术的出现，如NB-IoT、LoRa等，解决了物联网早期面临的功耗高、覆盖范围小等瓶颈问题。
第三代物联网 (2010年后)
感知层实现了传感器技术的全面升级 ，包括高精度、低功耗、低成本的传感器设计，以及多模态传感器的融合应用，能够同时采集多种物理量并进行初步分析。
在传输层，5G让传输层技术进一步升级，实现了高速率、低延时、广连接的特性。5G与TSN(时间敏感网络)技术的融合 成为2020年代物联网传输技术的核心发展方向。
应用层没有非常明显的代级界限，是一直处于更新换代的现在进行时。早期物联网主要依赖集中式云计算处理数据，但随着物联网设备数量激增，边缘计算技术在2015年后加速发展 ，通过在网络边缘部署计算资源，实现数据的本地化处理与分析，降低传输延迟和网络负载。
区块链技术也在物联网广泛应用，解决设备身份伪造、数据篡改、跨组织协作等问题。
2018年，AIoT(人工智能物联网)概念年正式提出 ，结合传感器数据采集与AI分析能力，推动物联网从"连接"向"智能"升级。通过在终端设备、边缘域或云中心部署机器学习算法，实现数据的智能化分析，前景广阔。
物联网应用在工业领域，可以追溯到1980年代的Modbus。但是现代意义上的工业物联网，是从2012年美国通用电气发布白皮书开始的。
白皮书首次明确提出工业互联网概念；虽然工业互联网的内涵要远远大于工业物联网，但是工业物联网是工业互联网的核心组成部分。2014年GE成立工业互联网联盟（IIC）时，首要任务便是基于IIoT技术制定设备互联标准。2013 年德国正式推出 “工业 4.0” 战略，其中的技术驱动也是工业物联网。
正是因为工业互联网和IIoT的千丝万缕的关联，大家时常会将两个概念混淆。
落地开花
物联网今天已经渗透到我们生活的各种领域，进入万物互联的时代。
从消费级的智能家居，智慧出行，智慧健康；到公共服务的智慧环保，智慧安防和智慧市政，物联网已经无从不在。
同样，工业物联网应用也颇广，比如预测性维护：在机床、电机等关键设备部署振动、温度传感器，结合AI算法分析运行数据，提前预警故障。还有工业能耗管控，高耗能企业可以通过智能传感器识别高耗能环节，平台算法优化设备运行策略达到节能的目的。
在市场中，物联网系统还是由老牌IT公司垄断，在国际是亚马逊的AWS IoT Core，微软的Azure IoT和谷歌的Cloud IoT；在国内是华为云IoT平台，阿里云IoT和腾讯IoT。
在国外的物联网系统中，微软的Azure IoT在增长率上已经跑赢市场份额老大亚马逊AWS。Azure IoT 的设计理念是"从边缘到云的无缝集成"，其核心架构包含多个关键组件：消息枢纽，设备为中心的运行时，数字孪生平台和应用。
Azure IoT的典型应用之一是西门子医疗的高能光子学中心（HEP 中心），其不仅连接了个别机器，还连接了整个生产环境。HEP 中心还使用了Azure 的数字孪生技术，实现了虚拟调试和优化；并通过 Azure IoT Hub 和相关服务实现了生产过程的实时监控，成为医疗行业使用IoT的标杆。
国内IoT的领跑者是阿里云，其技术架构和微软Azure IoT非常相似：包括消息枢纽和边缘设备节点；但是阿里云有全栈闭环架构设备端，以开源AliOS Things操作系统为核心，深度集成平头哥AI芯片，形成“芯片-系统-云”全栈闭环。
阿里云IoT的典型应用如摩拜千万级单车接入，提供低延时开锁与定位服务，运维效率提升30%；还有阿里系自己的闭环：淘宝/天猫，支付宝，菜鸟生态联动，新零售场景优势显著。
国内玩家IoT玩家三巨头，阿里，华为和腾讯，近五年都有每年约25%左右的稳定增长。阿里的强项在全链路解决方案 + AI 深度集成，在企业级市场优势明显；华为强于硬件 + 软件协同，工业物联网和边缘计算领域技术领先；而腾讯赢在社交生态，在消费级和实时交互场景独具特色。
中国IoT能够稳步增长，通信基础设施建设持续的投入功不可没。
在工业物联网领域，国际知名品牌当属GE的Predix，西门子的 MindSphere和施耐德的EcoStruxure。国内前三可以排为海尔卡奥斯，徐工汉云和华为工业 IoT。
值得注意的是，虽然IoT市场稳步增长，但是IoT玩家近年有洗牌趋势。2023年8月谷歌Cloud IoT Core停止服务，同时期，IBM、SAP 等科技巨头陆续缩减或终止 IoT 平台服务，行业格局剧变。
而工业物联网，其发展更是经历冰火两重天。
工业物联网的开山鼻祖，GE的Predix命途多舛，2018 年GE计划打包出售包括 Predix 平台在内的数字资产，但因买家压价而放弃。同年年底，GE 宣布将 Predix 重构为 "独立运营的工业互联网软件公司"，设立独立董事会。2021年后，Predix仅为 GE 自身及战略合作伙伴提供服务，服务范围大幅收缩。
同样当年风头无两的还有西门子的MindSphere，也与2023年更名为 Insights Hub，MindSphere不再成为独立工业互联网平台，而是西门子 Xcelerator生态的组件。
国内工业物联网圈子里，最出名的当属海尔卡奥斯。海尔卡奥斯最后一次公布营业是2020年5月，当年营业收入为88.09亿元。2020年7月海尔将卡奥斯股权剥离，之后卡奥斯对每年营收讳莫如深，从不公布。
2025年卡奥斯准备在香港IPO上市，平台估值164亿元。笔者用DeepSeek按照互联网高增长行业（市销率16-53倍）推算，卡奥斯年营收约3亿-10亿。也就是说，和2019年公开的200亿营收相比，卡奥斯大大缩水。
徐工汉云近年营收在3-4亿元波动，也没有大幅增长。
各大巨头在(I)IoT上的转型都有一个共同点，巨额投入与回报失衡。比如GE 在2011年至2017年直接共投入近百亿美元打造 Predix，但因 "软硬件融合失败"，未能实现预期回报，沦为财务负担。
西门子工业软件总裁Tony Hemmelgarn在MindSphere更名时坦言："当业界将 Industrial IoT 当作平台发展时，我们都学到了一些教训。"
当然，大浪淘沙，也有坚持下来的。比如施耐德的EcoStruxure，近年聚焦楼宇智能化和工业自动化，在细分领域营收颇有增长。
继往开来
物联网在今天依然前景广阔。从技术层面上来看，物联网技术全链路都在更新换代：
感知融合化：多维度传感器技术突破，实现温度、振动、能耗等数据的精准采集，在工业监测、环境治理等场景形成成熟解决方案，2025年全球智能传感器部署量预计以18%的年增速增长。
传输多样化：5G RedCap、6G前瞻技术商用推动传输成本大幅下降，物联；5G+TSN技术实现工业场景端到端时延缩短至1毫秒级别，为实时控制奠定基础。
应用AI化：生成式AI在边缘端的推理落地加速，使物联网设备从“数据采集器”升级为“智能决策单元”。AIoT将会更加广泛应用。
而工业物联网将不再尝试做高大上的通用平台和提供附加价值，而是更加聚焦核心业务，所以会如施耐德的EcoStruxure一样，向行业细分方向靠拢。
物联网与工业物联网的发展前景，本质是“数字世界与物理世界的深度融合”。其核心价值在于通过“连接+智能”，将传统产业的“要素驱动”转变为“数据驱动”，推动产业升级与效率提升。