英特尔物联网四大行业的应用布局

编辑：雁枫　[ 2017-9-30 9:49:34 ]　文章来源：数字标牌网

数字告示

业内有观点认为英特尔很可能已经放弃了物联网市场。实际上，英特尔并没有放弃物联网，也绝对不能放弃物联网，它只是从台前（消费物联网）转到了幕后（产业物联网）而已。

知名市场研究公司Gartner称，2017年全球物联网设备数量将达到84亿——比2016年的64亿增长31%。而全球人口数量仅为75亿，也就是说，2017年的物联网设备数量将首次超过全球人口，这对物联网来说是标志性的一年。而到2021年，这一数字将增长至惊人460亿。

从十八项全能传感器搭载的工厂设备到智慧城市中疾驰飞奔的自动驾驶汽车；从胜任各行各业工作的智能机器人到收集各种体征数据的可穿戴硬件。数以百亿计的设备意味着海量的数据，在互联网和移动互联网时代，仅仅人与人的连接就产生了PB级别的数据，可这跟物联网时代所将产生的数据相比，仅仅只是九牛一毛而已。

物联网时代的来临让大部分企业既兴奋又焦虑——兴奋的是数以百亿级的联网终端数和万亿美元级的市场规模，焦虑的是在大大拓展的产业生态范畴中如何定位和共赢发展的问题。

对运营商来说，原来的人口红利和流量红利已经趋于天花板，但物联网时代NB-IoT/eMTC、LoRa的商用，给整个产业带来了新的“终端红利”，即原来没有更好连接手段的数十亿至百亿设备成为互联终端；对BATJ等互联网公司来说，坐拥大量消费者数据的他们将以数据作为切入物联网时代的重要契机，除了继续紧抓流量入口，面向企业的云服务和大数据分析带来的个性化服务将成为提升收入的关键；对传统巨头和科技大牛们来说，立足自己原有的技术优势，要么从云、管、端三方发力，要么做平台建生态，以期扼住物联网产业链的枢纽；对初创企业来说，找准消费者或行业痛点，做一个小而美的物联网应用亦是不错的开始。

总之，十八路罗汉，各有各的招儿！

物联网时代英特尔的应对之道

对老牌的PC、服务器芯片厂商英特尔来说，物联网也带来了同样的机遇和挑战，这个PC时代的霸主自然也不愿错过物联网的万亿市场，从底层芯片到平台软件再到应用全面发力。

业内有观点认为英特尔很可能已经放弃了物联网市场。实际上，英特尔并没有放弃物联网，也绝对不能放弃物联网，它只是从台前转到了幕后而已。

9月27日，以“驾驭数据的力量，英特尔变革物联网”的2017英特尔物联网解决方案网络峰会正式举行，英特尔中国区物联网产品营销部产品经理刘锦、英特尔亚太区物联网事业部中国区行业销售经理谢青山、英特尔中国区物联网产品营销部产品经理陈志涵为与会人员展示了国内物联网领域的尖端解决方案与最新技术，以及英特尔对于物联网风向的一些洞见。

英特尔的物联网战略总体来说有两个明显的特征：

1.软硬协同

“碎片化”是物联网打从娘胎里带出的特性，这就意味着企业需要面对复杂多变的应用场景，因此需要不同特性的硬件系统以及软硬件协同优化，才能提升数据洞察的智慧：终端硬件负责收集并预处理数据，软件负责分析数据并将数据转化为价值。

在云和数据中心、物联网、存储、FPGA以及5G构成的增长良性循环驱动下，英特尔坚持软硬协同，提供从芯片级硬件到软件工具和平台的广泛产品组合。

尤其是在芯片层面，面对物联网各类终端对于本地运算的不同需求，英特尔推出了可扩展的产品路线图，包括至强、酷睿、凌动、Quark、爱迪生等面向不同功耗、不同运算能力需求的产品系列

2.端到端的战略

让云端智能和终端智能无缝连接和融合，提供从云端到终端的“端到端”解决方案一直是英特尔物联网业务最重要的基本原则。但以往，端到端的战略更多的是强调一体化解决方案，让客户无需担心连接设置等各种问题，实现类似“即插即用”的效果。

但随着以高清视频为代表的物联网数据的指数级增长，端到端的战略被赋予了新的内涵。除了云端大脑需要有更强大的计算能力，终端也需要拥有对数据进行预处理和分析的能力，这即是所谓的边缘计算。

我们看到的大多数互联网信息处理模式，都是“端-管-云”的模式——在应用的现场，“端”只负责收集数据、执行指令，而“云”负责所有的数据分析和控制逻辑功能。“边缘计算”就是将部分数据分析功能，放到了应用场景的附近（终端或网关）来实现，这种就近提供的智能服务可以满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

如果说云端相当于人类的大脑，那么边缘计算就犹如人类的神经末梢，对简单的刺激进行自处理并将处理的特征信息反馈给云端大脑。比如英特尔最近推出的Movidius视觉运算芯片和摄像头前端数据处理技术，就植入了独立神经运算引擎（Neural Compute Engine），支持边缘深度学习推断。其相关芯片和技术已经在海康威视的监控设备中得到了应用。

物联网是各行各业转型升级的最强催化剂

物联网总体上可以分为消费物联网和产业物联网，这几年一个显而易见的趋势是消费物联网的发展明显落后于产业物联网——大家似乎形成了普遍共识，无论是做底层芯片的，还是做连接的，亦或是做应用的，物联网若想产生价值，必须深入各行各业。

许多在消费领域折戟沉沙的企业，都在垂直行业里悄悄“开出了花来”。英特尔的物联网解决方案已经在零售、交通、工业、安防等重要行业有了广泛的应用并发挥出无可比拟的重要作用。

零售领域

传统零售行业正在面临一系列前所未有的压力，包括不断变化的消费者行为、社交媒体网络的影响、即时访问在线评论和成本比较能力、电子商务、共享经济和精通技术的千禧一代等……在这个急于求变的重要关口上，由无人便利店和消费升级浪潮助推的“新零售”无疑成为今年最火热的概念之一。一个“新”字，体现在线上线下相结合，体现在降成本、提利润，体现在用数字化技术去提升客户的购物体验。

这时，通过大数据及时洞察客户的行为模式，并将数据与零售各个环节进行深度融合，将有利于零售商优化库存、促销并为消费者带来崭新的购物体验。具体来说，深度洞察消费者习惯可以提前预测下一季度的消费行为并给出合理的采购建议；依托于动态的消费趋势能够迅速调整库存管理；较长周期的零售数据还可辅助经营者配置产业链上下游资源，实现柔性定制、弹性生产。

基于对新零售模式的理解，英特尔推出了针对零售行业的解决方案，该方案涵盖了从底层商品、设备和消费者行为的数据收集；到中间层的各种物物连接的通信技术，包括存储与传输；再到上层云服务与大数据处理，包括利用人工智能的先进算法来进一步挖掘零售大数据的深层价值。

Quotient是一家数字化宣传和媒体公司，拥有丰富的专用网络，包括C（Nielsen排名前100的门户网站）、数以千计的发布商合作伙伴网站、其移动应用及其许多零售商合作伙伴的应用。该公司正在基于英特尔的解决方案分发优惠券，数据驱动的优惠券分发可为消费者提供更出色的购物体验，同时帮助消费者节省成本，因而Quotient可更好地了解客户，包括消费者购买的产品和下次购买的产品。

自动驾驶

自动驾驶汽车产业是一项集零部件生产和供应、硬件制造、系统集成能力、自动化技术、连接技术、安全技术、软件技术、大数据、云服务及人工智能等软硬实力深度结合的超长产业链。所以若想让自动驾驶概念从科幻电影走进人们的现实生活，从来都不是一家或几家企业单打独斗的事儿。自动驾驶的实现需要一个全球生态系统支持，科技公司与传统车厂应采取相互合作的方式来实现共赢，自动驾驶领域内的一家独大已经很难实现，强强联合才能让自动驾驶的时代早日到来。

因此，英特尔开始越来越关注于构建车联网硬件与软件的和谐生态：在硬件方面，英特尔携手宝马、奥迪等国际领先汽车品牌打造自动驾驶技术解决方案以及通用x86硬件平台；软件方面，以安全为核心导向，英特尔兼顾汽车本身安全以及控制和数据安全两大方面，打造开放的自动驾驶生态系统。

2017年开年，在阿尔法狗(AlphaGo)战胜多位顶尖围棋高手夺得60连胜后，英特尔也放出一只进军无人驾驶领域的“狗”——全球首个将应用5G技术的自动驾驶平台Intel Go，旨在连接汽车与云计算服务。

“谈到未来驾驶，英特尔对合作伙伴、对整个行业以及对全球社会的承诺就是加速自动驾驶、提供端到端解决方案，并引领下一代计算变革。”

——英特尔公司CEO科再奇

工业领域

传统制造业面临着许多显而易见的痛点：资产可用度不高、数据透明度差、工业信息安全问题、生产灵活性差以及持续上升的人工成本等等。物联网正是解决这些问题的“灵丹妙药”，这就是为什么近年来“工业互联网”、“中国制造2025”概念如此火热的原因，西门子、GE这样的传统工业巨头也变得越来越软。在此背景下，全球工业互联网产业界正积极开展应用实践和探索，新一轮科技变革和业务创新蓬勃兴起。与此同时，更多的创新技术在工业领域得以应用发展。

近半个世纪以来，英特尔一直向工业客户供应领先的计算解决方案。这一广泛的经验使英特尔对原始设备制造商（OEM）、原始设计制造商(ODM)和系统集成商(SI)的需求有着深刻的理解，他们需要可靠的解决方案来应对现代工厂和过程自动化以及新兴的物联网。

英特尔与McAfee和Wind River联手供应预先集成和预先验证的构建模块，从而加速端到端解决方案开发，改进工业过程的控制和管理。英特尔个性化设计资源、全面的开发工具、世界知名的生态系统之一以及可扩展的处理器家族都会帮助OEM、ODM和SI。利用适用于智能制造的英特尔物联网工业解决方案将数据转变为见解，从而减少停工时间，提高产出，更好地利用资产以及开拓新的收入流。

安防领域

安防技术作为追踪打击犯罪、预防灾害事故发生的“利剑，是维持个体、家庭、社会正常运转的重要基石。视频监控系统能够自动、准确的记录犯罪分子的作案过程，因而成为安防产业中最为主要的组成部分。

近年来，随着网络摄像机价格的不断下降，越来越多的智能摄像机被用于智慧城市的建设之中，但问题也随之而来：一方面，数以亿计的摄像机每天要生成1.6EB视频数据，其访问、处理、存储和保护面临诸多挑战。另一方面，这些数据都是非结构化的，只有将其转化成结构化的数据，比如人的数量、性别、身高、面部特征，车侧品牌、型号、车牌……才能进行下一步的分析，进而真正产生价值。