高峰对话:物联网的产业融合实践之道
主持:
闵昊 复旦大学微电子学院副院长
嘉宾:
王曦 中国科学院院士、中科院上海微系统与信息技术研究所所长
黄金刚 云赛信息(集团)有限公司总经理
ChrisCrane 微软全球云事业部副总裁
沈晓卫 IBM中国研究院院长
丁毓麟 利尔达科技集团有限公司CEO
李安民 中国电信创新事业部总经理
何春盛 研华股份有限公司总经理
主持人闵昊:物联网是把所有的物连起来,但是所有信息都是放在最顶上,所有的人看到的都是同样的数据,随着数据越来越大,我们怎么样管理这些数据?换句话讲,就是当我们需要这一片云的时候,它就在我们的顶上,我们可以看到这一片云。
云赛信息黄金刚:大家多比较关注云端和数据的处理,随着互联网不断的应用和发展,数据是呈爆炸式的增加,如何解决这个问题,我们也在不断的探索,应该说有一些基本的想法和大家分享。
第一个是进行分级分类的管理,有一些数据可以放到云上,有一些数据是要进行新的分类分级的管理;第二个是“雾”的计算,把一些数据到云之间就做了适当的处理,形成了一些半成品,把有一些计算和数据往边缘去推,推到一线的感知层处理,原来是要在数据中心处理很多的东西,可以放到前端进行处理。所以说技术,架构,体现包括分类管理,几点融合。
IBM沈晓卫:数据安全是非常重要的,传统的建立一个IT系统的时候,面对新的情况,在设计系统的第一天开始,就要考虑数据的安全性,而不仅仅是其他的性能,可伸缩性,还有一点很重要,从管理的角度来说,这个数据除了云端,很多是在端这里的,这么整个的一个环境,从传感器到传播的网络,到最终的云端,需要一种全新的思维的方式和结构。包括今天的物联网的数据确实是非结构化的数据,和社交媒体非常的接近,但是它也有非常多的噪音,用传统的数据库的方式不是很合理。最后是对物联网数据的处理,是需要完全不同的思维方式。
归纳为三个方面,一个是传统IT技术的一个升级,第二个是把传统的高性能计算这一方面的模拟技术,面临这种新的数据的时候,高性能计算基础上的物理模型,化学模型,你在管理物理世界的时候,需要对物理世界本身的客观规律有一些很好的理解。第三个无论是大数据还是物联网,认知计算会给我们提供一个全新的方向,因为我们面对的数据已经非常非常的大,不但是没有办法处理,我们并不知道应该怎么样问问题,需要未来的这种系统能够具有这种自我学习的认知的能力。
微软Chris Crane:这是一个技术性的问题,作为本地的公司,比如说有64位系统,有一些时候,我们提供的程序会超出中国法律的限制,有一些安全的问题,会超出政府的限制,中国政府也在大力的倡导智慧城市,我们也碰到了很多的挑战。
这个问题的根源已经不仅仅是基础设施,最关键是有没有得到合适的数据、对的数据,并且能不能处理这个合适的数据。再者,有没有一个合适的形式,这个数据是可以被分析的。在中国的公共服务领域,我们看到了云服务已经在应用,比如说微软的系统、3W等等,只要是一个开源的系统和技术,都会有安全的问题。那就要看它是不是有足够的强大,能不能做到可预测。还有一点,我们的终端用户能不能也同样的获得到这些服务。
比如说大家都在用的不是系统,是这个设备,比如是手机,用安卓系统的手机,你看你搜集的数据的形式也很重要,形式分析了以后,最后怎么样提供给我们的最终的用户,这个形式是可以直接被使用的。
主持人闵昊:我们光有数据是没有用的,最重要的是通过数据得到我们想要了解的内容,这是需要对数据进行处理和加工,最后得到加工的信息,我特别的想请IBM的说一下,数据量大到现在,怎么样得到有用的数据,而且是要在人家需要的时候得到这个数据,这是一个非常重要的内容。
IBM沈晓卫:从IBM的角度来看,首先是要对这个领域有一个了解,我们今天的物联网的数据有非常多的噪音,包括了边缘端的处理和服务器的处理,都需要这么一个东西。另外,做了这样的处理以后,对物理世界的理解,因为今天的物联网,对物理世界的理解不是特别的高,确实是需要一些完全不一样的技术,有一些是今天可以想象的,今天的2.0的版本,还有一些,特别是在自然语言理解方面突破性的进展,对数据的处理,会产生非常好的影响。
主持人闵昊:刚才说到了数据的问题,物联网的话,还是脚踏实地的是下面的物,物的话,最终是要靠用芯片来实现,但是我们可能会发现,物联网所用的芯片和手机上用的芯片,可能是完全不一样的方案来看这些问题。针对物联网的芯片,所要求的是大量和低成本,可能是要非常低功耗的芯片,原来有一个集成电路,有一个工业组,在现在物联网的状态下,我们还是像原来这样沿着摩尔定律继续的走,还是速度更快,或是偏向另外的方向来发展我们的集成电路的技术?
中科院院士王曦:半导体业内有著名的摩尔定律,今年也是摩尔定律50周年,这是一个主流。到了互联网的时代,速度已经不是一个唯一的指标,尤其是在可穿戴的领域,功耗变得非常的重要。
举两个例子,在今天的这个半导体走到14或者是20纳米的结点上,还是追求高性能的,还是可以走到14纳米,甚至是7纳米,在物联网的时代也希望有差异化的发展。
比如,一些新的材料,我们现在比较关注的SY材料,它不需要做到10纳米或者是7纳米。SY的材料有它特别的优势,这是一种思路,在传统的工艺路线上选择新的材料来降低功效,满足物联网芯片的需求(包括昨天我和SY领域的专家探讨这个问题,他们认为这是一个很好的选择)。
第二个例子,在物联网领域的很重要的数据中心,过去说的电互联,现在到了一个极限,由于这个数据中心非常的庞大,他们希望通过光互联取代电互联,一旦攻克以后,都会比原来的电互联下降1/5,1/10。有关物联网的需求,将带动半导体的创新,这个也是物联网对半导体的贡献。
主持人闵昊:天上和地下都要靠通讯连接起来。以前的运营商都在实现怎么样把(网络)速度加快,从从语音通话到现在可以视频,光纤带宽已经达到了100兆。但是在物联网的阶段,除此之外,可能会有另外一个,是不是可以更宽的覆盖。针对不同的发展,在未来的电信发展方面,是不是有一些特别的想法?
中国电信李安民:通讯网络承担的角色和任务是非常重的。通讯网络要保持畅快的传递,从物联网的发展来说,对通讯的网络提出了非常大的挑战,全世界的通讯网络,都是为了人与人之间的通讯设计的,物联网无论是从现状还是需求,模型都是和人与人之间的通信非常的不一样的。从目前来说,物联网的应用典型的模型,就是小流量、长在线,但人与人之间的通讯很少要求一直挂在线上。
像游牧民族一样,因为很多的应用不是一直在移动,或者是静止,就好像是出租车的司机,到了中午会汇聚在一起吃饭。我们现在做的是在人与人的通讯网络上做一个叠加的方法,在原来的网络上采用了物理和逻辑上的隔断,我们用专网比如是10649来应对。从未来来说的话,对整个的通讯网络如何设计一个适应物联网网的,对全世界都提出了一个基础的命题。
第二个是从未来的物联网的发展来说,对速度可能都会不一样,以后随着智能传感数据量是非常大的,现在我们正在做的4G,包括5G,包括和固定宽带和卫星结合的综合的网络布局提出了很强的布局。
第三个是和终端和云端联系的,我们现在联系的低功耗的广覆盖的,体现在一些芯片的设计和模块的集成上,物联网当中的SIM卡需要提供远程写卡,空中写卡。
第四个是非常重要的安全性,现在的物联网分布的越来越广,安全还不仅仅是安全地址方面的,包括它的编码,包括我们现在这么多的摄像头,编码规范的管理也存在问题,以后散在外面这么多的传感器,从编码到IP地址,和通讯都是有非常大的关系。
最后一个是结合专业的凌玉姬比如是体感网和车联网,和产业链进行紧密的结合,进行通讯网络的结合,在这些方面进行了一些探索。
主持人闵昊:在物联网下,我们是希望最终让物物之间可以交互,我们不光是得到信息,也希望物可以发生反映,直接代替人去发生作用。这一来,马上就会想到风险的问题,一旦东西坏了,或者是出了什么问题了,或者是信息被接获,突发灾难,我们怎么样应对这些问题?怎么样用这些办法保证机器在动的时候还不出问题,不至于发生灾难性的结果?
研华何春盛:研华是一个端的公司,而不是云的公司。对物联网来说,我们采集温度、深度,可能是5秒钟采集一次,第二个封包很小,但是资料的稳定性、安全性和可扩充性,比较担心现在做的会有一点过剩,不需要这么多的数据放到云端,因为很多的数据是在开始的时候就要处理掉的。我们只有搜集了重要的资讯才需要保留并送到云端(我们问了很多的客户是不是需要把资料放到云端里面,他们宁可是自己保持资料)。
回到端的考虑,因为我们有一些应用,实际上是需要实时处理的,包括了一些实际的,比如判断经过的汽车是不是(犯罪的)脏车,不可能把资料送到了云端以后再去分析,这对端的人来说是相当重要的。
观众提问:我是从事高职的老师,我希望各位老师可以把物联网的定义简单的说出来,让我的学生通俗易懂。
IBM沈晓卫:IT世界和物理世界的一个融合,用信息技术来对物理世界进行一个更好的管理和优化。
云赛信息黄金刚:采用新一代的IT技术,使人和物相互的联合,达到一种全新的生态环境。
中科院院士王曦:物联网就是把所有的物连接起来,更加的智能化。
中国电信李安民:物联网就是感觉饿了就吃饭,但是现在在上课或者是开会,还是控制一下。
微软Chriscrane:任何的事物都可以通过物联网,传感器去连接,第二个是连接人,第三个是连接我们的业务,使我们更好的进行互联,如果是你使用微信,把你的电话打开,打开你的蓝牙,用摇一摇的功能,就可以使用物联网的功能。
研华何春盛:若干年以后会产生很多从来没有想过的服务,这些价值都可以来自互联网。
利尔达丁毓麟:可以看成是很多个层面的,最底层的感知层,然后是应用层,然后是数据,这些都是为了提高生活的品质和效率。
主持人闵昊:最后的一个问题是最精彩的,所以智慧是来自群众的。因为时间的关系,我们结束这次的论坛。特别的感谢大家!
(rfid世界网独家稿件,转载请注明来源作者!)