積極狀況 : 物聯(lián)網(wǎng)已經(jīng)逐步成為現(xiàn)實(shí)。在今年9月于舊金山召開的通用電氣Minds and Machines大會(huì)上，該公司表示其將于今年年內(nèi)全面利用Predix分析平臺(tái)處理機(jī)器數(shù)據(jù)。通用電氣公司認(rèn)為在這一即將到來的新時(shí)代中，物理資產(chǎn)將通過數(shù)據(jù)流以及與之匹配的分析機(jī)制實(shí)現(xiàn)管理，而非繼續(xù)依賴于傳統(tǒng)的技術(shù)人員與現(xiàn)場維修部門。
“機(jī)器學(xué)習(xí)”，或者叫作對機(jī)器數(shù)據(jù)流輸出結(jié)果進(jìn)行捕捉與理解，將成為未來一年中的熱門詞匯。Amazon、微軟以及IBM各自拿出了多種具體方案，用于對其云環(huán)境下的機(jī)器數(shù)據(jù)進(jìn)行捕捉并利用機(jī)器學(xué)習(xí)技術(shù)加以處理。
IBM公司建立起一套用于運(yùn)行機(jī)器學(xué)習(xí)算法的引擎，即SystemML，并計(jì)劃將其與Spark分析平臺(tái)相對接——藍(lán)色巨人在Spark分析平臺(tái)方面也已經(jīng)投入了大量資源。Spark擁有自己的MLib機(jī)器算法庫，但其仍然需要一套共享式引擎作為運(yùn)行基礎(chǔ)。
物聯(lián)網(wǎng)目前仍然處于混亂的起步態(tài)勢當(dāng)中，其在收集并處理數(shù)據(jù)時(shí)仍面對著大量種類各異甚至彼此沖突的執(zhí)行標(biāo)準(zhǔn)。不過物聯(lián)網(wǎng)還很年輕，我們希望能夠在2016年年內(nèi)見證它的逐步發(fā)展成熟。