可能會大爆發，因為5G時代

如此智慧的場景，已經不再是好萊塢大片中的鏡頭，這是每一天都可能發生的物聯網（IoT）的世界。

【究竟何為物聯網？】

IoT 是「Internet of Things」的縮寫，它的定義是讓萬物透過網際網路連線到一起。其實物聯網並不是一個新產物，它是將我們已有的網際網路技術和生活中的物品很好的融合起來，實現遠距離、高效操作和使用身邊事物的新世界。

物聯網的優勢已經十分明顯了，從經濟價值來說，在我們已經擁有的網路設施上實現融合產物的實際應用，透過保留原有設施不增新件的方式可以大幅減少成本；從知識融合度來說，「網際網路」和「物品」兩個已有的知識做交融，更容易被大家接納和理解；從資訊交換來說，使用跟網際網路同樣的 IP 技術使得資訊之間的互動和訪問不會造成額外的損耗，也不需要建立新的融合協議或新技術將兩者連線；從應用價值來說， 物聯網可以投入工業生產流水線作業監測反饋把控、物流、零售業等領域，並且它的技術特點可以反饋即時資訊並且減少可能發生災難造成的損失。

物聯網不僅在解決我們生活中平常但重要的問題，更有人開發出各種融合著大資料與物聯網的解決方案與技術，面對社會中所有的產業實現資料的視覺化並創造新的價值。

【物聯網將對世界產生怎樣的影響？】

在今天的經濟學界中，有一個有點悲觀但卻非常著名的論斷：

現有的資訊科技和網際網路所帶來的創新產業已經日漸殆盡，因為在過去的 10-15 年裡，它帶給經濟的增速處於下降階段，並且會越來越差，一直到新的宛如救世主般的革命性技術出現。

物聯網，可能就是你我能看到的最接近「革命性技術」的存在，當物聯網完成了對你我現有世界的「改造」之後，它講給我們的經濟與世界帶來巨大的「效率」收益。

從宏觀角度來考慮，IoT 將有助於個別公司在更有效的運作方式上限制全球經濟當中造成浪費的各種因素。連線到網路的大量產品可以透過監測來實時瞭解被使用狀況和當前狀態。在不久的將來，日常生活當中的各種資料在需要的時候，都將被用來作為定期維護的原始參考資料，這是真正的「物有所值」，而不是等到因為一條過時的低效規則影響了客戶服務效率的時候，才想著做出改變。另一方面，資料的科學使用能夠給分析預測帶來很好的反饋，不僅能減少故障頻次，還能提高產品設計水平。

從產業的角度來看，IoT 也將會改變生產商、服務商和客戶三者之間的互動關係。現如今，廠商向客戶銷售產品的時候，一定會囑咐客戶遇到問題的時候及時向商家反饋資訊。因此，商家特別依賴於大規模呼叫中心和客戶服務部門來幫助自己解決後續客服業務。IoT 則可以直接改變這系列繁瑣的緩解——產品和服務直接掛鉤，在採取相關維護行動之前，就已經對這些「問題產品」做了全面的評估，這樣就能降低人力、物力和時間上的成本。

【改變一切的數字智慧】

在物聯網中，被改造的每個物聯裝置都可以成為收集併產生資料的節點，而這一數字將是百億甚至是萬億的級別。這一巨大的改變，意味著我們進入了一個全新的時代，在過去我們是透過人來創造資料，而在今天創造資料的主角變成了無處不在的物聯裝置。企業也將透過物聯網收集到比以往任何時候都多的資料。這樣的現狀激勵他們重新思考、分析策略，推動管理者學習和適應新形式下的資料情報功能和分析系統。

企業現在所面臨的窘境是，來自所有連線的物件和裝置的大資料如洪水般湧過來，但是缺乏精準的工具來分析這些資料，很難推斷出消費者喜好或勞動力趨勢。管理者現在需要做的就是密切監測並分析海量資料，做出可以改進和完善企業政策的決策，物聯網資料將在不同層次上形成一種趨勢，並慢慢的成為市場競爭中的一個重要因素。

而這樣的數字智慧，日立公司已經開始朝著這個美好的遠景努力：日立的【業務改善服務】已經邁出前瞻性的一步，透過對大資料的分析讓你從「縱觀當下」到「預測未來」。

我們生活的社會中每天都在產生大量的資料：信用卡交易時間、金額；電錶；醫療健康記錄；地鐵檢票位置時間裡程等。這些資料雖然產生了，但我們並不知道怎麼合適的去應用它，只是讓它成為冗長資料庫中的一小部分。但現在，基於日立製作所研究開發中心技師長矢野和男先生研發的人工智慧分析技術的服務來告訴你，這些資料可以爆發出多大的力量。

通常的資料分析時，我們只能透過人力根據現有的資料建立預測模型或者分類模型後，再提出問題的假說和結果，耗費大量的金錢、時間成本來分析、驗證相關的資料。在反覆的驗證假說後才能得到一個對策方案。當公司日益龐大、資料量激增時，這樣的解決方案無法妥當的應對時刻的變化。

而日立提供的服務，借鑑物聯網的思路，透過不同的維度，時間、屬性、平均值等將數字變成舞臺上的主角，讓資料變成視覺化的「物品」。這種運轉判斷型的人工智慧，能在把握業務現狀的基礎上，提供為得到良好效果所必要的判斷資訊。根據得到的業務資料輸入後，系統自動翻譯，生成複合組合，根據重要的指標提出相應的假說。這樣的分析系統提高了資料的利用率，也可以找到人為無法想象的關聯性。整個服務的使用流程也簡潔明瞭。

在其提供的交通管制解決方案中，透過對計程車、公交車產生的行駛與軌跡資料加以檢索與分析，讓交通管制中心獲得更真實、及時的交通訊息，並以此為基礎做出交通調節方案。這節經過實時收集、分析的路況資訊，在不遠的未來還可以面向智慧手機、面向每個普通人提供交通訊息服務，讓更多人避免糟糕的出行體驗。

在物流倉儲領域，日立也利用物聯網與大資料技術開始了自己的嘗試，在過去物流領域高度依賴預判與工作人員的操作來努力提升工作效率，努力提升貨物的擺放、調取與流通效率，但收效甚微。但在日立物聯網與大資料支援下的新型物流倉庫，則透過物聯裝置實時收集商品 ID、商品貨架 ID 與配送地 ID 以及工作開始時間與工作結束時間的運營資料，並對海量資料進行分析，根據日立獨有的人工智慧模型構架並不斷最佳化工作效率模板，將貨物車的調配假如業務系統，對貨物車的進出順序進行最佳化匹配。同時透過對特定貨架在特定時間的搭配提升貨物拜訪時的工作效率。在日立大資料與人工智慧模型的幫助下，該新型物流倉庫貨物擺放工作時間縮短 8%，極大提升物流倉儲業務的工作效率。

在金融領域，日立透過將物聯網與大資料的有機結合，為金融機構節省了巨大的運營成本。透過對金融機構存取款機的使用狀況的監測與分析，在恰當的時刻補充存取款機中的現金，並避免冷門地區的存取款機現金過多但無人提款的低效行為發生。再透過大資料的分析，讓運送現鈔的車輛運送次數做到最少，不僅有效的節省了運輸成本，並降低了相關的風險。

在物聯網的世界裡，現實社會中的所有現象與行為都可以透過資料的形式獲取。物聯網基於資料的收集和複雜的演算法，將從資訊中獲取洞見，並透過與個人與企業的經驗及決策整合，從而創造出新的價值。而不具備這些能力的個人與企業組織將在競爭中收到極大衝擊！物聯網產生的海量資料，就像是新工業時代裡的「新石油」，對資料石油的分析與提煉，資料將會被精煉成更高價值的產品。

但在現在我們不得不承認，只是擁有移動裝置和監測網路是無法形成有意義的物聯網的。企業自行將資料從裝置移動到資料庫並在大量涵蓋無數個人和公司的計算網路之間有效溝通並對產生的大量資料進行分析，是一項非常複雜、昂貴和繁瑣的工作。就像高速公路不只需要路和路標，還需要一大批由加油站、便利店和其他設施組成的基礎設施。物聯網對公司的業務的提升也需要系統、軟體和工具，甚至是經驗豐富的工程師提供全方位、持續不斷的最佳化與服務。缺少了這些「元件」與「服務」，物聯網也只能是一對零散的技術集合，功能有限。

不會啊，因為2019年的5G僅僅是NSA部署，能夠實現的僅僅是三大場景中的eMBB，即移動寬頻增強。另外兩個場景根本不能實現。所以無人汽車和物聯網都不會迎來爆發。

另一方面，無人汽車和物聯網行業作為新型行業，相關法律法規還沒制定，尤其是無人駕駛涉及安全相關問題，應該不會在5G上部署，畢竟沒人敢保證5G網路不會出現大規模故障。至於物聯網裝置的資訊保安問題，也是需要時間來逐漸完善，不是一蹴而就的。

最後，物聯網的實現形式不光有5G，還有Lora、NB-IoT甚至透過2G網路連線，所以限制物聯網爆發的因素並不是5G，還是因為當前沒有大規模可用的應用場景。

2019年只是5G網路試商用階段，主要是為了研發、試驗5G網路的功能性、測試5G終端與5G網路互聯的穩定性等試驗階段，並不會出現無人汽車和物聯網大爆發的狀況。

2019年5G網路只會在全國的試點城市的重點區域建設5G基站來測試5G網路的效能，畢竟是最新的通訊技術，有很多技術問題需要根據實際的網路使用情況來進行調整完善，然後才會大面積推廣5G網路建設並使用。這也就是2020年以後才會開始普及5G網路建設。

5G網路普及的速度肯定會非常慢，因為5G網路使用的頻譜更高，穿透能力比較差，需要建設比4G更多的基站來增強訊號覆蓋範圍，所以需要投入更多的人力、物力和財力來建設工程，花費的時間就更久了，而無人駕駛技術和物聯網領域都需要好的5G訊號覆蓋才可以。

以上就是2019年不會出現無人駕駛汽車和物聯網大爆發的解釋。