京公网安备 11010802034615号
经营许可证编号:京B2-20210330
区块链和人工智能技术能否加速物联网经济的到来
区块链、人工智能和物联网都是如今非常流行的科技名词,它们不仅拥有各自的特点,还能够互相利用互相促进。本文对人工智能和区块链如何实现物联网经济进行了分析,指出这些新技术可能改善人们对大数据的访问及交换,使设备更加智能,帮助用户通过自己的设备直接获利。
被称为物联网(IoT)的连接设备集体网络正在不断增长。高德纳咨询公司(Gartner)估计到2020年将会出现84亿物联网设备。这种增长预计大部分将出现在消费者设备领域,因为更多消费者会持有智能设备。预计企业也会加大采用以提高生产效率并使行业应用最大化。
人工智能(AI)和机器学习(ML)方面的进步会使智能设备变得更加智能化。物联网会共同生成大量的数据,并具有多种多样的功能,从而反过来用于指导和改进算法,使技术更好地发挥作用。
物联网的这些发展可能会改变世界。例如,智能温控器可能被一些人视为新奇事物,但是,这些设备实际上可以防止停电等可能出现的事件。暖季期间能源需求可能会很高。人工智能就可以监测温度设置和家庭与公司的能源消耗,并远程自动调整这些智能温控器以防断电。
数据可被视为改善物联网设备的基础,因此对于开发人员来说,更好地获得信息是至关重要的。但不幸的是,信息交换目前仍充满挑战,尽管人们正在努力改变这种情况。例如,由区块链驱动的数据流服务公司Streamr就正在推动更民主的数据交易方式,BDEX和Terbine等大数据市场则在把大数据所有者与开发人员联系起来。
1使人们能够访问大数据
一般来说,公司和开发人员必须收集和存储自己的数据,才能获取大数据。如果他们需要数据多样性,那么他们可能不得不向外界寻求这样的信息,这项工作也因此更具挑战性。许多小企业也可能缺乏资源来开展一些项目,因为他们无法利用大数据。
更令人沮丧的是,由于可访问的大数据数量有限,组织本身在使用一切时都会遇到困难。根据Forrester的数据,企业内部多达60%到73%的数据在分析中都得不到应用。有价值的信息可能只被闲置在数据仓库和数据湖泊中。
大数据所有者不会让数据在存储中“死亡”,而是会参与像BDEX这样的市场,使他们的数据可供有需要的人使用。他们甚至可以通过这样做获得收入。
2区块链与物联网
区块链在多个领域(包括物联网)得到了越来越多的采用,也因此获得了极高的热度。其透明且不可变的特点在物联网安全等方面能够得到利用。鉴于不安全设备遭劫持或被用作僵尸网络的风险越来越高,该技术成为一种深受欢迎的进步。
更多开发人员现在可以通过以太坊区块链为其各自的用途实施智能合约。这种技术可通过编程与物联网设备一起工作,这些设备中的数据可以触发自动化任务。
从数据方面来看,区块链甚至可以使数据交换更加民主。由区块链驱动的数据流平台Streamr为所有人提供去中心化手段来购买和销售数据。该平台允许数据所有者轻松连接到对等网络并传输他们的数据,其他人可以购买获得数据的权限。Streamr的市场使用区块链智能合约及代币来促进交易并激励数据交换。
Streamr的目标是使人们能够通过实时数据的价值盈利。无人驾驶汽车就能够很好地解释其服务。Streamr首席执行官Henri Pihkala写道:“为了实现最佳操作,它需要不断通过其他机器获取数据,例如来自其他车辆的交通拥堵信息、周边充电站的价格及天气预报等等。Streamr为实时数据交付和支付提供单一接口,使人们和机器能使用加密代币DATAcoin交易数据流。汽车可以自动获取其所需的数据并进行支付。反过来,汽车还可以销售它所产生的数据,例如向其他汽车销售交通数据,向智能城市销售路况测量值,向广告商销售位置和电池用量信息等。这样,数据流经济就诞生了。”
3物联网经济
这种去中心化方式的优势在于它使数据所有者能够随意地通过自己收集和生成的数据获利。他们能够按照自己的意志进行这种活动,直接通过数据盈利,而不用通过中介来进行。
区块链的透明特点还能在用户中形成一种信任感。可以使用声誉系统等机制来帮助潜在买家识别高质量数据来源。由于这个市场向所有人开放,它可能有助于实现由市场驱动的定价,而不是由少数垄断性实体来决定价格。
这种方式还有可能为物联网创建一个更加包容的生态系统,使高质量数据能够更自由地进行交换。更多的参与者也意味着更多可访问的数据来源。这反过来又有助于推动应用程序和物联网设备的改进,从而完善其性能。
区块链作为催化剂能够鼓励用户间的公开数据交换,其去中心化特点能够打破有用数据访问受限的现状。随着数据交易新方式的出现以及硬件与人工智能的不断发展,更多激动人心的创新一定会出现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26