从网络架构上来看，在业界物联网大致被公认为有三个层次，底层是用来感知数据的感知层，第二层是数据传输的网络层，最上面则是内容应用层。三层的关系可以这样理解：感知层相当于人体的皮肤和五官；网络层相当于人体的神经中枢和大脑；应用层相当于人的社会分工，具体描述如下。感知层是物联网的皮肤和五官-识别物体，采集信息。感知层包括二维码标签和识读器、RFID标签和读写器、摄像头、GPS等，主要作用是识别物体，采集信息，与人体结构中皮肤和五官的作用相似。网络层是物联网的神经中枢和大脑-信息传递和处理。网络层包括通信与互联网的融合网络、网络管理中心和信息处理中心等。网络层将感知层获取的信息进行传递和处理，类似于人体结构中的神经中枢和大脑。应用层是物联网的“社会分工”-与行业需求结合，实现广泛智能化。应用层是物联网与行业专业技术的深度融合，与行业需求结合，实现行业智能化，这类似于人的社会分工，最终构成人类社会。
在各层之间，信息不是单向传递的，也有交互、控制等，所传递的信息多种多样，这其中关键是物品的信息，包括在特定应用系统范围内能唯一标识物品的识别码和物品的静态与动态信息。目前，我国各个层级的市场份额如下图所示：可以看出，物联网感知层、传输层参与厂商众多，成为产业中竞争最为激烈的领域。
图表4：我国物联网在网络架构各个层级的市场分额占比情况（单位：%）
资料来源：公开资料整理
从产业链来看，可以将物联网所处产业分为上游、中游和下游。产业链上游环节：主要为接入层厂商，包括芯片、传感器和其他接入硬件以及相关配套的元器件厂商；另外还包括延伸的终端设备厂商。产业链中游环节：包括网络设备提供商、软件及应用开发商、系统集成商。产业链下游环节：包括网络提供商、网络运营与服务提供商等。目前，中国多个设备企业横跨产业链上游和中游，以此为代表的有远望谷等。但是从整体实力上，目前还未培育出可以与英特尔等国际大公司抗衡的本土企业。
图表5：我国物联网产业链情况
资料来源：公开资料整理
全球物联网安全将不断增加
虽然当前物联网成为业界追逐的一大风口，但物联网发展还面临市场碎片化、商业模式模糊、产业标准不全、技术商业化不完善等多种挑战，要克服这些困难需要凝聚产业界方方面面的力量。比如，物联网业务不论是开发还是运营维护难度都很大，很难持续发展到规模化、低平均成本水平，如果某个物联网业务按照重投入、重资产模式进行开发和运维，第一年拿到投资可以实现业务开发，但后期可能就没有更多后续资金来支撑网络长期运维，很多物联网业务都是在这一期间死掉。前瞻认为产业未来可以采取平台合作模式，比如垂直行业开发者与专业物联网平台合作，这样物联网业务的创新、投入、运维门槛等都将变低。而这一设想也正在逐渐成为事实，2017年底，中兴通讯在上海发布新一代物联网平台ThingxCloud兴云，它的一大特色就是消除物联网应用以往相互独立、各自单独部署的建设模式，降低开发难度，节省运营成本，帮助合作伙伴专注于开发用户所需应用。
据GSMA预测，2025年全球物联网设备（包括蜂窝及非蜂窝）联网数量将达到252亿，远高于2017年的63亿；同时，物联网市场规模将达到目前的四倍。此外，工业物联网设备联网数量在2016年至2025年间，将从24亿增加到138亿，增幅达五倍左右，工业互联网设备联网数量也将在2023年超过消费物联网设备联网数量。
总的来说，LoRa、NB-IoT和5G等通信技术的发展让万物互联成为现实。尤其面向低耗流物联网终端的NB-IoT，作为万物互联网络的一个重要分支，适合广泛部署在智慧城市、智慧交通、智能生产和智能家居等众多领域。但由于大量设备直接暴露在互联网，导致产生的物联网安全事件频发。据Gartner数据显示，近20%的企业或相关机构在过去三年内遭受了至少一次基于物联网的攻击。而且，物联网安全风险不仅威胁用户隐私保护，还冲击关键信息基础设施安全。
一方面，智能家居设备部署在私密的家庭环境中，如果设备存在的漏洞被远程控制，将导致用户隐私完全暴露在攻击者面前。例如，智能家居设备中摄像头的不当配置(缺省密码)与设备固件层面的安全漏洞可能导致摄像头被入侵，进而引发摄像头采集的视频隐私遭到泄露。
另一方面，利用设备漏洞控制物联网设备发起流量攻击，可严重影响基础通信网络的正常运行。物联网设备基数大、分布广，且具备一定网络带宽资源，一旦出现漏洞将导致大量设备被控形成僵尸网络，对网络基础设施发起分布式拒绝服务攻击，造成网络堵塞甚至断网瘫痪。
目前，国内外一些企业已经意识到安全在物联网发展中的重要作用，并针对物联网各层次结构，开展了安全技术和产品的研究。接下来，将从物联网的感知层、传输层、应用层及整体解决方案来盘点国内外主要物联网安全企业及技术。
在此背景下，可以预见，未来物联网安全支出将不断增加，预计2018年全球物联网安全支出将达到15亿美元，比2017年增长28%，到2021年物联网安全支出将达到31亿美元
资料来源：公开资料整理
由于后端设备的空间、能耗、环境等的限制相对较少，便于对更大规模的数据进行深度处理，因此，现阶段各大安防监控厂商也将人工智能技术竞争的焦点集中于后端，纷纷推出新产品。如海康威视的“脸谱”系列人脸分析服务器、大华的“睿智”视频服务器、苏州科达的DeepEngine深度学习服务器等。另外，智能化的后端设备也能更好利用当前的非智能前端设备，在无需大规模改造前端设备的条件下实现安防监控系统的智能化升级。
1）智能网络摄像机（SmartIPC）：其算法固定，能够完成某些特定识别任务（如行为分析、异常侦测、识别检测、统计功能等），其代表了一种高清网络摄像机的发展趋势，即高清化、智能化、集成化。目前大部分IPCSoC芯片都已集成部分智能分析能力，不需要额外增加协处理芯片，这使得SmartIPC在市场上快速普及。
2）结构化分析摄像机：其特点是能够对视频流进行实时结构化属性分析，从中提取视频信息、语义信息、图片信息，提供人员、车辆分类抓拍、支持目标的人/车结构化属性分析，如颜色、方向、速度、车牌识别等。这需要在IPCSoC芯片的基础上加入NPU浅层学习处理器（如北京君正的T20+T01芯片方案）；或利用高通、英特尔等通用芯片，结合安防厂商自主开发的感知算法（如苏州科达的感知型摄像机）。
3）深度学习摄像机：采用深度学习算法，以海量图片及视频资源为基础，通过机器自身提取目标特征，形成深层可供学习的图像数据，极大的提升了目标的检出率。此类摄像机通常带有高性能深度学习GPU芯片，典型产品如海康的“深眸”系列。
图：根据智能化程度的不同，我们将智能摄像机分为三个层次
资料来源：公开资料整理
锐观网倡导尊重与保护知识产权。如发现本站文章存在版权问题，烦请联系service@reportrc.com、010-5716921，我们将及时沟通与处理。
