摘要：本文展望了物聯網和大數據時代傳感器的重要性及應用。

　　全新的物聯網(IoT)應用——從醫療、智能能源到牲畜飼養——推動了更多分層智能的需求，可以解決安全性和隱私性問題，并且管理劇增的數據量。

　　假設一場會議同時傳送到三個城市的觀眾。當主持人向觀眾提問時，觀眾可以舉手回答，對觀點表示贊同。當舉行投票時，全部三個城市的總投票數會實時呈現在主持人和觀眾面前。

　　實際上，這種未來的場景最近在飛思卡爾已經變成了現實。從某種程度上講，我們做到了這一點，它展示了物聯網(IoT)的巨大潛力。它的運行原理如下。每一名觀眾都佩戴了內置運動傳感器的腕帶。腕帶的傳感器數據可以捕捉觀眾腕帶的運動。為了將這種動作消耗的通信帶寬降到最低，同時降低無線通信的功耗，在腕帶中運行的背景感知算法可以翻譯傳感器數據，并且尋找匹配用戶抬手的垂直位置動作數據模式。當標志性運動出現時，腕帶就會將數據傳送到大會現場的無線接入點。

　　無線接入點將從腕帶接收的數據做好時間標記，然后迅速將信息轉發到云應用。這些應用會利用所有三場會議地點的腕帶結果，推算出主持人發起投票的時間。盡管腕帶中運行的算法可以識別垂直運動，但是傳感器難以分辨出垂直運動的細微區別，究竟是用戶正在舉手，還是單純因為觀眾煩躁不安或正在起身。然而，云環境的智能可以注意到，在狹窄的時間窗口期間大部分觀眾攜帶的傳感器正在同時向上移動，由此推斷會場正在投票。

　　源頭的傳感器

　　這個例子說明了物聯網(IoT)的眾多架構挑戰(參見圖1)。在物聯網(IoT)互聯設備的源頭通常都是一個或多個傳感器。傳感器將物理環境(例如運動、磁場或周圍環境)的信號轉化為數字數據。因為傳感器可以連續且自動提供數據，傳感器數據會快速超越人工產生的數據量。為了緩解數據堵塞及其相關的傳輸成本，智能傳感器可以實時做出數據的重要或相關決策，只有當這些決策對上游應用有重要作用時才會傳輸這些數據。例如，運動傳感器的算法可以確定傳感器已經靜止并且跳過一次更新。更加復雜的背景算法能夠區分佩戴者抬手和其它運動(比如起身)之間的細微差異。在數據源部署智能會降低傳感器數據消耗的通信帶寬，并且延長電池驅動無線傳感器節點的電池使用時間。但是，傳感器節點的計算容量比云計算的成本更高，針對特定應用設計的智能傳感器面向不同的用途時可能效率較低。

　　在安全性十分重要的環境中，數據源的智能也至關緊要。目前正在探討各種不同的安全性和隱私性協會，這需要云應用和許可數據源(使用部分或全部數據)之間的協商。這在可穿戴式傳感器領域特別敏感，它可以記錄對個體看似毫無意義的各種信號。采用數據挖掘算法時這些信號與其它信號結合在一起，它們會無意間泄漏消費者隱私。