物聯網帶動虛擬化轉型大數據與人工智慧商機

拓墣產業研究所

下單後立即進貨 (約5~7天)

相關主題

商品描述


<內容簡介>

物聯網發展相當迅速,從穿戴式裝置的崛起,到智慧家庭與智慧製造的垂直領域深化,物聯網已經快速的滲透到各行各業當中。物聯網規模龐大且影響範圍甚廣,從物聯網發展初期的硬體底層串聯,至今已開始轉往大數據的管理分析,並依此建立起預測模型,達到防範未然與智慧自動化的效益。
為了要達到其目標,基礎建設已經不再僅僅是硬體底層的網絡串接,從各個來源硬體與裝置獲取而來的資料,必須經過統一化的通道(物聯網閘道器)與資料平台(API層),將資料進行篩選、精煉並予以抽象化,使數據資料成為可取用、可介接的資源,除此之外,亦需要將既有的資料平台(如MES、ERP、CRM等)等系統進行資料的統整與整併,將新舊資料進行交叉比對與判斷,才能以更全面的格局來看待數據。
整併的過程將涉及大量流程與大量資料的參與,隨著資料的暴增,雲端及虛擬化的需求便跟著水漲船高,利用雲端與虛擬化的技術,將企業在面對資料所需要的運算與儲存需求進行外包,使企業得以利用較低的成本,獲取更高水準的資料處理與儲存能力,因此雲端與虛擬化的技術正接續物聯網時代後期的需求而快速增長。
物聯網市場正處於後戰國時期,雖然市場仍混亂,但仍可看出其發展趨勢,如各大聯盟已開始有相容的趨勢,許多廠商也破天荒的化競爭為合作,垂直領域也開始有所連結,其所顯現的徵兆代表著廠商彼此之間的合作越來越重要,不論商業模式如何變化,生態系的建立與完善依舊是最重要的關鍵。物聯網發展相當迅速,從穿戴式裝置的崛起,到智慧家庭與智慧製造的垂直領域深化,物聯網已經快速的滲透到各行各業當中。物聯網規模龐大且影響範圍甚廣,從物聯網發展初期的硬體底層串聯,至今已開始轉往大數據的管理分析,並依此建立起預測模型,達到防範未然與智慧自動化的效益。
為了要達到其目標,基礎建設已經不再僅僅是硬體底層的網絡串接,從各個來源硬體與裝置獲取而來的資料,必須經過統一化的通道(物聯網閘道器)與資料平台(API層),將資料進行篩選、精煉並予以抽象化,使數據資料成為可取用、可介接的資源,除此之外,亦需要將既有的資料平台(如MES、ERP、CRM等)等系統進行資料的統整與整併,將新舊資料進行交叉比對與判斷,才能以更全面的格局來看待數據。
整併的過程將涉及大量流程與大量資料的參與,隨著資料的暴增,雲端及虛擬化的需求便跟著水漲船高,利用雲端與虛擬化的技術,將企業在面對資料所需要的運算與儲存需求進行外包,使企業得以利用較低的成本,獲取更高水準的資料處理與儲存能力,因此雲端與虛擬化的技術正接續物聯網時代後期的需求而快速增長。
物聯網市場正處於後戰國時期,雖然市場仍混亂,但仍可看出其發展趨勢,如各大聯盟已開始有相容的趨勢,許多廠商也破天荒的化競爭為合作,垂直領域也開始有所連結,其所顯現的徵兆代表著廠商彼此之間的合作越來越重要,不論商業模式如何變化,生態系的建立與完善依舊是最重要的關鍵。物聯網發展相當迅速,從穿戴式裝置的崛起,到智慧家庭與智慧製造的垂直領域深化,物聯網已經快速的滲透到各行各業當中。物聯網規模龐大且影響範圍甚廣,從物聯網發展初期的硬體底層串聯,至今已開始轉往大數據的管理分析,並依此建立起預測模型,達到防範未然與智慧自動化的效益。
為了要達到其目標,基礎建設已經不再僅僅是硬體底層的網絡串接,從各個來源硬體與裝置獲取而來的資料,必須經過統一化的通道(物聯網閘道器)與資料平台(API層),將資料進行篩選、精煉並予以抽象化,使數據資料成為可取用、可介接的資源,除此之外,亦需要將既有的資料平台(如MES、ERP、CRM等)等系統進行資料的統整與整併,將新舊資料進行交叉比對與判斷,才能以更全面的格局來看待數據。
整併的過程將涉及大量流程與大量資料的參與,隨著資料的暴增,雲端及虛擬化的需求便跟著水漲船高,利用雲端與虛擬化的技術,將企業在面對資料所需要的運算與儲存需求進行外包,使企業得以利用較低的成本,獲取更高水準的資料處理與儲存能力,因此雲端與虛擬化的技術正接續物聯網時代後期的需求而快速增長。
物聯網市場正處於後戰國時期,雖然市場仍混亂,但仍可看出其發展趨勢,如各大聯盟已開始有相容的趨勢,許多廠商也破天荒的化競爭為合作,垂直領域也開始有所連結,其所顯現的徵兆代表著廠商彼此之間的合作越來越重要,不論商業模式如何變化,生態系的建立與完善依舊是最重要的關鍵。

<章節目錄>

第一章 物聯網市場與垂直領域發展趨勢

一. 物聯網聯盟動態

二. 垂直領域市場發展趨勢

三. 智慧醫療

四. 智慧製造

第二章 雲端化、虛擬化(軟體定義)與資訊化轉型

一. 雲端風潮下資料中心晶片發展趨勢

二. 軟體定義儲存與超融合架構市場趨勢

三. 資訊管理與技術發展趨勢-以智慧工廠為例

第三章 大數據與人工智慧發展

一. 大數據資料應用-以能源管理為例

二. 大數據資料平台建立-以新加坡智慧城市為例

三. 人工智慧發展-以IBM布局智慧醫療為例

 

圖目錄

圖1.1 智慧家庭快速發展原因

圖1.2 智慧家庭與其他領域結合的商業模式

圖1.3 台灣人口結構推估

圖1.4 個人健康照護管理之物聯網架構

圖1.5 NTT DoCoMo與Omron合作

圖1.6 整合型ASIC醫療解決方案

圖1.7 醫療數據資訊新應用

圖1.8 出生到終老的個人健康照護架構

圖1.9 各國智慧製造計畫

圖1.10 1%的威力

圖1.11 《十三五規劃》與各大計畫關聯圖

圖2.1 2010~2015年全球雲端運算市場規模變化

圖2.2 傳統資料中心網路架構

圖2.3 SDN資料中心網路架構示意圖

圖2.4 2014~2018年ARM於伺服器晶片市場上的布局方向

圖2.5 2011~2016年伺服器網路連線速度佔比變化

圖2.6 2011~2016年乙太網路交換器市場佔比變化

圖2.7 傳統三層式網路架構

圖2.8 枝葉-主幹式網路架構

圖2.9 VMware提出的SDDC架構

圖2.10 超融合基礎架構節點擴充

圖2.11 智慧工廠架構演進

圖2.12 製造業智慧化演進

圖2.13 智慧工廠系統架構

圖2.14 自成循環的智慧工廠管理架構

圖3.1 Big Data應用廣泛

圖3.2 Green Button ESPI發展

圖3.3 橫濱市、Toshiba智慧城市計畫

圖3.4 新加坡亦面臨許多急迫的城市議題

圖3.5 新加坡Startup生態系

圖3.6 API層得以介接來自各處的數據資料

圖3.7 IBM正強化Watson Health運作模式

圖3.8 2006~2022年美國醫療保健支出及預估

圖3.9 IBM連續13季營收呈現負成長

圖3.10 以Watson為基礎往醫療保健尋找獲利

圖3.11 IBM於2015年前後併購企業之變化

 

表目錄

表1.1 IoT各大聯盟會員與發展領域

表1.2 2010~2013年各國平均每人醫療支出 20 表1.3 2010~2013年各國醫療支出占GDP比例

表2.1 Intel伺服器晶片系列

表2.2 ARM合作夥伴已出貨之64bit伺服器晶片

表2.3 SDS可提供的服務與功能

表2.4 2016年SDS主要2種方案模式與代表企業