作为泛物联网在工业领域的一个分支，工业物联网(IIoT)是指互联的传感器、仪器和设备与计算机工业应用软件系统一起组成的网络，用于制造流程的自动化和效率提升，以及制造装备、能源和资产的有效管理及成本降低。
工业物联网涉及数据采集、处理、交换和分析，是传统分布式控制系统(DCS)的演进和扩展，借助云计算来优化流程控制以获得更高程度的自动化。
IIoT的使能技术包括网络安全、云计算、边缘计算、移动技术、机器-机器通信、3D打印、机器人、工业大数据、物联网、RFID技术，以及认知计算等。
其中最为重要的五大技术简述如下：
虚拟-物理系统(CPS)：
这是将传统分离设备组网连接起来的IIoT基础技术平台，将物理流程的动态与数字化的软件和通信集成起来，为整个网络系统提供抽象和建模、设计及分析功能。
云计算：
随着互联网云平台技术和市场的发展趋于成熟、稳定和安全，工业领域的数据和通信也逐渐从传统的本地服务器转移到云计算平台，工业流程的数据存储和计算处理也更多地汇聚在云端进行。
亚马逊、微软、阿里云和华为
等公司都针对工业物联网推出了各自的IIoT云平台，GE、西门子等传统工业巨头也分别推出了工业互联网云平台。
边缘计算：
与云计算相反，边缘计算是一种去中心化的数据处理技术，即在边缘侧和终端设备上直接进行数据存储和处理，以满足工业流程对数据实时处理和响应的要求。
大数据分析：
对工业流程所产生的海量数据及各种数据集进行分析，以提炼出有价值的信息供科学决策使用。
AI和机器学习：
将工业设备智能化以完成人机交互，或者机器与机器的通信与协作。
机器学习是工业应用AI的重要组成部分，可通过精准的算法让软件系统更加准确地预测工业运营结果。
IIoT系统采用一种分层的模块化结构，从下至上分别包括设备层、网络层、服务层和内容层。
设备层是指CPS、传感器和设备等物理组件；
网络层包括物理网络总线、云计算和通信协议等；
服务层包括对数据进行处理和输出的应用软件；
内容层包括用户接口设备，比如屏幕、平板电脑等。
很多公司和行业组织都在开发技术平台以支持各种IIoT技术、标准、软件和设备，比如IBM的认知IoT、REST、OPC等，以及工业互联网联盟(IIC)的参考架构(IIRA)。
虽然连接和数据采集对IIoT来说是必不可少的元素，但这并非最终的目标。
IIoT当前的一个热门应用是预测性维护，因为这可以应用到现有的设备资产管理系统，降低非预期停机时间，从而提高生产效率。
工业大数据分析在制造设备预测性维护方面扮演着关键角色。
以上简要介绍了IIoT的概念、技术、架构、标准和应用，下面我们从硬件实现的角度，分别阐述边缘计算和智能感传感器这两种工业物联网关键技术。
根据Gartner和IDC的市场预测，到2022年全球IoT市场规模将达到
1.2万亿美元
，企业级数据的一半将来自云平台和数据中心以外的地方，其中增长最快的是
移动
和
IoT设备
产生的数据。到2020年投入到边缘计算方面的资源将占到IoT整体开支的18%，
这意味着边缘计算将是一个快速增长且市场潜力巨大的新兴领域
，思科和华为等企业级系统方案提供商也在边缘计算上投入更多技术和市场资源。
究竟什么是边缘计算？
到目前为止业界还没有一个统一的定义。
按照工业互联网联盟(IIC)的说法，边缘并不是一个可以明确的物理层，而是一个因应用场景而异的逻辑层概念。
但是，边缘计算的主要价值在于可以降低数据延迟，因为边缘计算设备离数据源比较近，可以就地计算、处理和触发行动，而不必先传输到云端进行处理，然后再反馈行动指令，这对实时性和带宽要求比较高的应用特别重要。
对于IIoT应用，除低延迟的实时性要求外，数据安全也是制造企业及IT/OT技术开发商需要考虑的因素。
另外，制造设备在正常运行时产生的大量数据并没有特别的变化，全部上传到云端会造成很大的宽带和成本压力。
而边缘计算设备可以在本地处理和存储这些数据，只将动态变化或异常的meta信息传输到云端就可以了。
传统意义上的传感器只是感应和测量物理环境的状态，比如温度、湿度、气压、振动和运动等，而所谓的“智能”传感器不但具有这些基本的感应能力，
还具有计算和处理性能，甚至无线网络通信功能。
此外，智能传感器将传感器件与微处理器和无线通信模块集成在一个芯片封装内，比传统的传感器尺寸更小、功耗更低，而性能更高，已经广泛应用于模数转换、数字处理和双向通信等各种领域。
