大家知道到物联网的基础的是感知和互连，于是很多进军物联网的半导体公司把产品重点都放在感知和互连上，但是最近采访了ADI的总裁兼CEO Vincent Roche之后，我觉得大家可能都忽视了一个更重要的东西，就是和数学知识的融合，确切地说有关信号检测、概率论的知识如何和半导体信号结合。
2013年，号称“神奇小子”美国的纳特希尔弗出了一本书《信号与噪声》，书中详细分析了如何从海量数据中检测出有用的信号，做出接近真相的预测，这哥们为什么叫“神奇小子”因为他在2008年美国大选期间他成功预测出49个州的选举结果，2012年大选期间更是成功预测出全部50个州的选举结果，所以被称为“神奇小子”。
他在书中结合海啸、股市、NBA赛事、911等实例分析了如何滤除噪声获得最接近事实的预测，我个人认为做物联网的业者都看看这本书，它能帮助我们更深刻地理解物联网。
数据预测显示，到2020年，全球互连的设备数量高达500亿个，这意味着届时我们生活的时时刻刻都讲有海量的数据传输，如 Vincent Roche之所言第三次信息革命是基于感知的革命，这些感知会产生海量的数据，(例如一个飞机发动机在每次飞行中就可产生0.5TB的数据)如果这些数据都传输到云端则会消耗大量的带宽和功耗，这不是环保减排的趋势正确的做法应该是在感知端就做到智能分析甚至更多人工智能介入，要实现这个，就必须有精深的数学基础知识，你需要把感知的大量数据进行分析，做相关性分析，把跟结果有最相关的信息保留进行进一步的分析，这也是我说物联网玩的是数学的原因。
如ADI帮助新英格兰农民种出好吃的番茄，采集到精确的数据很重要，但是有了这些数据就可以种出好吃的番茄了吗?NO!你还要抽丝剥茧，从中发现跟番茄好吃有关的指标(有用的信号)这需要一套相关性分析的算法，这个我认为是最重要的，如果你做错了分析，虽然你的感知数据正确但是结果并不是你想要的。对于数据的提取大家可能都知道，可能感知的数据有温湿度、土壤酸碱度、水质，阳光照射、风速、地磁、灌溉的方式等等，但是这些数据中哪些是跟番茄口味有关呢?就需要从信号关联角度进行挖掘了，这就需要建立模型和算法了。
有人认为好吃的番茄主观性太强，所以要复杂一些而智能交通、智能家居要简单的多，因为这些就是客观性数据的分析，比如堵车分析、或者家居设备的控制，但是我觉得如果把智能就就是这些是很low的，这些都是伪智能，不是真正的智能。
真正的智能应该是主动性的预防而不是事后性的数据总结，以智能交通为例，交通台每天总是播报已经拥堵的路段并没有任何事前预防的措施，真正的智能交通是把城市交通看成一个整体进行系统性的分析，在车辆行驶过程中随时根据路段的变量进行拥堵分析和预测并处置，这需要很多数学分析方面的知识，所以物联网时代的智能交通可能会跟现在有很大不同。
还有，以智能家居为例，真正的智能家居应该不需要人的判决就实现控制，同时还可以根据人的情绪变化做出调整，让智能家居变成人类健康生活的一个部分。这也是需要很多数学知识的，这样看来，我们现在智能家居思路是不是又走偏了?
所以ADI的 Vincen认为物联网的五个环节中前三个是最重要的分别是感知、计量和数据解读。
物联网应该是现有所有设备和产品的一次革命性的升级，除了连接和感知外，在系统性方面需要融入更多的科技知识，这样的升级才有增值。目测以后做算法，信号分析的数学人士在物联网时代要吃香了。大家觉得呢?