从2009年关注物联网，2012年参与创办物联网的媒体，成为物联网领域的专家，一直在观察物联网的发展，通过这10年物联网发展的历史，发现物联网有很多有趣的现象。
概念热的时候，技术并不成熟，应用普及之后，概念却不热了研究行业发展趋势，Gartner技术成熟曲线是一个最佳的方法，这个曲线将技术分为：触发期、期望膨胀期、幻灭期、复苏期和成熟期五个阶段，一般在期望膨胀期，技术最受关注，而在成熟期应用最广，但受关注程度却不高。【下图是2016年时候的Gartner技术成熟度曲线，物联网平台正处于触发期与期望膨胀期之间】
物联网概念在经历了RFID、智能硬件、物联网平台、NB-IOT、5G技术、边缘计算等技术热点之后，很多技术已经开始进入成熟期，虽然很多概念谈的少了，但已经被广泛应用了。可以列一些现在被广泛应用的技术：
RFID是物联网概念诞生的技术起源，麻省理工学院MIT教授Kevin Ash-ton教授【被很多机构认定为最早的物联网概念的提出者】是在上个世纪90年代因为RFID技术提出了物联网的概念，这个技术在2005年左右最受关注。现在RFID的热度远远低于2005年，但却广泛应用于制造业、物流、流通领域；我们现在每个人的衣服上都有RFID标签，ETC的普及，都说明RFID应用已经非常成熟。
物联网平台在2015年非常热，好像现在物联网平台提的少了，但最近两年工业互联网非常热，工业互联网平台的热度也很高，其实比较工业互联网平台架构和物联网平台架构，工业互联网平台与物联网平台架构如出一辙。物联网在平台层在应用成熟后，落地为工业互联网平台。尤其是现在中央在推动的新基建就包括工业互联网，今年工业互联网的热度还会继续持续。
NB-IOT在2015，2016年非常热，但当时存在很多问题没有解决，而现在NB-IOT在远程抄表领域应用已经很成熟。
所以技术在不完善的时候会热，在应用成熟后反倒不热。
在技术不成熟时，以物联网命名，在应用普及后，以应用命名就如上一节介绍的，概念热的时候，技术不成熟；而应用普及后，技术完善；这个观点倒过来说，技术不成熟时，因为对技术有期望值，所以会对概念热炒，而技术完善后，意味着可以有很多的应用，用户本身是对技术不关心的，但却对应用感兴趣，因而应用推广中，不会以物联网技术作为主要卖点，但会让用户对应用的功能命名。
以定位系统【比如GPS】而言，就是一个非常具有代表性的应用：
1、装在有定位系统的设备【设备能够感知位置信息】，增加了感知功能；
2、GPS设备与电子地图结合，提供位置导引应用【电子地图】；
3、将位置信息与日常应用结合，比如智能物流、外卖业务。
定位系统是技术，而使用电子地图与定位融合的应用，现在越来越普及。比如我们日常生活中离不开的，智能出行、共享单车，外卖，物流等应用，都是基于定位系统的应用，属于最典型的物联网应用，但这些应用都不以物联网命名。
物联网未来会应用于所有行业，当物联网技术普及后，就不会有物联网概念了举一个例子，现在谁还会在称自己的手机是智能手机吗？但是哪一个现在用的不是智能手机？
在10多年前，智能手机发展之初，为了区分传统手机与智能手机，因为那个时候智能手机普及率不高。但在智能手机普及之后，所有的手机都是智能手机，这个时候智能手机这个概念反倒没有意义了。
物联网也是一样，现在技术还在发展阶段，有的应用使用物联网技术了，有的应用还没有使用物联网技术，为了做区分，物联网技术这个概念还有意义。
但未来所有应用都是物联网技术，不需要区分是否嫨由物联网技术的时候，物联网技术的概念就会不再被大众关注。
现在很多行业物联网技术已经普及，因而不再以物联网命名。未来所有应用都是物联网应用，将不再突出物联网概念。
有一个问题：物联网数据并没有被充分利用。
尽管从这些设备收集的数据有可能非常有价值，并与业务相关，但大部分潜力并没有被挖掘出来。相反，物联网数据在很大程度上没有得到开发、充分利用和重视。
最明显的原因是因为数据收集量大、频率高，以至于太多的原始信息难以分类或评估。虽然随着人工智能技术的的发展，这个问题正在慢慢得到解决，但其他问题依然存在。
以下是物联网没有发挥其潜力的四个原因——以及企业可以采取哪些措施。
1、未检查到数据异常
移动设备并不总是完美运行，因此它们和其他物联网设备产生的数据也不会完全正确。由于设备出现故障或BUG，因此物联网应用程序有时会限制数据传输的时间、地点和内容。它们还可能会遇到丢失数据和异常值。
这就是为什么必须实时持续监测数据流的原因所在。
小心数据丢失。如果数据流由于某种原因中断，聪明的算法或冗余传感器可以帮助找到解决办法。
利用人工智能和其他传感器数据进行处理，有助于纠正错误和不完整的数据，从而提高物联网效用。即使技术上不需要，也可以捕获良好数据的样本。
我们经常听到客户希望在“一切正常”时不传输数据，从而降低带宽或存储成本。其实，“良好”的数据对于构建能够检测“不好”的机器学习模型至关重要。
2、传感器布置不完整
物联网尚未发挥其潜力的第二个原因是，许多企业没有布置足够多的传感器来收集数据。
如果你的传感器布置不足或不合理，或者你没有全面了解每个变量，那么很容易影响基于数据所作出的决策。
3、不能导致行动的数据和分析
物联网没有发挥出它的潜力，因为从连网设备上获得的数据没有被用于持续改进。
一旦数据被结构化，它就需要与产品和部件数据相关联，以了解是否需要为设备更换部件，例如预测性维护。
物联网的主要好处之一是能够对从物联网设备接收的数据做出快速、直接的响应，从而不断改进产品和服务。但是公司没有充分利用这一好处。
4、有限的数据可访问性
最后，如果数据和见解不能到达最终用户，它们都是无效的。物联网设备提供的大量有意义数据并没有惠及那些希望从中受益的人。
这有几个原因。一是员工缺乏数据素养，许多企业没有对员工进行良好的数据使用培训。
第二个也是更普遍的原因是“隐藏”数据，使其不容易访问。
