近年來M2M市場隨著LoRa、Sigfox等LPWA技術的出現，應用版圖不斷擴大，而LTE-M和NB-IoT則更進一步助長了此一趨勢。隨著5G規格與基礎建設成熟，預期將驅動更多應用商機，廠商也陸續投入此領域備戰。
5G正式邁入商業運轉，除了會開啟大頻寬、大流量的新興寬頻應用商機，亦可為機間通訊(M2M)與大規模物聯網(Massive IoT)發展注入強勁動能。如何以具成本效益的方式在大範圍區域中連結大量低功耗裝置，並在裝置的完整生命週期內有效率地管理它們，便成為部署Massive IoT的主要挑戰與課題。
而產業普遍看好2020~2023年5G mMTC規格確立、網路建設逐漸完備後，將會促使更多Massive IoT應用落地，帶動整個產業鏈從感測器、網路晶片、資料處理、雲端管理平台到整合服務的市場需求。隨著產業演進，未來也會有越來越多裝置或後端管理平台導入人工智慧(AI)技術，執行更多資料處理與分析，因應此趨勢，雲端也有了新的架構設計方向，提供更高效、可靠的管理與儲存平台。
Massive IoT商機從應用出發
5G將實現更高的傳輸速率與更大的頻寬，因此在5G的時代，產業關注的重點不只是網路架構，還包括大數據處理等資訊議題，光寶科技通訊模組事業部總經理吳松泉表示，Massive IoT是5G與歷代行動通訊最大的差異，通訊晶片模組的開發上不再只著重於個人電腦、筆電的連線功能，而要放眼整個應用市場。如光寶以前做通訊模組，只須專注筆電客戶的網路功能開發。然而，5G時代的物聯網講究的是服務以及背後完整的生態圈，晶片模組廠要接觸的不再只是其上游與下游廠商，還必須充分了解整個產業鏈以及生態圈，商業模式的發展也會變得更複雜。
光寶科技通訊模組事業部總經理吳松泉表示，進入Massive IoT時代後，通訊晶片模組的開發要放眼整個生態市場與應用發展。
吳松泉進一步說明，Massive IoT會由應用出發，帶動感測器、資料處理、平台到服務的市場需求，為整個產業鏈帶來龐大的商機。對Massive IoT來說，通訊技術只是一個技術基礎，更重要的是如何因應不同垂直市場去滿足需求。舉例來說，過去農業與通訊產業間的關聯非常小，但現在已經可以聽到很多智慧農業的應用案例，例如用無人機結合影像拍攝與深度學習技術去計算西瓜的採收數量等。另外，漁業也是一個例子，未來可以利用IoT網路搭配感測器去做水質品質的監控。
以NB-IoT這幾年的發展來說，2017中國通訊部力推NB-IoT，在2017、2018年有許多NB-IoT的試點，但經過2018年一整年的觀察，似乎沒有發展得非常快，目前還在尋找完整的商業模式，且相關的技術方案和基礎建設都還不是那麼完整。據了解，營運商投入資源時，最大的疑慮是商業模式，因此尋找並確立可獲利的商業模式，也成為現階段最重要的目標。業界普遍也相信未來2~3年隨著5G R16、R17等規格完整，mMTC相關的規格標準確立，以及網路基礎建設逐步完備後，2021~2023年應用商機會慢慢浮現，並找出殺手級應用。
目前幾個比較熱門的應用議題包括，公領域的智慧讀表、環境監測管理、瓦斯電力輸送以及道路交通管理；私領域則包括健康照護、物流追蹤、家庭設備/監控、工業資產管理以及智慧建築的遠端監控等。而光寶在Massive IoT領域也有投入智慧路燈的開發，在燈座或者燈桿上加裝通訊模組支援網路連線，也可以安裝監視器進行車流、人流以及路況監控，甚至搭配本地(邊緣端)的深度學習(Deep Learning)技術，發展出交通管制等更進階的功能(圖1)。
圖1 智慧城市重要應用
智慧城市願景有賴生態鏈業者共同投入
智慧城市的好處主要在於，可以幫助社會或企業進行永續經營、提升能源利用率，以路燈為例，Massive IoT的導入可以讓路燈依據不同季節、氣候天黑的時間去做動態調整，以節省人力與能源，同時達到永續經營的目標。在提升效能的同時，也可以減少許多資源浪費與成本支出。舉例來說，當路燈使用時間縮短，除了耗電量減少，燈泡的平均使用年限也可以提升。此外，也可以在物聯網系統中導入預防性/預測性維護等進階功能，定期檢測電池壽命與設備/裝置狀態，在系統發生異常還未故障時就即時維修更換，避免系統意外中斷。
除了上述提到的智慧路燈，u-blox商業開發主任林世澤指出，社會安防也是智慧城市重要應用，目前中國在這方面也有最多的討論與投入。未來透過聯網技術將所有的攝影機串起來，發生事故時警方就不須花時間逐一檢視各個監視器畫面，可直接透過將資料彙整到後端平台，再透過後台的影像辨識、AI演算法進行資料分析與辨識，協助警消系統方提高意外事件的處理效率。
u-blox商業開發主任林世澤指出，Massive IoT結合AI影像辨識與資料分析，可協助警消系統方提高意外事件的處理效率。
林世澤表示，以目前發展的進度來說，智慧城市的發展與系統建置還在初期階段，做的事情相當簡單，即在既有的設備中加裝感測器與聯網模組，將之升級成物聯網系統。透過感測器進行初步的資料收集，再藉由物聯網技術將這些資料傳送到後台做匯整。而若要有進一步的使用這些資料來提升管理效率，則必須建置管理平台，透過大數據與AI演算法去做更多的分析、預測，讓這些資料發揮更大的效益。
Massive IoT發展已起步，預期2023年以後整個基礎建設會更為成熟，應用也會陸續落地，展現其商業價值。林世澤強調，現在開始準備投入還來得及，而ublox也提供NB-IoT/LTE-M的模組，開發者不須從IC Level開始做設計，可直接套用模組廠提供的軟體方案，透過AT Command方式進行溝通與控制，可簡化開發設計。對於此領域有興趣的業者可把握時機加入，並與產業共同建置完整的生態體系，挖掘更多成功的可獲利模式。
感測/連線/AI共同實現 IoT願景
感測器設計的三大考量是功耗、精準度跟可靠度，其中準確度尤為重要。隨著技術與應用的演進，感測器不再只是進行簡易的偵測，還會將收集的資料傳送到後端的軟體平台，透過演算法進行運算與分析，並提供終端裝置更多進階的功能。以智慧手環為例，感測器提供的資料必須夠準確、可信，才能將數據轉換成有意義的資訊，提供真正貼近使用者需求的健康照護建議。
而針對上述的發展趨勢，意法半導體資深產品行銷經理陳建成表示，在Massive IoT的發展下，自動化、智慧化應用對於感測器的需求會不斷增加，而感測器廠商的使命，即是從硬體設計、生產端的測試與校準環節著手，運用多年開發的經驗提升產品效能與可靠度。此外，導入連線功能也將成為感測器大勢所趨，包括5G或者Sigfox、LoRa與NB-IoT等LPWA技術，讓感測器能更好地融入物聯網系統。除此之外，不論是用於汽車、工業或消費性裝置的感測器，也會逐步在MCU中導入一些簡單的運算功能，讓產品更聰明。
意法半導體資深產品行銷經理陳建成表示，Massive IoT的發展會帶動應用市場對於感測器的需求。
感測器在物聯網重要的應用包括資產追蹤與設備的預防性/預測性維護，透過加速度計、壓力計、溫度感測器以及麥克風來追蹤周邊環境與振動，透過後台的資料分析，判斷貨物狀態或者工廠設備的狀況，甚至提供現場進一步的指示。
此外，陳建成也指出，隨著應用需求的浮現，未來感測器會加入機器學習(Machine Learning)的功能。如ST即在日前推出的一款感測器中整合機器學習內核心，可根據已知運動模式對運動數據進行分類處理，接替主處理器處理運動追蹤的第一階段任務，加快健身記錄、健康監測、個人導航、跌倒檢測等運動類App的運作速度。而陳建成也說，2020年市場上也會陸續看到感測器廠商推出類似的產品。
邊霧運算結合AI成IoT架構大趨勢
隨著物聯網技術的演進，應用產生的資料將會越來越龐大，傳統物聯網雲端架構恐無法滿足大量資料需求，資訊安全也會出現疑慮。在此趨勢下，導入邊霧運算與AI的全新物聯網雲端架構也應運而生。
資策會智慧系統所總監陳仕易表示，物聯網功能不應該只是傳輸，它最高的價值在於應用。由於傳統物聯網雲端架構無法滿足即時回應、資料隱私、離線處理等多元需求，導入邊霧運算解決雲端架構面臨的問題，並增加使用彈性，提供系統間資源共享與再利用，已成為物聯網架構開發的新主流。國際大廠如CISCO、IBM、ARM、Dell、Intel、Google、Amazon、Microsoft等紛紛組成聯盟，投入雲霧運算相關設備與產品研發。
資策會智慧系統所總監陳仕易表示，物聯網最大的價值在於應用。
陳仕易指出，未來希望雲跟霧可以溝通，所以除了雲端之外，邊緣端也要虛擬化，資源會更好管理。系統虛擬化與服務架構也衍生了創新應用方案，虛擬化傳統應用層SaaS就可以整合智慧駕駛、智慧製造、智慧醫療、AR/VR、智慧農業、智慧城市等通訊介面，從雲端很快地互動，將需要的應用軟體下載到物聯網終端上，大幅提升可信度。現在國內外許多大廠都是往這個方向發展，甚至將CPU和GPU放進來，直接進行AI運算。但目前由於與雲端互動的模式並沒有一定的標準，因此要轉換平台就會非常困難，邊緣運算和雲端互動的標準化是一個挑戰。