據麥姆斯咨詢介紹，物聯網（簡稱：IoT）的目標是通過世界上事物相連接，從而讓消費者的生活更加簡單，讓消費者更加“興奮”。但這種物聯網的愿景該如何實現呢？在物聯網的世界里，微機電系統（MEMS）傳感器是用戶與圍繞在我們身邊的眾多設備之間的人機交互“頂梁柱”，諸如智能手機、可穿戴設備、機器人和無人機。然而，使設備能夠感知并且聯網，根本不足以實現物聯網的宏偉承諾。事實卻是，物聯網只有以用戶為中心才能取得成功，即解決現實生活中的挑戰，提高易用性，讓生活變得更簡單。此外，在越來越復雜的環境中，各種設備上無處不在的傳感器，給傳感器供應商帶來了明確的收益且日益增長的挑戰。下面以傳感器供應商的角度討論這些挑戰并提出可能的解決方案。物聯網中智能傳感器面臨的三方面挑戰如今的智能傳感器模組包含與原始傳感器集成的某些處理能力，它可以歸結為三個關鍵的挑戰：I. 第一個挑戰是技術本身。供應商被迫利用其核心的MEMS和系統知識來實現幾乎不可能的目標。對工程師來說，存在物理上的約束，一方面封裝尺寸不能一直縮小，另一方面對低功率及高性能的要求不斷增加。供應商也被迫將越來越多的智能和意識嵌入此類系統中。為實現這一目標，技術需要跨多個產品平臺來使用。II. 第二個挑戰來自于該行業的嚴重碎片化。如今，MEMS傳感器獲得的大部分收入來自智能手機領域。每年售出的智能手機超過10億部，并且每個智能手機都裝有多個MEMS傳感器。同時，智能手機的OEM制造商設置了規范，而諸如Bosch Sensortec等供應商也相應地定義了其MEMS傳感器規格指標。但物聯網世界則截然不同，其特點是競爭激烈的技術平臺呈現高度分散的結構。傳感器、微控制器和執行器的傳感器子系統的需求在物聯網領域有很大差異。因此，像Bosch Sensortec這樣的供應商需要創建集成硬件和軟件的跨平臺解決方案，并提供專用軟件。通過利用軟件和專家應用技術，供應商可幫助其客戶解決特定問題，而不需要為個人應用一一定制個性化硬件解決方案。III. 最后一個挑戰是幾何復雜性加劇。物聯網系統本質上是復雜的，而OEM制造商通常需要一站式解決方案或參考設計。總之，僅僅提供組件是不能滿足需求的。以市場為導向的供應商滿足這些要求，采用集成智能傳感器解決方案，通過將越來越多的系統處理能力整合到單個模組設備中，從而大大降低其復雜性。由于沒有一家公司能夠提供一個全方位的完整解決方案，因此供應商也必須緊密合作，并與第三方建立伙伴關系，例如創建參考設計。物聯網傳感器信息的層次結構物聯網信息結構由幾個層次組成，對于一個典型應用來說，可按以下順序排列信息有用性：傳感器信息的層次結構：1. 原始數據2. 運動檢測3. 活動監測4. 情境感知5. 目的預測盡管原始數據可能會被篩選、補償和修正，但大多數情況下，用戶使用它可以做什么是有明確的限制。在下一層級中，通過識別模式和應用算法，來解析數據，以提供運動檢測信息。然后，通過增加其它傳感器功能，比如通過氣壓測量來測量海拔高度，就會上升到第三層級，來分配推斷出的活動監測信息。現代無處不在的計算環境情景感知設備包括：添加更多的元素，如與其他設備的交互、適應環境噪聲、光照條件、網絡狀態等。最終，這將導致更復雜的任務，例如基于環境與過去行為模式的加權評估做出預測決策。在這一點上，將傳感系統處理數據與人腦功能相關聯會變得非常有趣。人類大腦處理數據有兩個基礎系統：認知和邊緣。一方面，認知層對應于云計算，即使擁有高處理能力和大容量內存，也會出現延遲和潛伏期。另一方面，邊緣系統是原始的、反應性的和反射性的，對應于傳感系統中的局部處理，即邊緣計算。

人類大腦的感知數據處理：認知與邊緣系統的區別的相關描述（圖片來源：[Krisdog]/ Depositphotos.com；Bosch Sensortec）談及物聯網話題，傳感器的信息層級變得至關重要，它決定了哪些測量數據是重要的，哪些不是。如果數據不可操作，那么它基本無用，因此在大多數應用程序中，大量數據是多余的。與直覺相反，簡單地加入等待識別有用信息的傳感器通常會更有效，例如在計步應用中加入加速度計。我們的傳感系統必須智能地決定哪些數據值得轉存到云端，從而有效地利用可用的帶寬和功率。對于本地傳感器處理的關鍵是可以自動丟棄那些多余的數據，以節省寶貴的系統驅動能力。物聯網系統的驅動在物聯網傳感器應用中，我們可識別影響系統和組件設計的幾個關鍵系統驅動：? 低功耗：在某些應用中，低功耗是至關重要的，例如小型或便攜設備。自動傳感處理器與傳感元器件匹配（“Sensor bot”）對邊緣處理很有幫助，它可以決定何時傳輸到云端，從而降低數據傳輸的資源成本。? 低延遲：我們需要以最小延遲傳輸大量數據，因此低延遲是非常重要的。例如，虛擬現實（VR）圖像中需要以實時速度發送，以跟上用戶頭部的動態變化。? 高數據采樣率：對于快速系統的活動學習應用，可能需要高數據采樣率。例如，在振動機械的預測維護中，傳感器必須以足夠高的速率采樣，以便獲取導致設備故障的所有相關數據。? 集成便捷性：差異很大，OEM制造商對其準備投資于解析傳感器數據的時間和工程資源有不同的期望。為了簡化傳感器集成到其應用中，許多公司均需更加智能的傳感器，這些傳感器可提供嵌入其內部的數據處理，以匹配供應商提供的軟件解決方案。例如，在機器人技術中，OEM制造商專注于機器人自身的運動，并不處理原始傳感器數據。? 邊緣計算：類似于上述的邊緣系統。有時我們需要在邊緣處理性能，這通常與低功耗和集成便捷性的先決條件息息相關。? 存儲：由于傳感器模組的內存成本非常高，因此云存儲為本地存儲及處理提供了一種可行的替代方案。也存在問題，一方面不希望傳輸大量不必要的數據，而另一方面卻也受到傳感器物理存儲能力的限制。因此，我們必須實現傳感器的智能化，并確保傳感器放棄大多數不必要的數據，防止其內存容量被占用。

六種影響并制約物聯網系統及組件設計的因素（圖片來源：Bosch Sensortec）應用實例為說明以上幾點，介紹幾個例子。首先，如計步器等可穿戴應用，需要始終保持在線狀態，電池則越小越好。其關鍵因素是低功耗，這可通過直接在傳感器內部集成計步功能來實現。通過在必要環境下才喚醒可穿戴設備主處理器的方式，可節省電池電量。為進一步節省電力資源，可穿戴設備不能將所有計步數據傳輸于主機，此即為典型的邊緣計算應用示例。由于功耗是最主要的考慮因素，如BHA250和 BHI160智能傳感樞紐的超低功耗解決方案，就是一個理想的選擇。另一個例子是快速樣品設計的趨勢，甚至在大型企業的用戶案例市場驗證中，這種趨勢也越來越常見。快速樣品設計通常在諸如Arduino、Raspberry Pi或其他類似的開源系統上執行，包括傳感器在內的組件組合在一起來驗證某個概念。為了最大程度地實現集成便捷性，這種類型的應用則需要由傳感器供應商提供相對復雜的軟件。開發時間則需盡可能縮短，而OEM制造商則需以有限的傳感器知識開發系統設計。在許多如Arduino和Raspberry Pi的平臺上都有傳感器，極大地簡化了其集成。結論對于成功的物聯網應用來說，與一家能夠理解高度復雜物聯網環境的傳感器供應商合作至關重要。這樣的合作伙伴應可提供一系列高性能的傳感器模組，并為用戶的應用提出正確的解決方案。質量、本地支持及與第三方的緊密合作同樣重要，第三方可提供參考設計和系統層級的專業意見。物聯網需要對多種應用深入了解，并知道滿足關鍵傳感器和處理需求（如低功耗、易集成、數據速率和延遲等）的能力。只有通過理解這些不同因素之間的相互關系，才能設計出適應于快速發展物聯網市場的創新及成功的產品，可讓用戶的生活更簡單，并實現物聯網的美好愿景。