从＂连接人＂到＂连接万物＂:46页PPT拆解物联网的四层架构与六大连接技术

合集标签

：AI产业链深度拆解 · 「生态篇」 > 后台回复关键词（见文末）领取完整  PPT 源文件

---

写在前面：一条被忽略的"连接边界"

我们这代人经历了三次"连接"的扩张：

`` PC互联网 → 把电脑连起来 移动互联网 → 把人连起来 物联网 → 把物连起来 ``

前两次革命大家都亲历过，但第三次其实最安静——它没有一个"诞生时刻"，只是在你不知不觉中，水表、电表、汽车、空调、手表、音箱都开始联网了。

这份 PPT 讲的就是这件事：当"连接"的对象从人变成万物，整个技术栈要怎么重新搭。

先说清本文边界：

全篇不聊市场规模、不聊价格与资费、不聊厂商份额与营收、不给任何倾向性判断

——只讲清楚一件事：物联网的四层架构是怎么分工的，每一层为什么必须存在。

从"连接边界的跃迁"出发，一路拆到六大连接技术的取舍、四层体系架构、感知层的传感器与 MCU、通信芯片的基带与射频、无线模组的枢纽作用、无线传输的物理约束，以及平台的价值。

---

一、时代跃迁：连接对象变了，数据价值就变了

这一章不长，但它是理解全篇的前提。

连接本质转变

互联网时代解决人与人连接，物联网时代主要提供物与物连接。

流量价值重构

在人际连接趋于平缓之后，物联网提供"物体的连接"，创造新的数据价值。

💡 "物体的流量"这五个字，我认为是理解物联网价值的关键。 > 人和人之间的连接是有上限的——全球人口就那么多，一个人一天能产生的交互也有限。 > 但物的数量没有这个上限：一个城市的水表就是几百万个，一台风机上能装几十个传感器。 > 更重要的是，物产生的数据类型和人完全不同——人产生的是文字、图片、视频；物产生的是温度、振动、电流、位置这类连续不断的时序读数。 > 后者才是让 AI 真正"懂物理世界"的燃料。

什么是 AIoT

融合 AI 与 IoT 技术，利用物联网数据进行大数据分析与 AI 智能，是传统行业智能化升级的最佳通道。

💡 注意这个定义的顺序：先有 IoT（采集），再有 AI（分析）。 > 很多人把 AIoT 理解成"给设备加个语音助手"，那就太窄了。 > 真正的逻辑是：IoT 负责让物理世界可测量，AI 负责让测量结果可理解、可预测。 > 没有 IoT，AI 就没有真实世界的输入；没有 AI，IoT 采集的海量数据就只是一堆没人看的数字。

连接的两个来源

• 消费物联网
  ：智能音箱、可穿戴设备等，受众大、技术成熟
• 产业物联网
  ：智慧工业、智慧交通等，是未来的主要增量

---

二、六大连接技术：没有最好的，只有最合适的

这一张表是全篇最实用的一页，我建议保存。

物联网的连接方式从局域网到蜂窝网、从窄带到宽带持续演进，5G 实现广连接、高速率、低时延；而以 NB-IoT 为主的 LPWAN 覆盖低功耗场景，eMTC 覆盖中速率场景，4G、5G 覆盖高速率场景。

💡 这张表里藏着一条极其清晰的取舍曲线，我帮你读出来： > > 速率和距离，几乎不可兼得。 > - WiFi 跑到 54 Mbps，但只能覆盖 200 米，还功耗高 > - NB-IoT 能覆盖 15 公里以上，但速率只有 200 kbps 不到 > > 这不是技术不够好，而是物理规律——要把信号传得远，就得用更低的速率换可靠性；要传得快，就得在更短的链路里完成。 > 所以选连接技术，本质是回答一个问题：你的设备要传"多少数据"和"多远"？ > > - 智能手表同步运动数据 → 蓝牙（短距离、低功耗、够用） > - 家里摄像头看视频 → WiFi（要带宽） > - 埋在地下的水表每月报一次读数 → NB-IoT（传得远、数据量极小、最好几年不换电池） > > 没有"最好的技术"，只有"最匹配场景的技术"。 这句话是物联网选型的常识。

---

三、四层体系架构（全篇骨架）

现在进入核心。物联网通常分为四个层级，理解这四层，就理解了整个产业链的分工。

💡 请注意第①层和第④层的特征对比，这个反差很有意思： > - 感知层：技术壁垒高、格局集中 > - 应用层：场景碎片化、格局分散 > > 为什么？ 因为底层是"通用能力"——不管是水表还是汽车，都需要传感器、都需要算力、都需要联网，做的人少但每个人都很关键； > 而上层是"具体场景"——智慧工厂和智慧农业要的东西完全不同，做的人多但各自只占一小块。 > > 这个"底层收敛、上层发散"的结构，其实是所有技术产业的共同形态。我们第⑬篇讲鸿蒙时提到的"一套系统装进从 128KB 到 6GB 的所有设备"——那是在解决底层的通用性；而这里的应用层碎片化，正是通用底座必须存在的原因。

---

四、感知层：传感器与 MCU

① 传感器：把物理世界"翻译"成电信号

传感器是感知层最前端的部件——它负责把温度、压力、光、加速度这些物理量，变成可以被电路读取的电信号。

演进方向（从 PPT 的历程图中可以读出清晰的三代）：

`` 结构型传感器 → 固体型传感器 → 智能型传感器 ``

💡 这个演进方向值得展开，因为它和我们第⑳篇讲手机影像时提到的"计算摄影"是同构的： > 传感器正在从"只负责采集"变成"采集 + 初步处理"。 > 智能型传感器自带处理能力，能在本地完成标定、补偿、甚至简单的判断——不必把所有原始波形都传上去。 > 这一步很关键，因为它直接决定了后面网络层要传多少数据。

② MCU：设备的"小脑子"

MCU（微控制器）是嵌入式设备的算力核心。

按位数分类（这是 MCU 最基础的分类维度，位数代表一次能处理多少位数据）：

应用分布（从 PPT 的结构图可以读出）： > 消费电子占比最高，其次是汽车电子、计算机、工业控制

💡 为什么"位数"这么重要？ 因为它是算力与成本的直接权衡： > - 32 位 MCU 能跑复杂协议栈、能做浮点运算，适合需要联网和智能判断的设备 > - 8 位 / 4 位 MCU 只能做简单的逻辑控制，但成本极低、功耗极小 > > 给一个温湿度传感器配 32 位 MCU 是浪费，给一个需要跑 AI 推理的摄像头配 8 位 MCU 是不可能的。 > 按需选位数，是嵌入式设计的基本功。 > > 顺带说一句：我们第㉖篇讲芯片能效时提到的"大核降频并不比小核省电"，在 MCU 这里体现得最直接——电路规模决定了它的能耗下限，选大就是费电。

---

五、通信芯片：基带与射频两大支柱

这一节讲通信设备最核心的两颗芯片。

💡 基带和射频的分工，用一个比喻就能说清： > > 想象你要寄一封信。 > - 基带芯片负责的是"写信和读信"——把你要说的话写成文字（编码），把收到的文字读成意思（解码）。它由五个部分协作完成：CPU 统筹、信道编码器加冗余校验、数字信号处理器做运算、调制解调器做数模转换、接口模块对外连接。 > - 射频芯片负责的是"把信送出去"——把文字变成能在空中传播的信号（调频发射），并把收到的空中信号变回文字。 > > 一个管"内容"，一个管"传输"，必须成对出现。 这就是为什么它们被称为通信芯片的"两大支柱"。 > > 另外还有几类通信芯片各有分工：WiFi 芯片（智能支付、安防、家居）、LoRa 芯片（表计、工业物联网）、GNSS 芯片（定位，用于可穿戴、车联网）。

---

六、无线模组：承上启下的枢纽

芯片造出来了，但设备厂商不会直接把裸芯片焊到产品上。中间还有一层——无线模组。

定义： > 将芯片、存储器等集成于电路板的模块化组件，是设备联网的基础枢纽，起承上启下作用。

特点：具备低成本、低功耗、强覆盖、广连接的特点。

💡 为什么要有"模组"这一层？ 我认为这是产业链上最容易被忽略、但最体现工程智慧的一环。 > > 直接焊芯片听起来更省事，但实际上很难： > - 射频电路设计极难——天线匹配、阻抗控制、电磁兼容，每一项都要反复调试 > - 认证流程漫长——无线通信产品要通过各国无线电认证、运营商入网认证 > - 协议栈软件复杂——要自己实现完整的通信协议 > > 模组厂商把这些全部做完、封装好、认证好，设备厂商拿到的是一个"已经能联网的零件"。 > 它把复杂度吸收掉了，让做水表的公司不用去研究射频天线。 > > 这就是"承上启下"的真正含义：对下集成芯片，对上屏蔽复杂度。

---

七、网络传输：为什么 700MHz 能覆盖 8 公里？

这一节是全文物理味道最重的部分，也是我认为最值得记住的。

短距离 vs 长距离

两条 5G 技术路线

技术路线一：700MHz 5G > 单站覆盖 5–8 公里，是 3.5GHz（约 1 公里）的 5 倍以上，穿墙能力达 5 倍

技术路线二：LTE Cat1 > 可作为 NB-IoT 的有力补充，覆盖中速率、可移动场景

💡 "700MHz 覆盖 5–8 公里，3.5GHz 只有约 1 公里"——这个 5 倍差距从哪来？ > > 答案是电磁波的物理特性，两个机制叠加： > > ① 自由空间传播损耗与频率相关——频率越高，路径损耗越大。粗略地说，频率翻倍，损耗增加约 6 dB。700MHz 和 3.5GHz 差了 5 倍频率，损耗差距可观。 > > ② 绕射（衍射）能力不同——波长越长，越容易绕过障碍物。700MHz 波长约 43 厘米，3.5GHz 约 8.6 厘米。长波能"拐弯"绕过建筑，短波更接近直线传播，被挡住就是被挡住了。 > > 这就是"穿墙能力达 5 倍"的来源——不是基站功率大 5 倍，而是低频信号天生更擅长绕开和穿透障碍。 > > 工程意义很直接：用 700MHz 建网，覆盖同样的面积需要的基站数量大幅减少——这对地广人稀的区域（农村、公路、矿区）是决定性的。 > > 而 3.5GHz 频段的价值在另一侧：它的带宽更大、容量更高，适合人群密集的城市区域。 > 所以这不是"谁更好"，而是"低频做覆盖、高频做容量"的分工。

---

八、平台层：从"传上来"到"用起来"

数据传上来了，然后呢？

平台是应用层管理与分析的核心枢纽——以云计算为核心的数据汇总和处理中心。

为什么必须要平台层？ 因为感知层采集到的原始数据，如果直接给应用，会面临三个问题：

`` ① 协议不统一 —— 不同厂商的设备说不同的"方言" ② 数据太原始 —— 一串温度读数本身没有业务含义 ③ 规模太大 —— 百万级设备的并发接入与存储 ``

平台层做的，就是接入、存储、治理、分析，把"原始数据"变成"可用的信息"。

场景的四维演进

💡 "数据闭环"这一项我认为最关键，它揭示的是物联网与单纯"远程控制"的本质区别： > `` > 采集 → 上传 → 分析 → 决策 → 执行 → 再采集 > `` > 只有形成这个环，数据才会越用越有价值。 > 如果一个水表只是把读数传上来、人去看一眼，那它只是"远程抄表"； > 如果系统能根据历史数据预测漏损、自动定位异常，那才是"智能"。 > 闭环的关键在于：上一轮的结论，会成为下一轮的输入。 > 这也正是我们第㉙篇讲金融 Agent 时提到的"数据飞轮"——真实场景的数据回流，才是垂类系统最难被复制的东西。

---

九、巨头的差异化技术定位

最后看生态。这一节我只讲技术定位的差异，不作任何比较判断。

五类主体的切入角度

💡 请注意这五类主体的分工逻辑——它们不是在做同一件事的不同版本，而是在产业链的不同位置： > 运营商管"管道"、互联网企业管"平台"、设备商管"入口"、AI 公司管"智能"、行业企业管"落地"。 > 这和前面四层架构是对应的：越靠前的主体对应越底层，越靠后的对应越贴近场景。

两家代表厂商的技术路线

华为：产业升级型 > 升级 IoT 全栈云服务，覆盖端、边、管、云、行业 > 核心主张："联万物、+智能、为行业" > 覆盖电力、园区、交通、物流等领域

苹果：生态黏性型 > AI 技术能力储备含数据资源、计算平台、硬件载体、机器学习框架、算法能力 > 物联网业务核心是 iOS 生态 > 场景覆盖智慧办公、智慧家庭、智慧出行

💡 这两条路线很典型，一个"从基础设施往上做"，一个"从用户体验往外扩"： > - 华为的"端、边、管、云、行业"五个字，正好对应物联网的完整链路——端是设备、边是边缘计算、管是网络、云是平台、行业是应用 > - 苹果的抓手是"生态"——设备之间天然互联互通，用户已有的设备就是它的入口 > > 两种打法无所谓优劣，取决于你手里最擅长什么：有通信与云能力的做全栈，有终端生态的做体验。

---

结尾：三条主线

第一条：连接对象变了，技术栈就得重搭

`` 连接人：终端少、数据量大、有屏幕有人操作 连接物：终端海量、数据量小、常常没屏幕、最好几年不换电池 ``

对象一变，所有设计约束都变了——所以才需要 NB-IoT 这种"传得远、极省电、速率低"的技术，也才需要模组这一层来屏蔽复杂度。

第二条：四层架构，是分工也是依赖

`` 感知层（采集，壁垒高）→ 网络层（传输）→ 平台层（处理）→ 应用层（场景，碎片化） ``

底层收敛提供通用能力，上层发散适配万千场景。 任何一层缺失，数据都到不了该去的地方。

第三条：物理规律决定工程选择

`` 速率 ↔ 距离：不可兼得，只能按场景取舍 频率 ↔ 覆盖：700MHz 覆盖 8 公里，3.5GHz 约 1 公里，穿墙差 5 倍 位数 ↔ 算力：MCU 按场景选 32/16/8/4 位 ``

物联网里没有"最好的技术"，只有"最匹配场景的技术"。 所有的选型，本质上都是在物理约束下做取舍。

⚠️ ① 本文不聊任何市场规模、价格与资费，那类数字变化很快，且不是理解技术所必需的； > ② 文中所有厂商内容均为技术定位描述，不构成任何倾向性判断； > ③ "碎片化"是物联网最真实的底色——这也是为什么它有四层架构、六大连接技术、五类参与主体。没有一个玩家能通吃，能做的只是在某一层做到足够好。

PPT 结尾那句话我很喜欢，原样送给你：

万物互联不是终点，而是智能时代的新起点。

 > 5G + AI 共筑的智能世界，正在从连接走向认知。

---

📦 硬核资料包

获取方式： 👉 关注公众号「哔咘的科技笔记」，后台回复【物联网】，自动发送下载链接

👇 也可点击底部菜单「免费框架」领取更多产业资料

---

*合集：#哔咘的科技笔记 · 「生态篇」* *声明：本文为技术科普与产业观察，仅供学习交流，不构成任何投资建议。数据引自厂商公开信息与公开基准结果。*