本着要对消费产品、卫生保健、零售、生产等方面积极改革的信念，物联网(IoT)承诺要把人们身边的所有事物都智能化——冰箱、汽车、建筑物甚至油田，一切都将走向智能化。但物联网也有它的阴暗面；如果我们不能解决它带来的问题，那我们就有大麻烦了。
想要弄清物联网到底有什么样的隐患，最简单的方法就是从它的配置下手。让我们来假想以下场面：有一个大型食品仓库和配送中心，两者都采用了联网设备来维持各个区域温度，例如恒温冷藏区、常温区和冷冻区。
配置要求包括以下：
几十个食品区域，排放要保证能最高效地利用能源；
仓库里要装几千个恒温计还有通风设施和湿度传感器；
仓库和配送中心外围要安装几百个传感器，例如墙上、屋顶、通风口等等；
几十个供货商负责提供设备和传感器；
实时气候变化通知，以免仓库遭到不测；
排查一切可能会引起温度失常或通风故障的安全漏洞和故障。
现在让我们来看看物联网的四大挑战，以及如何解决这些问题。
问题1：对数据理解欠缺
你手里掌握着很多数据并不代表你能理解和活用它们。因为在以上案例中物联网设备使用的区域广、种类多，一个供货商很难为整个仓库给出最好的解决办法。就算有人给出来了，他的方案也很有可能会被推翻重来，这样单单成本就已经高得离谱了。
想要为仓库打造一个高效、安全的物联网环境，那就必须要建立P2P网络，每一个商家提供的设备都能和别的商家的设备交换和交流信息。然而在供应商如此之多、而且仓库中还保留了部分传统设备的情况下。这套方案几乎是不现实的。如果不能更好地解决这个问题的话，那么仓库的物联网设计师面临的简直就是个现代巴别塔。
要保证所有的数据都能互相理解沟通、发挥最大效用的话，可行方案之一就是建立一个枢纽模型。我们可以建立很多物联网通路，中央服务器则负责全时段接收来自各个设备和传感器的数据。规则引擎专门负责分析这些数据，然后集线器把正确的指令发送给接受控制器，比如由于阳光东南部外墙温度较高，需要立即降低区域2的冷藏温度。
这种集线器必须能够翻译翻译不同种类的数据和单位，例如从摄氏度到华氏度。它还必须配备一个通用数据模型，这样才能比较和整合来自不同来自不公供应商的设备的数据信息，于是才能保证系统能够「理解数据」。
问题2：信息量实在太大
有些情况下，由于整个系统的数据量实在太大，把数据通过网络传送到某个中央服务器是根本不可能的。举个栗子，单单是装在仓库墙上的某一个传感器，它要采集的数据就有温度、湿度、硬件版本、软件版本、剩余电量、位置变动等等，你要是想听的话我还有一大串能讲。
这些信息可能每30秒钟都会更新一次，或者可能由于环境要求，几秒钟就得更新一次。但是由于信息量实在太大，把这些数据全部发送到中央服务器是不可能的。而且整个仓库还不止这一个传感器，全部加起来大概有好几千个；它们可能连型号都不一样。
这时候我们就需要信息整合方案，保证系统能够筛选出必要信息，转换成通用数据模型，然后下达报告、维修等各种指令。比方说，我们案例中的仓库可以仅通过区域3外墙上的50个传感器就判断出整个区域3的内外温度平衡状态。
