機器學習是物聯網發展的關鍵因素，因為物聯網設備生成的大量結構化和非結構化數據是無法在人的控制下進行管理的。因此，可以通過機器學習算法來收集和精簡數據，以找到其真正的價值。這將在兩個層面上實現：

    在本地層面上，機器學習將體現在物聯網設備或網關中，以提供對其收集數據的實時響應。

    在全局層面上，機器學習將應用于云端，用來匯總數據并識別出可以讓消費者和供應商都受益的趨勢或重要全局細節。

    大規模物聯網

    物聯網設備的大量出現也帶來了一些問題，這種局面使大規模管理和設備監控變得非常重要，并且利用物聯網提供數據的過程中會產生瓶頸。對此，上面提到的機器學習可以解決一些問題。除了機器學習之外，傳感器融合等技術還可以通過融合不同來源來減少收集數據的不確定性。自動計算可以幫助設備實現更高程度的自我管理，并在處理潛在數十億設備提供的數據時降低云級開銷。

    安全性

    對于物聯網的未來，安全性既是一個可以大有所為的創新領域，也是一個問題所在。這一問題不僅包括數據安全性，還包括大量潛在端點設備的訪問安全性和整體管理安全性。物聯網帶來的一個比較嚴峻的問題在于大量設備都共享相同的軟件，這些軟件一旦出現漏洞，攻擊者只需做很少的操作就可以入侵大量設備，構建起僵尸網絡。這只有通過設備自主管理才能應對，也就是設備在創建更新時監視和保護自身。

    關鍵點

    機器學習算法和大數據架構必須適應物聯網的發展。

    數十億物聯網設備將會帶來新的問題，同時推動新的管理和安全型解決方案。

    新標準將推動設備之間實現互操作，以改善管理、通信和安全性（以及新法規的合規性）。