Internet stvari u 2026. godini više ne izgleda kao mreža jednostavnih senzora koji sve šalju u oblak. U samo nekoliko godina dominantni model „pošalji sve u cloud, obradi tamo, vrati odluku“ zamijenjen je arhitekturama u kojima se analiza i donošenje odluka događaju što bliže izvoru podataka – na samom rubu mreže, na tzv. edge uređajima.
Na stručnim sajmovima poput Embedded World 2026. i Sensors Converge gotovo svaki novi čip, modul ili platforma za IoT naglašava tri ključne značajke: ultra‑niskopotrošnu obradu, podršku za više bežičnih protokola i integriranu edge umjetnu inteligenciju. Takvi sustavi više nisu pilot‑projekti za demonstracije, već temelj stvarnih rješenja u industriji, energetici, prometu i pametnim zgradama.
Od „data pipea“ do orkestratora edge inteligencije
Prva generacija IoT platformi bila je zamišljena kao „data pipe“: zadatak sustava bio je samo prikupiti podatke sa senzora i što brže ih dostaviti u oblak. Tamo su se nalazili analitički alati, baze podataka i algoritmi strojnog učenja. Uređaji na terenu bili su relativno jednostavni, često ograničeni na osnovno mjerenje i slanje podataka.
Nova generacija IoT rješenja mijenja tu sliku. Proizvođači sada nude MCU/SoC čipove koji u jednom integriranom paketu objedinjuju:
- procesorsku jezgru optimiziranu za niskopotrošnu obradu signala,
- akceleratore za strojno učenje (npr. za izvođenje neuralnih mreža na rubu),
- više radio sučelja – tipično kombinacije Wi‑Fi, Bluetooth Low Energy (BLE), ultra‑wideband (UWB) i LPWAN tehnologija poput LoRaWAN‑a ili NB‑IoT‑a,
- sigurnosne elemente i hardverske module za kriptografiju.
Takva integracija omogućuje da se značajan dio obrade obavi lokalno. Podaci sa senzora se filtriraju, agregiraju i analiziraju na samom uređaju ili na gatewayu, a u oblak se šalju samo sažeci, anomalije ili ključne odluke. Time se smanjuje latencija, trošak prijenosa i ovisnost o stalnoj povezivosti.
Primjerice, pametni mjerni uređaj za električnu energiju može kontinuirano analizirati potrošnju, prepoznavati neuobičajene obrasce i lokalno detektirati kvarove. Tek kada prepozna ozbiljniji problem ili potrebu za intervencijom, šalje detaljnije podatke u oblak ili operativni centar. Sličan pristup primjenjuje se na senzorima vibracija u industriji ili na kamerama u nadzornim sustavima, gdje je presudno reagirati u milisekundama.
Industrijski IoT: prediktivno održavanje na rubu
Industrijski IoT jedan je od sektora u kojem je pomak prema edge inteligenciji najvidljiviji. U proizvodnim pogonima, rafinerijama ili logističkim centrima, svaka sekunda zastoja može značiti značajan financijski gubitak. Zato se sve više koriste modeli prediktivnog održavanja koji rade izravno na edge uređajima.
Gateway uređaji ili čak sami senzori danas imaju dovoljno procesorske snage da u stvarnom vremenu analiziraju podatke o vibracijama, temperaturi, tlaku ili struji motora. Modeli strojnog učenja, prethodno istrenirani u oblaku ili na lokalnim serverima, distribuiraju se na rub i tamo rade kontinuiranu dijagnostiku.
Kada model detektira odstupanje od uobičajenog ponašanja, može odmah generirati alarm, zaustaviti stroj ili prebaciti proizvodnju na drugi linijski segment – bez čekanja odgovora iz oblaka. Time se smanjuje rizik od skupih kvarova i povećava pouzdanost cijelog sustava, a istovremeno se izbjegava potreba za stalnim prijenosom ogromnih količina sirovih podataka.
Dodatna prednost je i u privatnosti i zaštiti poslovno osjetljivih informacija. Podaci o performansama strojeva, obrascima proizvodnje ili potrošnji energije ostaju u lokalnoj mreži, što olakšava usklađivanje s regulativom i internim sigurnosnim politikama.
Pametne zgrade i energija: lokalna analitika za globalne ciljeve
Edge inteligencija snažno se probija i u područje pametnih zgrada i energetike. U zgradama s velikim brojem senzora – od temperature, vlage i kvalitete zraka do prisutnosti ljudi i potrošnje energije – klasičan pristup s centraliziranim oblakom brzo postaje neefikasan.
IoT sustavi za upravljanje zgradama sada kombiniraju lokalnu analitiku s naprednim algoritmima za optimizaciju potrošnje. Edge kontroleri prikupljaju podatke sa stotina ili tisuća senzora, analiziraju ih u realnom vremenu i prilagođavaju grijanje, hlađenje, ventilaciju i rasvjetu. U oblak se šalju agregirani pokazatelji, trendovi i podaci za dugoročnu analizu.
Ovakav pristup ima izravan utjecaj na energetsku učinkovitost. Nedavna istraživanja i pilot‑projekti u Europi i SAD‑u pokazuju da optimizirani IoT nadzor može smanjiti potrošnju energije u zgradama za dvoznamenkasti postotak, uz istodobno poboljšanje komfora korisnika. Preciznije mjerenje i brže lokalne reakcije ključni su za ostvarenje ciljeva neto‑nulte potrošnje energije i integraciju obnovljivih izvora.
U energetskim mrežama edge IoT uređaji pomažu u balansiranju opterećenja, integraciji solarnih i vjetroelektrana te upravljanju punionicama električnih vozila. Lokalni algoritmi mogu u sekundi reagirati na promjene u proizvodnji i potrošnji, dok se u oblak šalju podaci za planiranje, obračun i regulatorno izvještavanje.
Tehnički temelj: senzorska fuzija, protokoli i autonomni čvorovi
Da bi edge inteligencija zaista funkcionirala, potrebno je više od snažnog čipa. Ključan je koncept senzorske fuzije – kombiniranja podataka s više različitih senzora kako bi se dobila pouzdanija i bogatija slika okoline.
Primjerice, u pametnoj zgradi sustav može istovremeno koristiti podatke s PIR senzora pokreta, CO₂ senzora i pametnih brojila kako bi preciznije procijenio prisutnost ljudi i prilagodio ventilaciju. U logistici, kombinacija GPS‑a, akcelerometra i temperaturnog senzora na edge uređaju omogućuje praćenje uvjeta transporta osjetljive robe bez stalnog oslanjanja na oblak.
Višestruki bežični protokoli dodatno povećavaju fleksibilnost. Uređaj može koristiti BLE za lokalnu konfiguraciju i servis, Wi‑Fi za prijenos većih količina podataka kada je dostupan, te LPWAN za povremene, energetski učinkovite statuse s udaljenih lokacija. UWB se koristi za precizno pozicioniranje, primjerice u skladištima ili bolnicama.
Rezultat je nova generacija agentnih čvorova – IoT uređaja koji nisu samo „oči i uši“ sustava, već i njegov „mozak“. Oni promatraju okolinu, zaključuju na temelju lokalnih modela i djeluju, često bez potrebe da išta pitaju oblak. Uloga oblaka se pritom pomiče prema koordinaciji, dugoročnoj analitici i upravljanju flotom uređaja.
Sigurnost i upravljanje: novi izazovi na rubu
Kako edge čvorovi postaju pametniji i autonomniji, raste i njihova važnost u sigurnosnoj slici sustava. Više nije dovoljno samo šifrirati prijenos podataka između uređaja i oblaka. Na samom uređaju sada se nalaze osjetljivi podaci, modeli strojnog učenja, kriptografski ključevi i konfiguracije.
To nameće potrebu za cjelovitim sigurnosnim pristupom koji obuhvaća:
- Siguran boot – uređaj pri svakom pokretanju mora kriptografski provjeriti integritet firmwarea i modela, kako bi se spriječilo pokretanje kompromitiranog koda.
- Upravljanje ključevima – sigurna pohrana i rotacija kriptografskih ključeva, često uz korištenje namjenskih sigurnosnih elemenata ili TPM modula.
- Izolacija modela i aplikacija – sandboxing i hardverske izolacijske tehnologije koje sprječavaju da kompromitirana komponenta ugrozi cijeli uređaj.
- OTA nadogradnje – skalabilne, kriptografski zaštićene nadogradnje firmwarea i modela strojnog učenja, uz mogućnost povratka na prethodnu verziju u slučaju problema.
Bez ovih mehanizama, flota od tisuća ili milijuna edge uređaja postaje teško upravljiv rizik. Napadi na jedan kompromitirani čvor mogu se brzo proširiti, a ručno održavanje takvog sustava praktički je nemoguće. Stoga proizvođači i operateri sve više ulažu u platforme za centralizirano upravljanje uređajima, koje kombiniraju sigurnost, nadzor i orkestraciju nadogradnji.
Promjena pristupa arhitekturi: od oblaka prema rubu
Za razvojne timove ovaj pomak znači i promjenu načina razmišljanja. Umjesto da polazište bude odabir cloud platforme i komunikacijskog protokola, arhitektura se sve češće gradi „od ruba prema gore“.
Ključna pitanja postaju: što se mora dogoditi na rubu u jednoj sekundi, jednoj milisekundi ili unutar zadanog energetskog budžeta? Koje odluke moraju biti donesene lokalno, a koje se mogu prepustiti oblaku? Koji podaci su zaista potrebni za centralnu analitiku, a koji mogu ostati i završiti svoj životni ciklus na samom uređaju?
Odgovori na ta pitanja određuju koliko snažan edge uređaj je potreban, koji protokoli imaju smisla i koliko često je potrebno komunicirati s oblakom. U mnogim slučajevima, ispostavlja se da je optimalno poslati tek mali dio ukupno prikupljenih podataka, dok većina ostaje lokalno i koristi se za učenje i prilagodbu modela.
Na taj način 2026. godina profilira se kao trenutak u kojem IoT definitivno prestaje biti „mreža glupih senzora“. Umjesto toga, nastaje distribuirani sustav pametnih, agentnih čvorova koji samostalno promatraju, zaključuju i djeluju – često bez da ikada zatraže dopuštenje od oblaka.
Što slijedi: prema potpuno autonomnim sustavima
Daljnji razvoj edge inteligencije vodi prema još većoj autonomiji sustava. Očekuje se da će sljedeće generacije uređaja moći lokalno prilagođavati svoje modele, učiti iz novih podataka i surađivati s drugim čvorovima u mreži bez centralnog posrednika.
Za poduzeća, gradove i operatere infrastrukture to otvara prostor za robusnije, skalabilnije i energetski učinkovitije sustave. No istodobno povećava važnost dobrog dizajna, sigurnosne arhitekture i jasnog razumijevanja gdje povući granicu između ruba i oblaka.
Jedno je sigurno: u IoT‑u 2026. i dalje će postojati oblak, ali više neće biti jedino mjesto na kojem nastaje inteligencija. Sve veći dio pameti seli se na rub – tamo gdje nastaju podaci i gdje brze odluke čine razliku između učinkovitog i neodrživog sustava.
