凡是在人類向前發展的長河中能夠起到提高生產力的發明或者方法，都可以被人們以銘記，雖然一個行業乃至一個社會的發展情景無法預測，但是歷史總會記住對這個世界真正有價值的事物。短期看似熱鬧，流行的文化或者技術能夠引領著大眾，經過時間的篩選，或許潮退之后才能看到誰在裸泳。市場短期是投票機，從長期來說，卻是一個稱重器。那些引領時代進步的技術，知識，思想定能隨著時間的增加越加光芒。就如尼古拉斯-塔勒布在《反脆弱》一書中提到的林迪效應：

那對于目前火熱的物聯網行業究竟是曇花一現然后自然消亡還是如媒體上所描述的那樣將會成為工業發展史上重要的一個里程碑?還需要拭目以待，因為未來無法預測，未來是有想法有激情的企業及個人，一步步的試錯中走出來的。其中曾被很多人看好的GE Predix成為了工業互聯網史技術發展史上試錯的一家，雖然投資了幾百億美元，卻在幾億美元的慘淡業績下不得不被打包出售。在現在工業物聯網的行業及有限的知識，還無法預測Predix以后的發展前景，但可以確定的是它所帶給該行業及行業從業者的思想及啟發有非凡的意義。為什么這么看似有前景的技術沒有爆發卻被打包出售，我想除了資本市場的逐利性，短期看不到效益被管理層甩賣，還有一些和行業，技術沒有協同發展的原因。

[[249316]]

1. 把試錯的機會當成必須要實現的戰略

不管是GE的Predix，還是IBM的Watson計劃，都對物聯網未來的發展投入了很多的資源與精力，而把本是需要不斷試錯和摸索的階段當成公司必須要實現的戰略。不管是麥肯錫還是其他一些專業分析報告，都給物聯網的發展定了很高的基調，趨勢確實是有，但這樣的定調也或多或少的引導一些公司的決策。就像《反脆弱》書中提到，經濟學家只能是顧問，而不能當作策略的制定者，就是為了防止理論過度指導實踐，而不是實踐和理論相結合的方式。在這一方面做的特別好的要舉兩個例子：

• 物聯網參與者PTC，跟蹤該公司發展的從業者可能會發現這幾年PTC在資本的表現比較好，即使在國際貿易戰，美國股市連續十年上漲大家都普遍看衰的高壓下，其市值也是穩步攀升，筆者認為PTC的優勢是在守住PLM，生產制造輔助軟件，這幾項傳統掙錢項目的同時，不斷通過收購的方式擴展自己物聯網的產品線，比如前后將物聯網中間件Kepware，物聯網平臺ThingWorx納入囊中來提高底層數據采集與數據平臺服務這兩項設備端的優勢。今年霍尼韋爾嗅到了機會，用戰略投資的方式與PTC達成了合作來彌補自己缺陷的設備端的數據打通，工業AR場景。可見PTC最近一兩年在物聯網的動作是穩步進行，理論和實踐相結合。

• 再有一個例子是大家熟悉的Google，Alphabe成為其母公司時，布林退出了Google公司的管理而全力引導Google X實驗室這個部門，而很多黑科技及未來的一些技術都很有可能誕生于此，作為一個技術性公司，通過在Google X部門不斷試錯與孵化的產品，成熟之后推向市場，布林的前瞻性與視野，敢于放權，也是中國企業家學習的對象。

2. 沒有協同的發展理念與技術

第一次工業革命是因為蒸汽機的發現，才引起生產力的大幅提高，從而才有了鋼鐵的冶煉，電力，電磁學，個人電腦的出現。可以說蒸汽機是整個工業史上最重要的一項發明。不過有參考資料指出，蒸汽機在很久之前就已經被發明出來過，只是當時人的觀念，經濟的基礎，技術的支持與產業的發展都不足以讓人想到可以使用蒸汽機來提高生產力，就比如在千禧年前后，荷馬鮮生這種消費升級的模式肯定也不會出現。當如今工廠端，很多生產流程簡單，分散，生產設備老舊，公司管理者的理念都沒有物聯網概念的時候，需要實踐與試錯的去推進物聯網的發展。

富士康工業互聯董事長陳永正曾講過：”工業互聯網就是所謂的實體經濟跟數字經濟的融合。嚴格講起來，過去是實體經濟，因為有了工業4.0，有了工業互聯網，開始有更多的大數據，所以已經跨到數字經濟了。

當然，接下來怎么去服務外界?讓數字能力對外。這方面，要向互聯網公司學習。其實沒錯，數字經濟是比較發散的，比較感知的。實體經濟是精確的，是一分一秒都不能差的，所以這兩個本質是非常不同的。

而目前工廠端的設備控制總線及協議技術要求是毫秒級別，互聯網和底層工廠端數據及流程打通，需要極其少的時間延遲，而如今IT技術的時間精度還無法達到OT端的要求，不過已經有好消息，今年的德國漢諾威展華為和貝加萊測試TSN，OPC/UA技術的協同，進一步將OT和IT真正的融合在一起。

3. 頂層端AI的發展還沒有真正的開花

如果說上一個世紀改變世界的是電力，而本世紀最大的革新將來自于算力。

物聯網，提供算力的基礎數據及收集數據的方式，方法。

大數據，提供算力非常龐大數據的承載和高效運算能力。

AI，提供算力的模型及核心的算法，算力在商業模式變現的發動機。

• AI目前在商業應用的一個方向：如果在機場安檢或者在酒店入住時，你會發現有商湯科技，云從科技，依圖科技，曠視科技的人臉識別系統，這是目前人工智能商用和變現最多的一個領域。
• AI目前在工業應用比較多的一個方向是AOI光學檢測，從之前工廠端AOI設備提取圖片，進行人工智能的分析，學習，準確度越來越高，這是我所了解目前AI技術在工廠端商業變現的例子。
• AI在大型設備租賃市場上的應用，場景之一：金融巨頭將大型設備出租給使用方，通過物聯網技術將設備的使用時間和相關的參數數據提取到數據中心，通過數據的迭代累加可以建立數據模型，對設備的壽命，使用方目前業務繁忙的程度進行預判，達到降低風險及精細管理的目的。

筆者認為AI的出現，讓人們更加科學的去工作，有數據支撐的去決策，有理有據的去執行，對減少資源的浪費，提高生產質量管理，打通上下游產業有非常大的幫助。而AI早在1950年前后就被美國頂級的數學家和戰略家所使用，而當時只不過沒有AI這個名詞，沒有強大計算機能力而已，如果你瀏覽《蘭德公司與美國的崛起》這本書時就會發現，很多重要的決策都離不開科學方法的驗證，數據科學的分析。

AI本質上是科學方法論的代名詞，而科學是第一生產力。