在人类发展的长河中，任何能够提高生产力的发明或方法，都能被人们铭记。一个行业乃至一个社会的发展虽然无法预测，但历史会永远铭记于世。真正有价值的东西。短期内看起来很热闹，流行文化或科技可以引领大众。经过时间的筛选，或许退潮后就能看到谁在裸泳。市场短期是投票机，长期是称重机。那些引领时代进步的技术、知识、思想，必将随着时间的流逝而愈发熠熠生辉。就像尼古拉斯塔勒布的书中提到的林迪效应《反脆弱》：对于自然会消亡的事物，生命的每一天都会增加，它的寿命就会缩短。对于不会自然死亡的事物，每多活一天就意味着更长的预期剩余寿命。当下火热的物联网产业，是昙花一现自然消亡，还是会像媒体描述的那样，成为产业发展史上的重要里程碑？我们还需要拭目以待，因为未来是无法预测的，而未来是一个有想法、有激情的公司和个人，通过一步步的试错。其中，曾经被很多人看好的GEPredix，已经成为工业互联网技术发展史上一家试错公司。虽然投资了数百亿美元，但在数亿美元的惨淡业绩下不得不打包出售。在当前工业物联网行业和知识有限的情况下，无法预测Predix未来的发展前景，但可以肯定的是，它给行业和行业从业者带来的思考和启发意义非凡。为什么这样一个看起来很有前途的技术没有爆出来而是被打包卖掉，我觉得除了资本市场的逐利性之外，短期的利益看不到管理层卖掉，也是有一定原因的为什么没有与产业和技术协调发展。1.把试错的机会作为必须实现的策略。无论是GE的Predix还是IBM的Watson计划，他们都在物联网未来的发展上投入了大量的资源和精力。阶段被视为公司必须实现的战略。无论是麦肯锡还是其他一些专业的分析报告，都为物联网的发展定下了高调。确实有趋势，但这种基调也或多或少地指导了一些企业的决策。《反脆弱》一书中提到，经济学家只能是顾问，不能是政策制定者，只是为了防止理论过度指导实践，而不是实践与理论相结合。举两个在这方面做得特别好的例子：PTC，物联网的参与者，关注公司发展的从业者可能会发现，PTC这几年在资本上的表现还是比较不错的。即使在国际贸易战期间，美国股市在大家普遍悲观的连续十年上涨的高压下，其市值也在稳步上升。笔者认为，PTC的优势在于保留了PLM、生产制造辅助软件这几个传统的赚钱项目，并通过收购不断扩大自己的物联网产品线，如物联网中间件Kepware和物联网平台ThingWorx，已经纳入其中完善底层数据采集和数据平台服务优势。今年，霍尼韦尔嗅到机遇，以战略投资的形式与PTC达成合作，弥补自身在设备端数据连接和工业AR场景方面的短板。可以看出，PTC近一两年在物联网领域的动作是稳扎稳打的，理论与实践相结合。另一个例子是谷歌，大家都很熟悉。当Alphabe成为其母公司后，布林退出了谷歌的管理层，全权指导谷歌X实验室部门。很多黑科技和一些未来的技术很可能会诞生，所以作为一家科技公司，在GoogleX部门通过不断的试错和孵化出来的产品，成熟之后才会推向市场。布林的前瞻眼光，敢于放权，也是中国企业家值得学习的对象。2、没有协调发展的理念和技术。第一次工业革命是由于蒸汽机的发现，导致生产力的大幅度提高，进而带动了钢铁冶炼、电力、电磁、个人电脑的出现。可以说，蒸汽机是整个工业史上最重要的发明。但也有参考资料指出，蒸汽机早就发明了，但人们的观念、经济基础、技术支持和产业发展还不足以使人们认为蒸汽机可以用来提高生产力。千禧年前后，荷马鲜生的消费升级模式肯定不会出现。目前在工厂端，很多生产工序简单分散，生产设备陈旧，公司管理人员的观念也没有物联网的概念，需要实践和试错来推动物联网的发展。富士康工业互联网董事长陈永政曾表示：“工业互联网就是所谓实体经济和数字经济的融合。严格来说，以前是实体经济。因为工业4.0和工业互联网，有更多的大数据，所以它已经跨入了数字经济。当然，接下来如何服务于外部世界？让数字能力走向外部世界。在这方面，我们必须向互联网公司学习。实际上，它诚然，数字经济是比较发散的，感性的，实体经济是精准的，一分钟也不能错过，所以两者的本质是很不一样的。目前工厂端的设备控制总线和协议技术要求都是毫秒级的。互联网与底层工厂端数据和流程之间的连接需要极少的时间延迟。但是IT技术的时间精度无法满足OT端的要求，但是已经有不错的了。据消息，今年的德国汉诺威展，华为与贝加莱测试了TSN与OPC/UA技术的协同，进一步将OT与IT融合。3.顶级人工智能的发展还没有真正开花结果。如果说上个世纪电力改变了世界，那么本世纪最大的创新将来自计算能力。物联网提供了计算能力的基础数据和收集数据的方法和方法。大数据，提供超大数据承载和高效计算能力。AI提供算力模型和核心算法，是使算力在商业模式中落地的引擎。AI目前商业应用的一个方向：如果你在机场安检或者酒店checkin的时候，你会发现来自商汤科技、云从科技、依图科技、旷视科技的人脸识别系统。也是实现最充分的领域之一。目前AI较多的工业应用之一是AOI光学检测。它从之前的工厂端AOI设备中提取图片，进行人工智能分析和学习。准确率越来越高。这就是我所知道的。目前AI技术在工厂端商业实现的例子。AI在大型设备租赁市场的应用，场景之一：金融巨头向用户租赁大型设备，通过互联网将设备的使用时间和相关参数数据提取到数据中心物联网技术。通过数据的迭代积累，建立数据模型，预测设备的寿命和用户当前的忙碌程度，达到降低风险和精细化管理的目的。笔者认为，人工智能的出现让人们更加科学地工作，决策有数据支持，并有理有据地执行。对减少资源浪费、提高生产质量管理、打通上下游产业有很大帮助。而AI早在1950年左右就被美国顶尖的数学家和战略家所使用，但那时候还没有AI这个名词，也没有强大的计算机能力。如果你浏览本书，你会发现很多重要的决定都离不开科学方法的验证和数据科学的分析。人工智能本质上是科学方法论的代名词，科学是第一生产力。
