​我在物联网圈的这一年…

基于对物联网产业的跟踪,物联网智库对IoT产业链各环节核心企业和机构持续调研,力求通过一张图,让更多的人了解到物联网产业的生态全貌。

2019年过去了,我很怀念它。

电影《甲方乙方》用相似的一句温和而沉厚的话,总结了一部电影中,每个人想要努力实现的、苦甜交加的、遥远但又迷人的梦想。

肺炎疫情、科比坠机…2020,“地狱”开局。在转身面对未来一年继续而来的风雨和生活之前,我们不妨一起回首前尘,回顾2019年【物女心经】专栏原创的52篇文章,任凭历历在目的那些过往,让时光逆流成河(点击蓝色的文字可直接链接至原文)。

虽然过去并不代表未来,但过去是迈向物联网未来的起点。

预期难免被暴击,重要的是面对暴击的态度

有时候,想要弄明白事情的发展方向,最好的办法就是把我们的目光从目标身上移开,把注意力放在整个模式的状态识别上。

以预测性维护为例,它是当前工业互联网领域最重要的应用之一。

最近几年,随着工业人工智能技术和边缘计算技术的逐步推进和成熟,过去仅仅集中应用于高端装备的预测性维护,可以“飞入寻常百姓家”,具备了大范围应用的经济性前提。因此,预测性维护一度被认为是边缘计算与人工智能,在工业落地的最短路径。

然而,被委以“杀手级”应用重任的预测性维护,发展却不及预期。

传统行业经过多年的发展已经相当成熟,很多机械的维护维修,利润空间本身就不高。提供预测性维护的企业,有可能会发现折腾了这些年,即便有了一定的规模,也不一定能真正赚到钱。

从用户角度来讲,要为预测性维护服务付出多少成本合适呢?

预测性维护带来的收益,如果转化为财务指标,需要经过完整的周期性分析和验证。只有算得清楚经济账,最终用户才会愿意长期为预测性维护的价值买单。

所以,预测性维护陷入了“经济收益测算时间长,没法调动最终用户的投入热情,只是物联网企业一头热”的怪圈。

从预测性维护的应用实例可以看出,阻碍大多数物联网项目的核心因素是较长的时间成本和难以评估的投资回报率。很多行业虽然数据量惊人,但是数据的价值较低,缺乏杀手级的应用,投入与产出的账面分析并不“性感”,导致购买方决心难下。

可见产品虽好,如果不能创造独特的价值,也难以逃脱生活的暴击。这也就是为什么,这些曾经十拿九稳的物联网项目,最终都失败了?

“我并没有失败,我只是找到10,000种行不通的方法。”

——发明家,托马斯·阿尔瓦·爱迪生

工业互联网的江湖很热,但还会更热

市场永远在波动,物联网的一大任务就是吸收波动,在工业领域就表现为在生产制造和需求变化之间巧妙地建立缓冲带。

工业自动化产品一般被用于两个部分:一部分面向设备制造商,作为组件构成整体设备对外销售;另一部分面向工厂管理部门,作为生产线的一部分,起到提质增效的作用。

这两部分对应推进企业发展的两种驱动力,一种是来自于市场增长性的外部拉力,另一种是来自于企业整体效益提升的内在动力。

随着市场环境的变化,整体设备的销量收缩,第一部分的出货量下滑,而第二部分的投入正在发生转型。因此,工业企业遭遇“寒冬”的背后,隐藏着工业物联网爆发的“秘密”。

美国“国家制造业竞争力计划”、法国“未来工业计划”、意大利“工业4.0计划”等,均采取不同政策和资本手段,针对中小企业开展个性化服务,支持中小制造企业升级工业技术、应用新技术、创新商业模式。

国内的现状是,中小企业对工业互联网这套体系的触网意识和买单意愿均不强…绝大多数中小企业还在学习和观望。中小企业客户,没有机会也鲜有资本主动提出要上工业互联网。

那么,这个gap要归咎于中小工业企业的“不开悟”,还是提供工业互联网解决方案的“不实际”?其实,工业互联网本应从“点”开始燎原。

也许是为了赶风口,也许是为了融资金,也许就是为了显得有学问,越来越多的企业声称自己在做工业互联网平台。甚至,把工业互联网平台当做一种“撩客”手段。

狂热和寒冬、贪婪与恐惧,有时只有一线之隔。现实是,狂热之后,迟早迎来寒冬;大涨之后,往往退潮紧随。工业互联网,最好主动降温。否则,工业互联网的寒冬将至。

工艺水平、运营能力和员工素质都是逐步提升的过程,这些事情只有去掉浮躁、贪婪和泡沫之后,才有韧性扎实去做。在寒冬、在退潮,政策和资本才更容易进入到经济发展所需的格局当中。

“在别人恐惧时我贪婪,在别人贪婪时我恐惧。”

——沃伦·巴菲特

“快”可以让你变大,但只有“慢”才能让你强大

物联网涉及到硬件与软件的搭配,到底怎么去赚钱?大家都想走上人生巅峰,从硬件的一锤子买卖,做到靠软件的可持续盈利,这条路到底该怎么走?

这些问题如果都有统一的标准答案,物联网也就不会那么有魅力了。

物联网并不是一条单薄的技术赛道,而是综合实力的比拼。过去一年,我们看惯了各种“带节奏”的热词和风口。所谓“风口”其实只是快速变化的思潮、风潮、偏好——来得快,去得也快。

真正代表趋势性的东西,并不是“风口”,而是“慢变量”。这些变化不会在一夜之间天翻地覆,但却是持久的,循序渐进的沿着一个稳定的方向:

1. 首先,为什么边缘计算会火?4个关键因素推动了边缘计算的发展:用户对数据延迟容忍度的降低、数据量快速上升和带宽不足的矛盾加剧、用户对于数据处理成本的顾虑,以及用户对明确数据拥有权、安全性和合规性需求的提升。

称之为“边缘”,并不代表其是边缘化的或不重要的,恰恰相反,边缘很重要。计算将同时存在于边缘和云平台,他们之间的界线越来越难以划分,未来不是云和边缘,而是连成一片的边缘云。它创造了一个新战场:边缘智能服务器。

边缘智能的核心,不是我们所看到的各种硬件设备,而是将各种计算资源充分集成和调度,发挥出最佳生产效用的整体方案。边缘智能怎么实现?清华学霸们用实例告诉你。

2. 其次,物联网时代,工具的选择尤为重要。IoT低代码编程工具,是一条通往物联网应用的捷径。简单来说,“低代码开发”被用来描述一种快速设计和开发的软件系统,无需编码或通过少量代码,就可以快速生成应用程序。

这么重要的工具,各大公司当然对其有所布局。酝酿整整一年,西门子翻开了加速工业互联网落地的“王牌”。在一年一度面向分析师的年会,西门子宣布推出Xcelerator,这是一个MindSphere与Mendix融合之后的产物。

3. 继物联网平台之后,数据中台来了。打个比方,数据中台就是个杯子。要杯子是为了泡茶喝,没有杯子,就没法泡茶。其实这个杯子是谁的,这个杯子长什么样,并不重要。物联网平台没有的商业模式,数据中台就有吗?No!

谁都可以说拥有数据中台,但是这个数据中台是不是能够通向真正可行的技术路径,通过行业标准,得到知识图谱。最后利用知识图谱作为工厂数字双胞胎的基础,打造一个可持续使用、可持续开发的数字化平台,这才是关键。另辟蹊径,这家巨头用知识图谱给出答案。

4. 最后,区块链大军浩浩涌入物联网赛场。技术并不是区块链的最终决定因素,技术只是一个基础,最终的决定因素在于经济模型。

每个领域都有自己令人敬畏的特性,没有放之皆准的法则,除了舍得投入时间之外,还需要融入更高阶的思维、跨领域的实践,甚至艺术修为。在这一切背后,“死磕”有时候恰恰是捷径。面对物联网+区块链,我被一个人打动,他说:“如果你不用真金白银的去投资,谁跟你好好玩?即便有人可能心里想:这个傻子真有钱。我也不在乎。”

在你的2020计划中,将把物链网置于哪种类别?继续观望,还是计划尝试?无论你选哪条路,在这个指数变化的世界里,只要你对物链网感兴趣,这份《基于区块链的物联网应用研究报告》,或许会是一根合你心意的指南针。

当然,还有一些“慢变量”少人知晓:国内首次解读,IIoT背后潜伏的游戏规则颠覆者。

在《异类》一书中,畅销书作者向大众推广了一个说法,即一万个小时是“成就伟大”的神奇数字。一万小时定律,让我们觉得,只要足够勤奋,任何人苦练上一万小时都能达到专家的水准。

现实是,一万小时定律有可能会让你取得令人刮目的成果。但是,如果你想更进一步,就不仅仅是时间的问题了。面对各种“慢变量”,我们的演出才刚刚开始。

因为,

“世界是个舞台。”

——莎士比亚

AIoT是科技巨头们殊途同归的终局

对于AI+IoT,各大公司采取的行动非常一致。

在纷繁信息的背后,巨头们拥有很多几乎相同的逻辑:

1. 他们都大举进军云服务领域,投入巨资建设云平台;

2. 他们在智能语音助手大战中悉数到场,持续的强化和升级AI这件先进武器;

3. 他们都发布了智能音箱、AR头盔等硬件产品,并广泛支持各种IoT认证设备的接入。

因为,从终点倒推,微软、谷歌、亚马逊等科技巨头殊途同归的终局是AIoT。国内的科技企业们,也正在使出浑身解数。联通、华为、阿里,巨头IoT战略全解析。

面对AIoT如此巨大的市场,聪明的巨头们选择首先搁置竞争,共同做大市场“蛋糕”。一流企业如何定标准?亚马逊、谷歌、苹果、宜家…巨头们罕见联手做示范。

人工智能AI领域,初创公司的势头强劲。AI初创公司如果只做图像、语音识别这些通用技术,未来的道路只会越走越窄。AI通过硬件“着陆”,成唯一出路。IoT赛道AI独角兽入场,“手机+AIoT”成标配。然而这并不是一个搞几次发布会,宣布一些战略调整,每年投入数十亿元就能轻松搞定的事情。

人多的地方,不一定好。

第一层次的思维说,大家都在做SaaS、大数据和人工智能,我们也不能落后。

第二层次的思维说,大家都在做SaaS、大数据和人工智能,但是人人都做,技术层面的领先性差距越来越小,不能形成真正的壁垒,让我们抵御诱惑,另辟蹊径吧。

“其实并没有所谓的命运,只有我们为自己所创造的未来。”

——电影《终结者2:审判日》

一些解答,已经被人颠覆了问题

讲一个熟悉的场景:

一名资深的汽车工程师,仍然在孜孜不倦的研究,如何再进一步提升燃油效率。

特斯拉等行业新贵说,对不起,我们不做汽油车。

猜一猜,汽油车还会坚持多少年?

这名汽车工程师什么也没有做错。只是他还被禁锢在一个圈子里冥思苦想的时候,别人已经颠覆了问题。

还有一些“皇帝新衣”的现象,已经被人一语道破。

“是不是所有的工业算法都要上云?我只能说我在工业做了十年,我的客户都是很大型的流程性工业企业,他们没有一个想上公有云。”

为什么不上公有云?第一,是算得不够快,上云需要占很多资源,并且有时延,像过程性行业,当时当刻这件事非常重要。第二,所有工业算法都充满了技术秘密,企业不愿意把它拿出去,所以要解决企业自己内生性可用性。

——苗圩/邬贺铨/余晓晖/林诗万…一文看尽2019工业互联网峰会精华观点

工业互联网在很多时候遇到的问题是“痛点不痛、刚需不刚,无法照搬互联网的生态模式,而且把隐性问题变得显性这事,说来容易做起来难。”

“搞清楚数据从哪里来?如何处理?到哪里去?大多数企业只要解决其中一个环节就可以成功,三个环节都解决了就有机会成为巨头。”

——工业互联网IIoT的未来在哪里?李培根院士/阿里/华为/联想…核心观点集锦

“实际上to B企业是很难做的,虽然to B公司的业务比较稳健,to C公司很容易死掉,但是to B公司普遍依靠团队的有限资源做业务,不容易形成指数级发展。

怎么用to C的玩法做to B企业?开源模式和消费电子领域的硬件免费模式、to C领域的APP使用模式有些类似,绝大多数人免费使用,但会有少数人购买服务和增强功能。”

——运营物联网企业的另类方法:用2C的逻辑做2B

“通信行业曾经有最好的商业模式,即为时间和距离付费。

现在大家都在谈新技术革命,也就是旧秩序在被打破,新的价值在被创造。我认为智联网和过去所有的变革都不一样,它让人类对自己的世界有了一个新的视野来观测。”

——无论你爱还是不爱,智联网AIoT来了|挚物大会精彩演讲汇总

“目前的工业智能,实际上还是人工+机器智能。在人工智能时代,企业的工程师、工匠精神与经验,仍将发挥不可取代的作用。

与其他领域相比,AI在制造业的应用会产生较大的效益。但目前我国AI的投资还主要在消费领域,在制造业的投资只占AI投资的1%,需要重视工业智能的研发与创新。”

——工业互联网与AI结合的机遇在哪里?邬贺铨院士分享了几十个案例

“工业现场存在着不胜枚举的‘不确定性’,生产过程的不确定性、市场需求的不确定性、竞争格局的不确定性、未来的不确定性…

工业智能正是始于我们面对这些不确定性的恐惧,以及征服这些不确定性的欲望。”

——安筱鹏一语道破:为什么数字化转型常常陷入误区与困境?

视野有多宽,观察一个事物的深度就有多深。

从整体上来看,物联网的版图仍在不断扩张。

基于对物联网产业的跟踪,物联网智库对IoT产业链各环节核心企业和机构持续调研,力求通过一张图,让更多的人了解到物联网产业的生态全貌。

本文来自信息化观察者网,转载请注明出处。

 

扫码加入本站知识星球小密圈,获取1万+行业最新精选报告。

注:本站文章除标明原创外,均来自网友投稿及分享,如有侵权请联系dongxizhiku@163.com删除。

         

发表评论