AI本質上是科學方法論的代名詞，而科學是第一生產力。

凡是在人類向前發(fā)展的長河中能夠起到提高生產力的發(fā)明或者方法，都可以被人們以銘記，雖然一個行業(yè)乃至一個社會的發(fā)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：

對于會自然消亡的事物，生命每增加一天，其預期壽命就會縮短一些。而對于不會自然消亡的事物，生命每增加一天，則可能意味著更長的預期剩余壽命。

那對于目前火熱的物聯(lián)網行業(yè)究竟是曇花一現(xiàn)然后自然消亡還是如媒體上所描述的那樣將會成為工業(yè)發(fā)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(yè)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(yè)互聯(lián)網史技術發(fā)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(yè)績下不得不被打包出售。在現(xiàn)在工業(yè)物聯(lián)網的行業(yè)及有限的知識，還無法預測Predix以后的發(fā)展前景，但可以確定的是它所帶給該行業(yè)及行業(yè)從業(yè)者的思想及啟發(fā)有非凡的意義。為什么這么看似有前景的技術沒有爆發(fā)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(yè)，技術沒有協(xié)同發(fā)展的原因。

1.把試錯的機會當成必須要實現(xiàn)的戰(zhàn)略

不管是GE的Predix，還是IBM的Watson計劃，都對物聯(lián)網未來的發(fā)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(xiàn)的戰(zhàn)略。不管是麥肯錫還是其他一些專業(yè)分析報告，都給物聯(lián)網的發(fā)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(lián)網參與者PTC，跟蹤該公司發(fā)展的從業(yè)者可能會發(fā)現(xiàn)這幾年PTC在資本的表現(xiàn)比較好，即使在國際貿易戰(zhàn)，美國股市連續(xù)十年上漲大家都普遍看衰的高壓下，其市值也是穩(wěn)步攀升，筆者認為PTC的優(yōu)勢是在守住PLM，生產制造輔助軟件，這幾項傳統(tǒng)掙錢項目的同時，不斷通過收購的方式擴展自己物聯(lián)網的產品線，比如前后將物聯(lián)網中間件Kepware，物聯(lián)網平臺ThingWorx納入囊中來提高底層數(shù)據采集與數(shù)據平臺服務這兩項設備端的優(yōu)勢。今年霍尼韋爾嗅到了機會，用戰(zhàn)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(shù)據打通，工業(yè)AR場景?？梢奝TC最近一兩年在物聯(lián)網的動作是穩(wěn)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(yè)家學習的對象。

2.沒有協(xié)同的發(fā)展理念與技術

第一次工業(yè)革命是因為蒸汽機的發(fā)現(xiàn)，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(xiàn)?？梢哉f蒸汽機是整個工業(yè)史上最重要的一項發(fā)明。不過有參考資料指出，蒸汽機在很久之前就已經被發(fā)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(yè)的發(fā)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(xiàn)。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(lián)網概念的時候，需要實踐與試錯的去推進物聯(lián)網的發(fā)展。

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

當然，接下來怎么去服務外界？讓數(shù)字能力對外。這方面，要向互聯(lián)網公司學習。其實沒錯，數(shù)字經濟是比較發(fā)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(xié)議技術要求是毫秒級別，互聯(lián)網和底層工廠端數(shù)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(xié)同，進一步將OT和IT真正的融合在一起。

3.頂層端AI的發(fā)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(lián)網，提供算力的基礎數(shù)據及收集數(shù)據的方式，方法。

大數(shù)據，提供算力非常龐大數(shù)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(yè)模式變現(xiàn)的發(fā)動機。

AI目前在商業(yè)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(fā)現(xiàn)有商湯科技，云從科技，依圖科技，曠視科技的人臉識別系統(tǒng)，這是目前人工智能商用和變現(xiàn)最多的一個領域。

AI目前在工業(yè)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(yè)變現(xiàn)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(lián)網技術將設備的使用時間和相關的參數(shù)數(shù)據提取到數(shù)據中心，通過數(shù)據的迭代累加可以建立數(shù)據模型，對設備的壽命，使用方目前業(yè)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(xiàn)，讓人們更加科學的去工作，有數(shù)據支撐的去決策，有理有據的去執(zhí)行，對減少資源的浪費，提高生產質量管理，打通上下游產業(yè)有非常大的幫助。而AI早在1950年前后就被美國頂級的數(shù)學家和戰(zhàn)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(fā)現(xiàn)，很多重要的決策都離不開科學方法的驗證，數(shù)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。

來源：南城嘉圖