物聯(lián)網(wǎng)是全世界公認的未來發(fā)展趨勢，目前它正以極快的速度在全社會得到普及。

　　物聯(lián)網(wǎng)技術(shù)正在將一些行業(yè)提升至新的高度，例如醫(yī)療保健行業(yè)、金融財務行業(yè)等等，幾乎每隔幾個月就會有新的機遇出現(xiàn)。

　　星河互聯(lián)物聯(lián)網(wǎng)事業(yè)部合伙人呂永昌認為，在融合、碎片化等顯著特點影響下，物聯(lián)網(wǎng)領(lǐng)域會產(chǎn)生難以被快速模仿的商業(yè)業(yè)態(tài)。

　　擁有大量環(huán)境、物、人的數(shù)據(jù)的物聯(lián)網(wǎng)領(lǐng)域?qū)⑨尫派a(chǎn)方式變革的眾多創(chuàng)業(yè)機會，而這些機會屬于長期在垂直領(lǐng)域耕耘、可以構(gòu)建三道壁壘的企業(yè)：

　　顛覆性創(chuàng)新壁壘、彎路壁壘(從概念到規(guī)模化交付，有漫長的路和鴻溝在等著企業(yè))和生態(tài)壁壘(合作伙伴一旦采用很難更換，供應鏈是正向循環(huán)的強化優(yōu)勢)。

　　今天的文章干貨滿滿，Enjoy it。

　　一、融合、碎片化的顯著特點-帶來難以被快速模仿的商業(yè)業(yè)態(tài)

　　融合和碎片化是物聯(lián)網(wǎng)行業(yè)的2個顯著特點。

　　物聯(lián)網(wǎng)的融合表現(xiàn)在，這個行業(yè)的創(chuàng)業(yè)者往往需要既懂硬件，又懂軟件，還得懂生物學/物理學/化學/光學等相關(guān)學科并擁有實踐經(jīng)驗;對產(chǎn)品設(shè)計有極致追求，對人工智能算法模型/增強數(shù)據(jù)挖掘也需要掌握;對于2B市場的業(yè)務，還需要對B端市場和產(chǎn)品(比如工控領(lǐng)域)有深刻理解和客戶掌控能力。

　　不過，越是交叉融合的領(lǐng)域，壁壘就越高，這是為什么物聯(lián)網(wǎng)領(lǐng)域在過去二十年發(fā)展進程中沒有快速涌現(xiàn)出大量企業(yè)的原因。

　　物聯(lián)網(wǎng)的碎片化體現(xiàn)在市場區(qū)域割據(jù)，產(chǎn)品技術(shù)高度垂直和分散。

　　物聯(lián)網(wǎng)是一個傳統(tǒng)IT與新興技術(shù)結(jié)合的產(chǎn)業(yè)，玩家中包含很多傳統(tǒng)ISV/SI，這些企業(yè)在各行業(yè)深耕多年，原來做軟件開發(fā)，之后是做移動行業(yè)應用和M2M解決方案，現(xiàn)在轉(zhuǎn)型做LPWAN解決方案，這樣的企業(yè)非常多。

　　這類企業(yè)在全國各地每個區(qū)域集中度都不一樣，比如山東的SI集中度非常高，在廣東市場非常分散，這樣企業(yè)自己可以養(yǎng)活自己，他們是產(chǎn)業(yè)鏈最末端、最接近客戶的環(huán)節(jié)。物聯(lián)網(wǎng)領(lǐng)域也包括各類型通用能力企業(yè)、傳感器企業(yè)、芯片企業(yè)、通訊網(wǎng)絡企業(yè)、平臺企業(yè)。僅傳感器領(lǐng)域，就有10大類、24小類、6000多個品種，平臺企業(yè)需要面對上萬種設(shè)備通訊標準/協(xié)議。

　　二、看好物聯(lián)網(wǎng)的4大邏輯

　　曾有數(shù)據(jù)銀行負責人提到,盡管他們現(xiàn)在的數(shù)據(jù)交易量增長迅猛，但是企業(yè)客戶對數(shù)據(jù)的需求仍然是遠遠大于供給，缺少各種類型的數(shù)據(jù)。

　　這個數(shù)據(jù)來自什么地方?物聯(lián)網(wǎng)是很重要的數(shù)據(jù)來源。這只是催生物聯(lián)網(wǎng)發(fā)展的一個因素。還有人認為是低功耗廣域網(wǎng)的興起和芯片等硬件成本的大幅下降，推動了最近2年物聯(lián)網(wǎng)時代的到來。

　　實際上，物聯(lián)網(wǎng)浪潮的到來，本質(zhì)是由以下4個邏輯推動的，如下圖所示：

　　1、人性的發(fā)展：智人->人->神人

　　從原始的智人發(fā)展來的人，未來希望變成神人，希望達到自由主義，讓自己所有需求都得到滿足。

　　人會創(chuàng)造一些簡單的機器和高復雜度的機器人，通過機器代替人做事情，把人解放出來，這是第一個邏輯。

　　正是這個邏輯，不斷催生出各類型智能硬件、人工智能需求。

　　2、思維的4層次升級

　　代替人的機器在不斷升級過程中，背后隱藏著機器思維的4層級升級。

　　第1層級是簡單控制。最早其實人類創(chuàng)造的機器就是控制，機器沒有思考，全部通過人來進行開關(guān)控制、參數(shù)設(shè)置。

　　第2個層級是機械思維，即設(shè)定好什么條件下發(fā)生什么反應，基于因果關(guān)系的思維，根據(jù)確定的環(huán)境因素制定確定的決策，比如路燈的光線傳感器根據(jù)天空的陰暗程度來決定燈的開關(guān)，這就是典型的機械思維。

　　第3個層級是相關(guān)性思維，最大的不確定性因素是環(huán)境，決策非因果關(guān)系，而是經(jīng)過相關(guān)性分析后作出判斷。

　　相關(guān)性思維已經(jīng)發(fā)展多年，最早的統(tǒng)計分析、數(shù)據(jù)挖掘即如此，現(xiàn)在的機器學習、神經(jīng)網(wǎng)絡也是如此，只不過比統(tǒng)計分析多了根據(jù)數(shù)據(jù)訓練調(diào)參或者自動生成模型。

　　比如擲骰子，要預測骰子的結(jié)果，需要根據(jù)扔骰子的力度和方向，包括風的影響等等一系列因素做判斷，所有這些因素都是不確定的。

　　另外一個例子是自動駕駛，其中一個很大的難題是針對緩慢移動的物體可以做一些識別和響應，但如果是快速移動的物體，基于傳感器很難做出判斷到底該如何應對，這也是針對不確定性和快速變化的環(huán)境，通過相關(guān)性思維做出的分析和判斷。

　　第4個層級是認知智能和類人思維，這里面的邏輯就是把采集到的數(shù)據(jù)轉(zhuǎn)化成信息，信息再加工成知識，知識轉(zhuǎn)化成行動，不斷做歸納總結(jié)，機器模擬人的思考過程。未來物聯(lián)網(wǎng)所有運作規(guī)律均沿以上4個思維層級去進化。

　　3、自我管理

　　上述第3個邏輯是針對人自己本身、物本身要做監(jiān)控/診斷的特性提出的，對人自己做優(yōu)化，對機器及機器之間的配合做優(yōu)化，人會有越來越多的外帶的設(shè)備或者植入到身體里的設(shè)備去對人身體數(shù)據(jù)和生活習慣數(shù)據(jù)做采集，不斷給自己一些建議。

　　工業(yè)領(lǐng)域的設(shè)備，或者大家使用的各種電子設(shè)備上將來會有越來越多的監(jiān)測裝置，能夠?qū)C器本身狀況做監(jiān)測，以此進行預防性維護、能耗管理、運營效率優(yōu)化。

　　4、互聯(lián)想象

　　這個邏輯是什么呢?人的競爭、企業(yè)競爭最終是認知的競爭，企業(yè)和人需要不斷地改善自己，99%的人失敗是由于無法改變自己，堅持自己的固有觀念。

　　人類發(fā)展從最早到不同類別群體中脫穎而出，并不是因為自己有組織能力，而是因為自己有幻想，相信國家/相信神，有這種幻想才導致智人這個族群在所有族群里最終勝出。

　　現(xiàn)在，人相信自己會主宰很多事情，或者相信金錢的力量，相信權(quán)威的思想，這些都是源于幻想，想象會讓人擁有極強的力量，這是人和動物最大的區(qū)別。

　　我這里所說的互聯(lián)想象是指什么?就是未來其實人類不會再去相信對于某種事的追求，而是會依賴環(huán)境信息的采集做決策。

　　我們很多決策正確與否取決于是否拿到足夠的流動信息，我們相信物聯(lián)網(wǎng)帶給我們足夠的數(shù)據(jù)量，這樣就可以做出有利于自我個體發(fā)展的決策，這是第一層級。

　　第二層級就是發(fā)揮資源協(xié)同的價值，實現(xiàn)社會整體效能的提升。比如說現(xiàn)在每個人都有一臺手機，利用效率不高，晚上手機即不再工作了，而社會需要的計算資源會越來越多。

　　假設(shè)有一家公司做一個事情，把所有手機的計算資源調(diào)動起來，在人休息的時間把閑置的手機計算資源利用起來，然后用在需要大規(guī)模計算能力的領(lǐng)域，比如說用在人類疑難疾病問題的解決/重大難題攻克上，同時手機用戶也可以獲得額外回報，這就是一個典型的資源協(xié)同優(yōu)化效率的例子。

　　再比如說城市交通調(diào)度，把所有汽車/道路的信息綜合起來之后，依據(jù)已經(jīng)找到充分多的信息做出最優(yōu)的交通調(diào)度和調(diào)整，幫助每個人節(jié)省在路上的時間。

　　第4個邏輯其實是環(huán)境、人、物未來會基于對物聯(lián)網(wǎng)的相信，進行智能應對，以及依靠萬物互聯(lián)的機制做出最優(yōu)化的資源配置。

　　三、物聯(lián)網(wǎng)未來5大發(fā)展趨勢

　　趨勢一 自診斷

　　對于物的自診斷，包括縱向的數(shù)據(jù)采集、管理、診斷、維護、對產(chǎn)品創(chuàng)新和橫向的機器之間做配合優(yōu)化，以降低能耗，提升利用效率。

　　以往工廠里大多數(shù)工廠利用率非常低，有些設(shè)備運轉(zhuǎn)，有些設(shè)備閑置比例非常高，能耗浪費非常嚴重，工業(yè)企業(yè)內(nèi)部機器之間、機器與環(huán)境之間需要優(yōu)化。

　　同時上下游供應鏈協(xié)同也是優(yōu)化方向。對于人的自診斷，包括3個層面——健康、體征監(jiān)控診斷、干預和治療;人自身成長的技能檢測、輔助訓練;針對生活習慣的數(shù)據(jù)采集和改進建議。

　　趨勢二 新的智能主機

　　新的智能主機應用規(guī)模不會快速增長，而是會緩慢的一點點發(fā)展出來，因為硬件成本的下降和技術(shù)、內(nèi)容、生態(tài)的完善需要時間。

　　從形態(tài)上看包括3類新智能主機——對人的能力延伸，可以去人無法去的危險地方，比如無人機;對人的替代，未來95%工作會由機器人替代;人與人、人和物之間的交互終端，比如AR眼鏡，可以看手機信息、新聞，用新的智能終端做控制。

　　趨勢三 機器與人的結(jié)合

　　先舉個例子。

　　俄羅斯有一個新媒體的富豪，召集40個科學家做“俄羅斯2045計劃”，分四個階段走。

　　第一步，在2020年實現(xiàn)通過人腦控制機器，這個事情看似簡單，實際上難度比較大，因為人的大腦皮層信號非常微弱，且難以與人的行為對應。

　　第二步，在2025年把人腦放在機器里，適合人腦精確生存的環(huán)境，為人腦供應營養(yǎng)，無需依賴人的身體。

　　第三步，在2035年，通過研究徹底人腦構(gòu)造，創(chuàng)造出一個類人大腦，這個原理是仿生學原理，是極其難的事情。很多仿生學原理很難走的通，比如飛機，最早研發(fā)的時候是模擬鳥類翅膀設(shè)計，未能成功。而萊特兄弟是利用空氣動力學的原理設(shè)計飛機，最后成功了。

　　最早的人工智能也是仿造大腦的神經(jīng)元和突觸的構(gòu)造進行設(shè)計，依然很難，而通過大數(shù)據(jù)不斷的訓練，反而可以訓練出合適的模型實現(xiàn)人工智能。

　　但是創(chuàng)造出類人大腦，依然是人工發(fā)展的前進目標，可以把人性格和記憶儲存到人造大腦里，這意味著人類可以實現(xiàn)永生。

　　第四步，在2045年，真實版虛擬人創(chuàng)造出來，可裝載人的意識。

　　這聽起來像天方夜譚，但是這個未來已經(jīng)與我們越來越近。機器與人的結(jié)合將在以下4個方面得到發(fā)展：

　　機器器官移植 已經(jīng)實現(xiàn)的包括盲人機器視覺輔助、機器外骨骼、神經(jīng)芯片等。日本的一家公司提供的機器外骨骼，通過采集運動的控制意念信息來控制外骨骼肢體運動，人的運動意念信號通過神經(jīng)傳到皮層，再轉(zhuǎn)成肌電信號，這家公司通過采集肌電信號來判斷控制意念。

　　美國一家公司開發(fā)的應用于軍事的腿部外骨骼，采用液壓驅(qū)動，以燃油為能源，裝在外骨骼的傳感器感知腿部力量的運動方向，來強化腿部力量。

　　另外已經(jīng)實現(xiàn)的是幫助抑郁癥患者植入神經(jīng)芯片，抑制他產(chǎn)生抑郁癥的神經(jīng)信號，促使其感到快樂。

　　納米機器人 納米進入到血液里或者內(nèi)臟里，可以做一些觀察/監(jiān)控，輔助醫(yī)療診斷或治療措施。

　　人腦逆向工程，機器與人合二為一 未來人的身體會存在大量機器，甚至大腦也是類人大腦，只有記憶和意識是自己的，人體器官中有50%以上不是人自己本體長出來的器官，就不是真正意義上的人了。

　　趨勢四 人與機器的溝通

　　包括語音互動，基于光場重構(gòu)的空間三維顯示與互動，眼球追蹤，腦機接口等。

　　趨勢五 AI+高速增長的行業(yè)應用和跨行業(yè)協(xié)同

　　根據(jù)據(jù)Machina Research數(shù)據(jù)，全球物聯(lián)網(wǎng)連接終端數(shù)量在2015年-2025年之間將增長3倍， 2025年全球物聯(lián)網(wǎng)連接數(shù)量達270億個。這意味著非發(fā)展中國家人均擁有的智能設(shè)備超過5臺。

　　根據(jù)Xlively數(shù)據(jù)，2020年物聯(lián)網(wǎng)連接終端數(shù)中工業(yè)物聯(lián)網(wǎng)和智慧城市占據(jù)大多數(shù)份額，2B應用領(lǐng)先2C發(fā)展。

　　隨著更多低成本并行指令集芯片的推出，更多物聯(lián)網(wǎng)智能終端在邊緣實現(xiàn)快速識別智能響應和結(jié)構(gòu)化數(shù)據(jù)采集，或者傳統(tǒng)設(shè)備的數(shù)據(jù)采集，兩種路徑結(jié)合云端AI模型訓練，最終實現(xiàn)AI的深度行業(yè)滲透和跨行業(yè)資源協(xié)同。

　　四、未來投資方向

　　我們看好的企業(yè)，是能夠巧妙解決以下7方面問題的企業(yè)。

　　1、碎片化

　　不同設(shè)備企業(yè)之間，同一設(shè)備企業(yè)不同產(chǎn)品之間，甚至同一產(chǎn)品不同代之間，通訊協(xié)議/標準/地址都是有差別的，常用的協(xié)議有上百種，但是總體協(xié)議有上萬種之多。

　　每一種設(shè)備的數(shù)據(jù)采集，都需要拿到設(shè)備廠商的說明文檔和許可，或者做逆向破解。

　　僅同一家制造業(yè)企業(yè)，由于設(shè)備種類的繁多，而沒有一家設(shè)備企業(yè)可以服務完整鏈條，導致要徹底實現(xiàn)對一家制造業(yè)企業(yè)的無人化/全設(shè)備數(shù)據(jù)采集，絕不是一家平臺企業(yè)能快速做到的。

　　這也是為什么過去多年一直是解決物料信息化為主的ERP在工業(yè)企業(yè)得到應用，而設(shè)備管理/深度智能化應用遲遲未能快速發(fā)展的重要原因。

　　悶頭實現(xiàn)某一細分領(lǐng)域設(shè)備聯(lián)網(wǎng)和深度數(shù)據(jù)挖掘的技術(shù)公司有不少，但是我們更看好那些能夠解決碎片化技術(shù)和市場問題的企業(yè)。

　　2、對海量數(shù)據(jù)的處理

　　大家都知道現(xiàn)在的各類型數(shù)據(jù)量很大，到底有多大?比如谷歌自己汽車采集街景，一天采集數(shù)據(jù)量1T，如果按一部電影500M算相當于2000部電影，這個數(shù)據(jù)非常驚人。

　　海量數(shù)據(jù)怎么處理是一個問題，還有非結(jié)構(gòu)化數(shù)據(jù)變成結(jié)構(gòu)化數(shù)據(jù)，這是有不同解決路徑的，比如終端做結(jié)構(gòu)化數(shù)據(jù)采集，或者先做基于機器學習的識別和篩選，只上傳經(jīng)過清洗的數(shù)據(jù)。

　　第二種是設(shè)計適用于神經(jīng)網(wǎng)絡模型訓練的擁有高并行計算能力和低能耗的處理器，或者深度挖掘異構(gòu)系統(tǒng)芯片內(nèi)全架構(gòu)及電路的計算潛力，實現(xiàn)深度學習的嵌入端部署。

　　3、實時響應

　　PC手機大多數(shù)情況不需要實時響應，而物聯(lián)網(wǎng)終端跑的程序需要對所有信息做快速處理和實時響應，能夠?qū)崿F(xiàn)對不確定因素、快速變化環(huán)境的實時響應的企業(yè)是我們比較看好的。

　　4、成本

　　智能家居最近2年發(fā)展比較快，原因是出現(xiàn)了低價高品質(zhì)智能單品。未來無論機器人/SLAM技術(shù)/自動駕駛，還是新的智能主機，還是其他消費電子，如果在具備品質(zhì)性能基礎(chǔ)上成本做到極致都極具市場潛力，并且隨著銷量增加繼續(xù)帶來更強的供應鏈議價權(quán)，實現(xiàn)更高的成本壁壘。

　　5、穩(wěn)定性

　　穩(wěn)定性代表了穩(wěn)定的良品率/穩(wěn)定的出貨量/穩(wěn)定的產(chǎn)品品質(zhì)。光波導AR眼鏡一直在解決良品率的問題，而工業(yè)領(lǐng)域的智能應用，一旦出現(xiàn)災難，損失非常驚人。

　　6、流暢度

　　機器人/語音交互產(chǎn)品我們看了很多，其實真正使用起來有高流暢度的非常少,我們看好那些能夠給客戶帶來沉浸式體驗的產(chǎn)品和企業(yè)。

　　7、思維提升

　　能夠?qū)崿F(xiàn)思維升級問題，或者基于大量數(shù)據(jù)構(gòu)建可以復用模型的企業(yè)，甚至更高層級的實現(xiàn)類人智能的企業(yè)，也是我們關(guān)注的企業(yè)。

　　如果是平臺型企業(yè)，需具備5方面的指標：

　　擁有多項不可替代的剛性需求功能;聚集海量生態(tài)伙伴;節(jié)省物聯(lián)網(wǎng)化時間或成本;客戶高頻使用;掌握數(shù)據(jù)。

　　如果是2C企業(yè)，需要具備3項基礎(chǔ)能力：

　　解決阻礙用戶使用的障礙問題;數(shù)據(jù)運營平臺驅(qū)動體驗動態(tài)升級;擁有匠人精神。

　　2B領(lǐng)域，我們看好具備3項特征的企業(yè)：

　　計費模式與交付人員規(guī)模無關(guān)；單客戶帶來規(guī)?；页掷m(xù)成長的收入；依靠持續(xù)迭代的領(lǐng)先技術(shù)與客戶業(yè)務高度緊密結(jié)合。