凡是在人类向前发展的长河中能够起到提高生产力的发明或者方法，都可以被人们以铭记，虽然一个行业乃至一个社会的发展情景无法预测，但是历史总会记住对这个世界真正有价值的事物。短期看似热闹，流行的文化或者技术能够引领着大众，经过时间的筛选，或许潮退之后才能看到谁在裸泳。市场短期是投票机，从长期来说，却是一个称重器。那些引领时代进步的技术，知识，思想定能随着时间的增加越加光芒。就如尼古拉斯-塔勒布在《反脆弱》一书中提到的林迪效应：
| 对于会自然消亡的事物，生命每增加一天，其预期寿命就会缩短一些。而对于不会自然消亡的事物，生命每增加一天，则可能意味着更长的预期剩余寿命。 |
那对于目前火热的物联网行业究竟是昙花一现然后自然消亡还是如媒体上所描述的那样将会成为工业发展史上重要的一个里程碑?还需要拭目以待，因为未来无法预测，未来是有想法有激情的企业及个人，一步步的试错中走出来的。其中曾被很多人看好的GE Predix成为了工业互联网史技术发展史上试错的一家，虽然投资了几百亿美元，却在几亿美元的惨淡业绩下不得不被打包出售。在现在工业物联网的行业及有限的知识，还无法预测Predix以后的发展前景，但可以确定的是它所带给该行业及行业从业者的思想及启发有非凡的意义。为什么这么看似有前景的技术没有爆发却被打包出售，我想除了资本市场的逐利性，短期看不到效益被管理层甩卖，还有一些和行业，技术没有协同发展的原因。
1. 把试错的机会当成必须要实现的战略
不管是GE的Predix，还是IBM的Watson计划，都对物联网未来的发展投入了很多的资源与精力，而把本是需要不断试错和摸索的阶段当成公司必须要实现的战略。不管是麦肯锡还是其他一些专业分析报告，都给物联网的发展定了很高的基调，趋势确实是有，但这样的定调也或多或少的引导一些公司的决策。就像《反脆弱》书中提到，经济学家只能是顾问，而不能当作策略的制定者，就是为了防止理论过度指导实践，而不是实践和理论相结合的方式。在这一方面做的特别好的要举两个例子：
- 物联网参与者PTC，跟踪该公司发展的从业者可能会发现这几年PTC在资本的表现比较好，即使在国际贸易战，美国股市连续十年上涨大家都普遍看衰的高压下，其市值也是稳步攀升，笔者认为PTC的优势是在守住PLM，生产制造辅助软件，这几项传统挣钱项目的同时，不断通过收购的方式扩展自己物联网的产品线，比如前后将物联网中间件Kepware，物联网平台ThingWorx纳入囊中来提高底层数据采集与数据平台服务这两项设备端的优势。今年霍尼韦尔嗅到了机会，用战略投资的方式与PTC达成了合作来弥补自己缺陷的设备端的数据打通，工业AR场景。可见PTC最近一两年在物联网的动作是稳步进行，理论和实践相结合。
- 再有一个例子是大家熟悉的Google，Alphabe成为其母公司时，布林退出了Google公司的管理而全力引导Google X实验室这个部门，而很多黑科技及未来的一些技术都很有可能诞生于此，作为一个技术性公司，通过在Google X部门不断试错与孵化的产品，成熟之后推向市场，布林的前瞻性与视野，敢于放权，也是中国企业家学习的对象。
2. 没有协同的发展理念与技术
第一次工业革命是因为蒸汽机的发现，才引起生产力的大幅提高，从而才有了钢铁的冶炼，电力，电磁学，个人电脑的出现。可以说蒸汽机是整个工业史上最重要的一项发明。不过有参考资料指出，蒸汽机在很久之前就已经被发明出来过，只是当时人的观念，经济的基础，技术的支持与产业的发展都不足以让人想到可以使用蒸汽机来提高生产力，就比如在千禧年前后，荷马鲜生这种消费升级的模式肯定也不会出现。当如今工厂端，很多生产流程简单，分散，生产设备老旧，公司管理者的理念都没有物联网概念的时候，需要实践与试错的去推进物联网的发展。
富士康工业互联董事长陈永正曾讲过：”工业互联网就是所谓的实体经济跟数字经济的融合。严格讲起来，过去是实体经济，因为有了工业4.0，有了工业互联网，开始有更多的大数据，所以已经跨到数字经济了。
当然，接下来怎么去服务外界?让数字能力对外。这方面，要向互联网公司学习。其实没错，数字经济是比较发散的，比较感知的。实体经济是精确的，是一分一秒都不能差的，所以这两个本质是非常不同的。
而目前工厂端的设备控制总线及协议技术要求是毫秒级别，互联网和底层工厂端数据及流程打通，需要极其少的时间延迟，而如今IT技术的时间精度还无法达到OT端的要求，不过已经有好消息，今年的德国汉诺威展华为和贝加莱测试TSN，OPC/UA技术的协同，进一步将OT和IT真正的融合在一起。
3. 顶层端AI的发展还没有真正的开花
如果说上一个世纪改变世界的是电力，而本世纪最大的革新将来自于算力。
物联网，提供算力的基础数据及收集数据的方式，方法。
大数据，提供算力非常庞大数据的承载和高效运算能力。
AI，提供算力的模型及核心的算法，算力在商业模式变现的发动机。
- AI目前在商业应用的一个方向：如果在机场安检或者在酒店入住时，你会发现有商汤科技，云从科技，依图科技，旷视科技的人脸识别系统，这是目前人工智能商用和变现最多的一个领域。
- AI目前在工业应用比较多的一个方向是AOI光学检测，从之前工厂端AOI设备提取图片，进行人工智能的分析，学习，准确度越来越高，这是我所了解目前AI技术在工厂端商业变现的例子。
- AI在大型设备租赁市场上的应用，场景之一：金融巨头将大型设备出租给使用方，通过物联网技术将设备的使用时间和相关的参数数据提取到数据中心，通过数据的迭代累加可以建立数据模型，对设备的寿命，使用方目前业务繁忙的程度进行预判，达到降低风险及精细管理的目的。
笔者认为AI的出现，让人们更加科学的去工作，有数据支撑的去决策，有理有据的去执行，对减少资源的浪费，提高生产质量管理，打通上下游产业有非常大的帮助。而AI早在1950年前后就被美国顶级的数学家和战略家所使用，而当时只不过没有AI这个名词，没有强大计算机能力而已，如果你浏览《兰德公司与美国的崛起》这本书时就会发现，很多重要的决策都离不开科学方法的验证，数据科学的分析。
AI本质上是科学方法论的代名词，而科学是第一生产力。
