| 物联网是全世界公认的未来发展趋势，目前它正以极快的速度在全社会得到普及。物联网技术正在将一些行业提升至新的高度，例如医疗保健行业、金融财务行业等等，几乎每隔几个月就会有新的机遇出现。 星河互联物联网事业部合伙人吕永昌认为，在融合、碎片化等显著特点影响下，物联网领域会产生难以被快速模仿的商业业态。拥有大量环境、物、人的数据的物联网领域将释放生产方式变革的众多创业机会，而这些机会属于长期在垂直领域耕耘、可以构建三道壁垒的企业：颠覆性创新壁垒、弯路壁垒（从概念到规模化交付，有漫长的路和鸿沟在等着企业）和生态壁垒（合作伙伴一旦采用很难更换，供应链是正向循环的强化优势）。 融合、碎片化的显著特点,带来难以被快速模仿的商业业态 融合和碎片化是物联网行业的2个显著特点。物联网的融合表现在，这个行业的创业者往往需要既懂硬件，又懂软件，还得懂生物学/物理学/化学/光学等相关学科并拥有实践经验；对产品设计有极致追求，对人工智能算法模型/增强数据挖掘也需要掌握；对于2B市场的业务，还需要对B端市场和产品（比如工控领域）有深刻理解和客户掌控能力。不过，越是交叉融合的领域，壁垒就越高，这是为什么物联网领域在过去二十年发展进程中没有快速涌现出大量企业的原因。 物联网的碎片化体现在市场区域割据，产品技术高度垂直和分散。物联网是一个传统IT与新兴技术结合的产业，玩家中包含很多传统ISV/SI，这些企业在各行业深耕多年，原来做软件开发，之后是做移动行业应用和M2M解决方案，现在转型做LPWAN解决方案，这样的企业非常多。这类企业在全国各地每个区域集中度都不一样，比如山东的SI集中度非常高，在广东市场非常分散，这样企业自己可以养活自己，他们是产业链最末端、最接近客户的环节。物联网领域也包括各类型通用能力企业、传感器企业、芯片企业、通讯网络企业、平台企业。仅传感器领域，就有10大类、24小类、6000多个品种，平台企业需要面对上万种设备通讯标准/协议。 看好物联网的4大逻辑 曾有数据银行负责人提到,尽管他们现在的数据交易量增长迅猛，但是企业客户对数据的需求仍然是远远大于供给，缺少各种类型的数据。这个数据来自什么地方？物联网是很重要的数据来源。这只是催生物联网发展的一个因素。还有人认为是低功耗广域网的兴起和芯片等硬件成本的大幅下降，推动了最近2年物联网时代的到来。 实际上，物联网浪潮的到来，本质是由以下4个逻辑推动的，如下所示： 一、人性的发展：智人->人->神人 从原始的智人发展来的人，未来希望变成神人，希望达到自由主义，让自己所有需求都得到满足。人会创造一些简单的机器和高复杂度的机器人，通过机器代替人做事情，把人解放出来，这是第一个逻辑。正是这个逻辑，不断催生出各类型智能硬件、人工智能需求。 二、思维的4层次升级 代替人的机器在不断升级过程中，背后隐藏着机器思维的4层级升级。 第1层级是简单控制。最早其实人类创造的机器就是控制，机器没有思考，全部通过人来进行开关控制、参数设置。 第2个层级是机械思维，即设定好什么条件下发生什么反应，基于因果关系的思维，根据确定的环境因素制定确定的决策，比如路灯的光线传感器根据天空的阴暗程度来决定灯的开关，这就是典型的机械思维。 第3个层级是相关性思维，最大的不确定性因素是环境，决策非因果关系，而是经过相关性分析后作出判断。相关性思维已经发展多年，最早的统计分析、数据挖掘即如此，现在的机器学习、神经网络也是如此，只不过比统计分析多了根据数据训练调参或者自动生成模型。比如掷骰子，要预测骰子的结果，需要根据扔骰子的力度和方向，包括风的影响等等一系列因素做判断，所有这些因素都是不确定的。另外一个例子是自动驾驶，其中一个很大的难题是针对缓慢移动的物体可以做一些识别和响应，但如果是快速移动的物体，基于传感器很难做出判断到底该如何应对，这也是针对不确定性和快速变化的环境，通过相关性思维做出的分析和判断。 第4个层级是认知智能和类人思维，这里面的逻辑就是把采集到的数据转化成信息，信息再加工成知识，知识转化成行动，不断做归纳总结，机器模拟人的思考过程。未来物联网所有运作规律均沿以上4个思维层级去进化。 三、自我管理 上述第3个逻辑是针对人自己本身、物本身要做监控/诊断的特性提出的，对人自己做优化，对机器及机器之间的配合做优化，人会有越来越多的外带的设备或者植入到身体里的设备去对人身体数据和生活习惯数据做采集，不断给自己一些建议。 工业领域的设备，或者大家使用的各种电子设备上将来会有越来越多的监测装置，能够对机器本身状况做监测，以此进行预防性维护、能耗管理、运营效率优化。 四、互联想象 这个逻辑是什么呢？人的竞争、企业竞争最终是认知的竞争，企业和人需要不断地改善自己，99%的人失败是由于无法改变自己，坚持自己的固有观念。人类发展从最早到不同类别群体中脱颖而出，并不是因为自己有组织能力，而是因为自己有幻想，相信国家/相信神，有这种幻想才导致智人这个族群在所有族群里最终胜出。 现在，人相信自己会主宰很多事情，或者相信金钱的力量，相信权威的思想，这些都是源于幻想，想象会让人拥有极强的力量，这是人和动物最大的区别。我这里所说的互联想象是指什么？就是未来其实人类不会再去相信对于某种事的追求，而是会依赖环境信息的采集做决策。 我们很多决策正确与否取决于是否拿到足够的流动信息，我们相信物联网带给我们足够的数据量，这样就可以做出有利于自我个体发展的决策，这是第一层级。第二层级就是发挥资源协同的价值，实现社会整体效能的提升。比如说现在每个人都有一台手机，利用效率不高，晚上手机即不再工作了，而社会需要的计算资源会越来越多。 假设有一家公司做一个事情，把所有手机的计算资源调动起来，在人休息的时间把闲置的手机计算资源利用起来，然后用在需要大规模计算能力的领域，比如说用在人类疑难疾病问题的解决/重大难题攻克上，同时手机用户也可以获得额外回报，这就是一个典型的资源协同优化效率的例子。 再比如说城市交通调度，把所有汽车/道路的信息综合起来之后，依据已经找到充分多的信息做出最优的交通调度和调整，帮助每个人节省在路上的时间。 第4个逻辑其实是环境、人、物未来会基于对物联网的相信，进行智能应对，以及依靠万物互联的机制做出最优化的资源配置。 物联网未来5大发展趋势 趋势一 自诊断 对于物的自诊断，包括纵向的数据采集、管理、诊断、维护、对产品创新和横向的机器之间做配合优化，以降低能耗，提升利用效率。以往工厂里大多数工厂利用率非常低，有些设备运转，有些设备闲置比例非常高，能耗浪费非常严重，工业企业内部机器之间、机器与环境之间需要优化。同时上下游供应链协同也是优化方向。对于人的自诊断，包括3个层面——健康、体征监控诊断、干预和治疗；人自身成长的技能检测、辅助训练；针对生活习惯的数据采集和改进建议。 趋势二 新的智能主机 新的智能主机应用规模不会快速增长，而是会缓慢的一点点发展出来，因为硬件成本的下降和技术、内容、生态的完善需要时间。从形态上看包括3类新智能主机——对人的能力延伸，可以去人无法去的危险地方，比如无人机；对人的替代，未来95%工作会由机器人替代；人与人、人和物之间的交互终端，比如AR眼镜，可以看手机信息、新闻，用新的智能终端做控制。 趋势三 机器与人的结合 第一步，在2020年实现通过人脑控制机器，这个事情看似简单，实际上难度比较大，因为人的大脑皮层信号非常微弱，且难以与人的行为对应。 第二步，在2025年把人脑放在机器里，适合人脑精确生存的环境，为人脑供应营养，无需依赖人的身体。 第三步，在2035年，通过研究彻底人脑构造，创造出一个类人大脑，这个原理是仿生学原理，是极其难的事情。很多仿生学原理很难走的通，比如飞机，最早研发的时候是模拟鸟类翅膀设计，未能成功。而莱特兄弟是利用空气动力学的原理设计飞机，最后成功了。最早的人工智能也是仿造大脑的神经元和突触的构造进行设计，依然很难，而通过大数据不断的训练，反而可以训练出合适的模型实现人工智能。但是创造出类人大脑，依然是人工发展的前进目标，可以把人性格和记忆储存到人造大脑里，这意味着人类可以实现永生。 第四步，在2045年，真实版虚拟人创造出来，可装载人的意识。 这听起来像天方夜谭，但是这个未来已经与我们越来越近。机器与人的结合将在以下4个方面得到发展： 机器器官移植 已经实现的包括盲人机器视觉辅助、机器外骨骼、神经芯片等。日本的一家公司提供的机器外骨骼，通过采集运动的控制意念信息来控制外骨骼肢体运动，人的运动意念信号通过神经传到皮层，再转成肌电信号，这家公司通过采集肌电信号来判断控制意念。美国一家公司开发的应用于军事的腿部外骨骼，采用液压驱动，以燃油为能源，装在外骨骼的传感器感知腿部力量的运动方向，来强化腿部力量。另外已经实现的是帮助抑郁症患者植入神经芯片，抑制他产生抑郁症的神经信号，促使其感到快乐。 纳米机器人 纳米进入到血液里或者内脏里，可以做一些观察/监控，辅助医疗诊断或治疗措施。 人脑逆向工程，机器与人合二为一 未来人的身体会存在大量机器，甚至大脑也是类人大脑，只有记忆和意识是自己的，人体器官中有50%以上不是人自己本体长出来的器官，就不是真正意义上的人了。 趋势四 人与机器的沟通 包括语音互动，基于光场重构的空间三维显示与互动，眼球追踪，脑机接口等。 趋势五 AI+高速增长的行业应用和跨行业协同 根据Machina Research数据，全球物联网连接终端数量在2015年-2025年之间将增长3倍，2025年全球物联网连接数量达270亿个。这意味着非发展中国家人均拥有的智能设备超过5台。根据Xlively数据，2020年物联网连接终端数中工业物联网和智慧城市占据大多数份额，2B应用领先2C发展。随着更多低成本并行指令集芯片的推出，更多物联网智能终端在边缘实现快速识别智能响应和结构化数据采集，或者传统设备的数据采集，两种路径结合云端AI模型训练，最终实现AI的深度行业渗透和跨行业资源协同。 未来投资方向 我们看好的企业，是能够巧妙解决以下7方面问题的企业。 一、碎片化 不同设备企业之间，同一设备企业不同产品之间，甚至同一产品不同代之间，通讯协议/标准/地址都是有差别的，常用的协议有上百种，但是总体协议有上万种之多。每一种设备的数据采集，都需要拿到设备厂商的说明文档和许可，或者做逆向破解。仅同一家制造业企业，由于设备种类的繁多，而没有一家设备企业可以服务完整链条，导致要彻底实现对一家制造业企业的无人化/全设备数据采集，绝不是一家平台企业能快速做到的。这也是为什么过去多年一直是解决物料信息化为主的ERP在工业企业得到应用，而设备管理/深度智能化应用迟迟未能快速发展的重要原因。闷头实现某一细分领域设备联网和深度数据挖掘的技术公司有不少，但是我们更看好那些能够解决碎片化技术和市场问题的企业。 二、对海量数据的处理 大家都知道现在的各类型数据量很大，到底有多大？比如谷歌自己汽车采集街景，一天采集数据量1T，如果按一部电影500M算相当于2000部电影，这个数据非常惊人。海量数据怎么处理是一个问题，还有非结构化数据变成结构化数据，这是有不同解决路径的，比如终端做结构化数据采集，或者先做基于机器学习的识别和筛选，只上传经过清洗的数据。第二种是设计适用于神经网络模型训练的拥有高并行计算能力和低能耗的处理器，或者深度挖掘异构系统芯片内全架构及电路的计算潜力，实现深度学习的嵌入端部署。 三、实时响应 PC手机大多数情况不需要实时响应，而物联网终端跑的程序需要对所有信息做快速处理和实时响应，能够实现对不确定因素、快速变化环境的实时响应的企业是我们比较看好的。 四、成本 智能家居最近2年发展比较快，原因是出现了低价高品质智能单品。未来无论机器人/SLAM技术/自动驾驶，还是新的智能主机，还是其他消费电子，如果在具备品质性能基础上成本做到极致都极具市场潜力，并且随着销量增加继续带来更强的供应链议价权，实现更高的成本壁垒。 五、稳定性 稳定性代表了稳定的良品率/稳定的出货量/稳定的产品品质。光波导AR眼镜一直在解决良品率的问题，而工业领域的智能应用，一旦出现灾难，损失非常惊人。 六、流畅度 机器人/语音交互产品我们看了很多，其实真正使用起来有高流畅度的非常少,我们看好那些能够给客户带来沉浸式体验的产品和企业。 七、思维提升 能够实现思维升级问题，或者基于大量数据构建可以复用模型的企业，甚至更高层级的实现类人智能的业，也是我们关注的企业。如果是平台型企业，需具备5方面的指标：拥有多项不可替代的刚性需求功能；聚集海量生态伙伴；节省物联网化时间或成本；客户高频使用；掌握数据。如果是2C企业，需要具备3项基础能力：解决阻碍用户使用的障碍问题；数据运营平台驱动体验动态升级；拥有匠人精神。2B领域，我们看好具备3项特征的企业：计费模式与交付人员规模无关；单客户带来规模化且持续成长的收入；依靠持续迭代的领先技术与客户业务高度紧密结合。 |
