建筑行业发展现状及未来发展趋势？

随着社会经济的快速发展，能源短缺和环境恶化已成为当今人类面临的两大难题。而建筑一度被认为是世界能源以及土地、矿石、木材、水等各种资源最主要的消耗源和环境污染源，因此，绿色建筑发展尤为重要。绿色建筑是中国城镇化进程中的一场革命，对人们理念、生活方式的转变及行业发展均产生了深远影响。经过20余年的发展，绿色建筑充分吸纳了节能、生态、低碳、可持续发展、以人为本等理念，内涵日趋丰富成熟。

建筑能耗大

水泥、砂子、水、钢材是建筑行业的主要原材料，每年这些原材料的消耗量非常巨大。中国住房和城乡建设部的统计数据显示，在全球范围内，有超过40%的能源消耗和21%的温室气体排放来源于建筑业。人类从自然界所获得的50%以上的物质原料用来建造各类建筑及其附属设备。这些建筑在建造和使用过程中又消耗了全球能量的50%左右;与建筑有关的空气污染、光污染、电磁污染等占环境总体污染的34%;建筑垃圾占人类活动产生垃圾总量的40%。因此，探索并建立可持续的建筑业发展模式具有较大意义，绿色建筑发展需求非常大。

城镇化脚步加快给建筑节能带来挑战

此外，随着全球的城镇化脚步不断加快，中国的城镇化也在进一步推进。根据国家统计局统计数据显示，2019年中国城镇化水平超过了60%，达到6060%。不过离发达国家的75%仍有一段距离。但值得注意的是，随着中国城镇化脚步的不断加快，人民生活水平不断提高，对于建筑数量和质量的要求也越来越高，这一需求也给中国建筑节能工作带来了极大的挑战。

绿色建筑评价标识项目年增超3000个

我国自2006年形成绿色建筑认证体系——“中国绿色建筑三星认证”，并从2008年正式开展标识评价。尽管初期发展较为缓慢，但近年来，随着各地绿色建筑标识评价陆续展开，获得绿色建筑评价标识的项目增长迅速。据住建部有关数据显示，截至2018年底，全国累计有近14000个建筑项目获得绿色建筑评价标识，其中2018年获得绿色建筑评价标识的建筑项目3556个，占总绿色建筑评价标识项目的比例达到25%左右。

政策不断推动产业发展

作为节能减排的重要一环，建筑节能非常重要，因此政策支持力度持续加大。根据2017年出台的《建筑节能与绿色建筑发展“十三五”规划》，到2020年，城镇新建建筑能效水平将比2015年提升20%，城镇新建建筑中绿色建筑面积比重将超过50%，绿色建材应用比重将超40%……2019年11月，发改委发布《产业结构调整指导目录(2019年本)》，在新能源大类中，将太阳能建筑一体化组件设计与制造列入第一类鼓励类中。

此外，多个省市相继出台相关政策，支持低能耗绿色建筑的发展。2018年7月，广东省发布《绿色建筑量质齐升三年行动方案》，指出到2020年，全广东省城镇民用建筑新建成绿色建筑面积占新建成总面积比例达到60%。2019年1月山东出台《山东省绿色建筑促进办法》，表示研究开发绿色建筑新技术、新工艺、新材料和新设备发生的费用，可以按照国家有关规定享受税前加计扣除等优惠。2020年3月15日，济南发布《关于促进济南绿色建设国际产业园发展十条政策》，明确对符合二星级及以上绿色建筑标识的项目，按济南市奖励标准给予建设单位1:1的配套奖励。政策春风不断推动绿色建筑行业发展。

——以上数据来源及分析请参考于前瞻产业研究院《中国绿色建筑行业发展模式与投资预测分析报告》。

云从 科技 7月20日成功过会，在与旷世 科技 、商汤 科技 和依图 科技 "AI四小龙"的上市比拼中率先上岸，公司也因此成为科创AI第一股。2018-2020年云从 科技 累计亏损2684亿元，此次在科创板公司募集资金375亿元，科创板的上市也意味着公司可以缓解常年亏损带来的资金压力。

AI公司赚钱太难了。相关报告显示，全球近90%的AI公司处于亏损状态，10%的赚钱企业基本是技术提供商，中国AI产业链中90%以上的企业也同样处于亏损阶段。AI四小龙无一例外全部亏损，而且一个比一个能亏，比如依图 科技 2017-2020H1累计亏损7268亿元；旷世 科技 2017-2020Q3期间累计亏损1306亿元。商汤 科技 IPO不太顺利，有消息称公司将于8月份向港交所提交申请。虽然目前不清楚商汤 科技 亏损多少，但公司与云从 科技 一样，也是亏损的状态。

为什么AI公司赚钱这么难？

云从 科技 主营业务是为客户提供高效人机协同 *** 作系统和行业解决方案，前者是凭借自主研发的人工智能核心技术打造了人机协同 *** 作系统，通过对业务数据、硬件设备和软件应用的全面连接，把握人工智能生态核心入口，为客户提供信息化、数字化、智能化的人工智能服务；后者是基于人机协同 *** 作系统，赋能智慧金融、智慧出行等应用场景，为更广泛的客户群体提供以人工智能技术为核心的行业解决方案：

报告期内公司向客户提供基础 *** 作系统、基于人机协同 *** 作系统的应用产品和核心组件以及技术服务，其中基础 *** 作系统是可以直接销售给客户的，一般交付给具有研发能力的企业和第三方软件厂商，由客户二次开发后投入使用。公司提供的 *** 作系统有智能云平台、视图汇聚分析平台、融智云平台和集成生物识别系统，基于不同的功能，面向物联网、政府、公安等城市治理和金融、商业等不同应用场景：

值得注意的是如果客户前期没有购买云从 科技 *** 作系统，则公司向客户销售 *** 作系统和应用产品，保证相关应用产品有效运行。核心组件是基础 *** 作系统内可以独立交付的功能模块，通常是封装了核心AI能力的软件包，主要交付给研发实力强、对软件管控要求较高的客户，由客户集成到其自由系统中使用，基本不涉及进行定制化开发。技术服务主要是人机协同 *** 作系统在软件产品销售以外的服务，包括公有云服务、风控服务和智能化运维服务。

成立至今云从 科技 人机协同 *** 作系统及应用产品相继经历了初步推进人机协同 *** 作系统内核沉淀的V10、综合多类业务场景的基础 *** 作系统V20和升级人机协同 *** 作系统V30三个阶段，实现了智慧金融、智慧治理、智慧出行和智慧商业四个重点领域的基础 *** 作系统的整合。公司的V40版本则是升级了智慧治理领域的融智云平台和智慧金融领域的集成生物识别系统，通过AI技术优化系统的运行效率和用户体验：

在系统层上云从 科技 开发了面向不同领域的基础 *** 作系统，通过系统和组件的方式将AI技术赋能应用场景。2014年以来旷视 科技 便开始了Brain++这一AI生产力平台的研发，覆盖从数据生成、清洗、预处理、标注和存储到算法架构设计、实验环节设计、训练环境搭建，再到训练、加速、模型评估和产生模型以及模型分发、部署应用全流程。Brain++集成了包括深度学习框架MegEngine（天元）、深度学习云计算平台MegCompute和数据管理平台MegData，将算力、算法和数据能力融为一体，作为AI基础设施，实现从算法生产到应用的全流程化和规模化供给：

旷视 科技 的Brain++平台相比云从 科技 的 *** 作系统+组件的模式，不同之处在于将算力、算法和数据进行融合，实现了AI的全流程。比如公司的Brain++商业版覆盖了数据管理、模型开发和算力调度等算法生产全流程，还可为客户提供集群搭建和部署在内的硬件交付，让客户不必为寻找AI硬件供应商和软硬件适配等问题烦恼，提升了AI的效率。Brain++平台和算法构成了旷视 科技 的核心AI能力：

业务模式上，云从 科技 的基础 *** 作系统、组件和应用产品可以单独销售，但旷视 科技 的Brain++平台是以解决方案的形式对外销售的，这构成了俩公司业务上的差异。

2018-2020年云从 科技 实现营收484亿元、807亿元和755亿元，这其中主营业务收入为483亿元、780亿元和751亿元，2020年主营业务下降主要系疫情影响，这与其商业模式有关。报告期内公司其他业务主要为向少量客户提供外购硬件和技术开发服务，2019年其他业务收入一度达到027亿元，但占比仍较小。

主营业务中人机协同 *** 作系统营收为031亿元、183亿元和237亿元，营收占比为62%、227%、313%；人工智能解决方案营收为452亿元、597亿元和515亿元，营收占比为936%、740%和682%：

旷视 科技 是一家聚焦物联网场景，以物联网为AI技术落地载体，通过构建完整AIoT产品体系，面向消费物联网、城市物联网、供应链物联网三大核心场景，提供经验验证的解决方案的AI公司。公司业务分为消费物联网解决方案、城市物联网解决方案和供应链物联网解决方案三大类。2017-2020Q3公司营收为304亿元、854亿元、1260亿元和716亿元，其中60%以上的营收来自城市物联网解决方案业务：

值得注意的是，云从 科技 营收中第三方软硬件和智能AIoT设备营收占比虽然从2018年的812%下降至2020年的508%，但仍占据半壁江山。号称行业领先的AI公司，营收一半竟然来自硬件产品，这就引出了一个问题：AI公司靠什么赚钱？

毛利率来看，报告期内云从 科技 主营业务毛利率虽然由215%提升至432%，但仍大幅低于依图 科技 和旷视 科技 的毛利率，依图 科技 主营业务毛利率由2017年的574%提升至2020H1的71%，是这几家公司中最高的：

细分到具体产品或服务，可以看出云从 科技 人机协同 *** 作系统的毛利率在75%以上，处于较高水平。人机协同 *** 作系统中软件授权业务的毛利率超过80%，主要是绝大部分软件授权业务涉及安装调试或定制开发，产生了相应的费用。报告期内公司技术服务毛利率由9945%下降至40%，因为金融风控业务涉及对外采购数据服务，2020年新增的数据中心智能化运维服务需要委托第三方提供服务，降低了毛利率水平。

云从 科技 营收占比最大的人工智能解决方案业务毛利率为1776%、2343%和2819%，主要是该类业务根据客户需求，需外购部分配套软硬件产品或服务，外购材料成本较高，挤压了毛利率空间。公司人工智能解决方案毛利率相比可比企业也明显偏低，比如依图 科技 软件、软硬件组合在报告期内的毛利率分别为641%、819%、875%、868%和113%、328%、543%和696%。

云天励飞和云知声解决方案业务毛利率水平相比依图 科技 和旷视 科技 偏低，与云从 科技 相当。比如云天励飞数字城市云隐管理业务和人居生活智慧化升级业务毛利率分别由4227%、6316%下降至3823%和4443%，主要系解决方案中需要采购硬件并有一定比例的安装服务成本，尤其是硬件设备比例上升会拖累相关业务的毛利率水平：

旷视 科技 业务毛利率水平来看，消费类物联网解决方案业务毛利率超过80%，但其营收占比由2017年的459%下降至2020Q3的181%，营收占比最大的城市物联网毛利率下降至30%以下，因此拖累了公司的毛利率水平：

旷视 科技 在招股书中提到，消费物联网解决方案是公司传统核心优势业务，主要利用人脸识别技术提供云端SaaS类及移动终端类解决方案，成本以软件为主，毛利率水平最高。城市物联网解决方案业务主要为智慧城市及智慧建筑管理，这一业务随着行业经验积累、项目设计与交付能力不断提升，按理公司具有提升毛利率空间的能力。但旷视 科技 提到，因为项目成本中硬件占比提升，导致毛利率有所下降：

结合云从 科技 、云天励飞和旷视 科技 等业务模式，可以看出：如果单纯靠出货 *** 作系统等业务，公司可以保持一个很高的毛利率。未来随着业务不断成熟，成本和费用的下降，公司具有盈利的可能。但目前来看，旷视 科技 、依图 科技 等为代表的AI公司还是以解决方案业务为主，这就涉及到一些硬件的采购和安装，相应的导致毛利率的下降。

AI四小龙无一例外全部亏损，而且一个比一个能亏。云从 科技 报告期内累计亏损2684亿元，看起来不少，但在旷视 科技 和依图 科技 面前还是弱爆了。

依图 科技 2017-2020H1净利润分别亏损1166亿元、1161亿元、3642亿元和1299亿元，累计亏损7268亿元。旷世 科技 2017-2020Q3期间分别亏损775亿元、280亿元、6639亿元和2846亿元，累计亏损1306亿元。商汤 科技 IPO不太顺利，有消息称公司将于8月份向港交所提交申请。虽然目前不清楚商汤 科技 亏损多少，但公司与云从 科技 一样，也是亏损的状态。

寒武纪主营业务是AI芯片的研发、设计与销售，主营业务与云从 科技 等明显不同，但2017-2020年公司仍然累计亏损超过20亿元。2020年寒武纪亏损大幅减少，但扭亏为盈还是遥遥无期：

行业龙头亏损严重，中小AI公司同样亏的不少。比如提供数字城市运营管理和人居生活智慧化升级应用场景解决方案的云天励飞2017-2020Q3期间净利润累计亏损1607亿元，2020年前三季度公司营收为267亿元，报告期内营收累计仅为68亿元，赚的还没有亏的多。

为什么AI公司赚钱这么难？

先说说这些公司亏损的直接原因。

2018-2020年云从 科技 毛利从105亿元增长至328亿元，毛利率由215%提升至432%，但期间费用由338亿元飙升至1061亿元，直接造成营业利润亏损。

报告期内公司销售费用由129亿元增长至274亿元，销售费用率由2663%提升至3628%，这属于很高的水平了。此外公司研发投入持续加大，由2018年的148亿元增长至578亿元，营收占比由3061%提升至7659%，已经足以让公司亏损了：

报告期内云从 科技 实施股权激励并产生了相应的费用，但这种费用短期对公司利润带来压力，假以时日影响会消除，但销售费用和研发费用的增加是持续性的，毕竟这与公司经营密切相关。比如云从 科技 销售费用中占比最大的是人员薪酬，主要是公司业务扩展，销售人员和平均薪酬增加。

人工智能仍然是一个技术密集型企业，各家公司为了保证持续的竞争力也在投入大量的资金用于研发。目前人工智能相关技术和应用场景的解决方案迭代速度比较快，以云为例产品迭代周期一般为2-6个月，因此人工智能行业的研发是个持续时间长且投入高的过程。比如云从 科技 2020年研发费用率超过75%，公司基于人机协同 *** 作系统在研项目有基础平台、算法工厂、AI融合数据湖、知识计算和人机自然交互等8项之多。

亏损最严重的旷视 科技 也是如此。2017-2020Q3公司期间费用由402亿元增长至1349亿元，规模上超过公司的营收，这其中销售费用率、管理费用率和研发费用率分别由2414%、3345%、6650%提升至416%、5756%和9223%：

另外为了提高研发人员、管理人员等积极性，或者出于营造缺钱的目的，AI公司还会实施股权激励，并为此产生巨大的股份支付费用，侵蚀了公司的盈利空间。比如2019年云从 科技 实施了股权激励，产生了1303亿元的股份支付费用；2019-2020Q3云天励飞为激励核心团队、保证团队稳定性，对核心成员实施股权激励，为此分别支付了208亿元和719亿元的股份支付费用。

目前抛开其他不谈，在研发上的投入和股权激励产生的巨大费用，凭借这两项，已经让大多数AI公司陷入亏损了。

客户变动大、客户集中度较高、单一客户依赖性较高等仍是AI公司面临的共同难题，而这一难题事关公司经营是否可持续，也是这类公司上市中的拦路虎之一。无论是注册制下的科创板、创业板还是审核制下的主板，从发审委到上市委，都盯着这一问题。

今年3月份上交所在云从 科技 第一轮问询中就要求公司就"不同类型产品前五大客户的销售内容、销售收入及变动原因，前五大客户变动较大是否符合行业惯例"等进行问询。

2018年云从 科技 第一大客户分别为北京物联新泊 科技 有限公司，营收占比为3011%；2019-2020年北京汇志凌云数据技术有限责任公司为公司第一大业务，营收占比为3049%和1098%，销售金额变动也非常大。另外江苏趋云信息 科技 有限公司和江西骏马 科技 有限公司成立不久后就成为公司前五大客户，上交所还就合理性、交易价格公允性和是否存在利益输送或其他特殊利益安排等进行问询。

云从 科技 这种情况在其他AI公司中也存在。比如2017-2020Q3旷视 科技 前五大客户相继经历了杭州联汇 科技 有限公司、中国移动、北京易华录信息技术股份有限公司和东华软件股份公司四家公司，销售金额也从2500多万到8500多万不等，而且多个客户经历了一轮游，在下一年度中不见踪影：

从云从 科技 的反馈来看，AI公司面临碎片化问题，不仅仅是场景的碎片化，还有订单的碎片化。以2020年度人机协同 *** 作系统客户分布情况来看，云从 科技 绝大多数客户的订单规模在100万元以下，1000万元以上的订单占比很低。应用场景上，公司产品覆盖了智慧治理、智慧金融智慧出行、智慧商业等多个领域，营收占比最大的人工智能解决方案也呈现出类似的特征：

客户集中度上，云从 科技 前五大客户销售占比从6223%下降至2792%，相反依图 科技 前五大客户销售占比从3512%提升至6202%，而旷视 科技 常年在20%-30%左右徘徊。

客户的飘忽不定说明了人工智能技术在客户端的复用性很低，订单的碎片化说明了人工智能技术商业化水平还处于较低的水平，难以实现规模化应用。AI公司要想寻求发展就要不断开发新用户、不断延伸新的应用场景，这势必增加了公司的额外开支。前文已经提到，云从 科技 、旷视 科技 等销售费用率很高，尤其是职工薪酬占主要比例，主要是为了扩大业务区域、开拓客户而招兵买马，相应的费用不断增长。

人工智能产业链分为基础层、技术层和应用层三大环节，其中目前以旷视 科技 、云天励飞等为代表的企业多为技术层公司，主要通过开发相关算法赋能智慧城市、智慧金融等应用场景。目前中国的AI产业相比美国，差距在于第一是基础层实力偏弱，尤其是具有全球竞争力的芯片、传感器等领域的公司太少，而且华为等部分企业因为实体清单影响，经营遭遇困难：

云从 科技 、旷视 科技 等相继布局计算机视觉、语音识别和自然语言处理等技术层，但更多的企业处于应用层，参照互联网公司，应用层的竞争会更加激烈，技术实力不佳、综合能力不足的公司会逐渐掉队。另外值得注意的是与美国的谷歌、亚马逊和微软等类似，华为、腾讯和阿里巴巴等巨头的加入让人工智能行业竞争更加激烈。华为、腾讯等公司拥有打通基础层、技术层和应用层的能力，而且在技术、研发、客户、市场等方面拥有云从 科技 等难以撼动的优势，因此势必给这些公司带来巨大压力。

从目前产业发展现状和人工智能技术发展曲线来看，其已到了从技术转向大规模应用的关键节点，目前如何规模化落地成为行业痛点。不过对云从 科技 、旷视 科技 等这些资本一路输血充大的公司来说，现在紧迫的事情是如何通过上市在补血的同时还让曾经的投资者退出，毕竟这么多年下来它们等不及了。

万一所投公司倒闭了，一切都打水漂了。

人工智能代表这是一种高科技。随着科技的发展，人工智能会逐渐走进普通家庭，相信他会越来越普及。在我们的身边永远会越来越广。
他一定会走的更长远。因为这是时代。时代的脚步是无法抗拒的。只有追逐时代。我们才可能不被时代所抛弃。
人一定要多出去走走。不多出去走走，就不知道宅在家里有多舒服。
2、天下雨了，而我选择躲进雨里，那样你大概就看不见我的泪了。
3、这个天气睡觉真的很舒服啊……但是，为什么我又失眠了
4、载着新年的翅膀，飞向了春运时节。场面不亚于奥运现场，人山人海!你这弱小的身子千万要顶住压力，买票不容易，回家更不容易。祝你买票顺利，回家顺利!
5、科学的博爱精神把分散在世界各地各种热心科学的人联结成一个大家庭。
6、回家的路又短又长，短的就是距离，长的就是心情。
7、我害怕去知道你过得好不好，也不敢让你知道我过得不好。这样的想法远远的打败了思念。给在远方的亲人。
8、我最喜欢的还是你啊，偶尔也有一点喜欢别人，在他们像你的时候。
9、深深的爱情，浓浓的亲情是家庭的粘合剂，他能使一个家庭有着强大的生命力凝聚力和影响力。
10、想起故乡，我无名地思念起故乡。故乡，是游子用谷子酿造出来的陈年老酒，搁置年代越远，放置时间越长，酒的味道就有醇香。
11、每一次打电话回家，我都是依依不舍的挂断电话，总是有说不完的语言，想念已成为我的一种习惯。在无意间听到别人的谈话都能让我想起你们。
12、家，是慰藉心灵的港湾；家，是心灵的创口贴；家，是冬日温暖的阳光。
13、回家的路又短又长，短的是距离，长的是心情。
14、失去了缘分的人，即使在同一个城市里，也不太容易碰到。
15、现在不再那么幻想了，但是还是喜欢雨，喜欢下雨的时候，一个人坐在窗前，数雨滴。
16、渔灯暗，客梦回，一声声滴人心碎。孤舟五更家万里，是离人几行情泪。家，是永远的港湾却也是永远的牵挂。
17、周末下雨天，宅在家煲剧，做吃了就停不下来的入味鸡爪，真是爽到停不下来。
18、有时候不是不懂，只是不想懂;有时候不是不知道，只是不想说出来;有时候不是不明白，而是明白了也不知道该怎么做，于是就保持了沉默。
19、在外念团圆，出门重平安，春节渐临近，最把家人念。亲爱的朋友，春节近了，愿你春节旅途愉快，早日回家家人身边。祝你阖家团圆更幸福！
20、家不仅仅是一幢房子，它是漂泊者的避风港，是心灵的驿站，简而言之，它也是一种真正属于自己的生活方式，我的亲人，我的家。
21、最美的不是下雨天，而是和你一起躲过雨的屋檐。
22、I love the way you look like I love you我喜欢的样子你都有 你有的样子我都爱
23、幸福就是一家人在一起过着平凡而轻松的日子，做自己喜欢做的事。
24、家，是一个最温馨的地方。在家，可以随心所欲，不用拘束不用害怕，自由自在。在社会上碰什么不顺利，就会发现家，才是你最温暖的港湾。
25、回家，一直是我心头的渴望，一直是我对每一个周末的盼望。一个星期的开始，从周一到周五，都让我沉浸在回家的开心和期待中，随着回家的日子一天一天地临近，我的心底开始欢呼起来，我开始兴奋起来。
26、没人会嘲笑你的梦想，他们只是嘲笑你的实力。知道自己现在是怎样的一个人，应该成为一个怎样的人，并为之努力。​​
27、送你一首魔幻歌曲，让你旅行没有劳累与疲惫，只有家的温馨与快乐。送你一把幸福扇，扇出美好姻缘与好运，结束单身找到另一半。祝你旅途愉快，幸福常伴。
28、让爱回家，父母是每个儿女永远的牵挂，别让父母的爱成为永远的等待！
29、高数老师以G的速度讲课，学霸以wifi的速度听着，学神以G速度记着，学屌以G速度干瞅着。
30、想家是一种习惯，是一种心情，是一种成长。如果你想家了，就给家里打个电话;哪怕是随便唠几句，也能驱散心中冬日的寒意。
31、青山遮不住，思念常依依，佳节将至，思乡的思绪飘然，愿你带上幸福和思念，揣上果实和欢笑，忘掉一年的辛劳和烦恼，丢掉一年的不快和迷茫，快乐出发，顺利归家。
32、母爱是明澈的山泉，洁净而碧澈。她纯而不梁真而无邪诚而无瑕，她能洗涤一切污浊。
33、没回家之前爸爸妈妈都说想我了，回家之后发现，他们不过就是想骂我了，起床晚挨骂，看电视挨骂，玩手机挨骂，在家不出去挨骂，出去玩挨骂。
34、以前真的不会想家 但是这学期特别想家 可能是暑假待久了 觉得在家摊着真的很舒服
35、在家我关上自己房间的门就可以不用说话，自己沉默好久好久，这让我觉得很舒服。
36、找不到喜欢的伞，我宁愿淋雨。
37、如果把人生看作四季，那么，家就是轮回在四季中交替在身上的衣服;如果把人生看作一次漫长的旅行，那么，家就是旅途中栖息的温馨驿站。
38、想家就是一种说不出的感觉，想家就是一种难以言表的情感。
39、下雨的时候我喜欢站在雨中淋雨，这样就不会有人发现我哭了。
40、后是垮掉的一代，后是趴下的一代。后拒绝加班，后拒绝上班。（后的情形我想象不出来……）
41、在家里吃的饭才叫吃饭，在学校和单位吃饭纯粹就是为了生存。
42、想家的时候，让我情绪低落。想家的时候，让我夜晚难以入眠。自来到新乡幼儿师范学校以来，每到夜深人静的晚上，都会让我情不自禁地想起家。
43、超过别人一点点，别人就会嫉妒你；超过别人一大截，别人就会羡慕你。
44、以前在家的时候，遇到下雨天，总感觉很安心，很舒服，现在自己在外面，听着外面哗哗的大雨声，却有一种不安 ……与焦虑……
45、你到底隐身在哪里，是不是，我追随着落在雨水里的花瓣，才可以达到。
46、在家吃火锅呀，哈哈哈，还是很舒服的。就是跟老大打游戏听着他跟他媳妇打情骂俏，感觉都想恋爱了然而还是不想多这一层束缚，一个人孤单但自由。
47、现在的社会没有象里面陈浩南和山鸡那样的兄弟亡命天涯不如早点回家。

有股民感叹：不久前的泛在电力物联网、孪生数据、网络切片、窄带物联网、柔性屏、边缘计算、智能微尘……这些概念都还一知半解，现在“透明工厂”“超级真菌”又横空出世，这科研知识更新的速度让股民有点跟不上节奏。而且各种概念花样繁多，这年头，不懂科学，不懂高科技，都不好意思说自己是炒股的了。为了这点尊严，只能白天炒股，晚上“考研”，上知天文下知地理，中间还得知空气，感谢A股带我们走进科学……

新概念“透明工厂”崛起

这两天，“透明工厂”这一新概念横空出世在A股市场，瞬间就引爆了投资圈，它不是玻璃工厂，而是指数据透明，即各生产节点和生产过程都完全透明可被了解，包括流水线的透明开放；全面采集、处理和分析制造业企业各层级和各环节产生的数据；工厂生产制造过程各个环节透明化；实现传统制造业企业与“云”无缝衔接；支持企业数字化转型。它不仅面向生产商、经销商，还面向消费者，做到“生产原料及设备可追溯”“工艺流程及产品流向可查询”等。

换成一个大家秒懂的说法，就是指工厂的每一道工序都可追溯，都是“透明化”的，都是可查的。归纳起来就是，透明工厂其实就是“数字化工厂解决方案”，是物联网在工业领域的重要应用。

为什么要实现透明工厂？

透明工厂，这个概念是怎么来的，好像没人说得清，再看看4月9日和10日，A股市场这个版块领涨个股的成分股，有化工股、电子机械股、网络安全股……也很难说清是由哪个板块演化而来的。现在得到市场共识的说法是：由江苏响水化工厂爆炸，化工产业整治衍生出来的一个新题材，通过透明工厂倒逼传统工厂向基于大数据的数字化智能工厂转型，有效减少类似事故发生，就算发生事故，透明工厂的线上线下信息及时反馈和智能监控也能把影响减少到一定范围。

而目前国内制造业最大的痛点，是IT层和OT层的断层，也就是信息化管理系统和底层设备执行，不统一，中间有了真空地带。从江苏化工厂的一系列事件暴露的问题，工业生产转型升级的重要性进一步凸显。

当然，不只是安全生产事故，我国制造业也面临一些其他的痛点，其中的显性问题，包括时间延误、货物差错、包装破损等；隐性问题，如体系庞大、需求多元、物流资源分散、自营成本高等。首当其冲的便是居高不下的物流成本。

透明工厂的优势非常明显。它会从全局运营管控、大数据分析、决策看板、风险预警等方面，通过供应链物流数据化引擎提升业务网络透明度，运用订单计划驱动引擎实现资源配置优化，最终通过物流端到端可视引擎实现企业对安全、时效和协同的需求。

国内制造业的“透明工厂”现状

透明工厂概念密集出现不过几天，但板块个股已经提前开涨，其中龙头鼎捷软件已经豪取六连板(截至4月10日)。透明工厂在4月9日和10日更是遥遥领涨全版块，分别录得792%和4%的涨幅。

在资本市场这么火爆，透明工厂的现实状况又是怎样的呢？我国制造业面临的困境，也是中国庞大工业体系所面临的转型困境。近年来，随着工业40的提出，和制造业领域的信息化、透明化被提上了议程，由此才孕育出了吸睛力MAX的“透明工厂”。

透明工厂的特点完美契合了目前制造业的发展需求，它的先进性，使其成为了工业界的“当红小鲜肉”，吸引了大众汽车、汤臣倍健、海斯夫等名企纷纷试水。

然而，目前的现状是，我国制造业企业虽然普遍愿意积极转型，但大多处在“心有余而力不足”的窘境。技术、人才方面的短板，摇摆不定的供应链管理策略，都成为了企业向“智造”转型的手铐脚镣。

透明工厂的第一步是投放智能化硬件；第二步是升级工控软件。可是中国广大的中小企业是折腾不起这一套的，如何在原有设备基础上通过融合IT层和OT层，提升效率，前途才是无限光明的。

（文章来源：通信信息报）

大数据应用须解决三大关键点
大数据应用的关键点是数据来源、产品化和价值创造;数据资源分布不均，大数据应用在数据密集领域更易获得突破;须对不当的行业管理模式进行改革,以促进大数据在已有各个行业中应用。
大数据贵在应用。当前，在国家层面，国务院出台《促进大数据发展行动纲要》;在地方层面，大数据被作为区域发展战略引擎;在企业层面，各类大数据概念公司方兴未艾、蓬勃发展。我们独关注大数据应用，关注数据从哪里来、数据怎么用、成果谁买单，也就是数据来源、产品化和价值创造三个关键点。一个好的大数据应用，从技术上可能很复杂，但从业务模式上应当简单、直白、管用。我们还关注，是否存在若干"数据密集型"行业或领域，大数据应用在这些领域可能更容易开展。在产业政策方面，我们关注作为新兴业态的大数据，过去屡试不爽的做法，如给地、给钱、给项目等，是否还会继续有效
大数据应用的三个关键点
国务院《促进大数据发展行动纲要》(简称《大数据纲要》)将大数据定位为"新一代信息技术和服务业态"，赋予大数据"推动经济转型发展""重塑国家竞争优势""提升政府治理能力"的战略功能，并将数据界定为"国家基础性战略资源"。在应用方面，《大数据纲要》在公共领域提出许多发展方向，如宏观调控科学化、政府治理精准化、商事服务便捷化、安全保障高效化、民生服务普惠化;在产业层面，主要按行业领域划分为工业大数据、新兴产业大数据、农业农村大数据、万众创新大数据，以及大数据产品体系和大数据产业链。这些方向，只是大数据应用的潜力和空间，能不能应用起来，能不能发挥作用，还得看有没有可行模式和实际效果。无论是在公共领域还是在产业层面，大数据应用都离不开数据来源、处理技术和方法、创造价值的模式，这是我们关注的重点。概括来说，需要回答下面三个看似简单、却是关键的问题。(一)数据从哪里来关于数据来源，普遍认为互联网及物联网是产生并承载大数据的基地。互联网公司是天生的大数据公司，在搜索、社交、媒体、交易等各自核心业务领域，积累并持续产生海量数据。物联网设备每时每刻都在采集数据，设备数量和数据量都与日俱增。这两类数据资源作为大数据金矿，正在不断产生各类应用。国外关于大数据的成功经验介绍，大多是这类数据资源应用的经典案例。还有一些企业，在业务中也积累了许多数据，如房地产交易、大宗商品价格、特定群体消费信息等。从严格意义上讲，这些数据资源还算不上大数据，但对商业应用而言，却是最易获得和比较容易加工处理的数据资源，也是当前在国内比较常见的应用资源。在国内还有一类是政府部门掌握的数据资源，普遍认为质量好、价值高，但开放程度低。《大数据纲要》把公共数据互联开放共享作为努力方向，认为大数据技术可以实现这个目标。实际上，长期以来政府部门间信息数据相互封闭割裂，是治理问题而不是技术问题。面向社会的公共数据开放愿望十分美好，恐怕一段时间内可望不可及。在数据资源方面，国内"小数据""中数据"应用并不充分，试图一步跨入大数据时代，借机一并解决前期信息化过程中没能解决的问题，前景并不乐观。另外，由于中国互联网公司业务主要在国内，其大数据资源也不是全球性的。数据从哪里来是我们评价大数据应用的第一个关注点。一是要看这个应用是否真有数据支撑，数据资源是否可持续，来源渠道是否可控，数据安全和隐私保护方面是否有隐患。二是要看这个应用的数据资源质量如何，是"富矿"还是"贫矿"，能否保障这个应用的实效。对于来自自身业务的数据资源，具有较好的可控性，数据质量一般也有保证，但数据覆盖范围可能有限，需要借助其他资源渠道。对于从互联网抓取的数据，技术能力是关键，既要有能力获得足够大的量，又要有能力筛选出有用的内容。对于从第三方获取的数据，需要特别关注数据交易的稳定性。数据从哪里来是分析大数据应用的起点，如果一个应用没有可靠的数据来源，再好、再高超的数据分析技术都是无本之木。(二)数据怎么用数据怎么用是我们评价大数据应用的第二个关注点。大数据只是一种手段，并不能无所不包、无所不用。我们关注大数据能做什么、不能做什么，现在看来，大数据主要有以下几种较为常用的功能。追踪。互联网和物联网无时无刻都在记录，大数据可以追踪、追溯任何一个记录，形成真实的历史轨迹。追踪是许多大数据应用的起点，包括消费者购买行为、购买偏好、支付手段、搜索和浏览历史、位置信息，等等。识别。在对各种因素全面追踪的基础上，通过定位、比对、筛选，可以实现精准识别，尤其是对语音、图像、视频进行识别，使可分析内容大大丰富，得到的结果更为精准。画像。通过对同一主体不同数据源的追踪、识别、匹配，形成更立体的刻画和更全面的认识。对消费者画像，可以精准推送广告和产品;对企业画像，可以准确判断信用及风险。提示。在历史轨迹、识别和画像基础上，对未来趋势及重复出现的可能性进行预测，当某些指标出现预期变化或超预期变化时给予提示、预警。以前也有基于统计的预测，大数据大大丰富了预测手段，对建立风险控制模型有深刻意义。匹配。在海量信息中精准追踪和识别，利用相关性、接近性等进行筛选比对，更有效率地实现产品搭售和供需匹配。大数据匹配功能是互联网约车、租房、金融等共享经济新商业模式的基础。优化。按距离最短、成本最低等给定的原则，通过各种算法对路径、资源等进行优化配置。对企业而言，提高服务水平、提升内部效率;对公共部门而言，节约公共资源、提升公共服务能力。当前许多貌似复杂的应用，大都可以细分成以上几种类型。例如，贵州推行的"大数据精准扶贫项目"，从大数据应用角度，通过识别、画像，可以对贫困户实现精准筛选和界定，找准扶贫对象;通过追踪、提示，可以对扶贫资金、扶贫行为和扶贫效果进行监控和评估;通过配对、优化，可以更好地发挥扶贫资源的作用。这些功能也并不都是大数据所特有的，只是大数据远远超出以前的技术，可以做得更强大、更精准、更快、更好。(三)成果谁买单成果谁买单是我们评价大数据应用的第三个也是最后一个关注点。道理很简单，不创造价值的应用不是好应用。我们关注大数据的应用是否实实在在地提升了能力、改善了绩效。如果大数据用于自身的产品设计、营销推广、资源配置，那就看企业竞争力是不是提升了，看企业最终是不是比以前更赚钱了。如果大数据用于为第三方提供服务，那就看是不是有人愿意付费、愿意持续付费。但如果是用于公共领域，还要看政府或公共部门的付费值不值，不仅仅是从出资方的视角看值不值，还要从老百姓的视角看值不值。当我们面对一项大数据应用时，只要简单问一问上面三个问题--数据从哪里来、数据怎么用、成果谁买单，就能揭开许多"伪装"。当然，如果经得起上述"大数据三问"，也并非一定算得上优秀，却也离优秀的大数据应用不远了。寻找数据密集型领域既然大数据被视为一种资源，那就要考虑资源分布的问题。一般而言，资源分布是极不均匀的，如水、矿产、耕地、能源等自然资源;人力资源和知识的分布更是不均。大数据是否也存在分布不均的问题发展大数据产业是否真的能弯道超车这些问题值得深入思考。与可以探测的自然资源不同，数据资源分布难以定位和刻画。不过，可以用大数据人力资源分布状况来间接反映大数据应用在地区、行业间的差异，哪些行业、哪些地区大数据人力资源密集，这些行业和地区就可以看作是数据密集的。我们对两家主流招聘网站"前程无忧"和"智联招聘"2014年下半年以来发布的招聘信息进行筛选，得到两家网站两年来共发布相关信息涉及企业227万家，职位1007万个，数据量确实足够"大"。通过分地区、分行业进行汇总分析，结果显示大数据人力资源分布极不均匀，各地区、各行业差异极大。不过，确切来说，通过招聘网站反映的是人才需求情况，并不是严格意义上的人力资源存量分布情况，但这两者是紧密相关的。从大数据相关岗位工作地来看，北京、广东、上海三地高度密集，遥遥领先于其他地区。三地相加，发布招聘信息企业数在两家网站占到5235%和4748%，职位数占到6123%和5674%。可以推测，大数据人力资源的半壁江山都集中在这三个地方，这与我们平时的直观感受是高度一致的。在这三个地方之外，我们关心是不是地方政府重视大数据产业、将大数据作为区域经济发展引擎，就可能促进人力资源集聚，就可能超越与自己相似经济发展水平的其他地区。从数据反映情况看，至少目前还看不到这样的结果，这揭示出人力资源结构是后发地区发展大数据产业最需要弥补的短板和最难克服的困难。改变一个地方人力资源构成的难度要远远大于改变地面建筑面貌，要么需要一个长期的过程，要么需要一个独特的制度。即便在同一省份内，大数据人力资源分布也极为不均。例如在广东，单深圳一市就大体占到了全省的一半。再加上广州，竟然能够达到九成。其他地方，即使经济实力不俗，但与深圳、广州相比，在大数据人力资源方面相差甚远。这再次表明，大数据人力资源分布是极不均匀的。显然，大数据人力资源密集地区发展大数据产业的基础要优于人力资源贫瘠的地区。从城市排名看，北上深广可以视作大数据人力资源需求密集的一线城市，杭州、南京、成都、武汉、西安等可以看作二线城市。大数据人力资源分布与城市经济实力、活力乃至房价水平都是大体一致的。从行业分布看，对大数据人力资源的需求分布更不均匀，主要集中在互联网、信息技术及计算机相关行业。这充分说明了大数据是互联网或IT产业的一部分，是在原有基础上的新发展。这些行业是典型的"数据密集型"行业，是大数据产业发展的摇篮。金融是另一个特别重要的"数据密集"领域。金融行业既是产生数据尤其是有价值数据的基地，又是数据分析服务的需求方和应用地。更为重要的是，金融行业具备充足的支付能力，将是大数据产业竞争的重要战场。许多大数据是通过在金融领域的应用辐射到了各个行业。除此之外，电信、专业服务(如咨询、人力资源、财会)、教育培训、影视媒体、网络游戏等，相对而言也是当前数据较为密集的行业。《大数据纲要》几乎面面俱到地对所有行业和领域都规划了大数据应用的广阔前景，但数据资源分布极为不均，在"数据密集"领域的大数据应用，取得市场成功的可能性较大。大数据需要什么样的产业政策大数据应用需要什么样的产业政策从应用的角度来看，大数据并非一个全新的产业，而是与已有产业融合，对已有模式的改造、升级和替代。制约大数据发展的往往并不是大数据本身，而是大数据所应用的行业和领域原本存在的问题，如行业管制、行政垄断、要素不能自由流动，等等。因此，促进大数据发展，用给地、贴钱、上项目的方法，并不能解决根本问题。要从大数据应用领域角度，对不当的行业管理模式进行改革，对既有利益格局进行调整，使大数据应用具备必要的条件。即使在企业内部，大数据应用也不仅仅是个技术问题，而是涉及业务流程重组和管理模式变革，是对企业管理能力的一个考验。金融、电信、教育、影视媒体等"数据密集型"行业，既是大数据应用潜力巨大的领域，也是迫切推进行业改革的重点领域。另一方面，大数据的应用也可以为行业改革提供技术支撑，能以更有效的技术路线实现行业发展目标。
大数据应用需要的产业政策其实就是市场经济下各个行业发展所应有的政策，如放开准入、公平竞争、减轻企业负担、消除企业所有制歧视、消除企业规模歧视，等等。只有在一个开放的产业环境中，大数据才能在这些产业得以有效运用。一个地方若要在金融、医疗、教育等领域大力推动大数据运用，最管用的政策就是对这些行业进行有力的改革。

---