5G+AI催化物联网蝶变 创新应用惠及更多用户

物联网这一概念其实在很早之前就被提出，其以互联网为核心和基础，并延伸和扩展到了各式各样的终端之上，简单来说就是实物联入网络，最终实现物与物之间、人与物之间的信息交互。而随着现在互联网应用的拓展和延伸，特别是在以 5G 为代表的新一代信息技术的加持下，越来愈多的新模式、新业务不断涌现，也让人们生活、办公、出行的方式也迎来了变化。

来源于网络

5G+AI+大数据实现更智慧的万物互联

说到现在的互联网，5G绝对是绕不开的一个话题，相较于其它蜂窝技术，5G 在物联网连接上有着得天独厚的优势。除了大家比较熟悉的更快速的传输速度，还提供了支持海量连接的高带宽，相比4G，5G 连接密度提高了近十倍，能效密度提升近百倍。这也意味着在人口密度大、智能设备数量庞杂的城市街道、大型场馆和商场，5G的超大吞吐量能够完全胜任这些场景中大量设备的接入使用需求。

正因为5G的到来，为实现真正意义上的万物互联提供了基础。同时在更多设备接入网络之后，为了让设备之间的互联更加智能，大数据和 AI 技术也起到了重要的推动作用。当数以亿计的终端设备连接到网络时，就会累积大量数据，大数据技术可用来整理这些数据，配合AI模型进行数据分析，结合算法实现不断优化，以提升整个系统的智能化程度。

物联设备在 5G、大数据和AI的支持下，从以人为主导的互联，逐渐变成了设备自我智能调节，看似都实现了互联的结果，但对于我们这些实际使用的用户来讲，设备之间能够更智能更简单的了解彼此，减少人为控制，体验也发生了实质性的变化。

在不断推动万物智能互联发展的过程中，一大批先行者企业可以说扮演了十分重要的角色，其中包括通信领域的高通公司。高通的物联网解决方案，为全球不同国家、不同行业提供的创新产品与解决方案。近年来随着5G的普及，高通更是携手合作伙伴，通过汇聚覆盖10大行业的多款产品应用和案例故事，展现了物联网生态系统的各种创新，在5G+AI+大数据等技术的共同支持下，今天的物联网不再只局限于"万物互联"，而是向着"万物智联"迈进。

物联网创新推动生活场景数字化变革

近年来，得益于数字经济政策环境和创新应用落地土壤，以5G、物联网等为代表的数字技术为国内企业创造了增长空间，更多的实际用例将我们平时接触的购物、医疗等领域全部覆盖。更加智能化的互联也让物联网技术在全球范围的应用场景和深度超乎想象。

东集小码哥（来源于网络）

以医疗行业为例，企业可以利用高通全球化解决方案，将创新产品与医疗场景相融合。其中东集推出的高标准的智慧医疗手持终端，为海内外医疗服务机构提供了数据采集终端。通过高通骁龙5G移动平台的加持，东集的手持终端支持丰富的全球5G频段，并且同时支持Wi-Fi6 Ready通信技术，即便是在医院路由器高密度连接情况下，仍可保证畅快互联且支持WPA3加密技术，保证病患信息安全传输。加上高通Al引擎，可以让整个终端的算力加倍，承载更多高性能应用的高效运行，无论是输液、查房等临床场景，药房管理等内勤场景，还是检测标本、体检报告配送等外包服务场景都能够支持涵盖，并精确进行分类 *** 作，便携和高效性让医护人员的工作效率提升不少，也让患者的就医体验变得更为简洁。

超嗨科技购物车（来源于网络）

在以往传统的购物过程中，选购商品、排队结账是必不可少的环节，尤其在大型商超收银台前，消费者对数米长的结账队伍早已司空见惯，这种形式不仅浪费消费者的购物时间，也影响商超整体的经营效率。

针对于此，超嗨科技通过采用高通的解决方案，在普通智能购物车的基础上，接入新零售领域的AI技术和通信技术，研发出全新智能购物车，搭载骁龙移动平台的购物车，支持Wi-Fi和无线网络、还提供了不错的图形识别性能。在AI算力支持下，消费者进入商场购物时，可以通过智能购物车直接自助扫描商品进行购物。通过网络内置传感器可以进行数据交互，在购物前支持账号注册/会员登录，购物中支持购物防损、生鲜称重、购物定位与导航等功能，购物后还能实现自助结算，解决了以往线下购物的诸多痛点问题，让用户拥有了全新的线下购物体验。

物联网引领全新工作方式

近年来疫情持续影响着我们的工作生活，不少人的工作方式也因此产生了很大的改变，尤其是线上办公的形式让不少企业在特殊时期也依能够正常运作。而随着这种形式的推广，也诞生出了不少新兴技术和业务模式。通过线上公办模式的持续创新，催生了更高效、低成本和更协同的智能工作方式。

钉钉会议一体机F2（来源于钉钉）

其中钉钉基于高通高性能物联网解决方案还推出了视频会议一体机F2，高通领先的视频技术让F2在10米距离内能实现全高清画面覆盖，高性能AI的加入让会议一体机拥有了自动取景、发言人跟踪、多画面自动导播等功能，为企业用户提供了远程音视频沟通、协同能力，更智能高效的会议形式也帮助企业节约差旅成本，提升工作效率，为企业远程高效办公带来不小增益。

加速城市管理和交通系统智能化

过去的十年里，传统意义上的车联网在发展，也努力开放，但不同的厂商、不同的企业都各成一套系统，这让车联网更多止步于“联网的汽车”，而并非一个真正的移动互联时代的产品。而随着现在更多规范和开放接口的出现，成功打破了各厂商之间的壁垒，让城市交通建设朝着更智慧、创新的方向发展。

在汽车领域，高通布局了车载信息处理和C-V2X、数字座舱、云侧终端管理、先进驾驶辅助系统（ADAS）和自动驾驶（AD）。通过配合国内的主机厂商和配件厂商，持续利用其移动通信、计算方面的能力，合作推动车联网技术的发展，并利用5G技术致力改善人们的交通出行，使未来的出行交通更加安全、可靠。

九号共享滑板车S90L（来源于网络）

除了智慧出行之外，共享出行作为智慧城市的关键出行模式，在提升出行效率、合理分配社会资源、促进智慧城市建设等方面发挥着不可或缺的作用。其中九号公司推出了智能共享滑板车S90L，同样也是利用高通平台提供的AI算力，滑板车可自主感知道路信息并检测停车环境，对提升用户骑行安全、规范骑行习惯提供了很大价值；同时该平台支持全球广泛频段，为滑板车在不同国家运营提供稳定、便捷的连接。

总结

今天，物联网技术在全球范围的应用场景和深度已经超出了我们的想象。不仅仅是上面的一些用例，我们还能看到使用物联网监测系统实时采集土壤和温湿度等环境数据；妈妈通过智能婴儿监护机的镜头看护自己熟睡中的宝宝；物流企业的工作人员利用手持设备高效管理仓库中的所有快递等等使用场景。

也正是通过这些成熟的物联网解决方案，我们已经能够享受到智能家居带来的舒适，智能办公带来的企业变革以及共享出行带来的出行便捷，在数字化转型的大趋势推动下，物联网行业还将持续挖掘用户的需求，通过与 5G、人工智能、大数据、云计算等新技术的不断融合，相信今后还会有更多应用场景的落地，让设备之间的智慧互联惠及更多用户。

来源于高通

面对这些机遇挑战，其实更需要高通这样的企业来扮演开拓者这一角色，凭借在物联网领域深厚积累和深远布局，各行各业也都愿意与高通合作，通过其解决方案助力行业加速以及更多满足用户使用需要的产品面试，不仅推动了物联网终端普及，也进一步赋能下一代物联网生态系统创新。总之，相信在各类企业和高通的共同合作努力之下，物联网还将在众多领域创造出更大价值。

物联网市场规模持续稳步增长 云平台成为竞争核心领域

物联网市场规模持续稳步增长

2017年以来，全球物联网市场规模持续稳步增长，跨界应用不断兴起。我国物联网数据规模及多样性持续扩大，行业生态体系逐步完善，细分领域创新成果不断涌现，产业技术和应用发展进入落地关键期。

据前瞻前瞻产业研究院发布的《中国物联网行业应用领域市场需求与投资预测分析报告》统计数据显示，2013年全球物联网市场规模达398亿美元，同比增长21%，到了2017年全球物联网市场规模达到了798亿美元，同比增长14%。预计2018年全球物联网市场规模将突破1000亿美元，达到1036亿美元，同比增长30%。

物联网发展呈现新特点与趋势分析

1、全球物联网设备数量爆发式增长，物联网解决方案渐趋成熟。2017年以来，全球物联网设备规模、普及率和企业级应用项目的爆发式增长，物联网解决方案渐趋成熟。数据显示，2017年全球物联网设备数量强劲增长，达到84亿台，首次超过人口数量。全球物联网市场有望在十年内实现大规模普及，到2025年市场规模或将成长至39-111万亿美元。

2、中国物联网市场规模突破万亿，物联网云平台成为竞争核心领域

2017年，我国物联网市场逐步回归理性，进入实质性发展阶段，全年市场规模突破1万亿元，年复合增长率超过25%，其中物联网云平台成为竞争核心领域，预计2021年我国物联网平台支出将位居全球第一。具体来看，C端用户(个人用户)更加关注物联网设备带来的实际智能体验，B端用户(行业用户/企业用户)则更加关注物联网应用的投入产出比。

3、物联网细分领域热度出现分化，技术演进驱动应用产品向智能、便捷、低功耗方向发展

2017年以来，物联网在交通、物流、环保、医疗、安防、电力等领域逐渐得到规模化验证，“物联网+行业应用”的细分市场开始出现分化，智慧城市、工业物联网、车联网、智能家居成为四大主流细分市场。芯片、智能识别、传感器、区块链、边缘计算等物联网相关新技术的迭代演进，加快驱动物联网应用产品向智能、便捷、低功耗以及小型化方向发展。

4、中国物联网重点上市企业营收达48338亿元，同比增长207%，创近五年新高

2017年，我国沪深板块52家及港股板块11家重点物联网上市企业营业收入及增长率均创近五年新高，概念股交易趋于活跃，亏损面收窄，企业净利润总额波动增长，总体盈利情况出现好转。

5、无锡持续深化国家传感网创新示范区建设，累计建成、获得20多个物联网相关国家级品牌

2017-2018年，无锡持续强化应用试点示范，健全完善技术创新体系，物联网产业发展路线图进一步细化，与实体经济融合发展进程逐步加快，“一核两翼多元”产业格局凸显。截至2017年底，无锡物联网营业收入2437亿元，拥有物联网企业超过2000家，发明专利申请量2500多件，承接的物联网工程遍及全球60多个国家700多座城市，其中国家级重大应用示范工程21个，牵头制定国际标准“物联网参考架构”，正式掌握顶层架构标准主导权，已累计建成、获得20多个物联网相关国家级品牌，全球影响力稳步提升。

中国物联网行业生态体系日趋完善，但仍存在一些发展瓶颈。市场与产业协同不足，行业标准政出多门，高端产品研发能力有待提高，网络基础设施亟待全面升级，数据隐私和安全问题仍然突出等。

中国物联网产业应加大研发投入力度，提升原始创新能力;夯实物联网应用基础，推动企业转型升级;促进产业协同，加快开发消费端规模化应用产品;积极参与国际标准制定，加强标准互 *** 作研究;明晰安全防护思路，各有侧重分类实施。

物联网架构可分为三层：感知层、网络层和应用层。感知层由各种传感器构成，包括温湿度传感器、二维码标签、RFID标签和读写器、摄像头、红外线、GPS等感知终端。感知层是物联网识别物体、采集信息的来源。网络层由各种网络，包括互联网、广电网、网络管理系统和云计算平台等组成，是整个物联网的中枢，负责传递和处理感知层获取的信息。应用层是物联网和用户的接口，它与行业需求结合，实现物联网的智能应用。其核心技术又可以细分为六层，如右图：和传统的互联网相比，物联网有其鲜明的特征。首先，它是各种感知技术的广泛应用。物联网上部署了海量的多种类型传感器，每个传感器都是一个信息源，不同类别的传感器所捕获的信息内容和信息格式不同。传感器获得的数据具有实时性，按一定的频率周期性的采集环境信息，不断更新数据。其次，它是一种建立在互联网上的泛在网络。物联网技术的重要基础和核心仍旧是互联网，通过各种有线和无线网络与互联网融合，将物体的信息实时准确地传递出去。在物联网上的传感器定时采集的信息需要通过网络传输，由于其数量极其庞大，形成了海量信息，在传输过程中，为了保障数据的正确性和及时性，必须适应各种异构网络和协议。还有，物联网不仅仅提供了传感器的连接，其本身也具有智能处理的能力，能够对物体实施智能控制。物联网将传感器和智能处理相结合，利用云计算、模式识别等各种智能技术，扩充其应用领域。从传感器获得的海量信息中分析、加工和处理出有意义的数据，以适应不同用户的不同需求，发现新的应用领域和应用模式。此外，物联网的精神实质是提供不拘泥于任何场合，任何时间的应用场景与用户的自由互动，它依托云服务平台和互通互联的嵌入式处理软件，弱化技术色彩，强化与用户之间的良性互动，更佳的用户体验，更及时的数据采集和分析建议，更自如的工作和生活，是通往智能生活的物理支撑。这里的“物”要满足以下条件才能够被纳入“物联网”的范围：1、要有数据传输通路；2、要有一定的存储功能；3、要有CPU；4、要有 *** 作系统；5、要有专门的应用程序；6、遵循物联网的通信协议；7、在世界网络中有可被识别的唯一编号。物联网概念这几年可谓是炙手可热，物联网家电也是风生水起，从狭义上讲，物联网家电是指应用了物联网技术的家电产品。从广义上讲，是指能够与互联网联接，通过互联网对其进行控制、管理的家电产品，并且家电产品本身与电网、使用者、处置的物品等能够实现物物相联，通过智慧的方式，达成人们追求的低碳、健康、舒适、便捷的生活方式。物联网是在计算机互联网的基础上，利用RFID、无线数据通信等技术，构造一个覆盖世界上万事万物的“InternetofThings”。在这个网络中，物品(商品)能够彼此进行“交流”，而无需人的干预。其实质是利用射频自动识别(RFID)技术，通过计算机互联网实现物品(商品)的自动识别和信息的互联与共享。而RFID，正是能够让物品“开口说话”的一种技术。在“物联网”的构想中，RFID标签中存储着规范而具有互用性的信息，通过无线数据通信网络把它们自动采集到中央信息系统，实现物品(商品)的识别，进而通过开放性的计算机网络实现信息交换和共享，实现对物品的“透明”管理。物联网的含义从两化融合这个角度分析物联网的涵义：其一：工业化的基础是自动化，自动化领域发展了近百年,理论、实践都已经非常完善了。特别是随着现代大型工业生产自动化的不断兴起和过程控制要求的日益复杂营运而生的DCS控制系统，更是计算机技术，系统控制技术、网络通讯技术和多媒体技术结合的产物。DCS的理念是分散控制，集中管理。虽然自动设备全部联网，并能在控制中心监控信息而通过 *** 作员来集中管理。但 *** 作员的水平决定了整个系统的优化程度。有经验的 *** 作员可以使生产最优，而缺乏经验的 *** 作员只是保证了生产的安全性。是否有法做到分散控制，集中优化管理？需要通过物联网根据所有监控信息，通过分析与优化技术，找到最优的控制方法，是物联网可以带给DCS控制系统的。其二：IT信息发展的前期其信息服务对象主要是人，其主要解决的问题是解决信息孤岛问题。当为人服务的信息孤岛问题解决后，是要在更大范围解决信息孤岛问题。就是要将物与人的信息打通。人获取了信息之后，可以根据信息判断,做出决策，从而触发下一步 *** 作；但由于人存在个体差异，对于同样的信息，不同的人做出的决策是不同的，如何从信息中获得最优的决策？另外物获得了信息是不能做出决策的，如何让物在获得了信息之后具有决策能力？智能分析与优化技术是解决这个问题的一个手段，在获得信息后，依据历史经验以及理论模型，快速做出最优决策。数据的分析与优化技术在两化融合的工业化与信息化方面都有旺盛的需求。物联网智库认为物联网的定义源于IBM的智慧地球方案，十二五规划中九大试点行业全部都是行业的智能化。无论智慧方案，还是智能行业，智能的根本离不开数据分析与优化技术。数据的分析与优化是物联网的关键技术之一，也是未来物联网发挥价值的关键点。物联网就是各行各业的智能化。私有物联网：一般面向单一机构内部提供服务；公有物联网：基于互联网向公众或大型用户群体提供服务；社区物联网：向一个关联的“社区”或机构群体（如一个城市政府下属的各委局：如公安局、交通局、环保局、城管局等）提供服务；混合物联网：是上述的两种或以上的物联网的组合，但后台有统一运维实体；医学物联网：是将物联网技术应用于医疗、健康管理、老年健康照护等领域；建筑物联网：是将物联网技术应用于路灯照明管控、景观照明管控、楼宇照明管控、广场照明管控等领域。

物联网的发展前景很不错，具体如下：
1更安全的保护措施。在新技术出现之初，它的技术力量几乎都集中在创新上，导致监管水平低下，这就使业界的兴奋、激进和政策、监管的滞后常常形成鲜明的对比。由于物联网设备和基础设施的价格下降，企业在物联网设备上的应用也越来越普遍，这种创新和应用一旦普及，各种新技术的风险也突显出来。
2更普遍使用智能消费品设备。IoT所覆盖的行业人群广泛，从智慧交通、智能物流、医疗、农业、能源等行业应用，到私人智能家居、个人、智能汽车等应用，无论是降低成本，还是提高中国居民的生活质量，都将是中国居民生活质量的巨大提升。

数据分析、机器学习与物联网
我们当前所处的世界，联网程度不断上升，低成本传感器和分布式智能也在不断普及，产业即将面临这一切带来的革命性的冲击；同时，在此过程中还会产生大量的数据，其规模将庞大到远远超过人类所能处理的范畴。对此，企业是否能足够迅速地适应并演进自身的业务，以维持在竞争格局中所处的位置？面对我们栖身的环境中植入的这些全新的信息来源和智能设备，人类应当如何掌握它们并从中获益？利用不断演进的技术组织机构将需要建立起内部数据仓库，以便能够利用新的数据源和数据流。智能接入设备亦将在某些情况下取代人的角色，它们将能够自行决策、执行自我调整，或是根据需要引发对自身的纠正和修复。在另一些情景中，众多设备的集合将聚集在一起成为完整的系统，这样的系统可以采用新的方法进行优化；而由系统聚集成的系统，将会彼此共享数据，并成为由数据和设备组成的生态系统。机器学习（指从数据中推导出意义的众多方法）注定将成为这个生态系统中的一部分；此外，随着企业着手为物联网（IoT）做准备，传统业务和数据分析技术也同样将被纳入到该生态系统之中物联网——某些人更愿意称之为“万物互联”（Internet of Everything）——正处于不断上升的轨道上。一项Gartner研究指出，在2020年IoT单元的数量将达到260亿，而IoT产品和服务的市值将达到3000亿美元1。另外，GE在工业互联网（Industrial Internet）——这一概念包含用于监控和优化工业设备（例如喷气式引擎、铁路机车、动力涡轮机和制造工艺）性能的机制和应用——领域已经活跃了很长时间。根据GE的估算和预测，在接下来20年中，工业互联网将帮助全球GDP产值提高10到15万亿美元（没错，万亿量级）。当然，围绕着已问世的全新技术和正在逐步浮现的技术概念，市场中充斥着大量炒作。例如，Gartner备受争议的 “成熟度曲线”（注：也有些人使用“炒作周期”这一贬义说法）报告就把IoT摆在了“翘首以望的顶峰”的位置上（而大数据作为之前的热点，已经进入了“理想幻灭的低谷” 3）。然而，哪怕企业家们为之表现出群情激昂的兴奋，或是记者们在笔下展现出了对未来的狂热展望，在现实中依旧存在着大量的挑战，组织机构必须克服它们，才能够真正乘上这次技术演进的东风。挑战组织机构必须聚焦于：了解产品技术和IT领域中，企业能力的相对成熟度；了解可以纳入哪些类型的IoT功能，以及新能力将会在哪些方面对客户价值带来影响；了解机器学习和预测分析模型的角色；基于市场变化的迅捷程度和竞争对手的相对敏捷度，重新思考业务模型和价值链。接下来，让我们对这些挑战逐一进行更详细地分析。理解产品和IT成熟度可以从产品和IT两个维度分别进行分析。首先，产品组合的成熟度如何？它是属于变更较缓慢且逐步演进的传统类型的产品，还是属于前进速度更快，同时具有更复杂生态系统的产品？矿产设备在技术上非常复杂。并且，与科学研究仪器相比，它拥有更为漫长的设备生命周期，和相对更缓慢的演进速度。然而，这并不意味着科研仪器的公司，在利用IoT产品进行系统优化方面更具优势。另一个需要考虑的因素是IT流程的成熟度。各种类型的组织机构都可能会因采用IoT而获益；然而，要想达成这一目标，它们所需采用的模型却各不相同。让我们进一步分析一下IT成熟度水平这个因素。举例来说，科学研究仪器供应商或许拥有先进技术，但却可能缺乏强有力的IT架构、流程和IT治理能力。与之相反，矿业设备制造商或许拥有非常成熟的内部IT流程。对科学研究仪器公司而言，IoT将让它们能够对安置在现场的仪器设备进行功能升级；但面对由多种类型设备组成的实验室信息生态系统库，公司并不一定愿意尝试去进行优化。（当然，以IT作为成本中心——例如内部IT管理——方面的成熟度不足，并不等于以IT作为利润中心——例如IT产品——方面成熟度的缺失；但当开发或拓展IT服务的时候，许多组织机构都选择在现有的基础IT能力之上构建。）在去年的哈佛商业评论（Harvard Business Review）中，讨论了一个矿业设备领域的例子：Joy Global是一家矿业设备制造商，其专家团队横跨与采矿作业相关的多种系统和流程。Joy Global以此为依托，针对来自多家供货商的一系列设备，提供监控、维护和优化的服务4。了解IoT能力接下来，应该考虑一下使用智能联网设备中的哪些能力。刚刚提到的哈佛商业评论刊登的文章4指出，IoT包含四种类型的能力：监视——传感器提供关于运行环境、产品使用和性能方面的数据；控制——可以控制并定制个性化产品功能；优化——来自监视与控制的反馈回路，能够提供更高的效率、更好的性能、预防性维护，以及诊断和修复；自治——监视、控制和优化将支持独立运行、不同系统间的协作、与环境交互、个性化、补给，以及自我诊断和修复。这四个层级的能力，将为重新定义供应链并重新配置价值链提供支持。我们不应该抱有产品的功能应固定不变的观点；相反，我们应该认为它们将更具灵活性和适应性。那些智能联网设备和产品将具有可变特性，并能够随着用户需求的变化而改变。在数年以前，软件制造商就已经认识到了这一点。而现在，物理对象也正在逐渐转变为软件驱动功能的载体或容器。上述这些层级的能力要求越来越精密的数据分析方法——从收集和应用数据，到支持算法自身运用数据并在同时进行学习。第一个层级的能力——监视——将成为一套实时的机制，我们可以运用它更好地了解现场情况和用户需求，并提供新的能力。这意味着组织机构的传统产品和服务将不再泾渭分明，而且二者的边界将彼此渗透。在过去，现场设备的维护由某个现场服务承包公司承担，设备制造商的业务并不涉及此环节。而在智能设备与监视能力结合后，设备可以在故障发生前将所需的服务提前告知制造商。同时，设备制造商也可以将常规维护纳入自己的服务范畴。不过，如果利润和物流对组织机构而言是个问题的话，那么复杂的维修工作将依旧由专业承包商完成。这一“去中介化”(disintermediation)的模式也可以运用到分发链中。设备可以自动发起补充供应的请求，从而降低甚至消除供应链中的物流和库存压力。控制是建立在监视之上的更复杂的应用。我们可以监视设备运行情况，并通过控制设备的多个部分或多个系统，来扩展人工干预的边界。想象一下，在 *** 作大部分功能都是自动化执行的系统或机器时，人类所扮演的角色：人类指导机器运转，并寻找系统设计的时候没有预料到（或是基于经济划算的角度未设计应对预设）的边界条件、异常和例外。接下来，人类使用自己的判断做出变更、纠正或调整。我们并不需要（在空间上）与设备在一起，或许我们也无需实时监视它们（这取决于流程）。我们通过监视层面采集数据并进行处理（某些数据处理必须在特定时刻完成），并通过控制层面将这些数据实时（或准实时）地运用到设备或装置的运行上。需要组织机构做出的战略决策是，是否以及何时在产品中提供更多的控制能力，以及是将其作为一种服务向客户开放，还是让客户拥有这些功能。第三个层级的能力——优化——可以拓展到某个单体对象、一系列对象，或是一套由来自多家制造商、使用不同技术的对象组成的生态系统的表现方面。是否将提供的服务拓展到这一领域，取决于围绕着价值链和流程边界的知识和经验的水平。前面提到的矿业的例子，反映出Joy Global与供应商相比的优势，主要在于拥有在流程生态系统中更加聚焦的视角。以卡车制造商为例，它无法很好地优化复杂的矿业设备，但却会凭借对自己的一系列卡车（以及潜在的一系列其他制造商生产的卡车）进行优化而获益——如果行业动态确实具有商业意义的话。要将优化的范围延伸到独立运行，还需要对这三个层级的能力进行一些拓展，以支持与环境及其他系统进行受限程度更低的交互。自治要求围绕着算法提供更多的智能，以便应对计划外的情况——程序员和系统工程师未能明确设计这些情况下的方案。自主运行需要整合具有适应性的机器学习方法，以应对新出现的情况，并将之纳入到用于监视、控制和优化的核心算法中。了解分析和机器学习2014年11月，施乐公司帕洛阿尔托研究中心的Mike Kuniavsky在IDTechEx上进行了一场名为“IoT领域中预测分析方面的用户体验”的演讲。在演讲中他表示，我们应该将几乎所有功能都存放（或是在不久的将来存放）在云上。数据和功能可以从任何位置、通过任何设备访问。而专业设备则提供用户访问数据的环境。健康手环可以通过iPhone或笔记本电脑，在特定的锻炼环境中访问用户的身体健康数据。在这种情况下，健康手环扮演了IoT传感器的角色，同时也提供了访问和使用数据的一种途径，而且它还通过软件功能包含了其他一些设备（例如计步器）的能力。设备上产生的数据可以为厂家提供额外的洞见，帮助其了解消费者的使用情况和喜好，并藉此升级功能或开发新特性。如果汇聚来自用户群的数据并结合其他数据集，那么新的洞见可以阐明流行病方面的数据、人群活动水平、生活方式和人口统计数据。对市场人员、健康服务提供者、保险公司和政府机构来说，这些信息具有宝贵的价值。（当然，我们必须认真对待隐私和数据使用许可方面的责任。）我们可以使用机器学习算法，基于这些数据模式作出预测。例如，在一份来自Mayo Clinic的研究中，发掘出了活动数据与心脏病人恢复速度的相关性5。同样的机器学习和预测算法也是许多联网智能消费设备的基础。例如，Nest恒温器是一套能够使用数据模式的设备，它预测消费者对于某个特定房间、在一天中的某个特定时刻的温度要求。（另一个控制和优化的例子体现在聚居区的层面。在获得了业主许可的情况下，电力设施可以通过远程调节的方式，控制成百上千的Nest设备，将室温调高或调低几度，从而完成高峰期的用能负载调度）。这类消费设备涵盖了从声音模式（例如亚马逊的个人助理输入设备Echo6）到更复杂的行为和活动模式（例如捷豹的路虎监视系统，它依赖于一套复杂的软件系统，该系统让汽车能够学习、预测和检查，并提醒车上的乘客帮助驾驶员自动委派次要任务，以便驾驶员将更多的注意力集中在驾驶上7）进行学习的范围。优化算法通过使用机器学习机制，来利用从动态环境下交互的传感器和智能设备传回的数据。算法不能基于特定的参数，精确地预测这些多变的情况，而是需要不断地感知、响应并适应。例如，随着汽车从驾驶员身上分担了更多的责任，它们需要与周边环境中更多的数据来源进行交互（传感器、灯光、其他车辆等等）。在工业自动化、物流和交通运输、电力网络与能源系统、交通管理、安全系统以及其他“系统的系统”等领域中的各类应用，都将让机器直接与其他机器进行交流。此外，这些应用还将基于能够演进和自适应的算法，帮助机器翻译数据流，从而使机器能够依据给定的运行参数达到要求的最终状态。反思业务模型和价值链智能联网设备要求组织机构重新检视，它们处在市场中的什么位置、以什么方式创造价值，以及这些价值将如何随着竞争环境和信息生态系统的演进而增加或减少。分析将帮助验证某些决策（例如，在对特性进行变更或是增加服务和功能后，获得实时使用数据）；不过，市场新进入者和新的价值链结构或许会对业务模式带来巨大的转变，而基于公司传统业务模式做出的分析将不再具有相关性。因此，产品或服务的基础，或许会转变为来自传统产品的数据流，而不是来自产品本身的收入。新的业务模式将得以延展，甚至有可能远远超出产品本身的范畴，覆盖上游供应商或下游消费者。最重要的是，所有这些可能性，都会要求组织机构拥有围绕着其内部数据健康度和用于分析的基础设施的基础能力：数据“打捞”（curation）、所有制和质量标准、具有一致性的企业架构、干净整洁地集成在一起的系统、自动化的数据载入流程，以及成熟的分析专家。如果欠缺或未能有效管理这些基础条件，组织机构将很难进行快速反应，并演化出新的分析和数据管理功能与能力。IoT将基于数据流和复杂的方法，从信息中获取洞见，并通过与企业知识整合，将之运用到价值创造方面。而不具备这些能力的组织机构将在市场上落后，或是降级到低价值、低利润的层次。数据被称为“新的石油”——我们可以拓展这一比喻，这意味着通过分析能力中的知识提炼环节，数据将被精炼为高价值产品。组织机构现在就需要在构建此类基础设施的方面投入资源，以便为接下来数年中应对供应链和价值创造环节的转型、扰动和颠覆做好准备。信息敏捷性将成为必备的核心能力。

---