0
雷鋒網「新智造」按：當技術發(fā)展到今天，互聯(lián)網已經演進到智能互聯(lián)網。本文摘自九合創(chuàng)投的研究報告，包括智能互聯(lián)網的核心特征、智能互聯(lián)網的技術成熟周期以及智能互聯(lián)網帶來的革新與機會，首發(fā)于九合創(chuàng)投微信公眾號，新智造已獲取授權。新智造作為雷鋒網旗下欄目，關注智能時代的創(chuàng)新與創(chuàng)造，目標是找到哪個領域還有值得創(chuàng)業(yè)和投資的機會。
智能互聯(lián)網是互聯(lián)網「連接」作用發(fā)展到一定成熟階段的演進形態(tài)，其建立在互聯(lián)的基礎上，以連接產生的「數據」為核心，通過數據處理輸出「智能」價值，指導人與機器的高效決策和資源利用。
（1）智能互聯(lián)網是互聯(lián)網的演進形態(tài)，其首要表征是互聯(lián)網的核心價值驅動力由「連接」到「數據」的發(fā)展?！高B接」是智能互聯(lián)網的基礎，「數據」是智能互聯(lián)網創(chuàng)造價值的核心。
（2）傳統(tǒng)互聯(lián)網的載體相對統(tǒng)一且載體遷移對原有商業(yè)格局影響較大 VS.智能互聯(lián)網載體分散并將呈現(xiàn)越來越離散的特征。
（3）智能互聯(lián)網的核心價值驅動力 — 「數據」 ，既包括作用于產業(yè)與行業(yè)的橫向數據，也包括以某一具體指向為單位的縱向數據；其實質都是超出人腦可處理范圍、需要算法發(fā)揮智能價值的數據。
（4）智能互聯(lián)網價值鏈條的主要表現(xiàn)為：數據輸出決策，決策提高效率，效率作用于資源利用和時間成本。智能互聯(lián)網的「智能價值」包含對個體生活的智能價值和社會生產力的智能價值。
（5）凡是“通過連接與數據產生價值”的形式皆屬于智能互聯(lián)網的范疇。
下圖分別為Gartner最新的2016年新興技術成熟曲線與2016年物聯(lián)網成熟曲線。
其中， 九合重點整理了 2-5 年內能夠到達成熟生產階段的技術如下圖：
物聯(lián)網超過 8 項技術有望在 2 - 5 年內到達生產成熟期，未來 5 年內物聯(lián)網技術將快速發(fā)展，為智能互聯(lián)網聯(lián)打下堅實的「連接」基礎，采集到更多之前不可觸達的線下數據和產業(yè)數據，輔助機器學習的突破。
正在走向泡沫破滅低谷期的物聯(lián)網集成技術，能促進企業(yè)認識到物聯(lián)網集成不只是簡單的 M2M（Machine to Machine）一體化，在此之前要做好底層互操作性和硬件集成工作。
IT / OT 集成撩撥著供應鏈和生產鏈實時打通的巨大想象，但回望更底層的物聯(lián)網集成正經歷低谷期，IT / OT 的集成仍必先實現(xiàn)物聯(lián)充足的數據采集布點。
預測性分析與 IT/OT 集成技術正處于同一階段，事實上，IT/OT 集成的想象力直接能轉化為豐富實時的數據源，喂養(yǎng)預測模型，兩者呈正相關。
與智能制造、工業(yè)大數據造密切相關的物聯(lián)網集成、IT/OT集成、預測性分析、機器學習等多項技術同時處于 2 - 5 年內到達成熟區(qū)的臨界點，可以預期未來五年內工業(yè)領域將快速發(fā)展突破。
自然語言問答技術行走于泡沫低谷期， 此前 bots 瘋狂的投資熱將逐漸恢復理性，企業(yè)開始思考將技術應用于實際產生價值的場景而非想象場景里試錯。也就是說，近兩年內，個人虛擬助手等 C 端 bots 創(chuàng)業(yè)將逐漸冷卻或轉向 B 端應用場景。
智能互聯(lián)網時代的效率經濟滲透各行各業(yè)，體現(xiàn)出顯性的、可直接轉換成經濟價值的成本降低和效率提升。高盛曾從統(tǒng)計經濟學的角度分析，移動互聯(lián)網時期的美國并沒有在經濟數據上體現(xiàn)明顯的社會生產率提升，但人工智能所帶來的社會生產率促進作用卻呈現(xiàn)為可量化的巨大經濟效益。
九合將從工業(yè)、農業(yè)、醫(yī)療、金融和零售五大基礎行業(yè)分析智能互聯(lián)網帶來的革新與機會。
工業(yè)占大部分國家 GDP 的核心比重，歷次工業(yè)革命同時也推進了人類社會經濟和組織形態(tài)的向前演進，而智能互聯(lián)網時代的工業(yè)正經歷著人類歷史上的第四次工業(yè)革命 — 工業(yè) 4.0。國務院于 2015 年 5 月印發(fā)《中國制造 2025》，從國家層面制定了中國于 2025 年實現(xiàn)工業(yè) 4.0 的轉型目標。
李杰教授在《工業(yè)大數據》一書中，將“工業(yè)4.0”定義為：“第四次工業(yè)革命是以智能化為核心的工業(yè)價值創(chuàng)造革命，其最終目的是實現(xiàn)生產活動的高度整合，使系統(tǒng)像人一樣思考和協(xié)同工作”。
智能互聯(lián)網對工業(yè)的改造主要體現(xiàn)在以下兩方面：
1）智能生產實現(xiàn)基于柔性供應鏈的、從下游到上游的生產鏈條
智能生產，指通過工業(yè)機器人、3D 工業(yè)打印、無人物流、物聯(lián)網等先進技術和硬件產品打造智能化工廠，能夠實現(xiàn)滿足工業(yè) 4.0 特性的、反向定制化的生產鏈條。
工業(yè) 4.0 區(qū)分于其他三次工業(yè)革命的核心特點之一便是其基于用戶端的生產力需求，打破了傳統(tǒng)的剛性供應鏈和計劃生產模式，能夠實現(xiàn)下游推動上游的生產鏈條。
2）工業(yè)大數據發(fā)揮大腦價值，機器決策人類大腦無法處理的大規(guī)模數據
工業(yè)領域的數據來源豐富，量級巨大，超出人腦可處理的范圍。傳統(tǒng)互聯(lián)網時期，工業(yè)領域的數據大部分都只實現(xiàn)了可視化和基于人控制設計的 PLC（可編程邏輯控制器），并且反應相對滯后。而智能互聯(lián)網讓彼此關聯(lián)的數據擁有了實時決策能力。
從宏觀角度來看，工業(yè)大數據包括資產/設備數據、產品數據、用戶數據、供應鏈數據；工業(yè)大數據可用于資產可靠性和設備故障監(jiān)測、能源效率的管理、產品質量管控、生產流程優(yōu)化管理、上下游和產品周期預測-管控-追蹤、生產流程重塑、定制化生產等。每個環(huán)節(jié) 1% 的效率提升作用到整體經濟收益上都是一個可觀的數字。但從現(xiàn)階段來看，狹義的工業(yè)大數據主要集中在機器數據和生產流水線產品數據上；工業(yè)大數據的應用也主要集中在設備監(jiān)測、能效管理和質量把控上，貫穿上下游和產品生命周期的價值大數據還有賴于產業(yè)的整體成熟和打通。
就目前國內而言，作為工業(yè)大數據底層基礎的物聯(lián)網普及、傳感器的分布仍處于較為粗燥的階段，萬物互聯(lián)基礎下的工業(yè) 4.0 理想狀態(tài)仍需時間。
農業(yè)是關系到國家安全級別的戰(zhàn)略產業(yè)，并且面臨著全球人口增長和耕地減少的嚴峻挑戰(zhàn)。智能互聯(lián)網的應用和普及能顯著提高農作物產值，推進智慧農業(yè)形態(tài)的演進。智能互聯(lián)網給農業(yè)行業(yè)帶來的機會與革新主要體現(xiàn)在以下三方面：
1）農業(yè)生產各個環(huán)節(jié)的效率提升
智能互聯(lián)網發(fā)揮數據的智能價值，能夠實現(xiàn)農業(yè)“種植（機器選種，自動播種 etc.） - 施肥（基于環(huán)境和植物數據狀態(tài)的精細化施肥 etc.） - 灌溉（精細化自動化灌溉 etc.） - 病蟲害防治 （疾病識別 etc.）- 收割（自動化收割 etc.） ”各個環(huán)節(jié)的效率提升與成本控制（資源節(jié)約），促成單位面值農作物產值的提高。高盛在一項研究中指出，智能互聯(lián)網能夠對美國農業(yè)生產各個環(huán)節(jié)實現(xiàn) 7% - 30% 不等的效率提升，預計至 2050 年，美國每英畝耕地的產值能夠達到 281 蒲式耳（對比 2016 年的 165 蒲式耳）
2）生產預測與動態(tài)調配
不少算法公司利用衛(wèi)星云圖、氣候數據、土壤特征等綜合數據以及農作物品種特征、實踐參數等搭建預測模型，對農業(yè)的產值實時進行預測，推薦適宜的調控措施(如改變播種期、播種量或肥料運籌等)、動態(tài)調配農業(yè)市場和對應的金融期貨，同時幫助政府合理分配資源（比如當收到極端天氣或災難影響國家農業(yè)時，政府和銀行可以獲取足夠的數據來支持哪些農民需要貸款和救助的決策）。
但用于綜合預測的作物模擬模型的建立，通常要求輸入作物特征、歷史農業(yè)實踐數據、氣候地理實時特征等多個維度的數據。這類模擬模型必須引入專家知識，使系統(tǒng)形成以模型為基礎(定量)，以專家知識為準(定性)的“專家曲線”。
3）農產品溯源與食品安全
智能互聯(lián)網理想狀態(tài)下的農業(yè)，有望實現(xiàn)作物都有其對應數字參數所形成的“digital twin”，流轉到市場里的每個農作物都能查詢到完整的質量檢測數據以及回溯作物生產成長過程中的各項數據，實現(xiàn)真正全數字化的食品體系。
目前，國內農業(yè)傳感器的布局、農業(yè)整體解決方案的采納都有待進一步突破；不同于國外農場為主的商業(yè)化形式，中國的農業(yè)大部分分散在普通農民手中，農業(yè)的智能互聯(lián)網升級有賴于地方政府的推進。
醫(yī)療是公民生活的基本保障，傳統(tǒng)互聯(lián)網促進了醫(yī)院的信息化管理、醫(yī)生資源的整合、病患與醫(yī)生資源的連接；智能互聯(lián)網則在診斷、藥物研發(fā)等環(huán)節(jié)都帶來了較大的效率提升和成本節(jié)約，基因研究的不斷進步甚至有可能推動醫(yī)療健康的革命性顛覆。智能互聯(lián)網給醫(yī)療行業(yè)帶來的機會與革新主要體現(xiàn)在以下四方面：
1）輔助診療
計算機輔助診療（computer aided diagnosis，CAD）在診斷中的應用已經有40年的歷史，但近年來隨著神經網絡的出現(xiàn)，機器學習給 CDA 帶來了突破性的進步，尤其體現(xiàn)在醫(yī)療影像診斷方面；建立在自然語言處理技術基礎上的機器問診也處于快速發(fā)展期。IBM Watson可以在 17 秒內閱讀 3469 本醫(yī)學專著，248000 篇論文，69 種治療方案，61540 次試驗數據，106000 份臨床報告。
機器輔助診療從一定程度上解決了醫(yī)生經驗資源的不對等，在特殊病例和罕見病例的甄別上尤為表現(xiàn)突出。但深度神經網絡存在著“黑箱效應”，即輸入數據很細微的改變都會誤導機器學習的結果，而醫(yī)療診斷的準確性關系著個人的生命身體健康。另一方面，機器學習準確度的提高需要大量的數據喂養(yǎng)，有賴于電子病歷的普及、醫(yī)院之間的數據關聯(lián)和國家層面的醫(yī)療資料共享。
2）智能健康管理與疾病預防
智能互聯(lián)網也可很好的實現(xiàn)個體健康和生活習慣數據的循環(huán)利用，輔助健康管理與疾病預防。通過智能可穿戴設備實時監(jiān)測病人的重要健康指標，進行用藥提醒、危險警報，如基于傳感器精確到分秒的糖尿病人用藥提醒；也有初創(chuàng)公司基于個體健康數據的實時動態(tài)，提供每日營養(yǎng)學方案，監(jiān)測身體不良信號。
3）藥物研發(fā)
傳統(tǒng)藥物研發(fā)周期長、成本昂貴、成功率回報率低。但智能互聯(lián)網從一定程度上打通了新藥研發(fā)各個環(huán)節(jié)的壁壘：在試驗前期新藥篩選時，可以通過綜合算法獲得安全性較高的幾種備選物，提高成功率；在進入動物和人體試驗階段前，可以綜合成分分析和既有已知藥物的副作用數據庫，選擇生副作用幾率最小的藥物進入動物實驗和人體試驗，節(jié)約成本、提高安全性；此外，還可智能模擬和檢測藥物進入體內后的身體指標與劑量、濃度等用藥指標之間的關系，推薦試驗中的最佳用藥方案；進入試藥后期，可綜合前期數據推算研制成功率，選擇放棄成功率較低的藥品種類，減少成本浪費。高盛一項研究指出，通過算法對后期試藥的成功概率推算能夠幫助美國每年至少減少 10 億美元的試驗支出。
4）基因革命
基因測序是一項極其復合摩爾定律的技術，隨著基因測序技術的更新?lián)Q代，基因測序的成本不斷下降。2001 年平均每兆數據量基因測序成本是 5292.4 美元，單人類基因組測序成本是9526.3 萬美元；2006 年新一代測序技術推出，平均每兆數據量基因測序成本下降至 581.9美元，單人類基因組測序成本下降至 1047.5 萬美元，而 2014 年 1 月Illumina 推出 HiSeq X Ten 更是將單人類基因組測序成本降至 1000 美元以下。隨著基因測序成本的不斷降低，基因有可能成為新的“健康代碼”，通過基因檢測、基因編輯等技術不斷革新健康檢測與治療方式。
由于金融數據較高的數字化基礎與可觸達性，金融產業(yè)是算法經濟應用較早發(fā)展相對成熟的領域。智能互聯(lián)網給金融行業(yè)帶來的沖擊與革新主要體現(xiàn)在以下三方面：
1）大數據征信與風控
大數據征信與風控直接體現(xiàn)在收入數字上的風險控制和損失避免，此外，專業(yè)化的數據服務，消解了傳統(tǒng)征信高昂的人力與時間成本，穩(wěn)定的風控模型也能夠有效擴大信用經濟的范圍和方式。目前國內基于算法模型的大數據征信公司層出不窮，核心數據源則主要由八家持有國家個人征信牌照的企業(yè)掌握。
2）交易自動化
開年的一則新聞引起了金融圈一片嘩然：由于工作都被自動交易程序接管，高盛在紐約總部的美國股票交易柜臺雇傭的 600 名交易員已被削減至 2 名。根據《金融時報》，在 2000 年，紐約證券交易所的場內交易者超過 5500 名，而現(xiàn)在則不 400 名。麥肯錫全球研究院在 1 月推出的報告中稱，金融和保險領域的工作，有 43% 的可能性會被自動化替代。
目前機器在金融交易領域可承擔的角色主要有：自動化生成報告；海量數據庫精準搜索；預測模型。自動化報告生成和精準搜索解放了大部分初級分析師的工作。而基于衛(wèi)星數據、人流分布熱力圖等多維數據角度的算法模型，突破了人腦能處理的知識和數據邊界，多數情況下能夠精準指導市場交易，減少人為誤差。
但深度學習的“黑箱效應”是典型墨菲定律的踐行者，機器微小的認知誤差造成可能帶來連鎖多米諾骨牌效應；此外機器只能基于已有數據給出結論，但機器很難理解一家尚未盈利的公司該如何估值或一種新商業(yè)模式的價值在哪里。
3）智能投顧
早在 1952 年， Markowitz 就提出了“投資組合理論”（Portfolio Theory）并因此獲得了 1990 年諾貝爾經濟學獎。智能互聯(lián)網時代，通過機器進行投資組合的搭配，又稱為智能投顧（Robo-advisor）。智能投顧相較傳統(tǒng)的理財顧問或個人投資理財，質量穩(wěn)定、收費低，并且能計算超過人腦可處理范圍內的豐富金融產品和收益影響因子，關聯(lián)和平均做得足夠好的智能投顧應用一般能夠實現(xiàn)不錯的收益，有望逐步發(fā)展為中產階級理財的重要方式。
傳統(tǒng)互聯(lián)網時期，互聯(lián)網的「連接」特性打破時間和空間的限制，電商和物流迅速發(fā)展；智能互聯(lián)網時期零售行業(yè)的變革則圍繞供應鏈和購物體驗的創(chuàng)新展開。智能互聯(lián)網為零售行業(yè)帶來的革新主要體現(xiàn)在以下兩方面：
1）智能化購物場景
以 Amazon Go 為代表的無人商店成為今年創(chuàng)投圈又一熱詞，但“無人商店”從字面意義上僅體現(xiàn)了智能化購物場景的自動化和人力成本降低，智能互聯(lián)網給零售帶來的想象力還包括：智能化購物導購機器人、手勢操作和 AR 結合的智能試衣鏡、基于視覺系統(tǒng)的特定人群識別與營銷、智能購物車；你可能在線下完成網上下單，可能在線下試穿線上挑選好的衣物，可能填完定制化的數據傳輸給工廠…智能互聯(lián)網時代智能化購物場景的核心特點是：用戶動作由「消費」轉移為「體驗」；用戶消費逐漸模糊線上線下的邊際。
2）以動態(tài)零庫存為目標的供應鏈與物流
7-Eleven 便利店創(chuàng)始人鈴木敏文曾在《零售的哲學》一書中提到 7-Eleven 壟斷日本便利店過程中采用的方式：從社會環(huán)境變化預估消費者行為；創(chuàng)造出“單品管理”概念解決滯銷品問題…上述手段所面向的都是傳統(tǒng)零售行業(yè)決定成敗的核心點 — 庫存 ，而智能互聯(lián)網的推動目標，則是通過用戶導向的供應鏈體系和實時反饋的物流倉儲，實現(xiàn)動態(tài)零庫存的理想狀態(tài)。
在工業(yè)部分我們提到，工業(yè) 4.0 理想狀態(tài)能夠實現(xiàn)從下游到上游的定制化生產，而位于制造上游的零售行業(yè)，以此對應的是以動態(tài)零庫存為目標的供應鏈和物流革命。這里的“動態(tài)零庫存“指的是基于大數據的實時特征、能夠滿足預測數量并隨時調配的庫存狀態(tài)，而非時刻空倉的絕對零庫存。實現(xiàn)動態(tài)零庫存需要基于銷售預測、客戶偏好預測與精準營銷、快速響應定成本的智能物流、動態(tài)定價等技術組合。
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
