事實上，物聯(lián)網(wǎng)生態(tài)系統(tǒng)的各個部分并非以同樣的速度在發(fā)展，因此最終物聯(lián)網(wǎng)也就變成了覆蓋幾個不同行業(yè)，而不是一個行業(yè)的狀態(tài)。

隨著 AI 技術(shù)的加速、連接方面的重大進展以及大型云供應商專用物聯(lián)網(wǎng)產(chǎn)品的推出，物聯(lián)網(wǎng)發(fā)展所需的基礎(chǔ)設(shè)施部分已經(jīng)逐漸到位。我們很快就會發(fā)現(xiàn)物聯(lián)網(wǎng)朝著全球互聯(lián)的物理世界這一方向呈現(xiàn)出指數(shù)級加速發(fā)展趨勢。

對于物聯(lián)網(wǎng)的擁護者來說，過去這一年到一年半的時間應該經(jīng)常會讓他們感覺到沮喪。物聯(lián)網(wǎng)到現(xiàn)在本應已經(jīng)發(fā)展的十分強大，但事實卻是，像初創(chuàng)企業(yè)失敗以及安全問題令人擔憂等報道內(nèi)容一直籠罩著這個行業(yè)。思科最近發(fā)布了一份(有爭議性的)研究報告，其中預計在所有的物聯(lián)網(wǎng)項目中，有 75% 的項目是以失敗告終。物聯(lián)網(wǎng)這一流行詞匯的光彩在過去的一年????確實黯淡了一些，很容易就被 AI 和比特幣的光芒所遮蓋。

有趣的是，物聯(lián)網(wǎng)其實一直保持著不可阻擋的前進之勢。2017 年很有可能是物聯(lián)網(wǎng)設(shè)備(包括可穿戴設(shè)備、互聯(lián)汽車和機器等)數(shù)量超過手機的一年。全球物聯(lián)網(wǎng)消費支出不斷增長并呈加速之勢，據(jù) IDC估計，2017 年全球物聯(lián)網(wǎng)總支出為 8000 億美元，較去年同比增長 16.7%。

事實上，物聯(lián)網(wǎng)生態(tài)系統(tǒng)的各個部分并非以同樣的速度在發(fā)展，因此最終物聯(lián)網(wǎng)也就變成了覆蓋幾個不同行業(yè)，而不是一個行業(yè)的狀態(tài)。但是，物聯(lián)網(wǎng)世界有共同的原則(從物理世界提取和分析數(shù)字數(shù)據(jù))以及共同的特征(軟件和硬件的結(jié)合)，面臨著同樣的機會(個性化、智能以及實時服務)和挑戰(zhàn)(連接性和安全性)。除此之外，像家庭自動化、商用無人機、工業(yè)機械???????是自動駕駛汽車這些不同的領(lǐng)域也會受不同行業(yè)動態(tài)的影響。

我們現(xiàn)在對于物聯(lián)網(wǎng)行業(yè)的一個總體看法是：物聯(lián)網(wǎng)正在經(jīng)歷青春期發(fā)展階段，很多東西在不同的領(lǐng)域建立起來，可能并非所有的東西看上去都很漂亮或者都表現(xiàn)的很好，但是很多這都是基礎(chǔ)性的成長過程。

 AI無處不在

物聯(lián)網(wǎng)始終致力于創(chuàng)造“智能”物體—從物理世界獲取數(shù)據(jù)并且從中獲得更多的見解，這顯然沒什么錯，但最終的重點在于根據(jù)數(shù)據(jù)信息采取行動，理想情況下是以一種自動、實時并且智能的方式來進行，而這正是 AI 的功能所在。

2017 年，AI 在主流集體意識中得以爆發(fā)，這也是我們在 2017 年大數(shù)據(jù)、AI 領(lǐng)域及其他領(lǐng)域廣泛探討的一種趨勢。現(xiàn)在，AI 在物聯(lián)網(wǎng)對話中的角色正如在其他許多行業(yè)一樣，已經(jīng)成為它們非常重要的一個組成部分。

在面向消費者的物聯(lián)網(wǎng)產(chǎn)品中，最讓消費者感到振奮的領(lǐng)域大都是以 AI 為核心技術(shù)。語音平臺毫無疑問是消費級物聯(lián)網(wǎng)產(chǎn)品的亮點之一，亞馬遜 Alexa 和 Google Assistant(以及蘋果、三星、騰訊、阿里巴巴和其他加入者)已經(jīng)就此展開了激烈的角逐。顯而易見，這場競爭的重點并不在于銷售硬件產(chǎn)品，亞馬遜是想在包括 Sears、Kenmore 和各種可穿戴設(shè)備或家庭自動化產(chǎn)品(包括安全攝像頭Canary)在內(nèi)的第三方硬件上部署 Alexa。最終的目標是要積累海量的數(shù)據(jù)，建立數(shù)據(jù)網(wǎng)絡效應來不斷完善人工智能。如果語音真能成為“未來的用戶界面”，那誰擁有最強的 AI 技術(shù)，誰就能贏得這場競爭。

同樣，在 2017 年獲得了大量關(guān)注，吸引了大量投資的自動駕駛汽車領(lǐng)域(預計 2018 年將持續(xù)這一趨勢)從根本上來說也是 AI 的游戲。雖然相比目前的夸大其詞和過度宣傳，我們距離實現(xiàn) 5 級完全自主駕駛的距離可能比我們想象中要遠，但在過去幾年時間里，AI 已經(jīng)取得了顯著的進步，其中包括如何訓練它們或者說讓它們?nèi)绾斡柧氉约?。在物理世界四處奔波收集?shù)據(jù)的這種模式已經(jīng)開始被虛擬培訓模式所取代。2017 年優(yōu)秀文章之一就是 Atlantic 的《Inside Waymo's Secret World for Training Self-Driving Cars》，其中介紹了 Waymo自動駕駛汽車是怎樣做到在現(xiàn)實世界只跑了幾百萬英里，而在一個定制的模擬、虛擬世界卻跑了幾十億英里的內(nèi)容。

在企業(yè)和工業(yè)物聯(lián)網(wǎng)世界中，機器學習和AI 也已經(jīng)成為關(guān)鍵課題。企業(yè)和工業(yè)物聯(lián)網(wǎng)產(chǎn)品不像他們的消費級物聯(lián)網(wǎng)胞弟那樣，需要收集足夠的數(shù)據(jù)實現(xiàn)真正有意義的 AI，才能取得商業(yè)上的巨大成功。企業(yè)和工業(yè)物聯(lián)網(wǎng)產(chǎn)品可以利用行業(yè)客戶的數(shù)據(jù)，而許多機器、裝配線和石油鉆塔本身早就配備了成千上萬個傳感器。當然，這其中的障礙還是很多，有技術(shù)上的障礙(數(shù)據(jù)經(jīng)常會被“困住”，難以提取)，也有文化上的障礙(從幾十年的小樣本統(tǒng)計分析過渡到一種新的軟件驅(qū)動分析方法，一旦失敗，可能會導致災難性結(jié)果)。而 AI 可能會是完全改變這些行業(yè)游戲規(guī)則的技術(shù)所在。

除了上述所提到的例子之外，AI 也被廣泛應用于其他各個領(lǐng)域，從垂直農(nóng)業(yè)應用跨越到邊緣計算等基礎(chǔ)設(shè)施。

值得一提的是，除了 AI 之外，材料科學、基因組學和納米技術(shù)等領(lǐng)域(這些領(lǐng)域目前也在經(jīng)歷著自身的快速發(fā)展)的進步也讓物聯(lián)網(wǎng)有所受益。