下面继续开讲工业物联网。本文名词重，英文多，请读者们自觉上调大脑带宽。开讲之前，我先来默默地抒个情。

虽然我从小就如葫芦娃附体，逻辑推理能力超强，数学只做附加题，物理只看最后一道，但凡出题人稍有仁慈之心将压轴题难度稍降低那么一丢丢，导致我没有考爽，那出题老师就面临被我“谈工作”的下场。然而，虽顶着学霸中的战斗机头衔，作文却独得上天恩宠，我本有心向作文，奈何从来不及格。【物女心经】系列文章已耗尽我毕生勇气，因此，一直追随【物女心经】的读者们，你们才是真的勇士。

抒情完毕，言归正传。

聪明如你，不难从上篇文章《GE、西门子、KUKA、罗克韦尔，已经打响2017工业物联网生态战的第一枪》中看出了我的伏笔。这篇文章，我继续来说说这一波中国制造业转型中蕴含的投资大机会：人工智能＋工业物联网，AI＋IIoT，起个简称，IAI（Industrial Artificial Intelligence）。

爱因斯坦说：“智力是能力变化的刻度尺。”

2015年前后，PTC美国参数技术公司由迈克尔？波特在幕后作为总军师，先后收购了MKS Integrity、Servigistics、ThingWorx、Axeda、Atego、Cold Light、Vuforia…一系列公司，开启了工业物联网投资热潮。

GE紧随其后，围绕IIoT平台Predix，抱着能用钱解决的事就不叫事的霸道总裁心态，从PTC并购标的中虎口夺食，2016年末一口气买入了Bit Stew、Wise．io、ServiceMax、Meridium、ShipXpress、Pivotal、Daintree Networks…多家IIoT创业公司。

Oracle、IBM、Intel、Qualcomm、Accenture、Infor、IFS、Arena、Cisco、Rockwell Automation、Schneider Electric…多家巨头，无论此前工业基础强不强，全部跟进IIoT投资。

图：巨头工业物联网投资菊花图

这股风潮在CB Insight的研究中显露无疑。工业物联网在整个物联网投资的比重中增长迅速，在2016年第一季度，占比已经超过了1／3。

图：物联网季度投资分析

在过去一年的工业物联网投资中，51％集中在天使轮和A轮，投资标的也并不是实体制造企业，而是围绕实体企业的数字虚体搞事情的物联网公司。

图：工业物联网投资阶段分析

许多朋友在与我交流时，大呼看不懂、太超前、不靠谱。那么，事实当真如此么？私以为，巨头们这一动作并非脑热跟风、或者铤而走险，而是经过严密分析与论证的运筹帷幄。

为什么工业物联网值得投资？这个话题并不是本文的核心。为了避免写成万字长文，在这里列出一组数据，点到为止。

埃森哲调研，90％的商界领袖正在思考物联网时代的商业模式转型。

根据思科统计，采矿业的操作每分钟可以生成高达2．4 TB的数据，每个便利店每小时产生0．01 TB数据，每个汽轮机每小时产生0．4 TB数据，每个自动化工厂每小时产生1 TB数据，每个海上钻井平台每小时产生1－2 TB数据。

2020年，世界经济的25％将属于数字化。47％的工作将在未来15年被数字化方式改造。从现在到2022年，数字化业务将带来14．2万亿美元的市场价值，而且数字化公司的利润比同行高出26％，并可从实物资产中额外获得9％的收益。

有了事实和数据的支撑，如果你也认可工业物联网是重要的投资阵地，我再接着往下说。

工业物联网的价值之一，就是创造了各种实体资产的数字虚体，巨头普遍把它叫做Digital Twins“数字双胞胎”，如何进一步挖掘数字虚体的最大价值？答案是IAI。

这个答案并不是我拍脑袋凭空造出来的，而是GE公司通过数十亿美金的血泪史砸出来的。

iot101君最近整理了一份GE并购项目详情表（参见附录），同时附上一份GE Predix特性表，如果你仔细研究，GE Predix哪块儿缺、哪块儿弱，以及GE一系列并购事件的脉络，基于你的独立思考，相信也会得出和我相同的答案。

GE软件＆GE全球研究院的高级首席科学家，已经在GE工作超过10年的Babu Narayanan，在最近2017年1月的一次演讲中，着重强调了AI与IIoT结合的效益。他认为在世界范围内，工业环境中AI和IoT的整合都是一片蓝海，IAI是当前的绝佳创业机会。

如今AI一般被分为3个等级：狭义人工智能、一般人工智能和超级人工智能。

1．狭义人工智能是指在解决某些非常具体的特定问题时，与人类相当或超越人类智能的AI。

2．一般人工智能是指在解决任何人类通过智力可以解决的问题时，达到人类智能的AI。

3．超级人工智能是指在每个领域，包括科学、艺术、常识和社交技能等，都比最好的人类更聪明的AI。

当我们在工业领域谈论人工智能时，主要是指狭义人工智能，ANI（Artificial Narrow Intelligence）。大多数人会把工业领域的IAI想成工业机器人，其实工业机器人只是IAI的物理载体之一，IAI可以运行在机器人的嵌入式电脑中，也可以运行在云端的服务器中。

即便是最低端的ANI，也足够撑起工业互联网的野心了。

虽然IAI在工业场景中的价值还有待进一步证实，但是目前IAI已经确定了一些明确的应用场景，我把他们分为4个大类，依次举例说明：

1．IAI用于工厂内部的设备管理

设想一个生产线中的设备，过去它又聋又哑又无脑，现在通过IAI它可以知道自己的健康情况，可以预测未来的故障，从而安排自己的预防性维护时间。通过机器学习，它甚至可以在过去的操作数据中寻找特定模式，帮助细化和提高预测的准确性。

虽然还不能达到完全匹敌生产线管理者的专业知识，但IAI可以应用人类的专业知识模型或者认知推理模型，实现简单的专家决策。此外，IAI还可以改进供应链效率，如果IAI意识到生产计划的变化可能影响到交货时间，它可以自动提醒后端环节，比如码库机器人加快操作，以便追回失去的时间。

根据埃森哲之前的统计，单纯实施IIoT，就可以提升3－5％的资产可用性，提升10－15％的维修效率，降低1－5％的设备停机时间，节省15－30％的维修成本和20－25％的技术人员加班时长。

2．IAI用于OEM设备制造商改造商业模式

过去我们常说，客户并不是真的想要一个挖掘机，而只是想要在地上挖好的洞。有些客户经常挖洞，所以他们愿意花钱去买挖掘机。有些客户偶尔挖洞，他们更喜欢花钱去租。IAI可以帮助OEM的客户实现这些需求。

当买家的挖掘机空闲时，他可以选择把机器租给别人使用，租金收益由买家和OEM共享。这时IAI的作用就体现出来了，它通过分析挖掘机的状态信息、空闲时间信息和租赁需求信息，实现供需之间的匹配。OEM还可以通过IAI预测挖掘机的潜在故障，提供灵活、及时的增值型上门服务。

有些OEM早就有了这个商业模式转型的念头，但是在实际操作的时候遇到了各种障碍。最明显的障碍是提供设备租赁服务，首先需要建立一个客户服务呼叫中心解答各种问题，增加的收益是否能够平衡呼叫中心的成本？其次，预防性维护模型往往会出现服务不足或者过量的极端情况，造成不必要的损失。

IAI有可能是个解决方案，在预测数据系统之上增加一层IAI应用，自动应答和优化租赁需求，针对预防性维护给出专家决策与调整。

3．IAI用于改进第三方现场服务

根据GE的估计，使用IAI可以将现场服务的生产力提高250亿美元。目前GE已经在围绕制造业现场的服务业务中获得了超过70％的利润，未来这一比例还会更高。

第三方现场服务公司，是指那些为厂商及其代理商提供的硬件提供维护及检修服务（现场服务）的公司，可以通过IAI提高自身的盈利水平。外派技术人员在到达现场之前，可以从IAI获得必要的专家诊断信息，到达现场之后，可以通过IAI获得远程支持，比如了解备品备件的库存情况、视频技术指导等。

根据ServiceMax的统计，采用IIoT可以使第三方现场服务公司增加22％的服务收入，提高17％的故障首次修复率，降低19％的平均故障检修时间。

4．IAI用于产品本身的智能化改造

比如一个医疗器械的制造商，生产血管支架。支架是植入物，插入到患者的动脉中，用以改善血液流动。现在他可以考虑将一个小小的传感器添加到支架产品中，并将得到的数据反馈到互联网，以便医生实现对每一个病人细致入微的远程监测。IAI可以建议患者适当的起居计划，部分承担医师的角色提供健康建议和康复指导。

很多初创公司正在围绕各种产品的智能化开展研究，比如智能服装的研发，IAI根据水分散失、脉搏和温度数据，制定针对某个运动员的定制化健身训练计划。

除了已被巨头们并购的IAI初创公司外，还有不少创业企业在路上：

花了如此浓墨重彩的篇幅来布道IAI的前世今生，那么按套路我该为IAI鼓吹一下发展前景如何美好，投资价值如何重大。然而，我的节奏是美好的事物必须以冷水收尾。

AI项目的投资回报周期长，融资额度又普遍高于其他领域。IAI更是混沌未开的处女地，价值有待进一步开拓，在工业解决实际问题的IAI初创公司属于极少数。由于机器学习和预测分析需要大量数据和时间训练，IAI的终极效果尚待验证。

那些能够帮助被投企业在制造领域建立生态圈的投资机构，才有资格开始考虑适当布局IAI。

什么？被我成功洗脑的你还想知道国内有哪些出色的IAI创业公司？

图：人工智能初创公司热力图

附录1：Predix特性表

附录2：GE并购项目详情表