【導讀】物聯網還有哪些創業機會，又將催生哪些商業模式？聽聽以下四位大咖怎么看。

　　物聯網將催生哪些商業模式？

　　如果每個網絡信號都有實體的話，我們眼前的世界一定會越來越擁擠。

　　二十年前，互聯網改變了我們獲取信息和相互交流的方式。現在，這一運動正在以相同的方式改變我們與周遭物理世界的聯系。據市場研究機構 IDC 預測，到 2020 年時，物聯網設備安裝量將達到 281 億臺。

　　「物體」不再了無生氣，而是與我們的生活交互關聯。

陳孝良
　　聲智科技 CEO，中科院聲學研究所副研究員。聲智科技從事語音交互芯片、模組和設備研發、設計、制造，并提供整體聲學技術和語音識別解決方案。
　　1.聲、光、電融合傳感將會創造出更多新數據，進而推動商業模式創新。
　　2.讓機器適應人類，是人工智能得以實現的核心要素。

聲、光、電、熱、力、磁，這幾種傳感是人類獲取信息的重要手段，也是數字世界感知物理世界的主要途徑。其中，聲學（麥克風）、光學（攝像頭、激光雷達）和電學（GPS、電子雷達）更是核心要素。

　　從投資角度看，當前著名的人工智能企業基本可以按這三個傳感方式來劃分。

　　這里有個問題值得琢磨：聲、光、電傳感技術早于計算機而出現，比如留聲機、照相機和雷達。為什么直到現在，它們才開始引起產業界的重視？

　　縱觀技術歷史，總是聲學先行，光學和電學次之。所以，我們不妨以聲學領域的麥克風技術為例展開探討。

　　計算機和手機很早就配置了麥克風，但直到 Amazon 推出一款麥克風陣列的 Echo，產業界對這類產品忽然變得極度關注并爭相模仿。究其原因，除了這款產品在計算和通信方面的能力有所提高，更主要的原因是場景發生了變化。

　　在 Echo 出現之前，麥克風解決的一直都是近場問題。近場語音交互要求人類適應機器，一定程度上掩蓋了技術的不足，是典型的由于技術限制而刻意回避場景的案例。但實際上，人類之間的語音交互都會拉開一定距離。所以，現在我們開始需要機器適應人類的遠場語音交互。

　　機器適應人類，這可以說是計算機技術的一個巨大進步，也是人工智能得以實現的核心要素之一。

　　這并非聲學領域特有的問題，當汽車安裝攝像頭和雷達，以及自行車安裝 GPS 時，場景變化帶來的技術挑戰才會凸顯出來，因為真實場景所需要的技術并非是簡單升級而是顛覆性創新。這也是當前技術型創業公司被青睞的主要原因。

▲ 人工智能必須融合多種傳感方式

　　然而，單一傳感方式所帶來的影響總是有限，不足以推動整個技術和社會的變革。例如，麥克風陣列可以采集人類自然對話的語音信息，從而逐漸演化、理解人類語言。這意味著將來機器可以讀懂我們的思想，十分可怕。但這種理解其實還比較片面，缺乏圖像、位置等其他傳感信息的支持。

　　從這個層面來說，人工智能必須融合多種傳感方式，而非局限于聲、光、電、熱、力、磁，再加上強大的計算和存儲能力，才能在某些領域超越人類，從而看懂世界，推動更多新商業模式的誕生。

　　當機器獲取的融合數據足以覆蓋人類產生的數據的十分之一時，大多時候，人類只需要說一說、看一看或者想一想，機器就能捕捉到背后的思想。

　　未來到底會產生哪些新的商業模式，我們尚不可知。但有一點可以肯定，廣告模式肯定不是人工智能時代的最佳商業模式。

趙曉光
　　天風證券研究所所長。2010-2016 年連續 7 年獲得《新財富》電子行業分析師第一名。
　　1.新的數據流必須依靠硬件創新來產生。
　　2.機會存在于制造業，如材料、設備、芯片、汽車、軍民融合領域等。

　　目前，全球科技行業都面臨著困局。如果把企業發展分為生產力創新和生產關系創新 2 個環節，那么很多企業都被關系創新沖昏了頭腦，認為加一點互聯網模式、加一點生態概念就是萬能的，反而在生產力創新上比較乏力。

　　分析生產力創新瓶頸的核心方法是看數據流。搞清楚數據從哪里來，如何處理，到哪里去。大多數企業只要解決其中一個環節就可以成功，三個環節都解決了就有機會成為巨頭。

　　新的數據流必須依靠硬件創新來產生。所以，我認為科技行業的下一個突破點在硬件創新上。

　　過去的產業發展是軟、硬件創新交替帶動的。2010 年到 2013 年智能手機迅速發展，2013 年 5 月開始，社交、游戲軟件火爆起來，直到 2015 年開始全面下跌。按照規律，硬件也會進入一輪集中發展周期。現在互聯網巨頭也紛紛在布局，包括VR、智能汽車、可穿戴設備等等，這些其實都不僅僅是產品，更是獲取數據的硬件。

　　以智能手機為例，它產生的數據基于 3 個方面：使用人數，從 10% 發展到 80%；使用時長，從每天 2 小時發展到超過 10 小時；智能手機本身可以產生的數據。

　　前兩點的紅利已經快被消耗完了。但第三點，比如攝像頭拍照、錄視頻的數據，此前由于無法結構化，而沒有被商業化。但人工智能可以實現這一點。從 iOS 8 開始，手機可以自動識別圖片并進行歸類。這只是第一步。接下來的視頻數據分析，會產生巨大的商業機會，甚至改變傳媒行業、廣告行業。

　　另一個角度看，科技巨頭在做哪件事情，基本上這件事情就越有未來。現在巨頭都在做人工智能，它的核心是機器學習，而機器學習的難點在于數據。技術本身是可以通過學習而進步的，但是數據具有稀缺性，不是誰都可以拿到。所以，數據是解答一切問題的密碼。

　　人工智能這個行業，最后很可能是贏家通吃的。幾家科技巨頭分割不同市場。蘋果有消費端數據，亞馬遜有商店數據，Facebook 有社交數據，谷歌有搜索數據，微軟有辦公數據，他們是行業龍頭，其他人看起來很難進場。

　　你可能會問那么這個行業還有機會嗎？我的答案是有。機會存在于廣闊的傳統行業里。

▲ 制造業如何結合大數據成為新一輪競爭點

　　以制造業為例，誰能提高產品良率，誰就是贏家。以前這個過程是靠工程師不斷調試，現在機器有自我學習能力了，就可以自己在試錯中不斷走出最優路徑。一個制造企業，如果和谷歌、英偉達這樣的公司合作，一定會有未來。人工智能在這里是一個工具性產品。

　　觀察過去 5-10 年，可以看到蘋果在中國培養了一批市值在 300-500 億的優秀的模組企業。產業是有遞推效應的，這一批企業誕生后，在制造業里會催生 3 個新的投資方向：

　　第一，上游的材料、設備、芯片。材料和設備正好符合「中國智造」，而半導體企業的地位也在發生變化，在過去分工專業化的基礎上，變成了一個能夠提供全新解決方案的公司。

　　第二，往汽車產業發展。現在汽車產業的采購格局和十年前的手機行業一樣。但現在手機行業把采購權釋法昂出來給到上游企業，代工廠的利潤率下降，產業利潤會從中游轉移到上游，汽車也會經歷同樣的過程。下一步在汽車產業鏈的材料、設備、芯片行業會出一批市值 500 億以上的巨頭。

　　第三，往軍民融合方向發展。民營企業更多地參與到軍品研制競爭里來，民參軍企業有望從低附加值芯片、分立器件等向系統級的產品和技術國度。市場化運營的軍品產業鏈對接平臺也會開始應用。

　　此外，我還比較看好聲學、投影技術方面的機會。這 2 個領域都存在生產力和生產關系越來越不匹配的問題，谷歌、亞馬遜也都在進場。