【物联网】工业物联网未来5年黄金期、四张图带你看清IoT未来几年的发展、物联网数据货币化四大阶段

工业物联网前途未卜？未来5年黄金期或将颠覆业内期望！

作者：宛儿立秋

物联网智库 原创

导  读

着眼困境与机遇并存的当下，仰望五年黄金期的星空，工业物联网的轮廓正在逐渐清晰。

工业物联网是物联网产业链上最浓墨重彩的一个分支，也是最沉最重最难啃的骨头。正因如此，它也以独有的魅力吸引着一批又一批的玩家竞相投入。传统制造企业、工业自动化硬件和软件提供商、新晋云服务企业、新兴物联网技术服务企业......拿到入场券的各方势力在不断审视自我、摸索对方的过程中，逐渐理顺着工业物联网的产业链条。

最“重”赛道蕴含最深层价值

物联网 在与工业制造这个庞然大物的结合上，因后者本身所含的类目极其丰富、过程错综相联，这就直接导致了两个结果 ： 一方面 ，工业各细分类目差异巨大，不同场景所导致的不同需求呈现极大的碎片化特性； 另一方面 ，工业各类目、各流程在自身长期发展中，所积累的OT技术护城河极深，而IT技术却参差不齐、非标准化，两者的融合维度多重、难度不言而喻，这就造成了工业和物联网当前难以逾越的鸿沟。

然而，即便道阻且长，并且近期发生全球工业巨头“身先士卒”导致工业物联网颓势论等甚嚣尘上，但仍不能改变众多工业领航者们长期看好工业物联网的信念。作为在传统工控领域的巨头， 研华认为，工业物联网的变革方向值得长期投入、先行积累。就目前阶段而言，工业物联网尚处黎明，玩家对于产业定位、战略规划的选择，或决定了何时能够破晓、最终能走多远。

开局第一题：产业定位考验企业的宏韬伟略

在漫长的工业物联网产业链，如何找准自身定位是一道技术难题。一般的求解思路是：企业自身具备哪些传统优势？工业互联网竞争中有哪些需求？ 优势与需求的匹配即是企业重新定位的基本解。

研华科技CTO杨瑞祥 向物联网智库表示，研华多年深入工业现场端实践，积累了对工业标准、现场端协议及数据采集、嵌入式系统的深厚理解和丰富经验，这使得研华能够支持绝大多数主流的数据对接标准（目前支持300+种）、解决几乎所有类型的现场端数据采集问题，这是实现工业物联网的第一步。

从基本解到最优解之间，还遗留以下几个命题 ：这些优势在下一轮工业物联网竞争中将如何演绎、扮演什么角色？这个新的跨越将如何实现？

众所周知，研华在工业现场端的优势，已充分应用于自动化领域的各类流程中，然而如今研华认识到， 现场数据优势在自动化阶段的释放是远远不够的，其深层价值应通过物联网、云平台等技术方式加以精细化分析和挖掘，从而更大程度地服务于制造升级。 正基于这一初衷，研华提出从端整合到提供平台的全新定位，其WISE-PaaS工业物联网平台将以数据驱动制造企业实现从提质增效的改善，到制造模式的革新。

机遇当前，WISE-PaaS开启全面升级

明确了自身在产业链的定位，研华不断加强其主攻技术和赋能能力。 杨瑞祥提到，无论是国内还是国外，工业云平台的建设都还有很长的路要走，这一时期所遇到的困难主要包括以下四个方面： 对现场和底层资源调度管理不足；高可用的工业应用APP质与量不足；工业物联网开发者群体不成熟；设备的数字虚体转换程度不足，这是数据价值变现的严重掣肘。

面对上述难题，研华利用自身优势为行业提前探路。 比如，为提升底层资源的“利用率”，研华不断加强端侧协议的转换和整合能力。而针对目前开发者和工业应用的短缺问题，WISE-PaaS在战略和战术上均有布局。

战略上，研华深知工业各细分行业的企业所积累的专业知识才是实现整套工业物联网方案（尤其是具体应用软件）的关键，它们接近“商流”，对具体场景的真实需求、痛点、节奏和模式有着精准的洞悉。因此，研华秉承平台技术提供商的角色，携手各垂直领域的“专家”（即合作伙伴）， 以“共创”方式构建完整的软硬件整体解决方案（Solution Ready Package，简称SRP）。

在强强联合的“共创”模式中，研华所提供的核心价值，集中体现在WISE-PaaS的赋能战术上 。WISE-PaaS自诞生一年多以来，逐步优化各项微服务，在安全、稳定、易用性等方面持续投入，使得伙伴企业能够专注于自身领域的工业knowhow，而在开发SaaS应用之时门槛低、周期短、可用高。具体来说，平台在“取悦”开发者的路上一路开挂，尤其几项新功能的上线，可谓正中开发者们心头之好：

• 数据分析服务框架AFS：

• 对于工业数据价值的深层挖掘一直是业内难题，其中一个原因便是受制于数据建模的成本和能力。对此，研华WISE-PaaS推出数据分析服务框架，提供丰富的模块化数据科学能力：

  
  

• 例如，它可以用于工业AI场景中如视觉监测（流程能效、良品率等）。AFS使开发人员用拖拽的方式即可进行应用开发测试、模型训练、直到现场部署，AFS还提供可视化工具（见下）、以及多种机器学习函式库，如：Spark MLlib、TensorFlow，可轻松调用后端分布式计算资源。最终实现决策支撑、问题洞见、预测性维护等功能。

• 可视化工具Dashboard：

• 上文提到，当前工业设备尚不能完备描绘出一个“数字虚体”的模型，因此，工业数据的呈现往往复杂无序。对此，WISE-PaaS/Dashboard着手于更直观、有序、易用的数据呈现形式。

• Dashoard支持众多数据源和数据库，应对繁杂的工业领域和场景。这离不开Dashoard对数据源和显示组件的开放性：除了支持各种官方主流插件，更有丰富的业务场景定制插件提供，满足工业物联网高度碎片化的需求，使各领域伙伴均可快速打造自己的信息战情室。

除了技术赋能，研华更能够在市场推广上为伙伴企业提供完整的工业行销支持。 辐射更广的场景、领域和客户群体，通过放大价值来平衡工业应用的开发成本。近年来，研华通过对WISE-PaaS平台以及共创SRP模式的大力推广，如今已初见成效。

---

2021年物联网市场将增至5200亿美元，四张图带你看清IoT未来几年的发展

来源：贝恩公司

物联网智库 编译

导  读

物联网的市场规模到底有多大？物联网市场增长的速度到底有多快？企业客户如何看待物联网的部署和应用？物联网在应用过程中会遇到哪些阻碍？物联网应用者如果想获得成功应该采取哪些措施？针对这些疑问，贝恩公司发布了其2018年最新报告《解锁物联网的机遇（Unlocking Opportunities in the Internet of Things）》。

物联网的市场规模到底有多大？物联网市场增长的速度到底有多快？企业客户如何看待物联网的部署和应用？物联网在应用过程中会遇到哪些阻碍？物联网应用者如果想获得成功应该采取哪些措施…….

这是物联网行业的从业者们都非常关注的问题，针对这些疑问， 全球领先的管理咨询机构贝恩公司在2018年通过对全球数百名企业高管的调查，发布了其最新报告 《解锁物联网的机遇（Unlocking Opportunities in the Internet of Things）》 ，提供了富有价值的行业洞见。

物联网市场规模持续增长

贝恩公司预计，到2021年，物联网综合市场规模（包括物联网硬件、软件、系统集成以及数据和电信服务）将增长至5200亿美元，是2017年2350亿美元的两倍还多。

而数据中心和分析将成为增长最快的物联网细分领域，从2017年2021年，物联网的复合年增长率(CAGR)将达到50%。除数据中心和分析以外，系统集成、网络、消费者设备、物联网设施和传统嵌入式系统是物联网的五个其它核心技术和解决方案领域。

下面的图表比较了每个领域的CAGR，以及每个类别的全球收入情况。

图.物联网和分析收入将于2021年增长至5200亿美元

企业客户仍然看好物联网的增长，但是态度不再像过去那样激进。他们开始调整自己的预期，并且认识到完整的物联网解决方案需要较长时间的实施才能产生回报。

阻碍物联网应用的障碍

和贝恩公司于两年前（2016年）对物联网领域进行广泛分析和调查的结果相比，企业客户认为供应商在降低物联网应用障碍方面几乎没有取得任何进展。

这些障碍包括安全问题、与现有IT系统和OT系统的整合、不确定的投资回报率。 所以这些客户延长了他们对于物联网用例在他们的组织内部达到规模化所用时间的预期。

图.供应商需要解决客户应用物联网的障碍——

安全问题、与现有IT系统和OT系统的整合、不确定的投资回报率。

• 安全问题 ：贝恩公司的研究发现，如果企业客户的安全问题得到解决，他们会购买更多物联网设备并支付更多费用(平均多22%)。

• 与现有IT系统和OT系统的整合 ：供应商并没有让客户轻松地将他们的物联网解决方案整合到业务流程或信息技术（IT）和运营系统(OT）中，他们可能低估了客户的顾虑。如果供应商重点关注了解客户行业中典型的实施挑战，他们将能够提供更完整的端到端解决方案。

• 不确定的投资回报率 ：该项阻碍在调查受访者中排名前三位，这主要是由于当前需要定制的解决方案数量，并且需要大量投资来支持每个解决方案。

优先级也发生了转移。随着传感器和分析技术的发展，预测性维护成为第一个富有吸引力的物联网用例，企业能够帮助客户及时更换或维修设备。典型的例子就是Schindler公司通过GE的Predix平台在全世界范围内对60000台电梯和扶梯进行预测性维护，以优化电梯的维护过程。 但是随着客户发现投资回报的时间比预期更长，他们对预测性维护的兴趣则开始减弱。

另一方面，客户对于远程监控的兴趣正在上升，因为它往往是一个可以轻松集成或独立运行的应用程序。 例如，工业设备领导者ABB，正在远程监控其互联机器人系统和低压网络，帮助客户快速诊断和识别问题。

尽管存在这些问题，但企业和行业用户仍然在实施物联网解决方案的过程中取得了成功。和两年前相比，他们进行了更多的概念验证，并且更多的客户正在考虑尝试新的用例：和2018年的60%相比，2016年不到40%。

图.物联网的应用在增长，但是针对概念验证和实施的预期却被抑制了

云服务供应商最有影响力

基于贝恩公司对调研结果的分析， 云服务供应商(CSP)正逐渐成为企业物联网服务、咨询和分析中具有影响力的供应商，这使得其他供应商在各自利基市场中的机会逐步减少。

在快速发展的全球物联网软件和解决方案市场上， 亚马逊AWS 和 微软Azure 已经成为占主导地位的领导者。贝恩发现，CSP成功地降低了企业应用物联网的障碍，允许更简单的实施过程，使企业尝试新的用例和快速扩展变得更容易。

然而， 广泛的横向服务几乎没有为特定行业的应用提供优化，这为系统集成商、企业应用开发人员、工业物联网专家、设备制造商和电信公司的行业解决方案提供了重要的机会。

取得成功的关键

贝恩公司的调查发现，供应商比较关注客户看重的那些应用障碍，比如安全、投资回报等，但是对数据集成、互操作性和可移植性等其它问题的关注较少。基于贝恩公司的经验，解决这些问题的关键在于：

• 专注两三个行业和用例： 行业定制和更好的“开箱即用”模式正在成为成功的关键。行业领导供应商的目标是将他们的解决方案聚焦于更少的几个垂直行业——这种改变使得他们能够交付更适合客户需求的解决方案。超过80%的供应商仍然聚焦于四到六个行业——太多了，这让他们无法在任何特定用例中快速建立深度。领先的供应商应该聚焦于更少的行业，专注于两三个领域。这使得供应商能够结合重要的行业专业知识，在与提供通用产品和解决方案的云服务供应商的竞争中占据优势。

图：供应商正在聚焦他们关注的行业，但他们的精力仍然过度分散

• 开发端到端的解决方案： 随着供应商在实施特定物联网用例时获得了相关的经验，他们与自己的合作伙伴一起开发出了具有成本效益的、端到端的整体打包式解决方案，这正是客户渴望的。许多物联网应用者需要定制化的、基于特定行业应用需求的解决方案——60%以上客户表示他们购买的解决方案中有超过25%需要定制开发。当供应商在某个行业中探索特定的物联网用例时，他们能够了解行业所需的不同数据集，包括如何从传感器收集到的数据中获取有价值的洞见。从一个客户到另一个客户，他们可以从中总结有哪些经验是可以转移复用的，基于此，供应商可以创建出标准化的方案包，减少定制化需求，缩短销售周期，以增加成功的可能性。

• 通过消除应用障碍来扩大规模 ： 因为要克服应用障碍，所以客户和供应商认为物联网项目的进展要比他们当初预期的慢。和两年前相比，供应商在运营方面具有更多的经验，然而，客户对必须的投资也有了更好的理解，同时，客户对于收入的预期也更加现实。领先的物联网供应商能够将他们的经验转化成可复用的解决方案，以解决客户关注的问题——安全、整合和投资回报，这使他们能够提供可扩展、经济高效的物联网解决方案。

数家企业展示了如何通过合作伙伴关系和收购来从市场上获取技术。 IBM Watson和客户一起进行概念验证，并将其中的经验用于行业用例；Verizon选择以收购的方式来获取远程信息处理技术方面的专业经验，它相继买下了Hughes Telematics（休斯车联网）、Fleetmatics,、Telogis和 Movildata公司，来提高其在自动化和远程车队管理方面的能力；领先的工业自动化供应商也正在探索如何为他们的客户降低应用壁垒并将原有的系统扩展至物联网市场，比如西门子针对那些已经在运行产品生命周期管理系统的客户，帮助他们将系统整合至MindSphere的数字化双胞胎软件。

---

数据为王！B2B物联网市场将“变天”，不可不知的物联网数据货币化四大阶段

资料来源：BCG

作者：Massimo Russo 、Michael Albert

物联网智库 编译

导  读

物联网（IoT）的真正价值在于它所提供的数据以及由此产生的行业洞察力。本文将解读物联网公司如何捕捉物联网数据价值！

思科前CEO约翰·钱伯斯（John Chambers）曾提到，如今每一家公司都可以称得上是科技公司。事实上，每家公司都在演变为一家技术和数据服务型公司，而这两者的区别是巨大的。

物联网（IoT）的真正价值在于它所提供的数据以及由此产生的行业洞察力。关于物联网如何通过支持智能工厂和互联网供应链以及监控产品和提供新服务的能力，为公司释放重要价值的案例已经有很多。但物联网不仅仅是改变了公司的运营方式，它其实改变了公司业务的本质。 在资产密集型行业中，物联网数据的激增从根本上将客户价值主张从商品转移到服务，这种转变正在引导公司采取新的业务模式，而这种业务模式需要公司具备新的业务能力。

目前，大多数物联网解决方案都在围绕内部应用进行构建，例如 预测性维护、工厂优化、供应链自动化和改进产品设计 等。但要充分捕捉其中的物联网数据价值，B2B公司需要改变战略，突破传统的思维模式。通过与新的业务伙伴合作，促使公司形成新的数据生态系统。这些生态系统将使生态参与者获取有价值的 集体数据资产 以及 将资产开发成新的数据驱动产品和服务所需的能力和相关的专业知识 。

数据生态系统将在界定许多B2B行业竞争格局上发挥关键性作用。它们使公司能够建立非常有价值的数据业务，这将为公司带来高利润的收入流，以及建立行业竞争优势。新的数据驱动型的产品和服务提供独特的价值主张，超越了公司的传统硬件产品，加深了客户关系并提高了行业进入壁垒。由于根植于规模经济和范围经济的自然垄断，数据生态系统的建立意味着高度防御性的商业阵地形成。确保数据生态系统中有利位置的公司将在其整个业务流程中获得显著的价值和竞争优势。

数字世界中生态系统的力量

数据生态系统是由公司、消费者、客户以及合作伙伴等共同创造的价值网络。事实上，美国最有价值的五家上市公司—— 苹果、谷歌、微软、Facebook和亚马逊 ，都是数据生态系统的协调者。这些数字化领导者建立了基于平台的商业模式，利用生态系统竞争中的赢者通吃规则，达到巨大规模并占据行业优势地位。

这些协调者利用三个因素：

1. 它们迅速扩大规模，利用几乎为零的边际生产成本、网络效应以及低壁垒的地理区域的扩张。

   
   

2. 它们利用“数据飞轮效应”。数据生态系统实现了前所未有的数据积累和分析，促进了产品和业务流程的改进，并促进了进一步的增长和数据访问。

   
   

3. 生态系统能够通过在单个平台上组织业务伙伴以满足多个客户多面需求，为客户提供无缝且全面的数字体验。因此，他们锁定客户并吸引客户更多的注意力、时间并获取更多的价值。

我们之前提到的互联网巨头相对比较年轻，它们主要面向数字原生代（在互联网环境下土生土长的一代）的消费者，在个人计算、互联网、电子商务和社交媒体的支持下，占据行业优势，在某一领域拔得头筹。相比之下，许多大型工业公司的历史可以追溯到一百年前或更长时间，它们具有相对较低的数字复杂度和根深蒂固的商业模式，这些商业模式建立在重型设备的制造、运维和服务之上。工业的产业价值链通常是寡头垄断，其特点是合作伙伴关系密切，品牌强大，以及拥有大型售后服务团队和大型客户群体。

数据生态系统发展的格局在B2B行业中则完全不同，垂直领域特定解决方案和数百个物联网平台争夺市场主导地位。数字技术最常见的应用往往侧重于增强现有产品和业务流程。因此，数据生态系统通常在现有行业结构的范围内增长。事实上，一个行业可能需要多个平台和数据生态系统的支持，我们无法期望在B2B行业中看到与B2C行业相同程度的数据生态系统整合。

B2B中的数据价值很难提取：公司需要领域内专业知识来开发新的数据驱动解决方案以及从中获利所需的客户关系。这种复杂性意味着数据生态系统（例如围绕物联网平台构建的数据生态系统）不足以自行捕获数据的价值。因此，需要新的、专用的数据生态系统来统筹业务合作伙伴的集体数据资产、能力和客户关系，以便在传统行业垂直行业内部和跨行业提供新的产品和服务。数据生态系统提供底层平台的同时，也使资产密集型行业的B2B公司能够利用其物联网数据创造额外收入并建立持久的竞争优势。

物联网数据货币化的四个阶段

许多制造业和资产密集型公司仍处于开发数字功能和探索如何使用来自联网机器和产品数据的早期阶段。抓住这些机会将要求他们进行类似于科技公司在2000年代的转型，从以硬件销售为主的商业模式转变为围绕软件和服务的商业模式。虽然某些行业的公司（如飞机发动机制造商）一直使用联网设备提供远程监控和服务解决方案，但大多数工作仍处于概念验证阶段，除了增强现有产品和业务流程之外，很少有公司开发基于物联网的业务或运营模式。

为了更好地理解数据生态系统的重要性，B2B公司的管理团队首先需要了解数据货币化过程的四个阶段。

阶段一：基础数字能力。

公司通过开发采集、集成、管理、保护和分析数据所需的基础功能和数字平台来启动数字和分析之旅。

这远不是一项简单工作任务。公司需要新的数字化单元和管理流程来评估那些具有高投资回报的潜在用例。它们必须建立有效的运营模型以提供数字化解决方案交付，而最有可能使用的敏捷工作方式就是建立涉及IT、制造、机械工程和产品开发的跨职能团队。他们通过嵌入传感器、处理器和联网模块，将“物”数字化，例如，产品、制造装备和物流监控器等。它们将收集和和存储物联网数据，然后将这些数据与其他公司的数据源集成。随着数据量和种类的增加，为确保数据的价值，公司则需要选择良好的数据源和管理流程来保证数据的准确性、一致性和完整性。

虽然构建这些数字基础能力本身并不是目的，但这些能力是实施物联网解决方案和从物联网数据中获取价值以及参与数据生态系统的先决条件。开发这些能力式是一项巨大而有意义的投资，公司将在物联网数据资产货币化的过程中印证这一点。这也引出了数据货币化的下两个阶段：将数据驱动的洞察力应用于内部流程，并在外部销售新的数据驱动产品和服务。

阶段二：内部的数据货币化。

内部的数据货币化是一个自然的起点，因为它可以直接节省成本，并且因为实施完全在公司的控制范围内。2017年思科对美国、英国和印度IT和业务决策者的调查发现，最常见的物联网应用专注于提高产品质量或性能（47％），改善决策（46％）和降低运营成本（45％）。

例如，一家钢铁制造商使用设备传感器来提供数据驱动的人工智能算法，以高档汽车用钢上获得均匀厚度的防腐蚀锌。AI算法提供了比手动控制更大的均匀性，从而减少了锌的浪费量，同时提高了质量和生产效率。

许多其他内部数据货币化使用已经变得很普遍，包括改进产品设计，建立预测性维护系统，自动化供应链以及实施其他工业4.0智能工厂解决方案等。

虽然内部数据货币化可以产生显著的价值，但其有用性将随着时间的推移而减少。麻省理工学院斯隆管理评论调查显示，预计三年后的物联网解决方案将更加普遍，更容易被模仿，并且拥有比现在更多的替代品。因此，为了利用物联网数据建立长期竞争优势，公司需要将重点向外部转移。

阶段三：外部的数据货币化。

围绕外部数据货币化建立新业务使公司能够产生递增的经常性收入流，通常财务状况要比其核心业务更具吸引力。例如，与许多资产密集型行业的单位数利润率相比，数据业务的净利润率通常为15％至25％。数据业务也具有更高的市盈率：信息服务公司的典型市盈率介于30至50之间，而资产重工业则为10至20。数据的新收入可能对B2B公司的整体财务业绩产生重大影响。所以，一般情况，通过数据产生1％的增量收入可能导致收益增长10％，估值增长超过25％。

外部数据货币化不仅仅是简单地捕获和倒卖原始数据。在许多行业中，通过聚合和分析不同形式的数据来传递有用的洞察力，可以获得更大的价值，这是数据生态系统建设道路上的重要一步。成功地做到这一点需要公司区分他们的产品，他们可以以多种方式完成：

• 利用独特的数据能力。 Airbus最近推出了Skywise，一个新的航空数据平台，旨在成为所有希望改善其业务的主要航空玩家的参考平台。Airbus与Palantir Technologies合作，提供平台技术以及大型数据集成和高级分析方面的专业知识。Skywise将历史上各种类型的数据和数据源（如订单、备件消耗、组件数据、飞机和机队配置、机载传感器数据和飞行时间表等）集成到一个安全的、基于云端的接入平台中。这种集成的数据资产支持各种新的分析产品，包括注重于减少飞行中断、降低维护成本和优化飞行操作的服务。

• 访问独特数据资产。 Preferred Networks是一家成立于2014年的日本AI创业公司，通过向日本两家领先的制造公司丰田和工业机器人制造商Fanuc提供机器学习（特别是深度学习）技术，建立了价值超过20亿美元的业务。初创公司的估值不仅仅来自其分析能力; 它的合作伙伴关系使其能够访问大量的工厂设备数据。Preferred Networks使用这些独特的AI软件资产来训练其深度学习算法，使其能够开发出适用于各种制造环境的差异化分析产品。因为机器学习和人工智能算法需要针对特定于任务的数据“训练”，所以Preferred Networks的数据访问为其算法提供了难以复制的优势。

• 瞄准新市场。 诺基亚是一家电信设备公司，为移动网络运营商（MNO）提供各种新的物联网数据服务，包括传感器安装和管理，数据处理和存储，数据分析以及基于区块链的安全支付平台。反过来，这些服务使移动网络运营商能够利用其现有的电信设备收集有关空气质量，噪音和光线的数据; 这些发现构成了数据产品的基础，可以销售给智能城市当局，医疗保健提供商，保险公司等。

• 整合相关服务。 Chamberlain集团将其MyQ技术集成到其每个升降机连接的车库门开启器中，使客户能够远程操作车库门，接收状态通知和设置时间表。虽然这些核心服务是免费提供的，但客户还可以选择将其车库门开启功能与合作伙伴应用程序（如Google Home和Tesla的EVE in-dash触摸屏）集成，但需支付订阅费。这种整合增强了客户的价值主张，使Chamberlain集团能够从其数据驱动的服务中获得额外收入。