來源：IBM中國

“互聯網+”是哪個互聯網

首先，起主導作用的是工業制造業，而非消費級互聯網。中央政府提出“互聯網+”的概念之后，從官方到民間都對互聯網公司投入了巨大關注，風投等資本更是熱情高漲。但消費級互聯網能否在中國經濟結構性調整、產業升級中起到一招定乾坤的作用，仍需要深入探討。

大家所熟悉的互聯網，是消費互聯網，它已經展示出在銷售、營銷、支付、品牌、物流等與消費端緊密結合領域的創新能力。消費互聯網改變了消費者與產品提供者之間的權力關系，甚至將在柔性生產時代改變生產與消費之間的“供需關系”，已有公司提出了pro-sumer（生產-消費者）和CEC（ChiefExecutive Consumer，首席消費官）的概念，讓消費者參與產品的設計、生產、公司的決策。

但是，消費互聯網從存在之初就不是為工業制造業等深度的行業應用而設計的，其安全性、可靠性、準確性都不可能滿足“中國制造2025”和信息化工業化“兩化融合”的需求。正如中國工程院鄔賀銓院士所說：“互聯網能不能促進工業制造業核心競爭力的提高？能。但我們需要的是智能化工業互聯網，而不僅是一般意義上的消費互聯網。”

差別何在？以建筑行業為例，建筑信息模型（BIM，BuildingInformation Model）可以在動工之前，從設計開始，預算、施工、竣工到維護的全生命周期都可以測算、評估。從每一個螺絲釘、每一根鋼筋、每一扇門窗，到水泥用量、灌注順序、土層水文分析，都可以提前建模，實現精細管理。從時間上，這可以大大縮短工期，提高效率；從空間上，可以圍繞BIM進行全球化的生產協作，完成產業鏈的高度整合。

BIM是基于一套建筑對象的工業基礎類（IFC，IndustryFoundation Class）數據模型標準，IFC可以對很多物體進行精確的數據化描述，描述對象從螺絲釘、油氣、重工機械到航空母艦。建筑物的生命周期中，涉及的物品種類眾多，使得與建筑相關的數據非常復雜。數據完整性，數據交換性，如何讓以建筑為基礎的軟件數據交換形成高效連續的工作流，此類問題一直困擾著建筑產業。而這種量級的數據是無法通過消費類互聯網技術進行存儲、調用和運算的。

未來3年的發展，將會決定未來10年的國家競爭力，把數據驅動的工業互聯網當作未來的國家基礎設施工程，毫不為過。

為什么不用“工業互聯網”代替“互聯網+”

那么，為什么中國政府為什么要用“互聯網+”這個概念，而不直接提“工業互聯網”呢？

中國政府提出“互聯網+”（以及“中國制造2025”），一方面是應對歐洲大陸國家和美國的國家政策（比如德國的“工業4.0”，和美國的“制造業回國”），另一方面也結合了中國特殊的產業結構和行業現狀。宏碁集團創始人施振榮先生的“微笑曲線”可以幫助我們理解，歐洲、美國和中國各自的政策主張，背后是不同利益立場和價值主張。

以德國為代表的歐洲，占據微笑曲線的左端：機械產品的研發、大型裝備的嵌入式系統、工業控制和制造工藝流程都占據全球領先地位，比如戴姆勒-奔馳、蒂森-克虜伯、西門子、SAP等公司。右端，美國一直占據營銷、品牌、咨詢的世界頂級地位，比如4A公司、麥肯錫、IBM的咨詢服務業務，Google、Facebook某種程度上也可以看作廣告營銷類公司。而中國的產業，大部分還停留在微笑曲線的最低端。

但是中國的產業結構和行業發展也具有獨特性。比如，中國是全世界最大的移動互聯網和PC互聯網消費市場。再比如，中國的產業結構雖然發展階段高低不同，但是行業覆蓋面廣，工業、服務業、制造業門類齊全，從義烏的小商品制造到三一重工、沈陽機床。

與此同時，中國的工業制造業公司自動化程度參差不齊，大多處于初級階段，中小企業上網率只有25%左右，上云率只有23%，跟風企業較多，創新型企業不足，對新生事物普遍沒有洞察力。因此，中國政府提出互聯網+是客觀現實的，符合中國目前的發展水平。

德國“工業4.0”希望從左端出發向右邁進，充分發揮德國企業在裝備制造和軟硬件一體化方面的優勢，重新定義大數據時代的制造技術。以我個人對德國公司的觀察，他們的優勢比較明顯，自動化程度很高，在行業深耕幾十年甚至幾百年但卻勇于擁抱現代，大公司有效率，小業務有特點，這對于德國進行工業4.0均有幫助。美國在“全球化戰略”和技術創新、產品設計發展到一定階段后，一直期望制造業能夠回歸本土。

各國的提法不同，但是都是要打通一條微笑曲線：創新、研發、設計——制造、組裝、物流——營銷品牌、咨詢。從研發一端，到消費一端，利用技術手段進行跨行業的整合。

中國制造總體處于微笑曲線底端，迫切需要通過“互聯網+”向價值鏈上方提升

‍

“互聯網+”的“+”是何涵義

打通、連接只是第一步。2008年IBM提出的“智慧地球”時強調三個方面：物聯化、互聯化、智能化（簡稱3i，Instrumented、Interconnected、Intelligent）。在提出“智慧地球”的時候，還沒有今天無所不在的傳感器（Instrumented），并沒有國家提出與物聯網（Interconnected）相關的國家戰略。

7年后，我們看到在很多城市和很多行業中仍然只是實現了物聯化，跨公司、跨行業的互聯化才被提到戰略高度，還遠未實現。但我們仍要強調7年前的觀點，互聯化不是結果而是手段，“互聯網+”之后打通價值鏈上下游的數據，仍遠不能實現“智慧地球”，關鍵在于最后的一步“智能化”——對實時數據進行分析的大數據技術，在進行大數據分析之后產生“洞察”（insight），并實現實時決策——這才是終極目標。

根據IBM價值研究院的報告，今天90%以上的實時數據只是被靜態地存儲了起來，并沒有經過分析，但60%以上的實時數據只有在實時的決策中有價值，之后便變得毫無意義。

沒有洞察的數據，只是靜態的數據，只能實現“描述性分析”（DescriptiveAnalytics），即根據歷史數據進行統計歸納，可以實現現象的準確描述。比如，我們已經可以根據歷史性數據作簡單的購買行為的描述：消費者的地域分布、年齡、購買習慣，并可以據此進行重復性的推薦。這屬于大數據分析的第一階段，大多應用于消費互聯網。

如果能夠根據歷史性數據進行“預測性分析”（PredictiveAnalytics），在數據中發現規律、形成洞察，就能夠更加接近客觀真相，并據此制定更好的解決方案。比如IBM和美國亞特蘭大州格威納特縣的公立教育機構合作，用大數據分析學生逃課的規律，發現需要幫助的同學，并給他們及時提供更多的教育資源。根據分析數據呈現的規律，我們可以在紐約預測犯罪的發生，在沈陽預測交通擁堵，知道一個城市何時出現用電高峰可能導致全城停電，預測米蘭時裝周的流行趨勢，了解小德在紅土、草地、硬地上擊球的力量和速度規律，蜂群遷移的方向，流行感冒爆發的規律。

比“描述性分析”和“預測性分析”更重要的是“指導性分析”（PrescriptiveAnalytics）。因為對于很多決策者來說，相對于描述過去的事實和預測可能的規律，更重要的是如何在多變、不確定、動蕩的當下做出正確的決策。

去年APEC會議期間北京上空驚現“APEC藍”，就是指導性分析的結果。IBM大數據分析和認知計算精確地測算出，在11月4日到5日和11月9日到11日兩個時間段內，北京會遭受嚴重的空氣污染，污染源分別來自北京西南周邊地區和北京東南周邊地區。這一情況提前三天就被預測出來，政府因此實現了小規模、分時段的管控，保障了會議期間北京的空氣質量。值得一提的是，北京市政府并沒有簡單地對周邊區域全部工廠進行大面積關停處理，而是用最小的經濟代價實現最大的社會價值。

智能化決策在全世界絕大多數行業，還遠未實現，這正是“互聯網+”下一步的遠景目標。

智能化決策的三個階段

“互聯網+”的三個挑戰

實現“互聯網+”，靠的不是想象，而是技術能力和人才。對中國而言，未來的挑戰來自三個方面。

首先，數字技術與傳統工業技術的深度整合——數字物理系統（CPS，CyberPhysical System)，對信息安全的要求極高。如果出現安全問題，不僅會帶來巨大經濟損失，也會危及國家利益和人民生命。

其次，在確保信息安全性的前提下開放標準。這是建設強大的智能化工業互聯網的關鍵。在“互聯網+”深入到各行各業的過程中，最大問題是國家、行業、企業以鄰為壑，各自為戰，通過獨立標準和封閉技術系統阻擋網絡聯通和數據流動，人為的割裂本來應該開放的工業互聯網。

最后，中國面臨人才窘境：既懂得制造業的工藝流程、核心技術又懂得IT技術的跨界人才極度匱乏。一方面，現有的教育體制無法提供這樣的人才，也不會有公司投入大量的時間、資本去設立機構培養；另一方面，今天的浮躁現實，并沒有為互聯網、大數據、軟件精英人才提供深入研發和跨界發展的外部動力。

一篇出自德國留學生的文章寫道：“德國的信息產業雖然沒有美國那么風光無限、創新不斷……但離開了實體工業的互聯網，其實沒有我們想象的那般強大。

在工業領域基礎雄厚的德國，企業家們明白這個道理。在中國，傳統企業向互聯網+或者工業4.0轉型，還需要深度的人才開發和研發投入，這種改變才會發生。