这是我的第303篇专栏文章。

智能物联AIoT 2.0是智能化和价值化时代，我们即将迈向大量的、主流的设备皆智、升值的高效新阶段。数字化就像企业组织的新基因，正在重塑传统企业的细胞结构。

在上篇文章《智能物联AIoT 2.0的典型特征：通感智值一体化》中，我介绍了“通感智值一体化”的内涵。

“通感智值一体化”的核心思想是将传感、通信和计算的能力深度打通，实现多个功能之间的相互协作、资源共享，追求信息感知的分布性、智能控制的自适应性、系统整体的协调性，最终提高综合的智能化和价值化水平。

“通感智值一体化”的实现，意味着跳出原有学科以及思维模式的限制，跨界整合，除了考虑单个设备或者局部环节的性能之外，更需要兼顾整个系统的全局智能化和最优化。

正如自然界中物种之间的协同进化。当两个物种之间存在高度互补性，它们为对方提供食物、庇护所等资源，最终会在长期共生中形成高度依赖。

“通感智值一体化”同样也是技术要素长期协同发展的必然结果。它代表着技术发展进入到一个更高层次的融合阶段。

这种融合与一体化最终将推动传统产业实现智能化升级，创造更大的经济和社会价值。它是技术发展的必经之路，也是实现产业数字化转型的关键所在。

今天我将继续介绍进入智能物联2.0，产业即将发生的一系列转变：

• 转变1：奔赴数字原生组织

• 转变2：打造可信数字底座

• 转变3：激发智能服务涌现

奔赴数字原生组织

数字化就像企业组织的新基因，正在重塑传统企业的细胞结构。

在“中国AIoT产业年会暨2023智能产业洞察大典”中，我曾经介绍过数字原生企业这一趋势，现在她仍在持续的发展中。

借助智能物联AIoT 2.0实现数字原生企业，可以说是一种双向奔赴。一方面从万物互联到万物智联的演进，技术的成熟驱动企业向数字原生企业迈进，另一方面实现数字原生，企业需要高质量的服务规模化，并依托AIoT数字底座，为数据流通和分析提供支撑。

谈到数字原生企业，有的朋友可能会问，我的公司是一家传统企业，谈何“原生”呢？这里想跟大家强调的是：数字原生并不看企业的出身，关键考核指标在于思维模式是否发生改变。

请回想一下，在你的企业从生产、制造、到销售、运营的过程中，管理者是否时时刻刻想着利用数字化工具来提升自己效率？

这种工具不一定是花几百万部署的一套系统，或许只是一个小小的开源软件，当这种思维贯穿企业的所有流程时，企业就会向“数字原生”企业的方向蜕变。

奇绩创坛创始人兼CEO陆奇评论过，Google的价值是把“信息获取”的边际成本降为0，ChatGPT的价值是把“知识获取”的边际成本降为0。

随着“碳基”企业向“碳基+硅基”企业演化，年轻一代的“数字原生”人才携带着新的职业期待而来。在这个阶段，以人为本的出发点尤为重要。与之伴随，企业的员工中可能会有越来越多的机器人“同事”，企业中的人机协同与数智蝶变将会推升到新的高度。

这些硅基“同事”并不是机器人，而是智能代理，他们具备感知现实世界的智能。每个个体都应该了解市场上不同厂商的模型和产品的能力边界，这样才能在面对行业、业态和业务时，选择最合适的硅基同事来完成工作。

这时每个个体也将进化为“全天候碳硅体”，个体实现团队的工作能力。

这种蜕变一旦发生，便会层层深入。更深层次的影响，将从人员结构、操作流程渗透到组织架构的层面。

举个我曾经提到的例子，我们大部分制造企业的流程，可以简单粗暴地拆解为三个部分：计划、生产和配送。就智能制造而言，生产执行并不是特别困难的事情，最具挑战性的方面是计划和配送。

因为很多生产线已经实现了自动化，根据生产计划进行制造。企业可以通过对硬件的投入，提升生产环节的确定性和产品的质量。

然而，做好计划和管理物流并没有那么容易，物流是供应链中最易受到干扰的环节，任何生产中的干扰，都会对我们企业的物流和配送产生影响。

那么，我们做智能制造，其实是在做什么？

智能制造做的其实就是，当人和机器在争夺车间生产现场控制权的时候，到底是听人员的，还是听机器的。答案已经显而易见，智能制造做得好的企业，都会把生产制造的控制权交给机器。能让机器做的，绝对不让人去做。

在这个理念的基础上，一些企业实现了计划无人、生产少人、配送自动。

当我们实现了“计划无人”和“配送自动”的时候，接下来很有意思的事情就会发生。我们可以实现一种以场景拉动的，跨系统数字化决策平台。

这个时候，智能制造对生产硬件、装备的改造，对流程、管理的改进，将会渗透到组织、部门的层面，甚至岗位设置都可能发生变化。

对于工业企业的中层和基层员工，不用学习系统操作，不需要了解数字化决策平台的背后构成，到底是IoT、还是MES、还是ERP、还是PLM，他只用面对当前这一刻平台让他解决的具体问题就行。

平台就像他的一个虚拟的助手，告诉他当前有什么任务分配给他，并给他提供提示，辅助他完成。

工业企业的部门设置可以进一步变轻，减少部门之间的沟通与协调，而是集中精力用于生产。

怎么让人员集中精力用于生产呢？做骑手！当决策平台发现生产遇到问题的时候，就可以发送任务给骑手，骑手接单按照系统提示处理任务，从而形成“系统派单→人员接单→按单激励”的流程。

当数字化思维内化于心，外化于行，数字原生组织应运而生。

打造可信数字底座

前文提到，数字原生组织需要的是一种以场景拉动的，跨系统数字化决策平台，由此便会引发新一轮的系统架构变革。

在今年10月，知名投资机构a16z举办了年度Connect /Enterprise活动，重点提到了系统架构的这种转变。

曾经提出“软件正在吞噬世界”的马克·安德森（Marc Andreessen）认为，最近这段时间我们把关注的焦点都集中在了算法突破、模型创新等领域，而忽视了系统架构的这一轮本质上的变化。

其实每隔一段时间就会发生一次系统架构的转变，每次架构变化就像完成了一次行业的重新洗牌，出现了一种新的计算机“种族”。这种系统架构的转变就像房间里的大象，所有人都不可能对它视而不见。

• 系统架构1.0—客户端/服务器

在计算机发展的早期，人们需要汇编语言、编译器和操作系统方面的专家来开发一个简单的应用程序。

商业互联网在上世纪90年代末期成熟起来，这要归功于x86指令集（Intel）、标准化操作系统（Microsoft）、关系数据库（Oracle）、以太网（Cisco）和网络数据存储（EMC）。Amazon、eBay、Yahoo，甚至最早的Google和Facebook都建立在这个我们称之为系统架构1.0的基础上。

• 系统架构2.0—公有云

Amazon  AWS、Google Cloud、Microsoft  Azure、阿里云…定义了一种新的基础设施类型，这种基础设施是无需物理部署可持续运行的、可扩展的、可编程的。它们有些是开源的，例如Linux、MySQL、Docker、Kubernetes、Hadoop、Spark等。但大多数是付费服务，例如边缘计算服务Cloudflare、数据库服务MangoDB、消息服务Twilio、支付服务Stripe，所有这些加在一起定义了云计算时代。

这一代技术把互联网扩展到数十亿的终端用户，并有效地存储了从用户那里获取的信息。系统架构2.0的创新催化了数据急剧增长，结合算力和算法飞速进步，为今天的AI机器学习时代搭建了舞台。

• 系统架构3.0—可信数字底座

系统架构2.0关注的问题是如何互联互通，而如今我们关注的重点是如何激发智能。从连通性到认知性的需求变化，造成了目前我们在系统架构从2.0到3.0转变过程中的混沌。

在文章《物联网企业未来到底是上云，还是下云？》（这里的云，特指公有云）中，我曾经讨论过这种系统架构的变化，如今带领“下云”加快节奏的是马斯克。

2023年10月27日，X平台的工程团队最新发布了一篇长帖透露了该平台运行的现状，以及其逆风而行之下采取的“下云”实践。

根据相关人士透露“X平台已经将#CloudExit作为其节约成本计划的关键组成部分。X平台通过将工作从云端转移到他们自己的服务器上，每月的云成本降低了60%。”

不单考虑成本因素，仅靠公有云，根本无法灵活满足用户的差异性需求。有人想要性能强劲的算力，有人想要响应速度快、时延低的算力，有人想要价格便宜的算力…

如果未来的趋势是企业下云，计算和分析会下沉到哪里？

答案很明显：边缘。

在公有云平台和现场设备之间一直存在着巨大的“断层”。

相对公有云，边缘计算是指收集并分析数据的行为发生在靠近数据生成的本地设备和网络中。

出于对隐私和时延的要求，大量的现场数据并不用上传到公有云，而应进行实时的本地处理和高频的数据交换，最终的决策相关数据才上传到云端。

训练好的算法和模型也应部署的离现场越近越好，并保持随时更新。这就需要云端和现场层之间的“桥梁”不仅负责通讯，还应具备计算和分析功能。

因此，边缘侧的计算与智能将越来越重要，我们需要更多思考：怎样深度融入工业、农业、能源等垂直行业，助力千行百业进行数字化转型。

我们不妨将系统架构3.0所需的这种以场景拉动的，跨系统数字化决策平台，称为企业的可信数字底座。

可信数字底座，就像构建数据资产的分布式金字塔，是一项企业级数字能力的底座工程。

可信数字底座旨在打造以可信数据为基础的、从数据采集到储存交换到计算赋能都嵌入可信技术、并最终实现可信数据资产化的数据要素价值闭环的系统架构。

与常规数字底座相比，可信数字底座以数据要素最终价值化市场化为导向，来打通“收集-储存-交换-赋能-应用”等各个环节，具有主权唯一、不可篡改、隐私保护等特征，并具备较好的辅助决策技术，为数据要素更好的应用赋能。

激发智能服务涌现

每一个成功的项目背后，一定要有健康的商业模式作为支撑。关于物联网的商业模式，其中最为系统化的论述，要追溯到2014年。

那一年，竞争战略之父迈克尔·波特和PTC公司总裁詹姆斯·赫珀曼共同执笔，在《哈佛商业评论》上发表了一篇名为《智能互联产品如何改变竞争》的文章。他们认为智能互联产品将改变传统的产业结构、商业模式以及很多行业的竞争态势。文中的这幅图堪称经典。

将近10年之后的今天，数亿部智能互联产品进入市场，商业模式愈加成熟，尤其是智能服务正在兴起。

过去，卖产品和卖服务往往只能二选一。

现在，既要卖产品也要卖服务成为常态。

过去，服务业严重依赖人类的“边际交付时间”，所以在世界500强企业中，做产品的公司要远多于做服务的公司。

现在，智能物联2.0正在让服务业可以尽量脱离对时间、空间、人力的依赖，开创了不受限的新疆域。

例如在智能物联2.0阶段，汽车公司不再是生产汽车了，而是变成了汽车运营公司，通过汽车建立跟驾驶和用汽车的各种各样的连接。福特汽车公司已经将自己定位于移动服务供应商，在车载网络、移动服务、自主车辆和大数据方面培养新的专业能力。福特还推出了一系列新产品，比如应用平台FordPass，帮助用户支付停车费、拼车以及获得虚拟助手的帮助，使得出行更加便利。

美国体育运动装备品牌Under Armour正在从传统的服装制造商转变为数字化健身产品和服务供应商。Under Armour支持“互联式健身”，将服装、体育运动和健康状况结合为单一综合的数字化体验。

随着大模型的发展，2023年正在出现AIGS，也就是人工智能生成服务的新模式。

当Matter作为通信标准逐渐普及，当智能家居的各种产品可以无缝的互联互通，我们有可能利用AI创造更多有趣的智能服务与体验。

智能家居摄像头或其他传感器收集数据，而生成式AI则可以分析这些数据，并形成有用的信息，更好地为家庭成员提供服务。

比如，当主人在凌晨两点，站在厨房盯着冰箱发呆时，AIGS可以用智能音箱奏响催眠曲或者冥想背景声。当AIGS发现孩子在晚上10点还在家里跑来跑去时，可以自动关闭客厅的灯光和窗帘，在儿童房开始播放枕边故事。

除了智能家居，在自动驾驶汽车、智能酒店等场景，也都可以使用AIGS创造全新体验。

AIGS就像数字海洋中的风帆船，正要启航探索无限可能，驶向广袤的空间。这些由AI生成的智能服务，或将成为下一个风口。

优秀的企业善用技术，进而拥抱最新的商业模式，这是一种螺旋式上升的趋势。当新的工具和生产力出现时，最先采用这些新工具和生产力的企业或行业将成为产业的领导者。

在这个竞争中，那些无法跟上时代潮流的企业或行业将被淘汰、收购或兼并，最终消亡。

这种现象贯穿了整个人类文明史，几千年来，那些能掌握先进生产力的人才能在竞争中取得胜利，而那些掌握落后生产力的则被淘汰。

这是一个螺旋式上升的过程，随着新的生产力的出现，我们需要及时掌握并恰当地使用它们，这也是一种能力。

写在最后

以上，本文介绍了智能物联AIoT 2.0将带来的三大产业变革趋势：数字原生组织、可信数字底座和智能服务涌现。

智能物联AIoT 2.0代表了新一代信息生产力的进步，它将深刻改变许多行业的组织形式、基础设施和商业模式。

如果一个行业能够及早迎接这波新生产力的到来，就能抢占先机，获得竞争优势。反之，那些过于依赖旧生产力、无法进行数字化转型的企业和行业，势必会在市场竞争中逐渐被淘汰。

数字化就像重塑企业基因的生化试剂，正在催生数字原生组织的新生命；构建可信数字底座，可以强化企业的数字化“骨骼”；汹涌的智能服务浪潮，是数字化“肌肉”不断壮大的表现。

在智能物联AIoT 2.0时代，我们要乘风破浪，实现数字化转型，以适应产业变革的大趋势。只有快速融入新生产力，才能在数字化洪流中屹立不倒、砥砺前行。

为了更好地解读“智能物联AIoT 2.0”，我们将在12月15日举办“中国AIoT产业年会暨2024年智能产业前瞻洞察大典”，欢迎你的参与。