2016年8月1日，對于互聯網科技領域來說是個標志性的日子，全球市值最高的五家公司第一次全部花落科技公司，并且都來自美國西海岸：舊金山灣地區的Apple、Alphabet（Google母公司）和Facebook，以及西雅圖附近的Microsoft和Amazon。這的節點向世人展示出：全球的經濟轉型正在悄然發生，今天的科技巨頭在個人生活和企業運營中占據更加中心的位置。

10年前在PC如日中天的時代，微軟是唯一一家市值擠進全球前20的科技公司。5年前，按市值排名的五大公司中有五家從事石油行業：埃克森、中國石油和荷蘭皇家殼牌，這依然是工業經濟時代的代表，能源企業占據優勢。隨著能源行業沒落，五家最大的科技公司創造的數字平臺滲透到人們生活工作的方方面面——從智能手機到云計算平臺，再到手機聊天應用，互聯網科技公司已然成為世界經濟中的新領導者。

從美國五大互聯網科技公司的產品技術發展路徑和方向看，主要呈現以下7個趨勢：

趨勢一：云計算服務成為業務新方向

Gartner研究報告顯示，截至2015年，全球云計算市場規模已達1750億美元，預計2016年達2030億美元，2019年達到3120億美元。與全球云計算市場相比，中國云計算市場規模尚小，占比不足5%。在云計算投入方面，亞馬遜、微軟和Google投入力度最大。

其中，亞馬遜在公共云服務市場排名全球第一，占據超過30%的市場份額，AWS(Amazon Web Services)除了提供基礎存儲和計算服務之類的IaaS(基礎設施云服務)以外，還提供數據分析、電子郵件、搜索和工作流等成百上千種其他的服務和功能，而提供這些附加服務的邊際成本幾乎為0。

微軟作為傳統的IT巨頭，在向云計算服務轉身的過程中速度迅猛，憑借其Office365和Azure的云服務雙引擎獲得了市場第二的位置。

Google的云計算平臺GAE是從PaaS(平臺即服務)起家，聚焦開發者人群，未來Google的方向會是聚焦大數據和人工智能相關的云服務方面，同時Google在云數據中心和硬件方面也擁有獨特的技術，比如Google將DeepMind的機器學習系統用在了控制部分數據中心上，不僅可以節約能源，還能提高能源效率。

Facebook與蘋果則主要聚焦在給消費者提供服務方面，目前并未為企業提供云服務。

趨勢二：高度重視人工智能和深度學習領域

以計算機視覺處理、自然語言處理、語音識別、神經網絡訓練與深度學習技術為代表的人工智能技術逐漸應用到大量的場景中。AlphaGo與人之間的人機大戰，引爆了世界對人工智能的關注度。

2010年以來，蘋果已悄無聲息收購了15家人工智能公司，并將其人工智能技術融入到各種產品之中，以機器智能和平衡個人用戶的隱私為主，具體在Siri和無人駕駛汽車領域布局，蘋果還宣布與IBM共同開發人工智能健康數據平臺。

Google在人工智能領域布局很廣，在云服務中開源第二代機器學習系TensorFlow，在人工智能硬件方面投入人工智能加速器芯片TPU，未來的應用領域會從無人駕駛汽車、智能家居到虛擬現實多個產品中。

Facebook的人工智能研究深深依托于社交網絡的發展，從 Facebook 產品中獲得數據，訓練數據，得到的人工智能產品也發過來服務于社交網絡的用戶。

微軟則認為未來開啟對話即平臺Conversations as a Platform（CaaP）時代，將人工智能技術應用到智能助手、VR等領域。

趨勢三：虛擬現實有望成為下一代人機接口

很多人將2016年視為虛擬現實產業化元年。虛擬現實技術（Virtual Reality，VR）和增強現實技術（Augmented Reality，AR）將顛覆傳統模式，通過提供良好的沉浸式體驗而成為新一代人機交互平臺。2016年全球的消費電子展(CES)和MWC(移動互聯網大會) 上，虛擬現實都是當之無愧的主角。
根據Digi-Capital的預測，到2020年，全球AR與VR市場規模將達到1500億美元。其中AR市場規模為1200億美元，VR市場規模為300億美元。

雖然虛擬現實(VR)技術相關概念早在上世紀60年代就被提出，但真正引起業界的關注當屬2014年的一件事：那就是Facebook以20億美元收購沉浸式虛擬現實技術公司Oculus VR，一下讓沉默多年的VR成為了全球科技界的焦點。

Google已經基于Android N系統的DayDream平臺作為VR的技術平臺，開始搭建VR生態。微軟在全息眼鏡HoloLens和深度傳感器Kinect方面投入巨資，與其Windows 10平臺進行結合。

當前，三星、谷歌、索尼、微軟、HTC等傳統行業巨頭們都將虛擬現實作為創新關注點，大量的創新企業在虛擬現實領域也大量涌現并崛起，虛擬現實硬件、軟件和內容領域都受到前所未有的關注。虛擬現實技術將深刻影響媒體、游戲、娛樂等行業，VR甚至會成為互聯網的另一個關鍵入口。

趨勢四：無人駕駛汽車成為下一步發展方向

據麥肯錫預測，無人駕駛汽車到2025年可以產生2000億至1.9萬億美元的產值。波士頓咨詢公司研究顯示，首批無人駕駛汽車將于2025年正式上路，到2035年無人駕駛汽車的全球年銷量預計可達1200萬輛。

可以想象，不久的將來，伴隨著無人駕駛汽車技術和產品的成熟，司機可能真的會失業。所謂無人駕駛依靠人工智能、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦可以在沒有任何人類主動的操作下，自動安全地操作機動車輛。

目前看，無人駕駛汽車領域的主導者主要為汽車廠商與互聯網巨頭們，互聯網巨頭雖然在汽車以及相關零部件制造等領域缺乏經驗，但它們在云計算、大數據處理、人工智能、高精度地圖等領域有明顯的優勢。

2015年 6 月 26 日，Google 無人駕駛車正式開上美國加州的公路進行測試。Apple的無人駕駛汽車項目Project Titan正在進行之中，預計2021年上市。2016 年 1 月 15 日，美國聯邦政府宣布，計劃在未來 10 年撥款 40 億美元，加速無人駕駛汽車的發展，希望減少交通事故死亡率和交通擁堵狀況。

趨勢五：無人機應用落地指日可待

在不久的將來，讓無人機與客機共享天空——這是美國白宮正在籌劃實施的一項計劃。美國政府宣布，它將實施數項旨在擴大無人機應用的計劃。白宮提出設想將無人機應用于安全檢查、救災、農業監測、空中交通管制、空中包裹遞送等用途。國際無人機系統協會提供的數據顯示，到2025年，該行業預計將產生820億美元的經濟效益，并且將創造多達10萬個工作崗位。

GoogleX部門旗下的Project Wing計劃于兩年前秘密啟動，目標是解決在商業性航班空域開展大規模無人機送貨服務的問題。

亞馬遜的無人機項目為Prime Air，已經開始在英國進行測試，通過無人機送貨可以讓最后一公里物流成本下降80%。

Facebook剛剛完成Aquila無人機的第一次全面試飛，Facebook希望向全球沒法接觸網絡的16億人提供網絡，他們計劃利用這個太陽能驅動的無人機以激光傳輸數據，覆蓋60英里寬之內的地面區域，并且它能在空中停留長達90天。

趨勢六：機器人融入行業應用

機器人的底層技術要依賴于人工智能和深度學習技術的成熟，根據Gartner 公司預測，到2018年，20%的商業內容由機器自動產生，媒體工作者們要小心自己的工作被搶；到2018年，全球將有超過300萬工人處于“機器人老板”的領導下。

從工廠樓房到家庭居所，機器人未來會成為工人、伙伴、醫療助理、廚師、保安人員等等，應用需求一直在增加。不少初創公司聚焦在工業級機器人、消費級機器人、醫療服務機器人、安全機器人、通用機器人等細分領域。

比如亞馬遜目前已在13個配送中心部署了3萬倉儲機器人，亞馬遜的機器人把裝滿各種商品的貨架運送到采摘中心，然后再由員工完成商品的分揀工作，確保把商品遞送給正確的用戶。

趨勢七：下一代操作系統連接PC、手機和其他智能設備

目前物聯網產業發展的重要問題就是缺乏統一的底層平臺軟件，智能設備無法實現互通。Google目前正在致力于開發一款新的開源操作系統——Fuchsia，使用不同的內核全新編寫，支持PC、手機以及其他智能設備。Fuchsia的目的就是打通PC和手機，可能會是谷歌未來IoT的融合操作系統。

以下為相關閱讀

大數據賦能制造業轉型升級的5個方向

來源：阿里研究院，作者：潘永花

【導語】大數據+工匠精神的結合對于制造業的轉型升級至關重要。而大數據的實時、感知和預測等特點確實可以為制造企業在降低成本，縮短生產周期，提升效率，細分產品定位，優化流程和決策等方面扮演重要的角色。

數據對于制造企業的全流程來說都可以起到非常積極的作用，對于線上線下銷售的協同，對于供應鏈優化和管理也可以起到重要的作用，在提升對客戶的服務水平方面，如何針對不同細分市場需求，進行全渠道銷售的設計規劃等方面都會起到重要的作用。

電子商務以及互聯網所帶來的用戶需求呈現實時、少量、碎片化、快速翻新等特點，對于傳統制造商來說，滿足這種長尾需求難度很大，因此生產制造的柔性化變得重要。

大部分的中國制造企業依然還處在數據化和信息化的初級階段，甚至有很多還沒有建立內部的業務系統，因此業務數據化基礎還尚未準備好。

從阿里巴巴零售平臺上實現3萬億銷售額花費了13年的時間，而沃爾瑪卻花了54年，這個對比的背后同樣是DT時代的技術基礎設施與IT技術支撐的零售信息化的差異化。云網端的迅速發展帶來了數據量的激增，根據IDC數字宇宙報告顯示，全球自從2010年進入ZB時代以來，由于物聯網設備發展速度遠超過智能手機的發展，因此由物聯網所產生的數據增量將會驅動著全球數據量在2020年達到44ZB。

去年我們國家發布了《促進大數據發展行動綱要》，這個綱要成為指導我們國家從數據大國到數據強國之路一個關鍵指導性的文件。而制造業的升級轉型是國家供給側改革的重中之重，也是提升滿足內需與外貿供給能力的基礎。在這個文件中，國家也明確提出“發展工業大數據。推動大數據在工業研發設計、生產制造、經營管理、市場營銷、售后服務等產品全生命周期、產業鏈全流程各環節的應用，分析感知用戶需求，提升產品附加價值，打造智能工廠。建立面向不同行業、不同環節的工業大數據資源聚合和分析應用平臺。”我們也看到在工業化與信息化融合的過程之中，在實現中國制造2025的過程之中，數據如何賦能傳統產業的升級轉型成為備受關注的焦點。

今年五月份在貴陽的大數據會議上李克強總理的發言非常值得思考：“以大數據為代表的創新意識和傳統產業長期孕育的工匠精神相結合，使新舊動能融合發展，并帶動改造和提升傳統產業，有力推動虛擬世界和現實世界融合發展，打造中國經濟發展的“雙引擎”。”大數據+工匠精神的結合對于制造業的轉型升級至關重要。而大數據的實時、感知和預測等特點確實可以為制造企業在降低成本，縮短生產周期，提升效率，細分產品定位，優化流程和決策等方面扮演重要的角色。

1、數據賦能制造業的全流程

我們國家的制造業企業之間在信息化建設和數據化程度方面相差很大，但總體上由于距離消費者相對較遠，因此互聯網化與數據化程度和對大數據的認識相對金融、電信、政府等行業相差比較遠。當然，其中也有不少領先的代表企業，比如海爾，比較早就部署相對完善的內部的信息系統，涵蓋了主要的業務流程，并且比較早地就將社交數據中獲得的客戶反饋融入到新產品研發之中，結合了內部和外部數據的能力。但是，大部分制造企業依然還是處在信息化比較起步的階段，由于人才以及技術能力的欠缺，對于大數據的意義和價值認識比較弱。

我們看到對于制造業來說，如果把數據分為內部和外部兩大類的話，內部數據主要包括經營及運營數據、客戶數據、產品相關的設計、研發和生產數據、機器設備數據等，傳統的信息系統處理比較多的是內部數據為主，圍繞著業務流程改進和提升為主要目標，而且對于機器設備運行的日志數據相對利用較少；外部數據包括社交數據、合作伙伴數據、電商數據以及宏觀數據等這方面數據的開發和利用相對較少。大部分企業不僅內外部數據尚未打通，自己內部的數據也還沒有實現整合和標準化，信息孤島現象也是屢見不鮮。

我們的觀點是數據對于制造企業的全流程來說都可以起到非常積極的作用，比如從產品設計和研發開始，如果能夠非常直接地對接到消費者，依據對消費者的行為和消費數據分析，定位相應的產品設計和研發。同時也能夠依據消費者對產品的喜好和需求量，進行定向精準的市場營銷，進行產品的計劃和生產的排產，減少相應的庫存。同時，數據對于線上線下銷售的協同，對于供應鏈優化和管理也可以起到重要的作用，在提升對客戶的服務水平方面，如何針對不同細分市場需求，進行全渠道銷售的設計規劃等方面都會起到重要的作用。

雖然阿里巴巴是互聯網企業，但其大數據應用的發展之路是值得制造企業去借鑒和學習的。總體上來說阿里巴巴也是在經歷著從業務數據化到數據業務化的過程，業務數據化還是圍繞傳統電商業務來提升整個流程相關的數據，服務業務部門和管理層為主，總的目標也是為了降低成本，提高營運效率和質量為主。比如個性化推薦、搜索優化等。

現在阿里巴巴在數據數據業務化方面進行了很多有益的探索，總結起來就是阿里的數據+外部數據+大數據技術能力的輸出，產生很多新的商業模式，不僅服務于阿里生態，逐漸賦能和服務于越來越多的各行業用戶，比如螞蟻微貸是基于商家的信用數據提供貸款服務，芝麻信用是基于個人的消費、理財以及社交等數據提供個人信用服務。在整個探索的過程中，我們看到數據的在線性保證了數據實時都會更新，數據的外部性通過數據共享、融合體現了數據的價值。

2、數據驅動生產和制造柔性化趨勢

電子商務以及互聯網所帶來的用戶需求呈現實時、少量、碎片化、快速翻新等特點，對于傳統制造商來說，滿足這種長尾需求難度很大，因此生產制造的柔性化變得重要。比如淘工廠把工廠的生產能力通過互聯網實現了與商家需求的快速對接，通過數據聯通把需求與供應之間的信息對稱化，減少了中間商環節，縮短了生產周期，降低交易成本，并加快周轉速度。

ZARA這個快時尚品牌也是利用數據實現智慧供應鏈的例子，我們看到大量服裝企業都面臨生存的壓力，而ZARA母公司銷售額在2015年依然保持了15.4%的增長。其中很重要的原因就是ZARA以數據為核心打造的極速供應鏈系統，實現了新產品的柔性化生產。相對競爭對手來說，ZARA可以通過數據的聯通和協同更快更好的控制從市場調研、到設計、打版、制作樣衣、批量生產、運輸和零售整個環節。雖然ZARA不是互聯網企業，但是它對用戶需求的響應是完全互聯網思維的方式，滿足的也是快速翻新、少量、快速響應和生產的類似于消費者在互聯網上的需求特點，比如一般的國際大品牌的前導時間是120天左右，而ZARA可以實現15天的新品供應過程。在整個過程中，它使用線下線上的數據融合，利用電商平臺的銷售數據以及對用戶消費者的線上調研數據，同時也會利用線下每個門店的銷售數據實時反饋到公司總部，實現產品的快速迭代，它一年設計的服裝款式達到12000多款。這種基于數據的協同和流動實現的供應鏈帶動了ZARA總體效率的提升和庫存的大幅降低。

3、利用大數據創新商業模式

以消費者數據為基礎的消費者喜好和需求畫像倒逼到產品的設計、研發、生產、供應鏈、營銷等制造業供給側的多個環節，這就是C2B的本質。索菲亞衣柜是C2B模式創新的代表，2015年的營收達到31.9億元。索菲亞在探索C2B的實踐過程中，數據對于其規模化和個性化的平衡起到關鍵作用。索菲亞認為自己不是家具制造企業，而是一家大數據企業。在調研時我們發現，索菲亞有強大的科技團隊，超過400多人，而其中300多人是在做數據加工。索菲亞利用大數據提升客戶體驗，提高交付效率，減少差錯和庫存，基本可以做到零庫存水平。在索菲亞的前端需求到后端的生產系統中，數據的共享、聯通和流動是實現訂單準確地從需求端傳遞到生產制造和采購端的關鍵。正是這種技術基礎保障了索菲亞每天索菲亞目前通過打通線上線下數據，基于用戶交易數據，用戶行為和特征數據，以及產品和渠道數據，搭了一個大數據平臺。基于用戶畫像的數據化，他們也比較好地實現了研發精準化。在研發精準化基礎上，營銷的精準化也通過線上線下數據的融合分析獲得了很好的實現。

4、學習國際上工業大數據應用的實踐

對于傳統的大型制造企業來說，轉型的挑戰巨大，制造企業所搭建的內部信息系統比如ERP、CRM和SCM等收集處理的數據還是交易類結構化數據為主，對生產設備數據、機器數據以及日志數據的收集及關注比較低。而工業大數據應用未來很重要的一個方向就是如何能將這些實時產生的機器數據更好的用起來，尤其是在預測性維修類應用方面。

以美國通用集團為例，它的董事長伊梅爾特說到“我們昨天還是一家制造型企業，今天已經成為一家軟件和數據公司了。”這家制造業巨頭希望借助工業大數據平臺實現制造業服務化的方向和目標。GE的工業大數據平臺Predix的主要功能就是將各類數據按照統一的標準進行規范化地梳理，并提供隨時調取和分析的能力。基于Predix目前已經推出了很多工業互聯網應用，并且向合作伙伴和客戶進行了開放。根據GE的資料顯示，GE在2015年底把最后一批發動機數據上傳到Predix平臺上，已經開始接收并處理GE公司龐大的發動機機隊所產生的上億條數據，對這些數據進行分析，并按照數據異常情況確定發出警告的等級，目前準確率接近90%。伴隨著大數據與機器學習能力的加強，準確率也會逐漸提升。這是典型的利用設備數據進行預測性維修的例子，會成為工業大數據很重要的應用方向。GE希望通過這個工業大數據平臺樹立工業大數據領域的標準，使Predix平臺成為像Andriod系統一樣成為工業互聯網領域的操作系統。

阿里巴巴目前也已經和徐工集團開始進行合作，希望利用阿里云上面的大數據能力，協助徐工建中國工業大數據平臺，實現阿里云+徐工=中國的Predix，在工業大數據平臺、應用及生態建設方面探索一條新路。

5、從數據化到智慧化要循序漸進

正如前面所說，大部分的中國制造企業依然還處在數據化和信息化的初級階段，甚至有很多還沒有建立內部的業務系統，因此業務數據化基礎還尚未準備好。以ERP、CRM、SCM、PLM等系統為代表的基本業務應用會是必備選項，只是在互聯網+時代，有些應用可以使用云端應用進行創新，不必和以前一樣再花費巨額的License費用。在這個過程中，進一步加強數據的沉淀，通過云平臺實現數據的共享、流動、整合，實現數據的價值最大化，推動智能制造目標的實現。其實，真正的智能制造或工業4.0不是只指的工業制造的某個環節的智能化，而是從用戶需求端到產品供給端的全鏈條的智慧化，涵蓋產品設計、研發、生產、供應、倉儲、配送、財務、客戶關系管理、營銷等多個環節，而這種智慧化的基礎要素就是實現數據的全流程打通，而在這其中以云計算、物聯網、移動互聯網、人工智能、機器人等都成為數據共享、流動和融合的關鍵技術。