隨著物聯(lián)網(wǎng)（IoT）與人工智能（AI）的深度融合，工業(yè)、制造、能源、物流等各個(gè)行業(yè)正迎來前所未有的智能化浪潮。從邊緣設(shè)備到云端分析，從硬件部署到數(shù)據(jù)驅(qū)動(dòng)決策，物聯(lián)網(wǎng)正在重塑企業(yè)的運(yùn)營模式和競爭格局。然而，技術(shù)機(jī)遇背后也伴隨著挑戰(zhàn)：技能缺口、網(wǎng)絡(luò)安全、供應(yīng)鏈不確定性以及全球貿(mào)易政策的影響，都在考驗(yàn)企業(yè)能否在這場數(shù)字化變革中搶占先機(jī)。
近日，來自IoT Analytics 、Verizon Business、IDC 、Lantronix的分析師和高管們與 CRN 探討了他們今年在物聯(lián)網(wǎng)市場看到的一些核心洞察，筆者對其中的精華進(jìn)行了編譯整理：
洞察一：物聯(lián)網(wǎng)廠商正面臨巨大的 AI 技能缺口問題
隨著生成式 AI、邊緣智能以及大模型推理等技術(shù)加速滲透，物聯(lián)網(wǎng)行業(yè)正在經(jīng)歷一場結(jié)構(gòu)性的能力重塑，而 AI 技能缺口已成為限制產(chǎn)業(yè)躍遷的核心瓶頸之一。來自 IoT Analytics 的物聯(lián)網(wǎng)組件、連接性和安全性首席分析師 Sinha 表示：“我們在物聯(lián)網(wǎng)市場中看到一個(gè)巨大的技能缺口，尤其體現(xiàn)在如何將 AI 技術(shù)整合進(jìn)物聯(lián)網(wǎng)產(chǎn)品和服務(wù)上?！?/p>
首先，人才結(jié)構(gòu)與技能譜系失衡愈發(fā)明顯。長期以來，物聯(lián)網(wǎng)廠商的核心能力集中在硬件設(shè)計(jì)、嵌入式開發(fā)、無線通信協(xié)議和設(shè)備管理等傳統(tǒng)領(lǐng)域。AI 的引入迫使企業(yè)在算法工程、模型訓(xùn)練、算力優(yōu)化、數(shù)據(jù)治理、MLOps 等方向迅速補(bǔ)齊能力。但現(xiàn)實(shí)是，大量工程師缺乏系統(tǒng)性的 AI 技能，而具備跨界能力的人才稀缺且培養(yǎng)周期長。這使得企業(yè)在推進(jìn) AI 賦能時(shí)出現(xiàn)明顯“人等技術(shù)”的局面。在“OT 與 IT 的融合”過程中，也曾出現(xiàn)類似的挑戰(zhàn)——IT 人員不熟悉 OT 環(huán)境，OT 人員不了解 IT 環(huán)境。如果雙方在缺乏跨領(lǐng)域培訓(xùn)的情況下被要求協(xié)作，就會(huì)產(chǎn)生大量復(fù)雜問題。
第二，AI 技術(shù)迭代速度遠(yuǎn)快于物聯(lián)網(wǎng)產(chǎn)品生命周期，形成周期錯(cuò)配。傳統(tǒng) IoT 設(shè)備的生命周期往往跨度數(shù)年，而 AI 技術(shù)的更新速度以季度甚至月為單位。企業(yè)在產(chǎn)品設(shè)計(jì)、測試到部署的過程中，技術(shù)基線可能已發(fā)生變化，使得 AI 方案在投入使用前即面臨過時(shí)風(fēng)險(xiǎn)。這種周期錯(cuò)配不僅抬高了研發(fā)成本，也迫使物聯(lián)網(wǎng)廠商重新思考版本規(guī)劃、軟硬分離、可更新架構(gòu)、模型在線升級等體系化能力。
第三，外部依賴雖可短期補(bǔ)位，卻難形成長期競爭力。不少企業(yè)嘗試通過外包或引入第三方團(tuán)隊(duì)來加速 AI 項(xiàng)目落地，但第三方必須深入理解企業(yè)的設(shè)備邏輯、協(xié)議棧、數(shù)據(jù)特性與業(yè)務(wù)場景，而這通常需要大量時(shí)間與溝通成本。在涉及 NDA 的情況下，這一過程更為復(fù)雜。更關(guān)鍵的是，依賴外部力量難以構(gòu)建可持續(xù)的內(nèi)部能力，長期來看會(huì)削弱企業(yè)在 AI 化競爭中的主動(dòng)權(quán)。如果企業(yè)希望在行業(yè)或公司內(nèi)部導(dǎo)入 AI，就必須讓自己的員工掌握相關(guān)技能，而不是依賴第三方的短期方案。
因此，構(gòu)建“AI 就緒”的物聯(lián)網(wǎng)組織能力已成為行業(yè)必須面對的關(guān)鍵命題。
洞察二：關(guān)稅切實(shí)改變了企業(yè)戰(zhàn)略和供應(yīng)鏈策略
關(guān)稅確實(shí)改變了許多企業(yè)當(dāng)下的經(jīng)營方式。它推高了原材料成本，影響了產(chǎn)品定價(jià)和供應(yīng)商利潤。IDC 的一項(xiàng)市場情緒調(diào)研顯示，60% 的企業(yè)認(rèn)為不斷上升的關(guān)稅正在威脅盈利能力與科技預(yù)算的穩(wěn)定性。
關(guān)稅導(dǎo)致設(shè)備采購延期，引發(fā)供應(yīng)鏈中斷，也迫使企業(yè)進(jìn)行戰(zhàn)略調(diào)整，以確保不會(huì)給客戶造成重大影響，例如遷移制造地點(diǎn)、推進(jìn)供應(yīng)鏈多元化等。
與此同時(shí)，關(guān)稅在某種意義上也帶來了一些“創(chuàng)新效應(yīng)”。IDC 市場研究公司工業(yè)物聯(lián)網(wǎng)和智能戰(zhàn)略研究經(jīng)理 Carlos Gonzalez 在其參與撰寫的《IDC 全球 DataSphere 物聯(lián)網(wǎng)設(shè)備裝機(jī)量與數(shù)據(jù)生成預(yù)測》報(bào)告中指出，“我不能說關(guān)稅是造成變化的唯一原因，但它確實(shí)產(chǎn)生了影響。我們看到的并不是硬件需求持平，而是出現(xiàn)了下降趨勢。企業(yè)目前并不打算在未來投入太多硬件，但圍繞數(shù)據(jù)的應(yīng)用卻持續(xù)以強(qiáng)勁的趨勢增長?！?/p>
當(dāng)前的現(xiàn)實(shí)是：企業(yè)逐漸意識到，硬件供應(yīng)本就困難，未來也可能持續(xù)緊張，因此必須“用更少的硬件做更多的事”。這也是為何合成數(shù)據(jù)在當(dāng)前如此關(guān)鍵——它讓我們能夠基于已有信息開展更多分析。其中大量數(shù)據(jù)來自非結(jié)構(gòu)化環(huán)境，例如視覺系統(tǒng)，通過對現(xiàn)有攝像頭的數(shù)據(jù)進(jìn)行更深層的分析，從這些非結(jié)構(gòu)化來源中挖掘更多價(jià)值。
總體來看，關(guān)稅持續(xù)為市場帶來不穩(wěn)定性。但即便在不穩(wěn)定的情況下，客戶和供應(yīng)商都很清楚，有些投資是不可能停止的：制造業(yè)升級、物聯(lián)網(wǎng)網(wǎng)絡(luò)和系統(tǒng)建設(shè)、網(wǎng)絡(luò)安全等。這些領(lǐng)域的投入不會(huì)停止。企業(yè)或許會(huì)尋找各種方法來抵消新增成本，而這些做法不可避免地會(huì)對定價(jià)產(chǎn)生影響。增長仍然會(huì)繼續(xù)，只是成本如何向下游傳導(dǎo)會(huì)有所不同，而最終它仍會(huì)影響到價(jià)格和供應(yīng)商利潤。
洞察三：合成數(shù)據(jù)在物聯(lián)網(wǎng)應(yīng)用中的日益普及
隨著物聯(lián)網(wǎng)與人工智能的深度融合，數(shù)據(jù)已成為驅(qū)動(dòng)智能化應(yīng)用的核心資產(chǎn)。然而，企業(yè)在利用數(shù)據(jù)進(jìn)行分析、建模和模擬時(shí)，往往面臨知識產(chǎn)權(quán)保護(hù)、敏感信息安全和隱私合規(guī)的多重約束。在這一背景下，合成數(shù)據(jù)（Synthetic Data）正在成為企業(yè)解決這一困境的關(guān)鍵工具。
所謂合成數(shù)據(jù)，是旨在模擬真實(shí)世界數(shù)據(jù)的人工數(shù)據(jù)。它是通過統(tǒng)計(jì)方法或使用人工智能 (AI) 技術(shù)（深度學(xué)習(xí)和生成式 AI 等）生成的。盡管是人工生成的，合成數(shù)據(jù)仍保留了其所基于的原始數(shù)據(jù)的基本統(tǒng)計(jì)特性。因此，合成數(shù)據(jù)集可以補(bǔ)充甚至取代真實(shí)數(shù)據(jù)集。
合成數(shù)據(jù)是對真實(shí)數(shù)據(jù)的高度擬真復(fù)制，不涉及原始敏感信息，能夠在保護(hù)知識產(chǎn)權(quán)的同時(shí)進(jìn)行多維度分析和模擬。其主要應(yīng)用包括：
模型訓(xùn)練與算法開發(fā)：企業(yè)可使用合成數(shù)據(jù)生成訓(xùn)練集，構(gòu)建 AI 模型，而無需直接訪問真實(shí)生產(chǎn)或客戶數(shù)據(jù)。
跨企業(yè)協(xié)作：不同廠商或合作方可以在不泄露核心業(yè)務(wù)數(shù)據(jù)的前提下，共享數(shù)據(jù)以進(jìn)行聯(lián)合分析或系統(tǒng)優(yōu)化。
系統(tǒng)模擬與場景測試：在物聯(lián)網(wǎng)設(shè)備部署前，使用合成數(shù)據(jù)進(jìn)行仿真測試，驗(yàn)證邊緣計(jì)算、AI 推理及網(wǎng)絡(luò)策略的有效性。
而推動(dòng)合成數(shù)據(jù)發(fā)展的驅(qū)動(dòng)因素有：
數(shù)據(jù)安全與隱私擔(dān)憂：企業(yè)用戶對自身數(shù)據(jù)的安全和保密性高度敏感，這成為影響物聯(lián)網(wǎng)云端應(yīng)用、網(wǎng)絡(luò)安全投入和 AI 項(xiàng)目落地的重要因素。
跨系統(tǒng)和跨廠商分析需求：物聯(lián)網(wǎng)設(shè)備日益多樣化，數(shù)據(jù)分散在不同系統(tǒng)中。合成數(shù)據(jù)可實(shí)現(xiàn)跨平臺分析，而無需實(shí)際交換敏感數(shù)據(jù)。
AI 應(yīng)用對數(shù)據(jù)量和多樣性的需求：AI 模型的精度依賴大規(guī)模、多樣化的數(shù)據(jù)集，但真實(shí)數(shù)據(jù)往往有限或受限。合成數(shù)據(jù)能夠彌補(bǔ)這一短板，加速 AI 部署和迭代。
總的來看，合成數(shù)據(jù)不僅是解決隱私與數(shù)據(jù)安全問題的工具，更是企業(yè)在物聯(lián)網(wǎng)與 AI 時(shí)代實(shí)現(xiàn)數(shù)據(jù)價(jià)值最大化的關(guān)鍵手段。未來，隨著算法生成能力的提升和仿真精度的增強(qiáng)，合成數(shù)據(jù)將在物聯(lián)網(wǎng)設(shè)備智能化、跨系統(tǒng)互聯(lián)互通以及端到端 AI 解決方案中發(fā)揮越來越核心的作用。
洞察四：物聯(lián)網(wǎng)廠商之間（甚至競爭對手）正加強(qiáng)互聯(lián)互通能力
在物聯(lián)網(wǎng)領(lǐng)域，競爭對手之間的互聯(lián)互通正成為一個(gè)重要的增長方向?？蛻粜枨笳谕苿?dòng)廠商間的合作，因?yàn)槭袌鰺o法等待每一家供應(yīng)商各自開發(fā)獨(dú)立的方案。
過去，物聯(lián)網(wǎng)系統(tǒng)多以“單一廠商封閉生態(tài)”為主，每家廠商圍繞自身協(xié)議、設(shè)備和平臺構(gòu)建獨(dú)立體系。然而隨著部署規(guī)模擴(kuò)大、跨品牌設(shè)備共存成為常態(tài)，客戶逐漸無法接受“孤島式系統(tǒng)”。例如，工廠可能同時(shí)使用多個(gè)廠商的 PLC、機(jī)器人、傳感器；樓宇場景中大量系統(tǒng)由不同供應(yīng)商建設(shè)；家庭與消費(fèi)產(chǎn)品涉及眾多品牌與不同協(xié)議族…..客戶為了獲得更高的運(yùn)營效率、更低的系統(tǒng)集成成本，正在主動(dòng)要求不同廠商之間實(shí)現(xiàn)數(shù)據(jù)互通、系統(tǒng)兼容，從根本上改變過去的競爭模式。
同時(shí)，隨著云廠商、數(shù)據(jù)平臺公司、AI 服務(wù)商等第三方參與物聯(lián)網(wǎng)生態(tài)日益深入，他們提出：“只要能訪問所有設(shè)備數(shù)據(jù)，就能幫助企業(yè)整合數(shù)據(jù)、實(shí)現(xiàn)更強(qiáng)的云端能力或 AI 能力?！边@使得底層硬件廠商不得不開放接口、共享數(shù)據(jù)格式、兼容標(biāo)準(zhǔn)協(xié)議，否則將被排除在更大的數(shù)據(jù)生態(tài)之外。
因此，無論是采用開放標(biāo)準(zhǔn)還是開放協(xié)議，這種互聯(lián)互通確實(shí)推動(dòng)了公司（包括直接競爭對手）相互合作。為了實(shí)現(xiàn)跨廠商、跨場景的協(xié)同，業(yè)界正在加速向成熟開放標(biāo)準(zhǔn)靠攏，比如：OPC UA 是目前設(shè)備間通信開放協(xié)議的標(biāo)準(zhǔn)，Matter 則正在重塑消費(fèi)級設(shè)備互通生態(tài)，將智能家居從平臺割裂推向統(tǒng)一互聯(lián)。
企業(yè)開始意識到：不能只在硬件上競爭，而要在生態(tài)能力、服務(wù)能力及集成價(jià)值上競爭——這將帶來更深層的行業(yè)變化：從硬件差異化轉(zhuǎn)向軟件、平臺與生態(tài)協(xié)同的差異化。
洞察五：工業(yè)物聯(lián)網(wǎng)推動(dòng)了混合 AI 模型的快速發(fā)展
隨著工業(yè)物聯(lián)網(wǎng)（IIoT）的不斷發(fā)展，各行業(yè)面臨著將實(shí)時(shí)智能能力下沉到邊緣的日益壓力。單靠任何一家企業(yè)都無法獨(dú)自應(yīng)對這一挑戰(zhàn)。未來的 AI 驅(qū)動(dòng) IIoT 將以協(xié)作為核心——硬件、軟件與網(wǎng)絡(luò)供應(yīng)商將攜手構(gòu)建一體化生態(tài)系統(tǒng)，以支持邊緣智能的混合 AI 模型。
構(gòu)建具備嵌入式 AI 的完整 IIoT 解決方案，需要技術(shù)全譜系的共同貢獻(xiàn)。例如，要實(shí)現(xiàn) AI 驅(qū)動(dòng)的無人機(jī)或工業(yè)機(jī)器人，需要高性能攝像頭與傳感器、高效處理器、先進(jìn)的視頻壓縮技術(shù)、可靠的網(wǎng)絡(luò)連接，以及用于編排和分析的云平臺。這種環(huán)境下，混合 AI 模型應(yīng)運(yùn)而生，通過在邊緣設(shè)備與云端之間共享智能，實(shí)現(xiàn)速度、成本與性能的平衡。
在工業(yè)運(yùn)營中，每一秒都可能影響生產(chǎn)效率和安全，邊緣 AI 的即時(shí)本地決策能力顯得尤為關(guān)鍵。例如，機(jī)器人能夠在檢測到障礙物時(shí)立即做出反應(yīng)，壓縮機(jī)可預(yù)測潛在故障，無人機(jī)能夠識別異常情況，而無需等待云端反饋，這不僅提升了響應(yīng)速度和設(shè)備運(yùn)行時(shí)間，也在數(shù)據(jù)隱私和安全性方面提供了保障。與此同時(shí)，云端負(fù)責(zé)更復(fù)雜的分析、大規(guī)模數(shù)據(jù)聚合以及持續(xù)的 AI 模型訓(xùn)練，二者協(xié)同形成了既能提供實(shí)時(shí)智能，又能支持長期洞察和規(guī)?；治龅幕旌霞軜?gòu)。
混合 AI 在 IIoT 的應(yīng)用正呈現(xiàn)加速態(tài)勢，從預(yù)測性維護(hù)、防止設(shè)備停機(jī)，到制造和能源系統(tǒng)的流程優(yōu)化，再到管道、暖通空調(diào)（HVAC）及重型設(shè)備的遠(yuǎn)程監(jiān)控，以及無人機(jī)和機(jī)器人等自主操作，幾乎覆蓋了整個(gè)工業(yè)運(yùn)營鏈條。要實(shí)現(xiàn)這些應(yīng)用，企業(yè)不僅需要高效、安全的計(jì)算硬件，還必須具備可靠的網(wǎng)絡(luò)連接能力，尤其是在遠(yuǎn)程或惡劣環(huán)境下，這些基礎(chǔ)設(shè)施的穩(wěn)定性直接關(guān)系到業(yè)務(wù)連續(xù)性和智能化水平。
隨著數(shù)據(jù)逐漸從中心化向邊緣遷移，預(yù)計(jì)未來十年全球約 70% 的數(shù)據(jù)將駐留在邊緣。據(jù) Precedence Research 預(yù)測，到 2034 年，邊緣 AI 市場規(guī)模將達(dá)到 1,430 億美元，工業(yè)物聯(lián)網(wǎng)將成為邊緣 AI 市場增長的重要驅(qū)動(dòng)力。
洞察六：網(wǎng)絡(luò)安全依然是物聯(lián)網(wǎng)面臨的最大挑戰(zhàn)之一
隨著物聯(lián)網(wǎng)設(shè)備的持續(xù)增長，潛在攻擊面也在同步擴(kuò)大。盡管調(diào)查顯示，98% 的企業(yè)預(yù)計(jì)在兩年內(nèi)能夠從物聯(lián)網(wǎng)部署中獲得實(shí)質(zhì)性收益，并且多數(shù)企業(yè)預(yù)期在不到 12 個(gè)月內(nèi)即可看到回報(bào)，但仍有 43% 的企業(yè)將網(wǎng)絡(luò)安全視為物聯(lián)網(wǎng)部署面臨的最大挑戰(zhàn)。
具體部署的架構(gòu)不同，物聯(lián)網(wǎng)設(shè)備可能覆蓋多個(gè)地點(diǎn)，涉及來自不同廠商、具備各異安全能力的設(shè)備，并運(yùn)行于物理安全受限的環(huán)境中。為了應(yīng)對這些多樣化的潛在攻擊路徑，物聯(lián)網(wǎng)部署往往需要比傳統(tǒng) IT 環(huán)境更為復(fù)雜的安全體系。
Verizon Business 物聯(lián)網(wǎng)與托管連接平臺副總裁 Danny Johnson 表示：“為此，企業(yè)正在變得更加成熟和智能化：通過實(shí)施零信任架構(gòu)、建立安全性增強(qiáng)的專用網(wǎng)絡(luò)以管理設(shè)備連接，并利用 AI 驅(qū)動(dòng)的威脅檢測技術(shù)，提前識別和防御不斷演化的風(fēng)險(xiǎn)。隨著 AI 與物聯(lián)網(wǎng)等技術(shù)的不斷發(fā)展，保障安全的手段和策略也需要不斷擴(kuò)展和進(jìn)化，以應(yīng)對新型威脅。”
洞察七：人工智能顛覆物聯(lián)網(wǎng)數(shù)據(jù)處理的方式
人工智能正在以數(shù)年前難以想象的方式改變企業(yè)管理物聯(lián)網(wǎng)等互聯(lián)運(yùn)營的方式。最新報(bào)告顯示，超過五分之四（84%）的企業(yè)認(rèn)為 AI 是物聯(lián)網(wǎng)的關(guān)鍵技術(shù)，70% 的企業(yè)表示 AI 加速了其物聯(lián)網(wǎng)部署，而這一趨勢背后有明確原因。
物聯(lián)網(wǎng)傳感器會(huì)生成海量數(shù)據(jù)，形成大量未經(jīng)分類的信息洪流，這些數(shù)據(jù)必須經(jīng)過處理和分析才能發(fā)揮價(jià)值。AI 正是在這一環(huán)節(jié)發(fā)揮作用，它能夠?qū)⑹占降暮Ａ繑?shù)據(jù)轉(zhuǎn)化為可操作的商業(yè)洞察，快速、高效且?guī)缀鯚o需額外人工干預(yù)。在制造業(yè)中，這意味著 AI 可實(shí)現(xiàn)預(yù)測性維護(hù)，在設(shè)備故障導(dǎo)致停機(jī)前進(jìn)行預(yù)警，同時(shí)優(yōu)化供應(yīng)鏈，實(shí)時(shí)發(fā)現(xiàn)和糾正效率低下的環(huán)節(jié)。AI 還可以支持車間的自動(dòng)化決策，包括事件識別、洞察分析、行動(dòng)規(guī)劃與執(zhí)行，以及高度自動(dòng)化、幾乎實(shí)時(shí)的報(bào)告生成。
這些變化也正在推動(dòng)企業(yè)物聯(lián)網(wǎng)理念的轉(zhuǎn)變。那些過去對數(shù)據(jù)管理復(fù)雜性持謹(jǐn)慎態(tài)度或難以明確投資回報(bào)的企業(yè)，現(xiàn)在正加速前行，因?yàn)?AI 能夠加快分析框架的建立，并提供可量化的結(jié)果，從而為投資決策提供有力依據(jù)。
