為了更進一步探索2022年的新風向，我們邀請了一系列重量級的領軍人物、企業高管，以及行業專家們進行訪談，聊一聊他們對智聯網產業未來的見解。正是這些專家們不同思想的碰撞，校準著我的判斷;正是這些大咖們開闊思路的視野，填補了我的盲區。本文想與你分享的觀點，來自兩位德高望重的師長，他們是工業人工智能之父李杰教授和中國蜂窩物聯網發展的關鍵推手之一的聞庫秘書長。
這是我在【物女心經】專欄寫的第239篇文章。
臨近年末，我的好朋友們知道，物聯網智庫與摯物AIoT產業研究院每年在這個時候都會舉辦AIoT領域的產業年會，目的是與你一同展望AIoT未來的發展趨勢。
為了更進一步探索2022年的新風向，我們邀請了一系列重量級的領軍人物、企業高管，以及行業專家們進行訪談，聊一聊他們對智聯網產業未來的見解。
在交流的過程中，不免會聽到視角完全不同的觀點和聲音，也不免會觸及一些從未耳聞的概念和術語。
正是這些專家們不同思想的碰撞，校準著我的判斷;正是這些大咖們開闊思路的視野，填補了我的盲區。
本文想與你分享的觀點，來自兩位德高望重的師長，每次與他們交流，既能讓我仰望星空，又能兼顧腳踏實地。
他們是工業人工智能之父李杰教授和中國蜂窩物聯網發展的關鍵推手之一的聞庫秘書長。
每次與李杰教授交流，他都能帶我搶先一步看到未來。
李老師擔任鴻海科技集團副董事長、美國辛辛那提大學講座教授、美國國家科學基金會(NSF)智能維護系統(IMS)產學合作中心主任、世界經濟論壇(WEF)全球未來委員會先進制造與生產委員，曾任麥肯錫全球資深顧問。著有“工業人工智能三部曲”：《工業人工智能》、《從大數據到智能制造》、《CPS：新一代工業智能》等著作，對世界智能制造有重大影響。
每次與聞庫秘書長交流，他都會讓我看清腳下的路要從哪里邁起。
聞老師擔任中國通信標準化協會(CCSA)副理事長兼秘書長，曾歷任郵電部電信總局網管中心主任、郵電部科技司副司長、信息產業部科技司副司長和信息產業部電信管理局副局長和信息產業部科技司司長、工業和信息化部科技司司長、工信部信息通信發展司司長等職。
你也許會好奇，這兩位老師一位來自學界、一位來自政界;一位鉆研人工智能、一位深耕通信連接，他們之間會有什么共同點呢?
他們的觀點既涵蓋了AI、也囊括了IoT，完美交織于AIoT。
共同點是他們都把推動產業發展視為使命，視為一種高于生存的人生意義，因此與他們交流總會覺得智慧撲面、酣暢淋漓。
1、產業元宇宙的基礎是CPS
我們每個人往往面臨一個悖論，就是我們不知道我們不知道的是什么。
這個困擾在李教授這里，總能輕易化解。
因為李教授多年思考的問題，正是如何讓不可見的部分變得可見，讓不知道的信息被知道。
雖然最近元宇宙Meta-verse被熱炒，但一個同詞根的術語也值得被關注，Meta-model。
Meta-model已經存在數十年，并不是新東西，從字面上理解，它是指模型的模型，由元模型Meta-model可以構建一個整合管理的系統。
什么意思呢?李教授舉了個例子。
在產業中，我們經常會強調數據的重要性，但現實情況往往是給了你數據，你依然不知道如何去操作和改進。比如一個人炒股，天天盯著股價看，仍舊不會投。專業的投資人不只是看股價波動，還要了解企業的基本情況，發生了什么新聞，有沒有并購事件，推出了什么新產品。這些還不夠，投資人還會看行業趨勢，整體的發展方向，這個公司的上下游產業鏈等很多信息。還有些投資人會參與企業管理，為企業發展提供幫助，讓企業變得更好。所以炒股不能只盯著數據看，還要了解股票背后的企業，并為企業的發展助力。
這就是從數據Data，到模型Model，再到元模型Meta-model的思維邏輯。
投射到工業領域，什么是智能制造的Meta-model?
李教授以質量管理為例，生產線所產生的問題，產品質量的結果，都可以通過Meta-model被完全追溯。生產過程中，Meta-model就可以預測下一批次的產品質量是否合格，根據Meta-model提供的校準數據，產線可以自我調節和持續優化。
簡單地說，生產線的一般Model提供的是控制能力，但控制是控制，管理是管理，Meta-model側重于管理。
Meta-model應該可以預測、發現和反饋不可見的問題。
為了解決“可見”的問題，很多企業開展了工業互聯網項目，引進傳感器、邊緣計算設備，強調要探索數字孿生，這些都是慣常的做法，但是卻往往忽略了一些根本性的問題。
工業企業到底需要怎樣的信息物理系統CPS(Cyber-Physical System)、數字孿生(Digital Twin)?有哪些問題和挑戰是以往解決不了的，而CPS和數字孿生又為何能解決這些問題?
CPS與數字孿生的作用是解決那些工業系統中還沒有被充分認知的“不可見”問題。
如果CPS、數字孿生僅僅被用來解決可見的問題，很容易被誤解和誤用。
怎么被誤用的?李教授又舉了一個例子。
就像照鏡子。鏡子可以反映出來這個人美不美，衣服有沒有穿對。企業也用數字孿生來照鏡子，反映設備的運行情況。但實際上數字孿生并不僅僅是鏡子，它的能力在于建造了Twin Model，能夠像醫生一樣發現不可見的問題。
現階段工業和制造企業最主要的痛點是如何去解決和避免不可見的問題。不可見的問題包括哪些?比如設備性能的衰退、精度的缺失、易耗件的磨損和資源的浪費，等等。
說回與Meta-model同詞根的Meta-verse元宇宙，如果元宇宙在工業領域應用，需要滿足多種條件才能成為產業元宇宙。
第一是需要通過Meta-model不僅做到控制，更要實現管理。
怎么區分控制和管理?比如一臺風機，我們調整它的狀態，實現最大風能捕獲，這是控制。如果我們做到它的健康衰退評估，將這些知識與風機的結構設計、控制邏輯相關聯，使它能夠在不同健康模式下，都能保持最佳的狀態，這是管理。
第二是社交元宇宙不一定有目的，但是產業元宇宙需要很強的目的性。
互聯網、大數據、人工智能…應用這些技術不是目的，工業領域往往有很強的目的性。目的并不是解決可見的技術問題，目的是在不可見空間內發現問題、解決問題和獲取價值。
明確目的，可以更好的做決策。
工業領域的目的性很強，每個目的背后都有痛點問題。數據不能標準化是痛點、質量需要提升是痛點、數據量太大是痛點、資源浪費是痛點…從每個痛點向前溯源，人、機、料、法、環，直到分析出痛點的來源，再分析哪些是可以數字化的，哪些是不可以數字化的，形成數字化轉型的目的。這是一個系統性的工程，從痛點Pain到目的Purpose。
李教授從十幾年前就開始關注CPS，并著有《CPS：新一代工業智能》一書，提出CPS是可以持續傳承的智能系統。
從字面翻譯，CPS是信息-物理系統，也可被譯為賽博-實體系統。實體系統代表的是對功能性的管理和建模，賽博系統是對實體、環境和活動之間關系性的管理和建模。
CPS是賽博空間中的通信、計算和控制與實體系統在所有尺度內的深度融合。以物聯網為重要元素的CPS，能夠將整個價值鏈上的環節相連，使位于產業鏈各個位置的角色能夠以很低的成本，直接服務于用戶，也使得產業鏈之間在服務方面的協作成本降低。
因此，從某種意義上來說，產業元宇宙的基礎是CPS。
2、深耕AIoT要做好踏踏實實“篩沙子”的準備
謀定而動，乘勢而上。
聞老師總是能讓我們看清，當下這一步要從哪里邁起。
最近，美國5G部署因為頻譜“卡脖子”被迫暫停的消息在國內引起了熱議，與美國相比，中國5G頻譜規劃和政策更為有效，在供給側保障了產業界對頻譜的需求，因而助力5G商用的領先。
我們在5G上半場打得不錯，現在開始打下半場。上半場是技術、網絡、手機終端等部署，下半場要開始應用，尤其是各行各業的應用非常重要。
5G應用，尤其是物聯網的應用，是一個金礦。但是物聯網這個金礦有什么特點呢?
就是整塊的金子少，碎片化的金沙多，大量金子需要花費力氣去篩。
看上去物聯網這個金礦里面滿滿是金子，但是真正要淘出來不容易，需要做好踏踏實實，慢慢挖掘的準備。
開墾物聯網金礦很難，不過當所有人都意識到很難的時候，最難的階段可能已經過去了。
聞老師從2009年國家提出感知中國開始，就一直在推進物聯網的應用落地。
以無錫為例，那里的公安局發現電動自行車的丟失問題很嚴重，小偷挺難抓，公安局就想了個辦法，給一批電動車悄悄在看不到的地方，綁上一個類似小手機的防丟設備，一旦車子被偷就能很快對其定位。
經過驗證這招很管用——有次他們看到有輛卡車運了一整箱的電動自行車，過收費站的時候發現其中一輛就裝了這種防丟設備，通過追蹤警察迅速就把案破了。現在所有電動自動車幾乎都裝了這種防丟設備，這是物聯網實現價值的一個典型案例。
后來大家又發現了各種電動自行車的痛點，比如車鎖總是壞，現在深圳有個企業研發了一種新鎖，因為看不到實體鎖，所以使用過程中根本不用手動去觸碰。手機APP控制開鎖，騎完把車停好，手機APP結束行程，車就自動上鎖了。
物聯網是一門不斷迭代的生意。有些應用不是上了物聯網就完事了，還需要不斷去完善。
物聯網發展的難點在于可復制性差，需要抱著淘金“篩沙子”的耐心，慢慢解決。
在這個過程中，最重要的是解決問題的成本劃算才行。
聞老師舉了個現實生活中的例子。比如家庭用的和面機。大食堂的和面機因為天天要用，使用頻率很高，所以是劃算的。但是到了家庭場景，一個禮拜吃一次饅頭，一個月吃一次面條，買個和面機不容易洗還占地，就不劃算了。
物聯網的應用也是同樣的道理，成本上劃算是應用規模化的前提。物聯網要普及，就得把物聯網的終端價格水平降下來。
大家都看好的5G Redcap定義了一個輕量版的5G。相對于之前的版本，Redcap做了顯著的簡化，擴大了5G物聯網能夠支持的終端范疇。Redcap不是一個新東西，它是一個對現有東西的裁減。
未來從技術角度來講，應該會出現一些類似Redcap這樣的東西，敢于刪掉沒用的功能，便宜、簡單，讓大家都好用。技術迭代不是朝著高大上的方向迭代，而是應朝著便宜好用迭代。這是真正的迭代，有用的迭代。
從運營企業來說，近20年來移動通信基本上都是和手機打交道，商業模式是To C。但是5G應該朝著企業走，To B解決問題。業界對Redcap保持較高的期待，將其作為5G To B的一個重要抓手。
除了善用技術迭代，還要轉變運營思路。
舉個例子，比如運營商為一家工業企業服務，給每個工人配一部5G手機，一共3000人配了3000部，雖然收費面向企業，但實際上本質仍舊是To C。
真正做到To B就要在網絡上有所改變，通信設備就像企業的生產設備一樣，企業想怎么用就怎么用，甚至可以反向控制通信設備。而且通信設備產生的數據要能夠與生產、財務、運營等數據整合為一體，在這種情況下，企業需要對通信網絡有一定的自主權。
因此To B方面，5G網絡也應該逐漸發生變化，把網絡改造成能夠面向企業使用。
聞老師認為，如果物聯網應用沒用廣泛落地，那么AI、AIoT都是“空中樓閣”。
AI跟loT結合，基礎是IoT要先搞好。沒有物聯網的數據支撐，AI的產業應用可能就停留在講概念階段。在很多場景中，AI和IoT還沒搭上邊，中間有挺長一段距離，前期要費很大的勁。
----寫在最后----
還有很長的路要走。
物聯網發展到今天，變得越來越復雜，不斷融合與疊加了各種概念，比如5G、AI、區塊鏈，甚至元宇宙。這些復雜性，讓物聯網的發展充滿了挑戰。
正是挑戰與復雜，讓物聯網的探索之旅充滿了樂趣與機遇。
