物联网还有哪些创业机会？来听听行业专家们怎么说
如果每个网络信号都有实体的话，我们眼前的世界一定会越来越拥挤。
二十年前，互联网改变了我们获取信息和相互交流的方式。现在，这一运动正在以相同的方式改变我们与周遭物理世界的联系。据市场研究机构 IDC 预测，到 2020 年时，全球物联网设备安装量将达到 281 亿台。
“物体”不再了无生气，而是与我们的生活交互关联。本篇，行业专家和创业者们将一起聊聊物联网创业机会。
1.陈孝良
声智科技 CEO，中科院声学研究所副研究员。声智科技从事语音交互芯片、模组和设备研发、设计、制造，并提供整体声学技术和语音识别解决方案。
声、光、电融合传感将会创造出更多新数据，进而推动商业模式创新。
让机器适应人类，是人工智能得以实现的核心要素。
声、光、电、热、力、磁，这几种传感是人类获取信息的重要手段，也是数字世界感知物理世界的主要途径。其中，声学（麦克风）、光学（摄像头、激光雷达）和电学（GPS、电子雷达）更是核心要素。
从投资角度看，当前著名的人工智能企业基本可以按这三个传感方式来划分。
这里有个问题值得琢磨：声、光、电传感技术早于计算机而出现，比如留声机、照相机和雷达。为什么直到现在，它们才开始引起产业界的重视？
纵观技术历史，总是声学先行，光学和电学次之。所以，我们不妨以声学领域的麦克风技术为例展开探讨。
计算机和手机很早就配置了麦克风，但直到 Amazon 推出一款麦克风阵列的 Echo，产业界对这类产品忽然变得极度关注并争相模仿。究其原因，除了这款产品在计算和通信方面的能力有所提高，更主要的原因是场景发生了变化。
在 Echo 出现之前，麦克风解决的一直都是近场问题。近场语音交互要求人类适应机器，一定程度上掩盖了技术的不足，是典型的由于技术限制而刻意回避场景的案例。但实际上，人类之间的语音交互都会拉开一定距离。所以，现在我们开始需要机器适应人类的远场语音交互。
机器适应人类，这可以说是计算机技术的一个巨大进步，也是人工智能得以实现的核心要素之一。
这并非声学领域特有的问题，当汽车安装摄像头和雷达，以及自行车安装 GPS 时，场景变化带来的技术挑战才会凸显出来，因为真实场景所需要的技术并非是简单升级而是颠覆性创新。这也是当前技术型创业公司被青睐的主要原因。
然而，单一传感方式所带来的影响总是有限，不足以推动整个技术和社会的变革。例如，麦克风阵列可以采集人类自然对话的语音信息，从而逐渐演化、理解人类语言。这意味着将来机器可以读懂我们的思想，十分可怕。但这种理解其实还比较片面，缺乏图像、位置等其他传感信息的支持。
从这个层面来说，人工智能必须融合多种传感方式，而非局限于声、光、电、热、力、磁，再加上强大的计算和存储能力，才能在某些领域超越人类，从而看懂世界，推动更多新商业模式的诞生。
当机器获取的融合数据足以覆盖人类产生的数据的十分之一时，大多时候，人类只需要说一说、看一看或者想一想，机器就能捕捉到背后的思想。
未来到底会产生哪些新的商业模式，我们尚不可知。但有一点可以肯定，广告模式肯定不是人工智能时代的最佳商业模式。
2.赵晓光
天风证券研究所所长。2010-2016 年连续 7 年获得《新财富》电子行业分析师第一名。
新的数据流必须依靠硬件创新来产生。
机会存在于制造业，如材料、设备、芯片、汽车、军民融合领域等。
目前，全球科技行业都面临着困局。如果把企业发展分为生产力创新和生产关系创新 2 个环节，那么很多企业都被关系创新冲昏了头脑，认为加一点互联网模式、加一点生态概念就是万能的，反而在生产力创新上比较乏力。
分析生产力创新瓶颈的核心方法是看数据流。搞清楚数据从哪里来，如何处理，到哪里去。大多数企业只要解决其中一个环节就可以成功，三个环节都解决了就有机会成为巨头。
新的数据流必须依靠硬件创新来产生。所以，我认为科技行业的下一个突破点在硬件创新上。
过去的产业发展是软、硬件创新交替带动的。2010 年到 2013 年智能手机迅速发展，2013 年 5 月开始，社交、游戏软件火爆起来，直到 2015 年开始全面下跌。按照规律，硬件也会进入一轮集中发展周期。现在互联网巨头也纷纷在布局，包括VR、智能汽车、可穿戴设备等等，这些其实都不仅仅是产品，更是获取数据的硬件。
以智能手机为例，它产生的数据基于 3 个方面：使用人数，从 10% 发展到 80%；使用时长，从每天 2 小时发展到超过 10 小时；智能手机本身可以产生数据。
前两点的红利已经快被消耗完了。但第三点，比如摄像头拍照、录视频的数据，此前由于无法结构化，而没有被商业化。但人工智能可以实现这一点。从 iOS 8 开始，手机可以自动识别图片并进行归类。这只是第一步。接下来的视频数据分析，会产生巨大的商业机会，甚至改变传媒行业、广告行业。
另一个角度看，科技巨头在做哪件事情，基本上这件事情就越有未来。现在巨头都在做人工智能，它的核心是机器学习，而机器学习的难点在于数据。技术本身是可以通过学习而进步的，但是数据具有稀缺性，不是谁都可以拿到。所以，数据是解答一切问题的密码。
人工智能这个行业，最后很可能是赢家通吃的。几家科技巨头分割不同市场。苹果有消费端数据，亚马逊有商店数据，Facebook 有社交数据，谷歌有搜索数据，微软有办公数据，他们是行业龙头，其他人看起来很难进场。
你可能会问那么这个行业还有机会吗？我的答案是有。机会存在于广阔的传统行业里。
以制造业为例，谁能提高产品良率，谁就是赢家。以前这个过程是靠工程师不断调试，现在机器有自我学习能力了，就可以自己在试错中不断走出最优路径。一个制造企业，如果和谷歌、英伟达这样的公司合作，一定会有未来。人工智能在这里是一个工具性产品。
观察过去 5-10 年，可以看到苹果在中国培养了一批市值在 300-500 亿的优秀的模组企业。产业是有递推效应的，这一批企业诞生后，在制造业里会催生 3 个新的投资方向：
第一，上游的材料、设备、芯片。材料和设备正好符合“中国智造”，而半导体企业的地位也在发生变化，在过去分工专业化的基础上，变成了一个能够提供全新解决方案的公司。
第二，往汽车产业发展。现在汽车产业的采购格局和十年前的手机行业一样。但现在手机行业把采购权释放出来给到上游企业，代工厂的利润率下降，产业利润会从中游转移到上游，汽车也会经历同样的过程。下一步在汽车产业链的材料、设备、芯片行业会出一批市值 500 亿以上的巨头。
第三，往军民融合方向发展。民营企业更多地参与到军品研制竞争里来，民参军企业有望从低附加值芯片、分立器件等向系统级的产品和技术国度。市场化运营的军品产业链对接平台也会开始应用。
此外，我还比较看好声学、投影技术方面的机会。这 2 个领域都存在生产力和生产关系越来越不匹配的问题，谷歌、亚马逊也都在进场。
3. 童瑫
睦星科技 （Kolmostar） 联合创始人，哈佛大学电子与计算机工程博士。睦星科技提供低成本、低耗电、高精度的室内外定位解决方案，主要应用于物联网节点、移动设备和自动驾驶系统。
定位服务是一项重要的基础设施，GPS 成本、功耗的下降和定位精度的提升，将创造众多商业机会。
变化将首先从物联网、物流和「机器人」领域开始。未来的定位技术除了服务人类，将更多服务于机器人。
作为传感器，GPS 能够提供位置信息、接近原子钟精度级别的时间信息、以及物体的运动速度。实际上，现在的卫星定位技术已经由 GPS 扩展到了北斗、Glonass 等多系统复合定位。这里不加区分地统称为 GPS 系统。
过去 40 余年，GPS 已经从最初的军事应用渗透进入我们的日常生活。未来，随着 GPS 成本、功耗的下降以及定位精度的提升，我们会看到它在物联网、物流和机器人等领域发挥关键的作用。
在物联网领域，GPS 提供的位置信息是各种基于位置服务的基础：
出行方面，共享单车是个非常好的例子；
智能硬件方面，相信很快会有待机时间长达数周的 GPS 运动手表面世，帮助我们跟踪、记录运动时的心率、速度等数据。相比于现在两三天就需要充电的智能手表，下一代产品的用户体验和用户黏性都会有巨大的提升。同时，随着GPS功耗的下降，可穿戴设备上会有更丰富的基于位置的应用。比如风靡一时的Pokemon Go这种基于位置与运动信息的增强现实游戏；
智慧城市方面，位置信息将会覆盖到城市基础设施的方方面面，从所有的交通工具到每一个井盖和垃圾桶。利用这些位置数据，整个管理链条打通之后，可以极大地提升城市多方面的运行效率。
在物流领域，GPS 可以提供运输过程中对于人员、运输工具和货物的实时位置追踪。这些数据不仅对物流公司优化业务有帮助，也有利于下游货主提高供应链管理效率，而 GPS 的渗透深度很大程度上取决于 GPS 传感器的硬件成本和运营维护成本。
高精度厘米级别的定位对于机器人来说是必不可少的。这里讲的机器人是一个广义的概念，包括了不同产品形态，比如无人机，自动驾驶汽车等。未来，它们都会有很大程度的基于人工智能的自动控制。现在的定位技术主要在服务人类。未来，定位技术会被大量用于服务机器人。
目前，这类机器人已有一些行业应用：
在北美和澳大利亚，携带高精度 GPS 的无人机和无人农用机械已被大量应用于精准农业，结合遥感数据实施耕地植保、农作物播种、施肥等无人化精细操作。我国很多地区，比如东北和新疆也已经在这方面做了很多突出的工作；
在自动驾驶领域，定位是导航和避障的基础。高精度 GPS 与惯性传感器和激光雷达一起，利用数据融合实现厘米级别定位，从而结合高精度地图，帮助无人车感知周围的环境。
4.肖建宏
芯翼信息创始人及CEO。美国Texas A&M RFIC 博士，15年研发及工业界经验，曾在Broadcom任资深首席科学家。芯翼信息着力于基于蜂窝的窄带物联网（NB-IoT） 芯片研发。
技术跟应用相结合时，才能够大概率产生商业创新。
物联网芯片迭代，主要需要解决功耗、成本、稳定性方面的问题。
摩拜单车使用了蜂窝物联网的通信技术和定位技术，来实现扫码开锁、准确定位，这无疑证实了 IoT（Internet of Things，即物联网）的市场。但从技术推动商业创新的角度来看，摩拜的快速崛起其实是一个小概率事件，更多是应用驱动而不是技术驱动。
我们认为，对于物联网，当技术和应用相结合，对两者都有深刻理解并提供整体解决方案时，才能够大概率产生商业创新。
物联网通讯芯片的迭代逻辑是什么？
首先，从80 年代的“大哥大”到现在的智能机，手机芯片通过公网基站传输信号来完成。这种方式曾给我们带来很多便利，但是随着应用的不断增多，在成本、功耗方面也逐渐出现一些问题。例如水表、电表、气表，早期是靠人力抄表，后来换了 GPRS 智能表，功耗较大，每隔几年就要换一次。
有人估计，在物联网到来时，我们身边至少会有 50 个设备同时与物联网相连接，包括可穿戴装备和周边环境中的监测设备等等。这就要求每个设备成本、功耗足够低， 同时系统能够在有限的频谱上更有效处理这些小数据量设备的通讯。
其次，目前的芯片技术也需要进一步优化。例如，当我们身处地下室、车库或相对密闭空间时，手机信号时常不好；断电时，报警器、烟雾探测器等很多监测设备上的传感器状态无法传输。在物联网时代，如果因为这些原因导致信号中断，事情将变得非常糟糕。因而，新技术必须要有足够好的覆盖率和稳定性。
NB-IoT（Narrow Band Internet of Things, 基于蜂窝的窄带物联网技术，简称 NB-IoT）很好的解决了这些问题，这种技术在上述对时延不太敏感（无需做到微秒级响应），又需要深度覆盖、低成本传输数据的场所都可以应用。可以想见的场景包括公用事业、健康、智慧城市、智能楼宇、物流、工业、农业环境监控等等。
有哪些可以期待的应用？
特别说一下智能家居产业。这个产业之前不温不火有很多原因，其中一个是在没有形成平台化系统的情况下，就去做平台化的事情。换句话说，目前的设备多是针对消费者的单一痛点设计，技术标准很难统一，例如各种无线方式来遥控灯，或者播放音乐。
如果有了 NB-IoT， 厂家为了及时监控各种设备（比如冰箱、空调等）的使用状况就可能大规模给设备智能化。 这时，由于统一的标准，产业整体就具备了联网能力和平台化的条件，接下来的一步是由 BAT 或其他平台公司来整合、共享数据。技术的成熟能够大幅推动应用的发展。
在个人消费领域，传感器也有很大迭代空间。例如，目前的可穿戴设备以数据传输和健康监测功能为主，在保障老人、小孩等弱势群体的安全领域还没有很好的解决方案。如果新的产品功耗能足够低，基本上无需充电，又可以小型化、放到衣服里，需要用的时候通过手机 App 激活，就像“查找 iPhone 功能”一样获知人的位置， 肯定会大概率激发商业创新。
不过，这些应用场景到底能够发展成什么样子，会产生哪些新的商业模式， 还需要时间来验证。为了更好的推动大规模商业创新， 我们要保持对应用的极大关注，从系统角度来提供整体解决方案，同时大幅降低功耗成本， 为万物互联提供基础。
