在過去一年多的時間里，關于初創(chuàng)企業(yè)失敗以及安全問題令人擔憂等報道內(nèi)容一直籠罩著物聯(lián)網(wǎng)行業(yè)。但其實，物聯(lián)網(wǎng)一直保持著不可阻擋的前進之勢，2017 年也很有可能是物聯(lián)網(wǎng)設備數(shù)量超過手機的一年。

隨著 AI 技術的加速、連接方面的重大進展以及大型云供應商專用物聯(lián)網(wǎng)產(chǎn)品的推出，物聯(lián)網(wǎng)發(fā)展所需的基礎設施部分已經(jīng)逐漸到位。我們很快就會發(fā)現(xiàn)物聯(lián)網(wǎng)朝著全球互聯(lián)的物理世界這一方向呈現(xiàn)出指數(shù)級加速發(fā)展趨勢。

對于物聯(lián)網(wǎng)的擁護者來說，過去這一年到一年半的時間應該經(jīng)常會讓他們感覺到沮喪。物聯(lián)網(wǎng)到現(xiàn)在本應已經(jīng)發(fā)展的十分強大，但事實卻是，像初創(chuàng)企業(yè)失敗以及安全問題令人擔憂等報道內(nèi)容一直籠罩著這個行業(yè)。思科（Cisco）最近發(fā)布了一份（有爭議性的）研究報告，其中預計在所有的物聯(lián)網(wǎng)項目中，有 75% 的項目是以失敗告終。物聯(lián)網(wǎng)這一流行詞匯的光彩在過去的一年也確實黯淡了一些，很容易就被 AI 和比特幣的光芒所遮蓋。

有趣的是，物聯(lián)網(wǎng)其實一直保持著不可阻擋的前進之勢。2017 年很有可能是物聯(lián)網(wǎng)設備（包括可穿戴設備、互聯(lián)汽車和機器等）數(shù)量超過手機的一年。全球物聯(lián)網(wǎng)消費支出不斷增長并呈加速之勢，據(jù) IDC估計，2017 年全球物聯(lián)網(wǎng)總支出為 8000 億美元，較去年同比增長 16.7%。

事實上，物聯(lián)網(wǎng)生態(tài)系統(tǒng)的各個部分并非以同樣的速度在發(fā)展，因此最終物聯(lián)網(wǎng)也就變成了覆蓋幾個不同行業(yè)，而不是一個行業(yè)的狀態(tài)。但是，物聯(lián)網(wǎng)世界有共同的原則（從物理世界提取和分析數(shù)字數(shù)據(jù)）以及共同的特征（軟件和硬件的結合），面臨著同樣的機會（個性化、智能以及實時服務）和挑戰(zhàn)（連接性和安全性）。除此之外，像家庭自動化、商用無人機、工業(yè)機械或是自動駕駛汽車這些不同的領域也會受不同行業(yè)動態(tài)的影響。

兩年前，在《Are we There Yet? The 2016 IoT Landscape》一文中，我們曾對物聯(lián)網(wǎng)行業(yè)的整體情況進行過總結和分析。這兩年的時間里，發(fā)生了很多事情，其中許多可能都悄無聲息，不易察覺。我們現(xiàn)在對于物聯(lián)網(wǎng)行業(yè)的一個總體看法是：物聯(lián)網(wǎng)正在經(jīng)歷青春期發(fā)展階段，很多東西在不同的領域建立起來，可能并非所有的東西看上去都很漂亮或者都表現(xiàn)的很好，但是很多這都是基礎性的成長過程。

熱門趨勢和主題AI 無處不在

物聯(lián)網(wǎng)始終致力于創(chuàng)造“智能”物體—從物理世界獲取數(shù)據(jù)并且從中獲得更多的見解，這顯然沒什么錯，但最終的重點在于根據(jù)數(shù)據(jù)信息采取行動，理想情況下是以一種自動、實時并且智能的方式來進行，而這正是 AI 的功能所在。

2017 年，AI 在主流集體意識中得以爆發(fā)，這也是我們在 2017 年大數(shù)據(jù)、AI 領域及其他領域廣泛探討的一種趨勢。現(xiàn)在，AI 在物聯(lián)網(wǎng)對話中的角色正如在其他許多行業(yè)一樣，已經(jīng)成為它們非常重要的一個組成部分。

在面向消費者的物聯(lián)網(wǎng)產(chǎn)品中，最讓消費者感到振奮的領域大都是以 AI 為核心技術。語音平臺毫無疑問是消費級物聯(lián)網(wǎng)產(chǎn)品的亮點之一，亞馬遜 Alexa 和 Google Assistant（以及蘋果、三星、騰訊、阿里巴巴和其他加入者）已經(jīng)就此展開了激烈的角逐。顯而易見，這場競爭的重點并不在于銷售硬件產(chǎn)品，亞馬遜是想在包括 Sears、Kenmore 和各種可穿戴設備或家庭自動化產(chǎn)品（包括安全攝像頭Canary）在內(nèi)的第三方硬件上部署 Alexa。最終的目標是要積累海量的數(shù)據(jù)，建立數(shù)據(jù)網(wǎng)絡效應來不斷完善人工智能。如果語音真能成為“未來的用戶界面”，那誰擁有最強的 AI 技術，誰就能贏得這場競爭。

同樣，在 2017 年獲得了大量關注，吸引了大量投資的自動駕駛汽車領域（預計 2018 年將持續(xù)這一趨勢）從根本上來說也是 AI 的游戲。雖然相比目前的夸大其詞和過度宣傳，我們距離實現(xiàn) 5 級完全自主駕駛的距離可能比我們想象中要遠，但在過去幾年時間里，AI 已經(jīng)取得了顯著的進步，其中包括如何訓練它們或者說讓它們?nèi)绾斡柧氉约骸Ｔ谖锢硎澜缢奶幈疾ㄊ占瘮?shù)據(jù)的這種模式已經(jīng)開始被虛擬培訓模式所取代。2017 年優(yōu)秀文章之一就是 Atlantic 的《Inside Waymo’s Secret World for Training Self-Driving Cars》，其中介紹了 Waymo 自動駕駛汽車是怎樣做到在現(xiàn)實世界只跑了幾百萬英里，而在一個定制的模擬、虛擬世界卻跑了幾十億英里的內(nèi)容。

在企業(yè)和工業(yè)物聯(lián)網(wǎng)世界中，機器學習和 AI 也已經(jīng)成為關鍵課題。企業(yè)和工業(yè)物聯(lián)網(wǎng)產(chǎn)品不像他們的消費級物聯(lián)網(wǎng)胞弟那樣，需要收集足夠的數(shù)據(jù)實現(xiàn)真正有意義的 AI，才能取得商業(yè)上的巨大成功。企業(yè)和工業(yè)物聯(lián)網(wǎng)產(chǎn)品可以利用行業(yè)客戶的數(shù)據(jù)，而許多機器、裝配線和石油鉆塔本身早就配備了成千上萬個傳感器。當然，這其中的障礙還是很多，有技術上的障礙（數(shù)據(jù)經(jīng)常會被“困住”，難以提取），也有文化上的障礙（從幾十年的小樣本統(tǒng)計分析過渡到一種新的軟件驅動分析方法，一旦失敗，可能會導致災難性結果）。而 AI 可能會是完全改變這些行業(yè)游戲規(guī)則的技術所在。

除了上述所提到的例子之外，AI 也被廣泛應用于其他各個領域，從垂直農(nóng)業(yè)應用跨越到邊緣計算等基礎設施。

值得一提的是，除了 AI 之外，材料科學、基因組學和納米技術等領域（這些領域目前也在經(jīng)歷著自身的快速發(fā)展）的進步也讓物聯(lián)網(wǎng)有所受益。

安全性：越來越感到不安

如果說之前還有人質疑安全究竟是不是物聯(lián)網(wǎng)領域的一個主要問題，那在過去一年半的時間里，業(yè)界對于這個問題已經(jīng)達成了共識。

自 2016 年 9 月的 Mirai 開始，受到僵尸網(wǎng)絡病毒（(Botnets of Things）攻擊的物聯(lián)網(wǎng)設備名單不斷增長，僵尸網(wǎng)絡病毒也在去年 2 月份被《麻省理工科技評論》評選為“2017 全球十大突破性技術”：2 月份，聯(lián)網(wǎng)玩具制造商 CloudPets 被黑客入侵并被勒索贖金；3 月份，智能鎖廠商 Lockstate 更新固件出錯， 500 名客戶的智能鎖秒變磚；8 月份，大約 8000 臺物聯(lián)網(wǎng)設備的 Telnet 登錄憑證被泄露。在我撰寫本篇文章之時（2018 年 1 月初），有人公開發(fā)布了華為漏洞代碼，利用 Satori 僵尸網(wǎng)絡病毒攻擊華為路由器，試圖為更多的攻擊和更強大的僵尸網(wǎng)絡病毒拉開閘門。

在不久的將來，不可避免會發(fā)生一些更為嚴重的攻擊（最近，Brian Krebs 的知名安全網(wǎng)站 KrebsOnSecurity 發(fā)布了一篇文章《Reaper: Calm Before the IoT Security Storm?》，表達了對于一種被稱為 Reaper 或者是 IoTroop 的更為強大的物聯(lián)網(wǎng)惡意攻擊軟件的擔憂）。

我們在同物聯(lián)網(wǎng)初創(chuàng)企業(yè)交流的過程中發(fā)現(xiàn)，到目前為止，安全往往是事后才會考慮的事情。這并非是出于惡意或者是不負責任，事實上，許多物聯(lián)網(wǎng)開發(fā)人員現(xiàn)在最關心的就是安全問題，至少在我們的調(diào)查過程中是這樣。然而，現(xiàn)實情況是，考慮到推出一款物聯(lián)網(wǎng)產(chǎn)品時會遇到的眾多更為緊迫的挑戰(zhàn)，安全問題在其中的優(yōu)先程度往往會因此而降低。并且，物聯(lián)網(wǎng)安全往往是超出普通物聯(lián)網(wǎng)開發(fā)人員專業(yè)領域的一個復雜性問題，他們?nèi)绻ㄙM更多的時間和精力在安全問題上，其結果對于銷售產(chǎn)品來說往往并沒有什么立竿見影的效果，這也使得安全問題在實際開發(fā)過程中的地位一落再落。

誠然，現(xiàn)在圍繞物聯(lián)網(wǎng)安全問題，已經(jīng)出現(xiàn)了相關的初創(chuàng)企業(yè)（具體參見下文），許多大型的傳統(tǒng)安全服務供應商也提出了物聯(lián)網(wǎng)安全解決方案（或至少這些安全解決方案的營銷信息是以物聯(lián)網(wǎng)為中心）。但是，這些公司的安全方案通常是為滿足財富 100 強企業(yè)的安全需求，而普通初創(chuàng)企業(yè)開發(fā)人員（或是大企業(yè)預算不足的開發(fā)人員）的需求卻無法得到滿足。物聯(lián)網(wǎng)云基礎設施的出現(xiàn)對此肯定會有所幫助。然而遺憾的是，在安全成為絕對的基本要求之前，我們可能還會看到更多極具破壞性的大規(guī)模攻擊事件的報道。

值得注意的是，去年夏天美國參議員提出了一項新法案，名為“2017 物聯(lián)網(wǎng)網(wǎng)絡安全改進法案”，要求聯(lián)邦政府的物聯(lián)網(wǎng)設備（包括路由器和安全攝像頭）供應商必須遵循行業(yè)安全實踐，達到一定的安全標準。本質上來看，這是試圖利用聯(lián)邦政府龐大的 IT 預算分量來向物聯(lián)網(wǎng)行業(yè)傳遞一個清晰的信號。但是到目前為止，這一法案還未正式通過。

物聯(lián)網(wǎng)與區(qū)塊鏈

在剛剛過去的 2017 年，可以說我們很難忽視比特幣與加密貨幣的狂熱之勢，物聯(lián)網(wǎng)行業(yè)也不例外。物聯(lián)網(wǎng)和區(qū)塊鏈都算是最新出現(xiàn)的流行熱詞，在這種情況下，兩者結合的產(chǎn)物聽上去都有很大的風險。事實也很有可能就是這樣，但兩者結合所產(chǎn)生的可能性又非常具有吸引力，具體表現(xiàn)在以下幾個方面。

首先是安全性：由于其分散性以及保護數(shù)據(jù)不被篡改的特質，區(qū)塊鏈非常適合涉及大量網(wǎng)絡連接對象的復雜性安全問題。

其次，區(qū)塊鏈也可以為物聯(lián)網(wǎng)數(shù)據(jù)交換提供更為強大的可能性。這可以是在企業(yè)層面進行，它們可以利用私有區(qū)塊鏈基礎設施，無需通過中控和管理就能讓業(yè)務合作伙伴訪問或者提供物聯(lián)網(wǎng)數(shù)據(jù)。每位合作伙伴都能夠對每一筆交易進行驗證，確保問責制，避免爭議。與此同時，也可以是全球范圍的數(shù)據(jù)交換，作為一個分散的數(shù)據(jù)市場，據(jù)悉這實際上就是 IOTA 組織一直在嘗試去做的事情。

另外一個能夠很好地利用到區(qū)塊鏈的就是通用連接領域。Filament（將機器和工業(yè)基礎設施連接到網(wǎng)絡的遠程無線網(wǎng)絡）和 Helium（FirstMark 投資的一家公司）等初創(chuàng)企業(yè)已經(jīng)開展了這方面的工作，可能很快就會對外宣布具體的計劃和項目。

融資和退出：安靜的一年

自我們上次在 2016 年發(fā)布物聯(lián)網(wǎng)領域概況以來，盡管物聯(lián)網(wǎng)融資額仍然很高，但整個物聯(lián)網(wǎng)融資市場已經(jīng)從爆炸性增長之勢轉變?yōu)楦鼮榉€(wěn)健、謹慎的步伐。

事實上，據(jù) CB Insights 數(shù)據(jù)顯示，2017 年投資于物聯(lián)網(wǎng)行業(yè)的風險資金總額（從種子輪到 E 輪）為 37.7 億美元，較 2016 年的 38.3 億美元下降了 1.6 個百分點（這一數(shù)字覆蓋的是在 CB Insights 分類中為物聯(lián)網(wǎng)類別的企業(yè)，并不一定包括我們所列出的所有物聯(lián)網(wǎng)企業(yè)）。

物聯(lián)網(wǎng)行業(yè)的融資已經(jīng)向著對較少數(shù)初創(chuàng)企業(yè)（通常是處于成長階段的企業(yè)）進行更大規(guī)模、更集中的投資這一趨勢轉變，其他領域的投資趨勢也是這樣，只是物聯(lián)網(wǎng)領域可能尤為如此。從交易數(shù)量急劇下降的趨勢就能證明這一點，2017 年物聯(lián)網(wǎng)領域共有 295 筆風險融資交易，較 2016 年的 475 筆下降 37.9%。

不久之前，大多數(shù)物聯(lián)網(wǎng)初創(chuàng)企業(yè)還是處于種子輪或 A 輪融資階段。其中一些有實力進行擴張的公司現(xiàn)在已經(jīng)開始進行增長階段的融資。與此同時，種子輪和 A 輪階段初創(chuàng)企業(yè)的融資交易逐漸漸少：2016年，物聯(lián)網(wǎng)領域約 73% 的風險融資交易對象是種子輪和 A 輪初創(chuàng)企業(yè)，到 2017 年，這一數(shù)字下降到 53%。

與往年一樣，物聯(lián)網(wǎng)風投市場的特點之一是這一領域內(nèi)最活躍的投資者大多是大企業(yè)旗下的風投機構：英特爾投資和 GE Ventures 位居榜首，高通風險公司也不甘落后。由于許多傳統(tǒng)風投機構開始規(guī)避硬件領域，來自大企業(yè)風投分支的資金在這一領域發(fā)揮了巨大的作用。

軟銀愿景投資基金（Vision Fund）更是高調(diào)進入物聯(lián)網(wǎng)領域。在軟銀與和沙特主權財富基金于去年 6 月份共同啟動的 1000 億美元科技基金中，物聯(lián)網(wǎng)就是一個核心支柱（其實，軟銀在 2016 年 9 月以 320億美元收購 ARM，就是對物聯(lián)網(wǎng)的一大投注）。軟銀愿景投資基金進行了一系列大型投資，其中包括垂直農(nóng)業(yè)公司 Plenty（2 億美元的 B 輪融資）、地圖公司 Mapbox（1.64 億美元的 C 輪）、自動駕駛系統(tǒng)開發(fā)公司 Nauto（1.59 億美元 B 輪）以及自主機器人公司 Brain Corp（1.14 億美元 C 輪）。除此之外，軟銀還拿到了 NVIDIA、iRobot 和工業(yè)物聯(lián)網(wǎng)（IIoT）公司 OSISoft 的股份，并收購了 Alphabet 旗下的 Boston Dynamics 和 Schaft。

2017 年其他值得我們留意的融資還包括：室內(nèi)動感單車初創(chuàng)企業(yè) Peloton 3.25 億美元的 E 輪融資、智能玻璃制造商 View 2 億美元的 G 輪融資、IIoT 分析公司 Uptake 1.17 億美元 D 輪融資、3D 打印公司Desktop Metal 1.15 億美元 D 輪融資、智能門鈴公司 Ring 1.09 億美元 D 輪融資、云端智能機器人公司達闥科技 1 億美元 A 輪融資、智能代步工具 Ninebot 1 億美元 C 輪融資、日本 AI/IoT 平臺 Preferred Network 9540 萬美元戰(zhàn)略融資、企業(yè)身份管理平臺 Forgerock 8800 萬美元 D 輪融資、法國低功耗廣域網(wǎng)連接公司 Actility 7500 萬美元 D 輪融資、網(wǎng)絡安全初創(chuàng)企業(yè) SentinelOne 7000 萬美元 C 輪融資以及物聯(lián)網(wǎng)云平臺供應商 Ayla Networks 6000 萬美元 D 輪融資。

從并購角度來看，2017 年的兩大并購交易分別是面向互聯(lián)汽車和自動駕駛汽車領域：英特爾以 150 億美元收購 AI /計算機視覺公司 Mobileye；三星以 80 億美元收購聯(lián)網(wǎng)汽車解決方案專家 Harman。緊隨其后的就是物聯(lián)網(wǎng)安全領域，Thales 以約 56 億美元的價格收購金雅拓（Gemalto）。除此之外，另有 Itron 8.3 億美元收購網(wǎng)絡連接專家 Silver Spring Networks、Sierra Wireless 1.07 億美元收購全棧管理平臺 Numerex 以及 OpenText 1.03 億美元收購物聯(lián)網(wǎng)云平臺供應商 Covisint。

從物聯(lián)網(wǎng)初創(chuàng)企業(yè)退出方面來看，2017 年并不算讓人滿意的一年。有幾筆值得一提的收購交易，但交易額都未突破 5 億美元大關：德國大陸集團（Continental）4.5 億美元收購以色列汽車網(wǎng)絡安全公司Argus；Delphi 4.5 億美元收購波士頓自動駕駛初創(chuàng)公司 NuTonomy；John Deere 3.05 億美元收購農(nóng)業(yè)機器學習公司 Blue River、Assa Abloy 收購智能鎖制造商 August 以及 Prodea 收購物聯(lián)網(wǎng)平臺 Arrayent（最后兩筆交易價格不詳）。

最后， 2017 年也是物聯(lián)網(wǎng)領域初創(chuàng)企業(yè) IPO 寥寥無幾的一年。上市公司包括專注于“萬物互聯(lián)”的數(shù)據(jù)中心基礎設施公司 Switch Inc. 以及幫助企業(yè)追蹤訪問他們網(wǎng)絡的物聯(lián)網(wǎng)設備的安全初創(chuàng)企業(yè) ForeScout Technologies。

2018 物聯(lián)網(wǎng)產(chǎn)業(yè)分布

這是我們第四次發(fā)布物聯(lián)網(wǎng)產(chǎn)業(yè)分布內(nèi)容（之前分別于 2013 年、2014 年和 2016 年發(fā)布）。今年產(chǎn)業(yè)分布內(nèi)容中出現(xiàn)了一些新的子類別，這也反映了物聯(lián)網(wǎng)領域的新趨勢，其中包括：語音平臺、海洋車輛、垂直農(nóng)業(yè)和邊緣計算。上圖共 971 家公司，相比 2016 年的 721 家上漲了 34.7%。另外，相比 2016 年公司名單，今年產(chǎn)業(yè)分布圖移除了 96 家公司，又新增了 346 家公司。其中，有少數(shù)幾家大型企業(yè)同時覆蓋幾個不同的類別。

下文我們將重點介紹上圖中的一些關鍵部分，從頂部的“應用/垂直領域”開始，到底部的“構建模塊”部分。

應用/垂直領域

消費級物聯(lián)網(wǎng)：大試驗的終結

消費級物聯(lián)網(wǎng)在 2017 年的表現(xiàn)可以說非常慘淡。在我撰寫本文時，智能鎖制造商 Otto（已經(jīng)獲得了 3700 萬美元風險融資）最新加入了一份長長的名單之中，這名單記錄的是在過去一年半的時間里停止運營的一大批初創(chuàng)企業(yè)。另外還包括：睡眠追蹤初創(chuàng)企業(yè) Sense（240 萬美元 Kickstarter 眾籌資金以及 4000 萬美元風險融資）、生活日志相機 Narrative（1200 萬美元風險融資）、消費級無人機初創(chuàng)企業(yè)Lily（預售額 3400 萬美元，風險融資 1500 萬美元）、AR 摩托車頭盔制造商 Skully（1500 萬美元風險融資）、智能泡茶機 Teforia（1700 萬美元風險融資）、智能耳塞公司 Doppler Labs（5000 萬美元風險融資）以及智能榨汁機 Juicero（1.18 億美元風險融資）。

如果再加上被收購的幾個消費級初創(chuàng)企業(yè)（Pebble 和 Electric Objects）和 B2B2C 平臺（被 Ring 收購的 Zonoff 以及被 Will.i.am 收購的 Wink），這一名單還會更長。

很多后期初創(chuàng)企業(yè)，甚至上市公司也處于動蕩之中，昔日手環(huán)巨頭 Jawbone（總融資額 10 億美元）破產(chǎn)，F(xiàn)itbit、GoPro 以及 Parrot 的股價較 2015 或者是 2016 年相比也都大幅下跌。截至撰稿時，GoPro也宣布退出無人機業(yè)務并裁員 20%。

發(fā)生了什么？

我們可以發(fā)現(xiàn)，消費級物聯(lián)網(wǎng)第一階段的發(fā)展已經(jīng)結束，現(xiàn)在回想起來就像是一場“大試驗”一樣。現(xiàn)在回顧 2012 或 2013 年，當時消費級物聯(lián)網(wǎng)領域發(fā)展勢頭被再次引燃，主要是出于兩大期望。

第一個期望是實現(xiàn)物理連接能夠改變一切。一旦聯(lián)網(wǎng)，愚笨的設備將變成欲望的對象，驅動強大的消費者需求，進一步助長高昂的價格。

第二個期望是硬件能夠變得“不那么僵硬”。許多物聯(lián)網(wǎng)企業(yè)家對于這一領域來說都是新手，但是借助于開源、商品化組件、新的開發(fā)平臺、3D 打印和眾籌，他們也能像軟件企業(yè)家那樣促進產(chǎn)品迭代。

最初像 Nest 和 Oculus VR 的成功似乎為我們迎來了消費級物聯(lián)網(wǎng)的一個新時代，隨即而來的是各種新公司和新產(chǎn)品寒武紀式的大爆炸。但是，快進到當下，我們就會發(fā)現(xiàn)消費級物聯(lián)網(wǎng)初創(chuàng)企業(yè)經(jīng)歷了一場殘酷的跌落回現(xiàn)實的經(jīng)歷。

聯(lián)網(wǎng)并沒有改變一切。正如 Big Ass Fans 創(chuàng)始人總結的那樣：“只是因為你可以用物聯(lián)網(wǎng)技術做成這些事情，但并不意味著消費者就會想要這些。”早期的接受者愿意為了新穎性支付高昂的費用，但要想擴展到主流消費者群體，這項技術就必須超越看似酷炫的表層因素，展示出不可否認的價值。

另外，硬件創(chuàng)業(yè)并不是多么容易的一件事：設計出錯成本高昂；供應鏈問題比比皆是；零售難度很大。并且，由于亞洲（主要是中國）低成本制造商以及科技巨頭（包括美國和亞洲）的存在，初創(chuàng)企業(yè)面臨的競爭日益激烈。這已經(jīng)不是什么新問題，早在 2013 年我們就探討過這個問題，但現(xiàn)在從很多方面來看，這一問題更加糟糕，因為大型企業(yè)已經(jīng)開始從試驗中走出來，全力以赴探索實踐應用的機遇。

當然，這并不是說消費級物聯(lián)網(wǎng)初創(chuàng)企業(yè)就注定會失敗。總有初創(chuàng)公司會倒閉，這是創(chuàng)業(yè)的本質所在。上文所提到的物理網(wǎng)領域初創(chuàng)企業(yè)之所以會停止運營，部分原因可能在于經(jīng)過 3、4 年爆炸性增長之后，這一領域自然會經(jīng)歷一個自然消耗的過程。這些失敗之所以更為公開可能是因為這些公司在創(chuàng)立之后或者融資之時得到了相當多的關注。

一些消費級物理網(wǎng)初創(chuàng)企業(yè)正在穩(wěn)步擴張，并且在成長階段獲得了大量的融資。上文提到的例子中就有這樣的幾個：據(jù)我所知，動感單車/健身初創(chuàng)企業(yè) Peloton 在 2017 年獲得了 3.25 億美元 E 輪融資，這是物聯(lián)網(wǎng)領域初創(chuàng)企業(yè)在去年最大規(guī)模的一筆融資交易；智能門鈴初創(chuàng)企業(yè) Ring 去年獲得了 1.19 億美元 D 輪和債務融資，開始進一步的規(guī)模擴張（但現(xiàn)在面臨著來自 Alphabet / Nest 和亞馬遜日益嚴峻的競爭）。

新一代的硬件企業(yè)家已經(jīng)出現(xiàn)。隨著時間的推移，這些企業(yè)家無論是來自成功的物聯(lián)網(wǎng)企業(yè)還是失敗的企業(yè)都會變得更加頑強，我相信他們在過去幾年所積累的經(jīng)驗將會新催生出一家優(yōu)秀的消費級物聯(lián)網(wǎng)公司。

工業(yè)物聯(lián)網(wǎng)：從水平平臺到垂直、AI 解決方案

與消費級物聯(lián)網(wǎng)相比，B2B 的表現(xiàn)要更好一些。尤其是工業(yè)物聯(lián)網(wǎng)（IIoT），作為“工業(yè) 4.0”主題的組成部分（另外還包括機器人技術和企業(yè) 3D 打印技術），吸引了越來越多初創(chuàng)企業(yè)、風險投資公司和大型企業(yè)集團的關注。工業(yè)物聯(lián)網(wǎng)正如同它所服務的對象（制造業(yè)、能源、物流和運輸）一樣，其中都蘊藏著非常大的機會。

雖然 IIoT 屬于企業(yè)技術類別，銷售周期相對較長，但相比消費級物聯(lián)網(wǎng)領域來說，IIoT 領域初創(chuàng)企業(yè)的一個優(yōu)勢是，他們通常不需要對行業(yè)內(nèi)的行為進行徹底地改造。無論是工廠還是油田，大都提供了不錯的機器數(shù)據(jù)提取和分析方法，一些大型工業(yè)集團可能已經(jīng)這樣操作了很多年。因此，IIoT 可以更輕松地融入工業(yè)領域企業(yè)現(xiàn)有的工作流程，包括與現(xiàn)有的運營技術框架相結合，并且在提升企業(yè)投資回報率方面的表現(xiàn)也更好。

這也就是說，IIoT 的空間還有很大。各種核心技術問題，無論是遠程連接還是熱環(huán)境都沒有得到很好的解決。在運行 AI 來解決上述問題之前，需要先提取數(shù)據(jù)，這仍然是一個難題，因為工廠所配置的大都是各種傳統(tǒng)機器。目前包括 Augury、Arch System 和 Petasense 等在內(nèi)的初創(chuàng)企業(yè)正在積極解決這一問題。

總的來說，大型工業(yè)物聯(lián)網(wǎng)領域還處于試驗階段，無論是初創(chuàng)企業(yè)還是大型廠商目前都處于這一階段。另外，這一行業(yè)內(nèi)還有一個不成熟的做法，許多大型工業(yè)企業(yè)內(nèi)部的 IT 團隊正在考慮自己構建所需的技術。我們不止一次的聽到這種說法，但是絕大多數(shù)情況下，內(nèi)部 IT 團隊所創(chuàng)建的系統(tǒng)根本就不是像 Arduinos 和 Raspberry Pis 這樣企業(yè)級的構建模塊。

無論如何，經(jīng)過過去一年左右的時間，工業(yè)物聯(lián)網(wǎng)領域已經(jīng)形成了一個共識：沒有“一碼通吃”的 IIoT 平臺。也就是說，沒有通用的傳感器或水平軟件可以稍作修改就能應用于所有的垂直行業(yè)。由于客戶對于銷售和部署系統(tǒng)都存在不同的需求，因此且不論供應商規(guī)模大小，都不得不調(diào)整方向，專攻某個特定的行業(yè)。例如，Samsara 最初是想著手構建一個水平平臺，但現(xiàn)在已經(jīng)將關注方向聚焦在車隊監(jiān)控。工業(yè)巨頭通用電氣開始在其 Predix 平臺上進行了全面的水平方向投入，之后也不得不重新關注垂直應用。

物聯(lián)網(wǎng)連接：關鍵性基礎設施方面的進展

在當前的物聯(lián)網(wǎng)創(chuàng)新浪潮中，如何更好地將物體連接到互聯(lián)網(wǎng)（以一種可靠、可擴展、省電以及低成本的方式）仍然是一個發(fā)展勢頭迅猛并且非常有競爭力的主題。絕大多數(shù)設備很可能繼續(xù)通過短距離連接技術（如 Wi-Fi、藍牙、Zigbee 和 Z 波）來進行連接。值得注意的是，雖然 Wi-Fi 在室內(nèi)用例（例如家庭自動化）方面具有很多優(yōu)點，但要想用于更廣泛的物聯(lián)網(wǎng)領域，則在功耗和成本方面存在著明顯的缺陷。IEEE 802.11ah 和 802.11ax 新標準可能有助于解決這些問題，但現(xiàn)在下定論還為時尚早。

與此同時，廣域連接（長距離連接）也取得了不錯的進展，像 Sigfox（由一家法國初創(chuàng)公司建立的專用蜂窩網(wǎng)絡，投資額約為 3.1 億美元）和 LoRA（最初也是一家法國企業(yè)研發(fā)的技術，后于 2012 年被Semtech 收購）都是不錯的案例。這些都屬于低功耗廣域網(wǎng)（LPWAN）無線技術，專門用于在很長的范圍內(nèi)以低比特率連接低帶寬、電池供電的設備。

2017 年大型運營商紛紛加入這一行動，推出的產(chǎn)品可分為兩種類型：

窄帶物聯(lián)網(wǎng)（NB-IoT）是由大型電信運營商支持的一個許可標準（與未經(jīng)許可的 SIgfox 和 LoRA 相對），在 2017 年取得了不小的飛躍，德國電信在荷蘭推出了首個 NB-IoT 官方服務。2018 年 1 月，T-Mobile 也宣布將在美國推出首個 NB-IoT 計劃。除此之外，據(jù)稱 Dish Networks 或與亞馬遜合作，部署 NB-IoT 網(wǎng)絡。

另外，Verizon 和 AT＆T 都于去年在美國推出了自己的 IoT 網(wǎng)絡，加入無線技術的競爭之中。NB-IoT 和 CatM1 技術都各有其優(yōu)缺點，但要用于大量物聯(lián)網(wǎng)設備，成本仍是他們所共同面臨的一個主要問題。T-Mobile 最新推出的 NB-IoT 產(chǎn)品每個設備每年的連接費用是 6 美元，相當于“Verizon Cat-M 計劃費用的十分之一”。

最后，不得不說 5G 的希望也很大，它的數(shù)據(jù)傳輸速度更快，更適合像自主駕駛汽車這樣競爭激烈的物聯(lián)網(wǎng)用例。但這要等到實現(xiàn)廣泛的部署之后才可以，在美國，可能還需要十年的時間。

云端巨頭都瞄準了物聯(lián)網(wǎng)

云端一直是物聯(lián)網(wǎng)領域熱議的話題之一，但最近幾年卻讓我們看到了很多不確定性。一方面，云服務巨頭企業(yè)似乎都認為他們的核心云產(chǎn)品無需做出多少額外的努力就能滿足物聯(lián)網(wǎng)的需求。另一方面，各種各樣的物聯(lián)網(wǎng)企業(yè)都開始嘗試構建自己的云產(chǎn)品。

2017 年，這一問題迅速改觀。微軟增加了許多重要的功能（為那些不想自己管理云端的物聯(lián)網(wǎng)客戶提供了一個用于完全托管的 SaaS 產(chǎn)品 IoT Centra；用于邊緣計算的 Azure IoT Edge；時間序列數(shù)據(jù)庫Time Series Insights），亞馬遜也不甘落后（讓簡單設備可以觸發(fā) Lambda 的 AWS IoT One-Click；保護物聯(lián)網(wǎng)設備的 AWS IoT Device Defender；規(guī)模化遠程管理物聯(lián)網(wǎng)設備的 IoT Device Manager）。也許最能說明問題的或許是，Google 也加入了這一陣營，推出了能夠大規(guī)模連接和管理遠程物聯(lián)網(wǎng)設備的 IoT Cloud Core，并與包括 BigQuery、Dataflow 和 Pub / Sub 在內(nèi)的 Google Cloud 產(chǎn)品進行了整合。

與此同時，通用電氣不再執(zhí)著于構建自己的“Predix Cloud”，轉而專注于在 AWS 上構建應用程序。我們接觸的幾家初創(chuàng)公司也暫時擱置了他們自己創(chuàng)建云技術的計劃，轉而關注將設備數(shù)據(jù)發(fā)送給大型公共云提供商這一解決方案。

強大的云基礎設施的出現(xiàn)是物聯(lián)網(wǎng)領域的一個重大進展，因為這樣能夠大大降低設計和安全部署物聯(lián)網(wǎng)設備的總體復雜性，這在之前一直是阻礙物聯(lián)網(wǎng)領域發(fā)展的最大障礙之一。

誠然，云計算可能無法適用于所有的物聯(lián)網(wǎng)客戶，尤其是對數(shù)據(jù)高度保護的工業(yè)領域客戶來說更是這樣。值得慶幸的是，邊緣計算的出現(xiàn)將有助于這些客戶在本地處理他們的數(shù)據(jù)。

邊緣計算的興起

邊緣計算在此之前已經(jīng)是一個熱門話題，但在 2017 年，我們看到了邊緣計算真正的飛躍。邊緣計算一般是指將智能從云端推向邊緣，包括網(wǎng)關、設備甚至是傳感器。在某些情況下，邊緣會過濾掉噪聲，只將最相關的數(shù)據(jù)發(fā)送到云端，以減少處理環(huán)節(jié)和成本；在有些情況下，需要在當?shù)刈龀鲆恍Q定，進一步采取行動。所有這些通常都支持機器學習和 AI 在本地設備運行。

不僅是初創(chuàng)企業(yè)（包括霧計算平臺開發(fā)商 Foghorn 和 Mythic 等）在邊緣計算和分析方面進行了一些有趣的探索，在過去一年的時間里，科技巨頭也開始紛紛進軍邊緣計算領域。自 2016 年以來，AWS 推出 Greengrass、微軟推出 Azure IoT Edge、戴爾宣布在邊緣計算領域投資 1 億美元、獲得包括戴爾在內(nèi)的 50 多家貢獻者支持的開源項目 Edge X Founder 也在 2017 年春季推出。

總結

在過去一年左右的時間里，我們可能已經(jīng)看到許多消費級物聯(lián)網(wǎng)初創(chuàng)企業(yè)失敗的報道，但這些個例不應該分散我們對于物聯(lián)網(wǎng)領域整體的關注度：隨著 AI 技術的加速、連接方面的重大進展以及大型云供應商專用物聯(lián)網(wǎng)產(chǎn)品的推出，物聯(lián)網(wǎng)發(fā)展所需的基礎設施部分已經(jīng)逐漸到位。當然在物聯(lián)網(wǎng)安全等重要的方面還有很多工作要做。

一波新技術浪潮出現(xiàn)之后的一個重要特征是“逐漸發(fā)展，然后迅猛崛起”。物聯(lián)網(wǎng)的各個細分領域將繼續(xù)保持各自的發(fā)展步調(diào)，但是隨著核心基礎設施到位，我們很快就會發(fā)現(xiàn)物聯(lián)網(wǎng)朝著全球互聯(lián)的物理世界這一方向呈現(xiàn)出指數(shù)級加速發(fā)展趨勢。