产业互联网的量远大于消费互联网
导读：这些物种崛起的背后都有一个共同的背景——互联网大数据在加速向传统产业渗透，驱动生产方式与管理模式变革，推动制造行业向网络化、数字化与智能化方向发展。
“继海澜之家之后，近日，绍兴一家纺织企业也宣布为自家染缸装上了一颗聪明的大脑了！”
随着这则消息铺天盖地的袭来，24小时监测、数据化驱动、精细化生产、自身全程控货等关键词也渗透进了传统经济的典型代表——服装行业之中。
“印染”大脑是中国轻纺城集团纺织产业大数据中心联合一批试点企业，对实体经济与互联网、大数据、人工智能深度融合的探索。
所谓印染大脑，是指运用人工智能装备，通过精准分析采集数据，痕迹化管理染色、花样设计等操作，进行实时动态调整，实现企业节能减排、提质增效，解决一次合格率低等问题。
无论是海澜之家还是“印染”大脑等传统企业利用大数据、云、人工智能等数字技术应用提高产品的产出和效率，都不是巧合。
这些物种崛起的背后都有一个共同的背景——互联网大数据在加速向传统产业渗透，驱动生产方式与管理模式变革，推动制造行业向网络化、数字化与智能化方向发展。
产业数字化并非新词汇
产业数字化有多个称呼，有人称其为“需求侧的数字化和供给侧的数字化”，也有人称其为“消费互联网和产业互联网”，还有人则直接用“产业数字化”来概括自己现在和未来要做的事。
通俗地说，产业数字化就是数字和传统产业的结合，应用互联网技术对传统产业进行连接、重构。
事实上，如果你对互联网的历史有所了解，就会知道产业数字化并非新鲜词汇。
早在2000年，美国的沙利文咨询公司就提出了有关产业互联网的设想，但因当时受技术所限，这一设想并未被广泛接受。
直至2012年，通用电气公司发布了一份报告，重新对这一概念进行了介绍，它才逐渐被业界重视。
实际上，“产业”和“工业”在英文中都是industry，产业数字化最初的应用领域主要是工业，所以，在早期的中文文献中，产业数字化常被译为工业互联网。
不过，如果我们重新回顾一下产业互联网的发展史，就不难发现它的应用领域并不仅限于工业。
早在2012年通用电气公司的报告中，就涉及了航空管理、医疗等领域。
《2019数字化趋势报告》指出，当前数字化的应用领域正从互联网行业向政府、金融、零售、农业、工业、交通、物流、医疗健康等行业深入。
消费互联网化影响需求侧，产业互联网可直接影响供给侧。消费互联网是to C，产业互联网是to B。
在过去的几十年里，互联网通过连接和分享完成市场教育和消费端的认知，并以此造就了一大批以前端展示信息为核心的企业。
如电商平台、资讯平台、社交平台、交易平台、支付平台等，微信、淘宝、京东、美团、滴滴等巨头企业拔地而起。
互联网随时服务着我们的生活，堪称“万能”，这就是消费互联网。
产业数字化则不同，它服务的对象从C端到B端，也就是我们常说的，它是人口红利渐逝后互联网的第二次折叠，是消费数字化的延伸，在上半场互联网和用户基础的加持下，服务B端。
相较于消费互联网，产业互联网的体量更大。这一点从两者的连接数和APP需求量就能窥见一斑，消费数字化的连接对象主要是人与PC、手机等终端，连接数量大约为35亿；
产业数字化连接的对象则包括人、设备、软件、工厂、产品及各类生产要素，其潜在的连接数量可达几百万；
数据统计，在工业领域，产业互联网的APP需求量可达6000万。
从对国民经济发展的影响来看，产业互联网的意义要比消费互联网更为重大。
从功能上看，消费互联网主要是通过连接消费者，帮助既有产品实现更高效的销售和流通。
尽管它也会对生产环节产生促进效应，但总体来说这种影响依然是间接的、有限的。
相比之下，产业互联网对生产的影响则更为直接，也更为明显。
借力互联网，应用大数据、云计算、人工智能等技术，传统企业可以更好地设计满足消费者需求的产品、更有效地组织生产、更快捷地实现产品的流通和销售，从整体上优化组织结构、提升生产效率。
这对于促进新旧动能转换、实现产业优化升级、提升产业的国际竞争力都有十分重要的意义。（参考：科技日报）
技术革新成为下一个浪潮的推手
“今天，一个新的技术周期正在形成，通俗地说，就是ABCD+X（AI人工智能、Blockchain区块链、Cloud云计算、Data大数据，加上任何行业X）”，颜艳春说。
人工智能是继蒸汽机、电气后的第三次生产力革命；区块链是继股权、期权后的第三次生产关系革命，给用户分钱的币权机制正在重构每一个经济体。
随着ABCD不断渗入传统产业，加速了每一个旧产业的升级和迭代，一个月可能就是一个季度，催生了一大批创新物种和超级物种。
而这些超级物种背后，不仅仅是新零售或某个新制造、新供应链、新金融、新媒体、新物流的单个个体，可能是它们之间融合后的产物。
ABCD+X，让产业链上游、中游下游实现连接，打破产业边界，击穿利益分割的重重壁垒，进而重构全产业链，提升全产业链的生产实力。
1.AI：人工智能视觉、人工智能听觉等新兴技术的崛起带给了人们无数的想象和超前体验。
在产业数字化时期，AI成为数据的最佳应用手段，成为新的主线，让一切实现智能化、自动化。
案例：
① 小米
7年前，小米在国民心目中就是一家手机公司，现在，它已经变成了一个4000亿港币规模的经济体。
它把三四线城市的数万家小店和一二线城市的小米之家，以及线上的商城等整个全场景的流量团结起来，重构全产业链，实现再次腾飞。
② 大搜车
大搜车是二手汽车市场的新物种，它是一个汽车产业共同体，数据显示，现在它的GMV规模已经接近3500亿人民币。
大搜车做的工作就是团结了11万个二手车店的老板，不赚中间的差价和交易佣金，通过AI技术，让交易双方实现“配对”。
让过去平均60天的业务周期降到了平均不到20天，加速了业务周期。
③7-11
7-11这个例子我们经常看到，它打破了传统意义上便利店的枷锁，在一个新的经济体里创造了一个全新的产业模式。
借助AI技术，把2万个夫妻老婆店，178个工厂和140个物流配送中心的老板团结起来，打造一条没有任何收费站的“产业高速公路”，把产业链上的零碎点连接起来，形成了巨大的规模优势。
④ 滴滴
滴滴这个产业共同体，也是借助AI技术，进而让2000多万出租车司机和3亿多乘客实现连接。
2.大数据：千人千面、精准定位，在产业数字化中，这些都将成为常态。
大数据将凭借对数据整合成为B端服务者在产业数字化的专用利器，实时预测、专业分析，再次赋予数据独特的增值。
3. 云：以阿里云、腾讯云为代表的一众云计算领域的量级玩家入场，企业的数据存储在云端，以达到精准、高效、无时效性等目的，在产业数字化时期，云将成为企业数据存储的最佳场所。
4. 区块链：去中心化、不可篡改、可追溯，随着人们对产品的需求不断迭代，对商品源头以及渠道的知情权越来越成为人们不可缺少的选择需求时，区块链技术就是产业数字化的一大特色技术，将为人们带来独属于它的技术优势。
进步源于科技，从连接、分享到改造重构，“ABCD+X”一定是下一个浪潮的重要推手，颠覆我们所熟知的世界，而这一切并非今天才开始。
阿里：2008年，阿里巴巴陷入了IT基础设施的瓶颈，马云挖来了微软亚洲研究院常务副院长王坚从零开始建立云计算系统，替换旧有引擎。
腾讯：借着“云与智慧产业事业群”的成立，腾讯在2018年十月推出了第三次组织架构调整，把TO B业务提到了前所未有的战略高度。
这不是一次临时的调整，而是“蓄势已久”的。
百度：在过去五六年里，百度在人工智能研发领域的投入高达200亿，对话式人工智能系统Duer OS激活设备数突破一亿等。
除了互联网巨头在抢滩各种前沿技术，涉及未来市场进行不断自我革新外，我们还能看到，身边的医疗、物流、政务、农业、工业等领域，从上游到下游，从供应端到需求端，都在借着技术革新而被重做。
“下一个10年，一切皆重来。”颜艳春说。
唯有数字化，才能抓住下一个风口
2017年新造车运动的旗手是乐视控股集团创始人贾跃亭。
当年年初，在CES（国际消费类电子产品展览会）上，贾跃亭用蹩脚的英语向外界展示了他旗下企业“法拉第未来”第一款准量产车型FF91。
并宣布要打造零排放的电动汽车以及一套完整的汽车互联网生态系统，从产品到整体模式都将颠覆传统汽车产业。
不过，随着其商业帝国的资金链断裂，在2017年6月，他便宣布辞去了乐视董事长一职，留下了乐视这个烂摊子飞往了美国。
不过，在贾跃亭倒下的地方，蔚来汽车创始人李斌站了起来。他选择在当年贾跃亭发布LeSEE品牌首款概念车的五棵松体育馆，为自己的电动汽车ES8开发布会。
风头最劲的电动车除了蔚来汽车的ESB，还有奇点汽车奇点is6预览版、小鹏汽车1.0版汽车（IDENTYX）、威马EX5、车和家已经夭折的SEV和即将推出的一款对标特斯拉Model X的SUV（运动型实用汽车）。
值得注意的是，参与这场新造车运动的弄潮儿大多有一个背景：他们很多都来自互联网行业。
蔚来汽车创始人李斌、小鹏汽车创始人何小鹏与奇点汽车创始人沈海寅均为互联网行业从业者，他们背后有强大的互联网人站台，阿里巴巴、腾讯、百度的身影显现其中。（参考：何帆的《变量》）
很多人很难理解，为什么很多互联网公司都在跨界造车？
曾经和董明珠立下“10亿赌约”的互联网新一代掌门人雷军要造车，苹果、谷歌、华为纷纷宣布也要造车。
实际上，这和阿里巴巴、网易、京东纷纷宣布进军养猪行业的背景如出一辙，C端流量枯竭，争夺B端市场或将成为下一个趋势。
互联网行业的利器，一是数据，二是技术，三是资本。
“在互联网行业深入传统行业的腹地后，就会逐渐意识到，它们的这些武器是有局限性的。”北京大学汇丰商学院经济学教授何帆说。
互联网行业善于应用大数据，而传统产业的优势是小数据。
什么是大数据？
它是关于我们每个人日常生活的数据，比如购物清单、生活习惯、移动轨迹、健康数据、人脸特征等。
互联网公司在合理时间内撷取、管理、处理并整理，帮助其为消费者画像，以达到更积极地为用户提供定制化的目的，甚至针对每个消费者实施不同的定价，紧紧盯着你的钱包。
大数据有几个发展阶段：
① 数据开采与收集，不断从市场里去挖掘数据，我们把整个市场所有的数据叫做数据矿山。
② 数据清洗与标签化，从2011年开始，全球的研究院所和大型企业的工程师，开始花费大量的时间去做很低级繁琐的工作，这就是数据标签化过程。
③ 非同源数据的交汇耦合，现在大数据体量非常之多，但是数据分属于不同的公司，比如滴滴拥有出行的数据、携程有旅行的数据、美团有餐饮的数据。
所有的数据积累起来，这些数据非常密集，而其它大部分外界的数据是非常稀疏的。
出现这种情况的原因是有效数据不够，需要企业把不同的数据交汇在一起进行综合化分析。
这项工作亚马逊已经开始做了，中国也有很多金融公司去购买很多其它的平台数据，像诺亚和点融网就做得非常好，通过多元数据的耦合之后，综合分析每个人的用户画像，分析出结果后，反过来给企业推送商业策略，这是典型的产生过程。
最终就形成了一个结构化的精练数据集。
什么是小数据？
“小数据是指跟某个具体客户的深度体验，某个具体生产环节中的微妙变化有关的数据。”何帆说。
这些小数据大多停留在消费者的心里和生产车间的流水线上，不容易拿到，仅有少数能够为制造商所掌握。
小数据是传统产业的主场，不是互联网企业的主战场。
以汽车产业为例：
“互联网企业掌握的大数据是地图数据，这对汽车的自动驾驶、智能驾驶技术的发展都很有帮助。”何帆说。
制造业企业积累的数据库则是在安全性能、制造工艺、制造流程等方面。
容易被新兴汽车企业忽视的一件事情是：这种数据库积累下来的优势是不可能被迅速赶超的。
新兴汽车行业当然可以把传统汽车行业里最好的工程师挖过来，但这些人能带走的只是他们自己积累的经验，而这些经验不过是汪洋中的一滴水。
腾势汽车是中国最早一批出现的新能源汽车品牌之一，成立于2010年。腾势是由比亚迪和德国戴姆勒联手成立的汽车品牌。
腾势CEO严琛说，腾势汽车在制造过程中，遇到诸如车体设计这样的核心设计，会找德国的设计师来做，不是因为德国的设计师个人水平高，而是只有他们才有戴姆勒的数据库使用权限。
戴姆勒的数据库是数十年经验的积累，这些经验是从无数次失败中摸索出来的。
严琛去过宝马的工厂，发现他们几乎每天都在进行各种撞击实验，从各个方向撞击，形成的数据都会录入数据库。
互联网行业精通面向消费者的技术，但疏于生产流程、生产工艺的技术。
汽车的复杂程度远远超出这些“跨界者”的想象。强悍如苹果公司，最终也只能忍痛砍掉AppleCar计划。
不得已，很多新能源汽车企业只能和传统的汽车企业合作，让传统汽车企业为它们代工。（参考：何帆的《变量》）
蔚来汽车和江淮汽车合作，小鹏汽车和海马汽车合作，都是这个思路。
可是，你不可能把孩子永远放在别人家寄养。同样，你也不可能永远让别人代工。
问题在于，互联网企业一旦开始自建工厂，就会从轻资产模式转变为重资产模式，优势会变成劣势。
擅长平地作战的骑兵，到了山区，优势还在吗？
新造车运动主要依靠市场融资，希望凭借充足的弹药迅速撕开传统汽车企业的防守线，但成熟的传统汽车企业都有着极其严格的成本控制手段，新兴汽车企业很难在成本战中取胜。
这种靠资本堆出来的商业模式存在巨大的风险。有很多事情，真的不是钱多就能办成的。
一旦市场并不认可不成熟的早期产品，销路打不开，则经销商断网，供应商断货，这些问题反过来会影响融资，对于新公司而言是致命的。
一辆新车，从筹备到最终投放市场，原来是需要7~8年，后来变成5~6年，现在变成只需要2~3年，快的话18个月就可以搞定。这是电动汽车带给传统汽车的巨大冲击。
造车的周期大大缩短了，可是有很多问题会被掩盖。
城上的守军（传统产业）和城下的进攻者（互联网企业）都在思考。
为什么进攻者会如此快？为什么守城的部队如此顽强？为什么别人的机制这么灵活？为什么人家的系统如此严密？
汽车行业是工业化的代表，是传统产业最坚固的阵地。
实际上，各行各业都在暗流涌动，在数字化的驱动下悄悄改变了作战模式。
制造、医疗、运输，都是产业数字化的发力点，原来每个医院的系统，都是烟囱式的，互相隔离（看同一个病，你去A医院的病例都不能拿到B医院）。
以及法律、财务、办公室OA、会计、企业生产制造流程管理等，都在借助数字化的力量，变得更加高效、精准、便捷。
未来是一个实体经济和虚拟经济通过数字化实现平等对话、高度融合的时代，也是消费需求牵引整个制造需求运营的时代。
中国市场已经从过去30年突飞猛进的增量市场变成接下来的慢速增长的存量市场，中国上万亿规模的产业比比皆是，但整个市场都是碎片化的。
今天，我们已经来到了一个ABCD（AI人工智能+Blackchain区块链+Cloud云+Data大数据）+X的新技术推动的产业新周期，它在加速每一个产业的迭代，所有产业都将值得重做一遍。