论“工业互联网”

架构工业互联网，就需要建立一个工业级强度的数据供应链。正如制造商们擅于统筹协调他们的有形商品一样，这一数字供应链应当精于协调数据。这么一来就需要建立一个软件与硬件储存栈，它本质上包含三个层面：收集、分析和交付。

无论人类在Facebook上点击多少次的“赞”，都比不上机器之间在互联网上分享的数据。一架典型的737客机在一次单程跨国飞行中，就生成多达240太字节的数据，而整个人类社交网络在2012年全年，才生成了500太字节数据而已。为了应对这一数据量，Facebook自己建立了4个数据中心，并另外租用了6个数据中心。到2020年，工业机器间分享的数据将远远超过人类所生成的数据量。麦肯锡预测，无线射频识别标签（一种通用传感器）的数量将从2011年的1,200万上升到2021年的2,090亿，而它们生成的通讯数据量也将相应增加。

要构建工业互联网，就需要建立一个工业级强度的数据供应链。正如制造商们擅于统筹协调他们的有形商品一样，这一数字供应链应当精于协调数据。这么一来就需要建立一个软件与硬件储存栈，它本质上包含三个层面：收集、分析和交付。

“收集”层面涉及大多数需要用到的硬件，包括传感器、储存设备和带宽。全球商用飞机的43,000个引擎中所嵌入的传感器或许能通过无线方式，把设备的状态、地点和历史记录发送到地面的服务器上。据思科称，这种机器对机器的通讯将成为未来四年移动数据流中增长最快的部分。（思科同GE、AT&T、英特尔和IBM一起建立了一个名为Industrial Internet Consortium（工业互联网联合会）的组织。）数据一旦被捕获，就将被储存在本地，或云端的中央服务器中，与交易和其他形式的企业数据聚集在一起。

“分析”层面覆盖大数据领域。在这里，传统商业智能应用程序将被NoSQL数据库和Hadoop集群等更具扩展性的软件所代替，后两者都从庞大的数据中挖掘商业价值。据德勤称，Hadoop的市场到2016年将达8.13亿美元，而NoSQL的市场到2018年将到34亿美元。在这些系统上运行的分析引擎或许可以对兆兆字节完全不相干的数据进行整理，生成复杂的行为模式，预测重要部件可能失灵的时间，或者何时需要人为进行干预。

最后一个层面是“交付”，它包含许多方面，包括机器到机器反馈回路及定制化平板电脑应用等。现代数据可视化技术取代了传统的数据报表，帮助一线技术人员和高管确认模式和趋势，让他们能够更迅速地做出更好的决策。比如，德州医学中心利用初创企业Ayasdi设计的软件，使乳腺癌数据可视化，让专家们能更快将一种新类别的病人归类，进行进一步的分析。个中的挑战在于打造一个能够让企业中每个员工使用的平台，而无关乎他们的职位类别与高低。

建立数据供应链绝非易事。比如经济学人智库近期的一项调查显示，只有不到一半的企业已经将大数据转变为一种竞争优势。但他们所获得的回报却十分可观。麦肯锡估计，美国医疗保健行业每年可以因此节省3,000亿美金，而零售企业或许可以由此增加60%的利润。机器互相之间早就开始对话交流；我们要做的，是辨别出它们到底想说什么。