消费互联网向产业互联网转型的五大挑战

近年来，全球范围内互联网C端即消费者端需求放缓，B端即企业端越发成为各大互联网巨头竞逐的重心，传统的消费互联网正逐步走向产业互联网。“互联网下半场”正由概念变为现实。

2018年2月，《哈佛商业评论》刊文（“Can Anyone Stop Amazon from Winning the Industrial Internet?”）将与互联网相关的产品和业态细分为三种。一是因搜索、社交需求而催生的谷歌、脸书。此类纯粹的信息产品由那些从小在数字环境中长大的所谓“数字原住民”（digital native）掌控和使用，或可称为“原生态信息产品”。二是传统影视、音乐行业的“数字化”，如主打音乐的Spotify以及主打影视剧的流媒体Netflix。三是基于物联网、云计算、人工智能、5G等技术发展的传统行业如机械制造、航空航天、汽车与运输、能源的“互联网化”。

实际上，在消费互联网时代，生产“原生态信息产品”的部分企业已经完成了由上述第一业态向第二业态的拓展，迈出了从“消费互联”走向“产业互联”的第一步。从长远看，唯有转向大工业、大企业，真正走向“产业互联”，互联网企业才能真正迎来“下半场”。

但由于存在行业壁垒，且人工智能、5G等关键技术仍然薄弱，加之消费互联网商业模式的惯性作用，当下产业互联网浪潮中，生产“原生态信息产品”的企业依然将上述第一、第二业态领域作为主战场，在第三业态领域择取零售、医疗、教育等“软产业”作为突破点，整体上对“产业互联”的渗透，则还处在相对初步阶段。

因此，看似不同性质的互联网业态，在未来相当长一段时间内将融合共生，“原生态信息产品”的生产企业中，一部分或将永远停留于消费互联时代，一部分或将迎来相当长时间的转型期，另有一部分可能成为产业互联网时代的新贵。

结合过去十年中美互联网与传统行业的融合发展趋势，可大致窥见消费互联网向产业互联网转型的五大挑战：

一、消费互联的惯性：产业偏好与盈利模式

生产“原生态信息产品”的一类企业对消费互联网时代的绝对主导，决定了它们在迈向产业互联网的过程中，不可避免地带有消费互联的印记，其转型之路势必受到“上一代互联网”的惯性冲击。

惯性的第一层面，表现为此类纯粹信息产品的生产者对产业互联网的“行业落地”选择，更偏好“吃、穿、住、用、行”等“软产业”。近年来，硅谷流行的“新零售”（亚马逊无人商店）、“自动驾驶”（谷歌的Waymo）、“智能音箱”（微软的Invoke）等“产业模式”，无不体现了“消费”对产业互联时代的塑造。

惯性的第二层面，体现为这一类企业对消费互联网时代主营业务的重度倚赖。以占据全球数字广告市场七成份额的谷歌与脸书为例，近年来，在各方质疑中，随着“监控用户以推送广告”的商业模式逐步难以为继，这两家公司都意图摆脱对搜索广告、社交广告的倚赖。但截至去年，脸书全年营收的98.5%依然来自广告；谷歌虽在硬件产品和云服务领域布局，但其广告占比也仅从2009年的96.8％降至去年的85.4％。

惯性的第三层面，在于对“平台”和“计算”的重视。谷歌、亚马逊、微软等公司在向产业互联网的转型中，都试图通过推广携带自家人机交互系统的智能设备占领产业互联时代的系统平台高地。此外，它们最擅长的“云计算”，成为切入产业互联网最为关键的角度，去年，亚马逊云计算系统（AWS）为亚马逊贡献了一半以上的利润，谷歌云近两年的市场表现也呈持续上升态势。

可以说，“惯性”避免了这一类企业从消费互联网向产业互联转型的“硬着陆”，可确保公司利润以实现股东利益。然而，“惯性”也可能让转型的愿景在长时间内难以有效达致底层，公司在组织架构调整、目标考核设定上或出现反复。而如果长期无法摆脱消费互联的惯性，部分企业将可能永远停留于“上一代互联网”。

这一方面的典型案例是脸书。脸书试图通过Libra项目涉足支付与电子商务领域，从而间接切入全球金融业。但对广告业务的重度依赖导致其自身受到反垄断调查，转型前景堪忧。此外，部分公司“叫好不叫座”的新业务拓展也让它们的转型受到挑战。以谷歌为例，其深耕无人驾驶多年，试图切入交通运输业，但由于无人驾驶技术商用尚不成熟，致其专注无人驾驶的子公司Waymo长期“烧钱不赚钱”，近期被投行摩根斯坦利调降估值。

二、传统产业的觉醒：产业+互联网

此轮产业互联网潮流与上一轮“互联网+”最为显著的区别，在于传统行业似乎开始“自我觉醒”，变身为舞台主角，而互联网企业则成为“配角”。或者说，传统行业欢迎互联网，但并不欢迎互联网公司。

一直以来，美国通用电气公司（GE）将“制造、出卖工业设备并提供维修服务”作为自身商业模式。2009年，通用电气时任总裁杰夫·伊梅特（Jeffrey R. Immelt）发现，自家卖出的设备产生了大量的运营数据，但通用电气却疏于分析与使用，让IBM等公司搭了便车，后者凭借对通用电气设备生成的数据进行分析，为客户降本增效，从而实现了盈利。

通用电气从此将IBM、亚马逊视作竞争对手，开启了自身的数字化转型，一方面大幅增加其设备上的工业数字传感器，另一方面着力开发通用软件平台和专用工业软件程序。2010年以来，通用电气在加州成立了数据中心，从谷歌、脸书、苹果、思科、微软等一线公司挖来大量技术和管理人才。

多年努力下，通用电气推出了面向工业应用、基于云端的操作系统Predix。这个系统类似工业领域的“Windows”或“安卓”：可以搭载大量工业软件，远程监测诸如油田钻机、风力涡轮机等设备的运营，并通过平台云计算与数据分析，及时调校设备，起到降低磨损、提高效能、使设备自适应环境甚至“检修预警”的目的。

通用电气以外，德国制造业巨头西门子自2014年以来也开启了“数字化”征程，通过IT技术和大数据来服务客户，开发出与Predix相似的Sinalytics工业操作系统。西门子还启动了类似于谷歌“内部孵化”机制的“Innovation AG”计划，鼓励员工大胆创新。

在通用电气、西门等传统制造巨头看来，“物联网”或“产业互联网”不过是硅谷搞出来的幌子，意在将“Windows”或“安卓”复制到传统工业生产领域，让硅谷在控制了消费互联网时代之后，再一次主导产业互联网时代。负责Predix开发的通用电气数字部门前首席技术官Harel Kodesh本身即来自微软，他认为，面对硅谷，传统制造业“要么被蚕食，要么制造出Predix”。

哈佛商学院教授卡里姆·拉哈尼（Karim R. Lakhani）曾言，“数据和分析变得比已安装的设备本身更有价值”。这是通用电气、西门子等制造业巨头十年前便将硅谷而非同类企业视作最大竞争对手的根源，也是传统工业巨头“硅谷化”的时代布景：一方面，微软、IBM、谷歌、亚马逊这一类“原生态信息产品”生产企业的渗透与控制倒逼传统行业开启数字化转型之路；另一方面，硅谷在消费互联网时代的深耕，让其得以为传统行业转型提供包括平台开发、软件运营、数据价值挖掘在内的全方位人才与管理经验支撑。

因此，就美国而言，“产业互联网”在很大程度上就是“实体产业”的数字化过程。实体产业需要硅谷的技术与人才，拥抱“产业+互联网”，却又担忧硅谷的渗透与控制，反对“互联网+产业”。未来，在具备较高技术壁垒且数字化应用已较为成熟的工业制造、航空航天等垂直领域，能够对本领域的“产业互联网”予以定义并制定行业标准的，更大可能是业内原有的一线公司，而非谷歌、亚马逊这一类企业。

换句话说，产业互联网一定会来临，但未必以传统互联网寡头所期待的模样呈现。这对于互联网寡头不是一个好消息，但却是必须接受的现实。

三、二度“折叠”：从数字鸿沟走向“产业鸿沟”

2017年，总部设在巴黎的凯捷咨询公司（Capgemini）针对产业互联网的主要落地基础“数字化工厂”所展开的一项调查显示，按国别分，“数字化工厂”占一国全部工厂的比例，排名前三的国家分别为美国（54%）、德国（46%）、法国（44%）。我国比例为25%，低于全球平均比例（43%）。按行业分，数字化程度排名前三的行业分别是工业制造（67%）、航空航天与国防（62%）、汽车与运输（50%）。

显然，从凯捷的调查来看，传统的工业强国往往在数字化转型上也走在前面，这预示着产业尤其是高端产业的互联网化必定也为制造业强国所垄断。这一趋势从通用电气、西门子自主开发工业平台软件也可见一斑。不妨设想，如果西门子的Sinalytics平台能够有效集聚和服务上下游产业链，形成规模效应，那么，不仅西门子的产品成本将持续走低，市占率稳步提升，还会形成基于平台的生态效应。如此一来，那些本地化的制造业品牌则可能因无法自主组网而被边缘化，要么消亡，要么加入强势产业的联网，成为生态中的低价值一环。这和过去三十年消费领域一些本土品牌的逐渐消亡逻辑如出一辙。

事实上，自通用电气的Predix操作系统诞生以来，其合作与服务对象已经突破了机械制造与电气设备这一通用的“自留地”，而延伸至石油、化工、铁路甚至医疗等领域，这对Predix平台的自我学习与提升将产生巨大数据价值。不夸张地说，与“安卓”和iOS平分移动互联网世界相类似，在未来产业互联时代，按行业类属划分的几家操平台均分天下，将是大概率事件。

在消费互联网时代，随着芯片成本的下降及智能手机的普及，终端成本持续走低，个体通过终端获取信息的机会日趋均等。不同的是，产业互联网的终端是某一特定行业，往往不能通过“成本高低”来衡量，而是“先进与落后”甚至是“有和无”的问题。例如，全球拥有航空发动机核心制造技术的国家屈指可数，这就决定了在航空发动机生产这一产业互联网格局中，绝大多数国家将被排除在外。除末端产业格局以及产业互联的平台搭建能力之外，国家、地区之间在5G通信传输技术、人工智能、云计算与传感器成本等中间环节上的细微差距，都足以决定产业互联网的应用的广度和深度。

因此，对发展中国家而言，产业互联网落地的核心制约要素在于产业基础及配套技术，产业本身成为整个产业互联网的短板。而对发达经济体而言，尽管其互联网企业看似面临本土制造业外流以及传统制造业抵制的困境，但发达经济体的产业互联网，更多基于产业自身开展，即谷歌、脸书、微软可能在产业互联网时代被边缘化，但整个发达经济体产业互联的趋势与水平，却可能丝毫不受影响。

在消费互联网时代，我们曾见证世界因互联网而扁平。但是，世界很难因产业互联网而再度扁平，个体将无法以单打独斗的姿态参与互联网的下半场。如果没有广泛的国际共治，产业互联网只会让强者更强，数据的存储与计算将一步步“从边缘走向核心”，国家、行业之间原先的“产业鸿沟”，还将可能以几何级的速度拉大。

四、安全阈值与风险控制：从优步到波音

2018年3月，优步（Uber）自动驾驶汽车在试验过程中撞死路人，自动驾驶这一传统互联网企业最为热衷的产业落地形式的商业化由此蒙上阴影。在伦理层面上，如果摄像头与激光雷达的结合无法做到100%的准确认知与辨识路人，那么人类很难同意将命运交由机器决定。

更为惨痛的教训发生在“数字化”水平向来发达的航空航天产业。2018年10月以来，波音公司接连发生两起空难，调查显示，波音737MAX客机的MACS（机动特性增强系统）设计存在缺陷，有消息将此一缺陷归因于波音公司多年来为降低成本而采取的软件服务外包模式，称“时薪9美元的印度工程师设计了MACS”。

通用电气数字部门负责Predix开发的前首席技术官Harel Kodesh一度从安全性的角度比较过消费互联网和产业互联网，认为对消费互联网而言，错误的算法最多会让客户看到不恰当的广告推送，但对产业互联网而言，算法错误则可能让航空发动机脱离机翼而去。

在通用电气“软件化”的转型过程中，一位名叫Bill Byrne的资深工程经理介绍说，“软件文化”主张程序员在设计阶段“小步快走”、反复试错，这从根本上颠覆了强调逻辑、照章办事并且一开始就要把事做对的“工程师文化”。

Harel Kodesh的经验和Bill Byrne的感受，无疑给传统行业与互联网公司都提了一个醒：在产业互联的大潮中，当传统行业积极拥抱软件与平台，如何管控两类行业对安全阈值的分歧？如何重构风控体系？

回答必因行业而异。但对于波音、通用电气、西门子这样的高端制造业而言，一个起码的底线或许应该像美国塔克商学院（Tuck School of Business at Dartmouth）教授维杰·戈文达拉扬（Vijay Govindarajan）所指出的那样，“精通硬件科学是开发旨在解决硬件问题的软件方案的先决条件”。

换句话说，让缺乏航校基础理论或尚未在飞机制造行业长期浸淫的软件工程师，去开发足以接管飞机飞行姿态的关键软件，将是冒险且不负责任的。在更为广泛的产业互联领域，如果软件工程师从未深入到传统行业内部，没有广阔的田野调查和研究，那么其写出来的代码从一开始就很可能是令人怀疑的。

目前，在产业互联网大潮中，人们总在期待“有技术”的科技公司和“有需求”的工业企业之间能够无缝对接，但对接只是走向产业互联、“智能制造”的第一步。从长远看，尤其进入工业互联时代后，某一类行业的软件程序员首先应当是熟悉该行业的工程师，他所拥有的行业知识，当与其所设计的软件产品的重要性正相关。

五、技术伦理与道德：隐私保护、算法纠偏与机会均等

消费互联网时代存在的技术伦理与道德问题，并不会因为人类进入产业互联网时代而自动消失。相反，由于物联网、人工智能等新技术的应用，伦理道德问题在产业互联时代甚至可能得到更充分的暴露，其中，隐私保护、算法纠偏与机会均等，是产业互联网时代所必须回答的问题。

消费互联时代，为方便广告商精准投放广告，社交与搜索平台对用户隐私展开大肆搜索。产业互联时代，无处不在的人机交互、人脸识别，则可能造成更大范围的隐私泄露。“隐私”暴露之所以与互联网相伴相随，根源在于，无论是消费互联还是产业互联，信息的搜集与价值分析，都是生产力的根本来源。

为有效保护消费者隐私，近年来，美国多个城市立法禁止人脸识别技术在公共场所的应用，苹果的Siri、亚马逊的Echo等人机交互系统也因非法采集用户数据而广遭诟病，《2018年加州消费者隐私法案》（California Consumer Privacy Act of 2018）处在最后的完善期，将于明年1月1日正式生效。

但值得注意的是，产业界并不赞同过于严苛的隐私立法。2018年5月生效的欧盟《通用数据保护条例》（GDPR）引起大范围反弹，欧盟、美国境内的企业普遍对该条例持负面态度，认为其“过于严苛”，很多企业至今并未做好应对措施。公民、产业界以及监管机构的三方博弈，将决定隐私保护的最终走向，而此一走向对产业互联网的发展，将产生重大影响。

隐私之外，因人工智能技术的普遍应用，算法偏见与歧视成为产业互联网时代的一大困扰。以人工智能领域大热的人脸识别技术为例，机器学习对图片的清晰度有高要求，而高清晰度的照片往往来自热衷社交网络的城市人群的高品质手机（相机），相较之下，农村地区非主流机型拍出的低像素照片，从一开始就成为不了样本，这从根本上构成了“样本歧视”。

此外，算法歧视穷人也并不新鲜：一些银行、保险机构正是以“机器算法”为挡箭牌，将一部分低星级客户拒之门外。算法歧视在公共事务领域同样存在，英国《卫报》的记者在调查了美国、英国、澳大利亚、印度等国如何通过人工智能改革社会福利系统的实践后发现，“改革”并未提升穷人福利，反让穷人受到进一步剥削。

实际上，人工智能的基础是数据库，而数据库只能由人来构建，数据的样本由人来决定。因此，算法歧视在本质上是现实社会偏见的“机器呈现”，即只有“偏见输入”，才看有“偏见输出”，由此形成了“偏见循环”（Bias In, Bias Out）。有学者提出，要将有效改善边缘人群生活的程度，作为衡量人工智能技术成功与否的标准。这可以看作是对算法偏见的一次社会学纠偏。

隐私保护和算法纠偏之外，产业互联网时代更为真切的挑战，在于边缘人群的机会均等。人工智能、物联网、云计算等科技将深刻改变产业与社会组织形式，目前，产业互联网已经催生一大批“高大上”的就业岗位，仅以人工智能为例，各大公司依然处在“抢人”的阶段，但与此同时，部分传统的低端岗位正被机器人所取代，少数族裔与低学历、老龄化人群的就业与经济状况可能进一步恶化。

如果说在消费互联时代，我们尚可因删除仇恨言论不及时而对脸书总裁扎克伯格大吼大叫，或者因种族的多样性不足、最低小时薪不达标而朝亚马逊总裁贝佐斯大发脾气，那么，当人工智能不断挤占低端产业链就业人群，我们难道该对着机器发脾气？

技术伦理或产业道德问题，其归根结底还是公司内部治理与外部性的问题，以及企业商业逻辑与社会非商业逻辑的关系问题。说到底，技术世界的问题，最终还是人类社会问题的映照。

产业互联网固然首先是产业与科技的结合，但究其最终目的，仍是服务于人类福祉。在某种意义上，互联网下半场虽然呈现2B（服务于企业）的走势，但最终仍将回归至2C（服务于消费者）轨道。产业互联网与消费互联网一样，其发乎于人性的需求，也必将成为人的尺度。