在全球范圍內，將物聯網技術融入企業的公司數量從2014年的13%增長到2019年的約25%。根據微軟2019年的一項調查，在美國、德國、法國和中國等國家，企業規模的商業組織的物聯網使用率超過了85%。IDC最近的分析預測，到2025年，全球聯網設備將達到416億臺，未來三年，全球商業和消費者在物聯網上的支出將超過1萬億美元。

 

　　但是，由于種種原因，物聯網技術在某些行業、地區甚至社會經濟階層的擴散并不是統一的。盡管如此，COVID-19大流行肯定會動搖目前技術革命的慣性，加速實現物聯網在真正的全球范圍內的應用。這主要是由于人工智能(AI)和機器學習提供的優勢。這些技術可以從IoT生成的數據中獲得快速、可靠和可操作的洞察力，這是第四次工業革命發展的倒數第二個階段。

 

　　首先，這是因為大多數物聯網生成的數據通常被用戶閑置，并且主要用于追溯異常檢測和控制，而不是優化和預測。物聯網投資者、所有者或最終用戶無法利用其物聯網資產生成的數據來告知他們的決策，這已成為當今各行業和地區物聯網采用率差距懸殊的主要因素。沒有適當的分析工具，很難衡量，更不用說實現任何物聯網資產的全部價值了。

 

　　可以肯定的是，數據智能是基于算法的多種來源的多種形式數據的分析，可為同樣多樣的機構決策提供依據，它為我們提供了一種使投資，生產，消費和商業模式全面現代化的手段。

 

　　新冠狀病毒造成了難以置信的經濟破壞，凸顯了將物聯網數據分析納入組織機構的重要性。組織可以利用人工智能工具來分析來自分布式物聯網資產的各種形式的數據，從而為不同的決策提供信息。

 

　　業務連續性遭受外部沖擊，例如當前的冠狀病毒大流行。而且，正如許多流行病學家所同意的那樣，在21世紀的過程中，我們必然會目睹隨后的復雜疾病暴發。因此，消除我們行業面臨的這些風險并建立更具彈性的投資環境已經并將繼續至關重要。

 

　　能源行業提供了有用的案例研究。物聯網和人工智能的結合使投資者(從私募股權和基礎設施基金到公用事業)能夠提高其投資的彈性。這是朝著建立更能抵御當前冠狀病毒大流行等外部沖擊的組織結構邁出的第一步。對于尋求滿足其股東和其他利益相關者的要求以加強其業務連續性管理系統的高層管理人員來說，將物聯網與AI平臺結合使用可以減少特定中斷余波的影響，例如應對大流行而施加的政府限制。

 

　　事實上，在企業環境中的200多個已知物聯網應用中，它的顯著優勢是最大限度地減少了與資產進行物理、人機交互的需求。全球數以百計的政府強制封鎖只會增加這一功能的相關性，并展示物聯網的關鍵性質。

 

　　隨著數據智能算法從物聯網系統生成的數據中衍生出來，不再需要派遣人力技術人員評估資產性能和服務漏洞。不過，這并不是說物聯網和人工智能使人類勞動在能源領域變得無關緊要。取而代之的是，人工勞動將重新調整用途，以改進和響應智能生成的洞察數據。

 

　　雖然這只是一個例子，但仍然很有啟發性。 它不僅說明了人工智能如何為投資者和企業提供所需的見解，以最大限度地提高物聯網性能，而且還說明了組織如何更好地將其遭受外部沖擊(例如COVID-19大流行)的風險降至最低。 無論投資者或企業在哪里從事業務以及他們所從事的行業是什么，這都是事實。人們越早意識到這一點，我們越早就會看到Ashton和他的同行所設想的未來成為我們的現實。