1999年，英國技術(shù)專家凱文？阿什頓（Kevin Ashton）創(chuàng)造了“物聯(lián)網(wǎng)”（IoT）一詞，當時全世界才剛剛熟悉了新生的網(wǎng)絡(luò)以及如何訪問和使用其眾多應(yīng)用程序。在那之后的二十多年里，越來越難以想象一個我們的經(jīng)濟和社區(qū)沒有通過互聯(lián)網(wǎng)及其設(shè)備得到支持和連接的世界。

在全球范圍內(nèi)，將物聯(lián)網(wǎng)技術(shù)融入企業(yè)的公司數(shù)量從2014年的13%增長到2019年的約25%。根據(jù)微軟2019年的一項調(diào)查，在美國、德國、法國和中國等國家，企業(yè)規(guī)模的商業(yè)組織的物聯(lián)網(wǎng)使用率超過了85%。IDC最近的分析預(yù)測，到2025年，全球聯(lián)網(wǎng)設(shè)備將達到416億臺，未來三年，全球商業(yè)和消費者在物聯(lián)網(wǎng)上的支出將超過1萬億美元。

但是，由于種種原因，物聯(lián)網(wǎng)技術(shù)在某些行業(yè)、地區(qū)甚至社會經(jīng)濟階層的擴散并不是統(tǒng)一的。盡管如此，COVID-19大流行肯定會動搖目前技術(shù)革命的慣性，加速實現(xiàn)物聯(lián)網(wǎng)在真正的全球范圍內(nèi)的應(yīng)用。這主要是由于人工智能（AI）和機器學習提供的優(yōu)勢。這些技術(shù)可以從IoT生成的數(shù)據(jù)中獲得快速、可靠和可操作的洞察力，這是第四次工業(yè)革命發(fā)展的倒數(shù)第二個階段。

首先，這是因為大多數(shù)物聯(lián)網(wǎng)生成的數(shù)據(jù)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(yōu)化和預(yù)測。物聯(lián)網(wǎng)投資者、所有者或最終用戶無法利用其物聯(lián)網(wǎng)資產(chǎn)生成的數(shù)據(jù)來告知他們的決策，這已成為當今各行業(yè)和地區(qū)物聯(lián)網(wǎng)采用率差距懸殊的主要因素。沒有適當?shù)姆治龉ぞ?，很難衡量，更不用說實現(xiàn)任何物聯(lián)網(wǎng)資產(chǎn)的全部價值了。

可以肯定的是，數(shù)據(jù)智能是基于算法的多種來源的多種形式數(shù)據(jù)的分析，可為同樣多樣的機構(gòu)決策提供依據(jù)，它為我們提供了一種使投資，生產(chǎn)，消費和商業(yè)模式全面現(xiàn)代化的手段。

新冠狀病毒造成了難以置信的經(jīng)濟破壞，凸顯了將物聯(lián)網(wǎng)數(shù)據(jù)分析納入組織機構(gòu)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(lián)網(wǎng)資產(chǎn)的各種形式的數(shù)據(jù)，從而為不同的決策提供信息。

業(yè)務(wù)連續(xù)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(fā)。因此，消除我們行業(yè)面臨的這些風險并建立更具彈性的投資環(huán)境已經(jīng)并將繼續(xù)至關(guān)重要。

能源行業(yè)提供了有用的案例研究。物聯(lián)網(wǎng)和人工智能的結(jié)合使投資者（從私募股權(quán)和基礎(chǔ)設(shè)施基金到公用事業(yè)）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(jié)構(gòu)邁出的第一步。對于尋求滿足其股東和其他利益相關(guān)者的要求以加強其業(yè)務(wù)連續(xù)性管理系統(tǒng)的高層管理人員來說，將物聯(lián)網(wǎng)與AI平臺結(jié)合使用可以減少特定中斷余波的影響，例如應(yīng)對大流行而施加的政府限制。

事實上，在企業(yè)環(huán)境中的200多個已知物聯(lián)網(wǎng)應(yīng)用中，它的顯著優(yōu)勢是最大限度地減少了與資產(chǎn)進行物理、人機交互的需求。全球數(shù)以百計的政府強制封鎖只會增加這一功能的相關(guān)性，并展示物聯(lián)網(wǎng)的關(guān)鍵性質(zhì)。

隨著數(shù)據(jù)智能算法從物聯(lián)網(wǎng)系統(tǒng)生成的數(shù)據(jù)中衍生出來，不再需要派遣人力技術(shù)人員評估資產(chǎn)性能和服務(wù)漏洞。不過，這并不是說物聯(lián)網(wǎng)和人工智能使人類勞動在能源領(lǐng)域變得無關(guān)緊要。取而代之的是，人工勞動將重新調(diào)整用途，以改進和響應(yīng)智能生成的洞察數(shù)據(jù)。

雖然這只是一個例子，但仍然很有啟發(fā)性。 它不僅說明了人工智能如何為投資者和企業(yè)提供所需的見解，以最大限度地提高物聯(lián)網(wǎng)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(yè)在哪里從事業(yè)務(wù)以及他們所從事的行業(yè)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(shè)想的未來成為我們的現(xiàn)實。