第一章:从IT 时代、互联网+ 到智能+
20 世纪80 年代，IT 时代开启。以个人电脑、软件、传统电信网络为代表的IT 技术，帮助企业运营中的信息获取、战略决策、设计生产、市场营销以及财务核算等实现了真正意义上的全球化，跨国公司实现了在全球范围内的最优资源配置。
上世纪90 年代，互联网+ 浪潮开启。短短十几年间，信息传播方式完全被改变，传统纸质媒体几乎完全被互联网数字化媒体取代。美国仅用14 年就让电商在互联网用户的渗透率达到了50%。在大洋彼岸的中国，这一数字更是缩短至9 年。2009 年3G 牌照发放、2010 年iPhone4 发布、以及随后而来的各种移动端APP，标志着移动互联网时代到来。2016 年，全球市值最高的5 家公司首次全部来自科技行业—— 苹果、谷歌、微软、亚马逊、Facebook，这五家公司均来自于移动互联网网络、终端、应用领域。
2019年政府工作报告，正式提出了“智能+”战略:“深化大数据、人工智能等研发应用。打造工业互联网平台，拓展‘智能+’，为制造业转型升级赋能。”以5G、物联网、人工智能等技术为代表的智能技术群落迅速成熟，从万物互联到万物智能、从连接到赋能的智能+ 浪潮即将开启。
第二章:智能技术群的“核聚变” 推动智能+ 时代到来
5G、物联网、人工智能、数字孪生、云计算、边缘计算等智能技术群的“核聚变”，推动着万物互联(Internet of Everything)迈向万物智能(Intelligence of Everything)时代，进而带动了智能+ 时代的到来。
智能经济将呈现全新的运行规律——以数据流动的自动化，化解复杂系统的不确定性，实现资源优化配置，支撑经济高质量发展的经济新形态。智能经济的五层架构包括:底层的技术支撑，“数据+ 算力+ 算法”的运作范式，“描述- 诊断- 预测- 决策”的服务机理，消费端和供应端高效协同、精准匹配的经济形态，“协同化、自动化、全球化”的治理体系。
技术支撑
多种技术的集成是本次智能技术浪潮的核心特征。以云计算、大数据、物联网、人工智能、5G 为代表的新一代信息技术，在不断的融合、叠加、迭代中，为智能经济提供了高经济性、高可用性、高可靠性的智能技术底座，推动人类社会进入一个全面感知、可靠传输、智能处理、精准决策的万物智能时代。
智能技术群的融合与叠加类似“核聚变”，是技术创新、商业模式创新、投资的沃土。智能技术将全面更新现有技术基础设施，重新定义商业模式，重塑未来的经济图景。正如德国国家科学与工程院院长孔翰宁强调的，“今天发展工业的准则是: 数字化一切可数字化之物，并由此开辟新的价值创造模式”。
5G
5G 将以全新的网络架构，提供至少十倍于4G 的峰值速率、毫秒级的传输时延和千亿级的连接能力，开启万物广泛互联、人机深度交互的新时代。作为5G 网络最重要的特性，端到端的网络切片能力，可以将所需的网络资源灵活动态地在全网中面向不同的需求进行分配及能力释放。在国际标准化组织3GPP 定义的5G 三大场景，包括eMBB(增强型移动宽带)、mMTC(海量机器类通信)、uRLLC(超可靠、低时延通信)。从三大场景的定位看，基本涵盖了当前及未来一段时间工业互联网企业级应用的主要需求。eMBB 场景主要用于远程人与人之间的移动交互，比如日常办公过程中视频会议、工厂的远程视频监控，以及基于VR 技术的远程维修维护等。mMTC 主要为了满足海量的机器接入需求，也就是即通常所说的物联网业务及应用。uRLLC 主要是面向低延时、高可靠的应用场景。可以认为uRLLC 场景主要是为工业自动化控制系统以及需要快速反应的场景量身定做的。
云计算
云计算是智能经济的基础设施，它既是人工智能、VR/AR 等新一代信息技术提供计算、存储、网络的支撑，也是新一代信息技术的分发- 获取平台，借助其资源共享、按需付费、技术集中的特点，用户可以以较高的经济性获得能力持续提升的新技术。不仅如此，云计算还能够在长周期维护、业务决策支撑、科研高性能计算等领域发挥优势。云计算与边缘计算之间是互补协同关系，前者更适合全局性、非实时的较大规模资源占用的场景，后者则局部性、实时、短周期的小规模资源占用场景，能更好地支撑本地业务的实时智能化决策与执行。
IoT 与边缘计算
互联网+ 实现了人人互联，而IoT 终将实现万物互联。信息技术发展的终极目标是基于物联网平台实现设备无所不在的连接，开发各类应用，提供多种数据支撑和服务，但仅仅是连接远远不够，物联网中的设备应当具有一定的计算能力和智能能力，这令其不仅成为可监测、可控制、可优化、自主性的产品，更成为边缘计算节点和智能产品。
物联网中的“物”的发展方向迈克尔波特所说，智能互联产品包含监测、控制、优化和自动四类核心功能，其中监测是指通过传感器对产品的状态、运行和外部环境进行全面监测，控制是指人们可以通过产品内置或产品云中的命令和算法对产品进行远程控制，优化是指可基于实时数据或历史数据对产品进行性能优化，自动是指在监测、控制、优化等能力的基础上产品达到前所未有的自主性和协同性。
人工智能
人工智能部分技术已经进入产业化发展阶段，基于机器学习技术快速进步，互联网正凭借快速提升的人工智能，为用户提供个性化、精准化、智能化服务, 大幅提升业务体验，并与生产生活的各个领域相融合，有效提升各领域的智能化水平，给传统领域带来变革机遇。
智能传感器和算法模型产业将是人工智能近期的增长引擎。语音识别和计算机视觉技术已经开始了较大范围的商业化应用。作为新一代人机交互方式，随着识别精准度的提升，越来越多的智能终端将采用这种新的交互方式。在工业领域，工业机器人将继续保持高增长。在公共服务领域，由于其自身的大数据特质，人工智能将在多个维度提供服务，大大提升公共服务的效率与质量。
未来芯片领域的突破将为人工智能创造更多的应用场景。据专家估计，5 年以内，具有可重构能力的智能芯片作为新一代人工智能产业的基础硬件设施，从架构升级到应用场景的落地，都有巨大的市场空间;由于交互式智能服务渐成风口，自然语言处理向知识驱动持续迈进1。
数字孪生
数字孪生的真正功能在于能够在物理世界和数字世界之间全面建立准实时联系。实现物理世界与数字世界互联、互通、互操作。从具体实现路径来看，数字孪生首先对物理对象各类数据进行集成，是物理对象的忠实映射。其次，数字孪生存在于物理对象的全生命周期，与其共同进化，并不断积累相关知识。最后，数字孪生不仅对物理对象进行描述，而且能够基于模型优化物理对象，最终实现对物理世界的改造。
Gartner 预测，到2020 年，互联传感器与端点将多达超过200 亿，数字孪生将服务于数十亿个物件。各企业机构一开始只是简单地实施数字孪生，但将随着时间的推移对其加以演化，提高其收集与可视化正确数据的能力，应用正确的分析与规则，并有效响应企业的业务目标。
数字孪生将沿着两个维度演进:一是属于机械化的数字孪生，把人、流程、公司、自主化的电器和代理都规划出来。二是物理的角度的数字孪生，也就是在数字化里面直接进行操作，例如电的使用、供应，车辆的配置等。从办公室内部到外围，借着数字化的技术整合起来。
区块链
区块链提供了一种新的信任模式。目前广泛使用的信任模式是集中化的，以中央银行等为代表的机构，提供统一的信任背书。与此同时，集中信任机制必然在失效、费用方面存在天然的不足。区块链是一种分布式分类账。所谓分布式，是指信任不再集中在某个集中化的机构，账本的一个改动将在多个节点备份，一旦发生无法篡改，因此让人们无需再依赖中央机构仲裁交易。
虽然受到计算速度、成本上的限制，区块链已经开始商业应用。基于蚂蚁区块链的跨境汇款服务首创性地打通了香港AlipayHK 钱包与菲律宾Gcash 钱包，使在香港务工的菲律宾人可以近实时线上给家人汇款，这在金融界是一大创举;蚂蚁区块链保障的公益慈善平台已经有300 多个项目接入，捐赠人次超过937 万;天猫国际的奶粉溯源也使用了蚂蚁区块链平台，目前上链追溯的产品已经超过900 万件;蚂蚁与雄安新区一起打造了基于区块链的智慧房屋租赁与积分管理平台，让房屋租赁市场良性运转。蚂蚁金服还推出了区块链即服务(BaaS)平台，大大降低企业或个人尝试使用区块链技术的门槛。
运作范式
企业是经济社会的基本运作单元。智能经济体系内的企业，利用数据+ 算力+ 算法，在不确定性的世界中进行决策。企业是一种组织，与市场、政府是一样，是一种配置资源效率的组织。企业竞争的本质就是资源配置效率的竞争，就是以数据自动流动化解复杂系统的不确定性，优化制造企业的配置效率。企业面临各种各样的挑战:缩短研发周期、提高班组产量、提高机床使用精度、提高设备使用效率。所有这些问题，都可以归结为如何提高资源配置效率。
数据+ 算力+ 算法是企业科学、高效和精准地进行资源配置的最优范式。在实践中，企业力争把正确的数据、以正确的方式、在正确的时间、传递给正确的人和机器。伴随着智能产品和设备的广泛普及，未来所有的生产装备、感知设备、联网终端，包括生产者本身都在源源不断地产生数据，这些数据将会渗透到产品设计、建模、工艺、维护等全生命周期，企业的生产、运营、管理、服务等各个环节，以及供应商、合作伙伴、客户等全价值链，并将成为制造的基石。通过生产制造全过程、全产业链、产品全生命周期数据的自动流动不断优化制造资源的配置效率，就是要实现更好的质量、更低的成本、更快的交付、更多的满意度，就是要提高制造业全要素生产率，这将带来数据驱动的创新、数据驱动的生产和数据驱动的决策。
赋能机理
从根本上说，“数据+ 算力+ 算法”提供了一种服务，历经描述、诊断、预测、决策四个阶段，最终实现优化资源配置的目的。
描述:发生了什么?
对于数据的第一层解读是描述。财务数据、设备运行数据等都能对具体业务和职能部门的业绩与表现给出定量的判断。在描述维度中，数据通常是孤立的，不同类型数据很难整合。在很长一段时间，描述数据并不是一件很困难的事情。但是在大数据的背景下，如何减少噪音的干扰，如何深度描述数据，实现“窥一斑而见全豹”，成为了第一个重要的问题。
诊断:为什么会发生?
在诊断阶段，核心工作是建立数据之间的联系，从而理解数据之间的因果关系，最终为特定的业务或事件找到驱动因素或者诱因。在诊断维度中，识别的因果关系通常是非通用的，必须的前提条件或者使用范围并不清晰。诊断的结果能够帮助我们梳理经验，但还需要管理者加工才能用于未来决策。
预测:将会发生什么?
当数据、算法、算力足够丰富的条件下，诊断结果能够逐步地拓展，适用于未来，完成预测的功能。直至预测维度，所有的工作都还停留在智能辅助阶段，最终的判断依然需要人的判断。
决策:应该怎么办?
当系统能够利用数据、算法、算力，无需借助人的判断，才实现最终的智能决策。
描述、诊断、预测、决策，体现了人与机器智能的四种协同状态。当人工判断在决策的比重越来越少，系统的自动化、智能化程度越高。
达索“数字心脏”服务机理
达索公司的“跳动心脏”的项目，参与者包括45 名医学专家以及美国食品和药品监管局(简称FDA)等监管机构。达索系统公司的科学家们使用标准的48 处理器工作站，每次心跳精确的生物机械力需要大约4 个小时来进行计算。他们成功地捕捉到如何通过每股肌肉纤维来产生电力，以复制出人类心脏的真实动作。
“数字心脏”实现了四大功能:一是描述，这一个物理世界发生了什么在虚拟世界去描述，心脏的血管哪一个地方堵了，堵了多少，可以360 度去观察。二是诊断，为什么会堵，是什么样的原因造成了心脏血管堵塞;三是预测，如果没有人为去干预，半年之后、一年之后、两年之后，这一个血管从堵到30% 发展到70%，另外一个旁支血管也会堵，它会告诉你将会发生什么;四是决策，最后怎么办，是采取保守治疗，还是去做搭桥手术，给医生提供一个解决方案供参考。