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。

经济形态

商业模式

到上世纪70 年代，发达国家几乎所有的消费品行业，都出现了供过于求的局面，卖方市场逐渐转为买方市场，个性化消费的浪潮开始出现。麦肯锡的一份调研报告表明，20 世纪70 年代以前，市场需求平均预测准确率能达90% 以上，到了80 年代只有60-80%，而到了90 年代末21 世纪初，进一步降低到40-60%，即所生产出来的一半产品并不是消费者真正需要的，而与此同时消费者真正想要的很多需求又没有及时得到满足。在互联网普及之前，受限于产销消三者之间互动效率低下，任何企业都无法真正满足海量消费者的个性化需求，即使是跨国公司强大的供应链体系也是如此。

基于越来越肥沃的个性化需求土壤，智能经济真正能够实现以消费者为中心的商业模式:

消费者驱动:工业时代的商业模式是B2C——以厂商为中心，智能经济时代的商业模式则是C2B——以消费者为中心。

以客制化等方式创造独特价值:客制化意味着消费者不同程度、不同环节上参与，在供过于求的时代将创造出独特的体验价值。

网络化的大规模协作:过去二三十年基于IT 技术发展起来的线性供应链，今天必须要能够在智能技术环境下实现大规模、实时化、社会化的网状协作。

基于云计算和边缘计算平台:类似于工业时代的公用电厂，云计算+ 边缘计算是智能经济时代最具代表性的商业基础设施。

个性化营销、柔性化生产和社会化供应链的不断演绎，以及它们之间的协同互动，成为了支撑和推动C2B 模式不断展开的基石，也是它得以运作的内在机制。目前，智能经济众多的先行者，正在以充满想象力的创新，探索未来的蓝图。在前端，他们或是提供相对标准化的模块供消费者组合，或是吸引消费者参与到设计、生产的环节中来。在企业内部，他们提升组织能力，以平台+ 前端等方式去对接个性化需求。在后端，他们积极调整供应链，使之具备更强的柔性化能力。

智能经济的产业图景

新零售

商品是数据化的商品，消费者是数据化的人，既有“实像”又有“虚像”。消费者实时“在线”，品牌商与零售商利用数字技术随时捕捉全面全域信息感知消费者需求，完成供需评估与即时互动。利用数据化技术，在全域范围内塑造品牌形象，传播品牌知识，营销品牌商品，提供多样化服务，将品牌商品与服务通过经数据化管理的各个通路呈现至消费者面前，在线流转智能计算即时生产的数据知识，产生千变万化的双向即时互动，最大限度地即时影响消费者，激发消费者潜在的消费需求，服务消费者做出消费决策。

“以消费者为中心”的核心思想始终贯穿于企业间流通环节的流转设计，以及企业内全供应链的设计。技术带来数据的流动，流动带来流通链条与供应链条的柔性与自适应性。数据化管理为实现最优最短流通路径，库存最优化乃至“零库存”提供精细的决策支持，“智能仓配一体化”、“智能供应链”、“智能物流”的发展，将大大提升流通业的整体效率，流转耗损最终朝着无限逼近“零”的理想状态发展。

新制造

未来全球制造业将面临更加严峻的形势，以互联网技术、人工智能、清洁能源、无人控制技术、量子信息技术、虚拟现实为主的全新技术革命将催生面向未来的新制造。

生产工艺与数据融合。未来制造业更加强调分散，降低集中控制度，增加生产设备的自主控制，把分散的自主智能化的制造设备，通过网络的形式紧密地联接在一起，即用技术手段实现人的控制在时间、空间等方面的延伸，本质上是人、机、物的融合。具有更开放，更积极通讯的系统结构，更具动态性和灵活性，从而能发掘出更多优化的可能，预计可提高生产效率30%。

新金融

新金融将提供全新的普惠服务，给所有具有真实金融服务需求的个人或者企业，提供平等的无差异的金融服务。利用大数据、人工智能、云计算等技术，使用户具有平等的金融服务可获得性，大大扩展了普惠金融的惠及范围，提升了服务的效率。

工作模式

在工业时代，工作、生活、学习相互割裂，个体无法柔性安排工作与生活，较为严格地遵守八小时工作制。在数字时代，就业模式转变为自由连接体——越来越多的个体都成为知识工作者，人人都是某个领域的专家。这让个体的潜能将得到极大释放，每个人的特长都可以方便地在市场上“兑现”。逐渐呈现出了自由连接体的新形态。同时，个体的工作与生活也将更加柔性化。工作、生活、学习一体化的SOHO 式工作、弹性工作等新形态将更为普遍。当然，“人人都是专家”，“人人也都必须要成为专家”，这既意味着某一能力的优异，也意味着要像专家那样“每个人都是自己的CEO”——自我驱动、自我监督、自我管理、自我提升。

如果放眼更长远的未来，“个体作为经济主体的崛起”，更是一个宏大历史进程的一部分。如中国社科院金融所周子衡认为:“公司将不再是经济活动的主体，个人将成为经济的主体。公司理性最终要被个人理性所解构与替代。这是近两个世纪以来经济矛盾的根本所在。就是说，经济问题的中心，将不再是所谓的市场与政府的关系掩盖下的企业与政府的关系，而是个人与个人的关系。”

组织模式

互联网让跨越企业边界的大规模协作成为了可能。当越来越多的业务流程在网上运行，互联网让企业组织内部的管理成本和外部市场的交易、协同成本都有所下降，但后者的下降速度却远快于前者。这种速度上的不一致所带来的结果就是，公司这种组织方式的效率已经大打折扣了，“公司”的边界也因此而松动了。公司中很多商业流程正在大量地向市场外移。从价值链的视角来看，研发、设计、制造等很多个商业环节，都出现了一种突破企业封闭的边界的趋势。

平台的出现，进一步破除了企业内部和外部的边界，使得组织液态化，“自由组合、自由流动”。在液态组织里，由企业家指挥的生产变少了，而交易活动变多了，但协调、控制等组织功能依然存在。液态组织仍然存在部门，但部门的边界已不清晰，组织成员长期处于“共同创业”状态，随时随着组织目标的变化而变化。2

从外部来看，平台的所有权与使用权实现了分离，企业之间那种界限分明、基于资产专用性的组织边界正在发生很大的松动。大量的商业流程被流动的数据所驱动，并在企业之间展开灵活组合，新的组织边界也呈现为一种网状交融的格局，企业组织由此将进一步走向开放化、社区化。

治理体系

技术开拓经济边界，同时带来生产关系的深刻变革，既包括新旧权利的调整，更反映新旧监管方式的更替，由此必然生长出新治理规则。

协同化

智能经济是一个多元参与的生态化文明，每个主体都有更多平等参与的机会，协同治理是其核心。传统的集中单向、侧重控制的封闭式管理将无法适应新经济发展，多元参与、侧重协调的生态式治理是时代的要求。

自动化

自动化治理是指充分运用大数据、云计算、人工智能等先进技术，实现治理手段的智能化。如城市交通治理，运用交通实时大数据分析车流量，可以减少拥堵。购物平台的打假、炒信，面对海量商品、海量卖家买家、适时交易、碎片化交易等特点，利用传统的商业监管方式已无法应对这些新情况，而利用图片识别技术、先进算法、大数据分析等方法，可较好地发现问题、解决问题。

自动化意味着人机需要协同。过去很长时间，自动化一直是执行层面的应用。未来，自动化、智能化一定会在决策职能发挥越来越重要的作用。这也就意味着，人不再是决策责任承担的唯一主体。如何分配人机责任，如何认定机器责任，如何监督机器，都将是需要解决的问题。

全球化

弗里德曼在《世界是平的》一书中也认为:“如果说全球化1.0 版本的主要动力是国家，全球化2.0 的主要动力是公司，那么全球化3.0 的独特动力就是个人在全球范围内的合作与竞争......全世界的人们马上开始觉醒，意识到他们拥有了前所未有的力量，可以作为个体走向全球;他们要与这个地球上其他的个人进行竞争，同时有更多的机会与之进行合作。”智能经济将进一步打破地域的限制，全球参与、全球治理将成为新的景观。

第三章:万物智能七大应用场景

万物智能将催生智能经济，C 端、B 端均将被卷入，人类生产、生活的图景将彻底被改变。这场技术变革将进一步降低中小企业面临的科技门槛，未来的BAT 一定来自于这场多技术叠加核聚变。

在技术层面，5G、AI、IoT等重塑经济的技术基础设施，成为新的生产力。而数据+ 算法+ 算力将重建商业世界的运行逻辑，孕育新的生产关系。

5G 智能终端

5G 技术带来的不仅是“速度”，还有全新的“体验”，以及随着而生的创新商业模式。所谓的“泛娱乐”，即视频、游戏、音乐、广告等都将被重构，以AR 和VR 等为代表的新技术、以智能音箱为代表的新硬件将迎来跨越式发展。内容对消费者渗透的深度和广度都将得到空前的提高。

游戏将走在5G 时代创新的最前沿。4G 网络性能上的不足是VR 和AR 至今仍未全面普及的重要原因。而5G 网络的普及将为VR/AR 打开天花板。根据Intel 的预测，在2021 年至2028 年间，这些应用程序将创造逾1400 亿美元的累计收入，并迅速成长未一个触达消费者的全新渠道。AR 技术将通过虚拟物品、虚拟人物、增强性情境信息等方式给人们带来连接媒体的全新方式。到2028 年，中国或将成为全球最大的VR 和AR 市场，直接营收将超过150 亿美元。根据Intel 的预测，5G 用户的月平均流量将从2019 年的11.7GB 增长至2028 年的84.4GB，届时视频将占5G 流量的90%。5G将加速包括移动媒体、移动广告、家庭宽带和电视在内的内容消费，并通过各种全新沉浸式和交互式新技术提升体验，充分释放增强现实(AR)、虚拟现实(VR) 和新媒体的潜力。演进的3G 和4G 网络能力将不足以应对不断增加的视频观看时间、更高分辨率的内容、更多的嵌入式媒体和沉浸式体验。

新的内容与交互方式，意味着新的商业机会。根据Intel 的预测，5G 将推动车载娱乐、3D 全息显示和现场体育体验的进一步发展，并带来430 亿美元的收入。沉浸式的观感与交互能力将在很大程度上决定变现能力。

VR 商城是采用VR 技术生成可交互的三维购物环境。戴上一副连接传感系统的“眼镜”，就能“看到”3D真实场景中的商铺和商品，实现各地商场随便逛，各类商品随便试。阿里VR 实验室成立后的第一个项目就是“造物神”计划，也就是联合商家建立世界上最大的3D 商品库，实现虚拟世界的购物体验。阿里工程师目前已完成数百件高度精细的商品模型，下一步将为商家开发标准化工具，实现快速批量化3D 建模。对于“VR 购物”的时间，阿里表示，敢于尝新的商家很快就能为用户提供VR 购物选择。在硬件方面，阿里将依托全球最大电商平台，搭建VR 商业生态，加速VR 设备普及，助力硬件厂商发展。

根据中国信息通信研究院的预测，2020 年网络设备和终端设备收入合计约4500 亿元。预计到2025 年，上述两项支出分别为1.4 万亿和0.7 万亿元。2025 年，5G 将提供约350 万个就业机会，主要来自于5G 相关设备制造和电信运营环节创造的就业机会。2030 年，5G将带动超过800 万人就业，主要来自于电信运营和互联网服务企业创造的就业机会。

智能网联汽车

智能产品既包括数控机床、工业机器人等智能装备，也包括智能手机、智能网联汽车、智能穿戴等消费产品。在过去的10 年最典型的智能产品是智能手机，在下一个10 年汽车将成为新的移动智能终端，智能联网汽车的发展如火如荼，在经历了从感知到控制、从部件到整车、从单项到集成、从单向到互动之后，汽车正进入“全面感知+ 可靠通信+ 智能驾驶”的新时代。在智能化的道路上，汽车已走了很多年，但就未来发展的前景来看，汽车还处于低“智商”婴幼儿阶段，汽车的网联化、智能化还有很长的路要走。2016 年8 月，工业和信息化部指导发布《智能网联汽车发展技术路线图》，给出了智能网联汽车智能化发展5 级定义，智能化将从驾驶辅助、部分自动、有条件自动、高度自动和完全自动演进。

智能化、网联化已经成为汽车技术变革的重要方向，智能化在从辅助驾驶向最终的无人驾驶演进的过程中，网联化步伐不断加快，网络化将从单车网联、多车网联向交通体系网联演进，在这一进程中汽车感知、分析、决策、执行等各个环节技术将快速迭代，不断替代驾驶员的分析、判断和决策，高度自动驾驶和完全自动驾驶将完全由系统完成。

根据国际咨询公司普华永道的预测，2030 年全球网联汽车将达到6 亿辆，电动汽车保有量将达到1.6 亿辆，无人驾驶汽车将达到8000 万辆，35% 的交通出行将是共享和无人驾驶完成。到2020 年，中国智能网联汽车市场规模可望超过1000 亿元人民币。