产业互联网为何深受腾讯、阿里巴巴的关注

来源:界面 作者:郭斌

2018年,产业互联网的概念引起了人们的大量关注。这当中有一个很大的原因在于作为中国互联网领域最为重量级的两家企业——腾讯和阿里巴巴——都从战略级角度表达了对产业互联网发展趋势的关注。

譬如,马化腾在2018年10月31日发表的公开信中明确提出:“移动互联网的上半场已经接近尾声,下半场的序幕正在拉开。而互联网的主战场,正在从消费互联网向产业互联网转移。”

对产业互联网的这种关注,在很大程度上是如下一些背景因素导致的结果:

1,随着竞争的加剧以及互联网产业格局的逐渐形成,人们发现消费互联网红利呈现出逐渐减弱的趋势,最典型的表现是不论是线上还是线下,获客成本或者流量成本越来越贵,甚至在一些情况下线上成本变得比线下成本还要高。

这也是为什么我们会看到一些企业(甚至包括那些具有很浓厚的互联网基因的企业)在从线下引流向线上引流变化之后,现在又逐渐地转向线下或者是线上与线下融合的方式。

2,消费互联网的发展给产业互联网的发展既提供了机会,也提出了要求。企业要向高效率地满足用户需求,消费互联网的发展和成熟能够通过更好、更高效率的需求捕捉和匹配来为消费者带来价值,但也需要产业互联网来进行进一步地赋能。

例如美团、饿了么等外卖服务的发展使得C端用户享受到了吃饭的即时便利性;但是B端餐饮企业如何通过整合供应链以更高效率和更低成本来满足C端用户需求,也就成为一个重要的问题。这也是2018年美团从C端切入B端成立B2B供应链事业部的原因。

3,物联网、AI及大数据等技术的发展与逐步融合为产业互联网的发展提供了支撑,开启了更多的价值链组合机会和更为丰富的创新方向。

对产业互联网的现有理解

事实上,产业互联网这个概念并不是第一次被提出来。在过去的20年里,尽管人们对于产业互联网概念并没有达成一个明确而统一的界定,对于产业互联网的本质及其影响也缺少一个非常明确的认知,但是这一话题在产业界、咨询业以及研究界,已经有了大量的讨论和探索。

总体而言,这些讨论中常常都将产业互联网(industrial Internet)与消费互联网(consumer Internet)进行比较:

1,技术基础的差异。

产业互联网更多的是基于物联网技术(IoT)、互联网技术与软件的混合使用(这也导致很多时候对产业互联网的讨论与产业物联网的讨论很难被区分开来。

2,应用背景的差异。

产业互联网更多的是从供给侧角度的效率提升,强调具体的产业应用背景;消费互联网更强调的是在需求侧借助互联网所产生的变化及其影响。需要指出的是,上述这样的比较固然有助于我们对产业互联网和消费互联网之间的差异进行理解,但也导致了两个潜在的问题。

首先,不论是消费互联网还是产业互联网,其问题的实质并不仅仅在于技术本身形态的差异,而是在于技术是如何改变了消费者以及产业价值链内的行为特征、价值的产生以及价值的分配。

其次,如前所述,产业互联网的发展在很大程度上受到了消费互联网的拉动效应,因此将两者完全割裂,或许并不是一个很好的分析方式。正如马化腾曾经在知乎上提出的这么一个问题:“产业互联网和消费互联网融合创新,会带来哪些改变?”

而要回答这个问题,在很大程度上需要回答产业互联网发展到现在这个阶段,正在和将要呈现的趋势性特征是什么?而这些趋势性的特征,在一些方面恰恰是消费互联网与产业互联网融合发展所带来的变化。

产业互联网的发展有哪些趋势性的特征?

1,产业互联网具有显著的融合与生态化特征

在产业互联网中,基于生态化的融合是一个显著的特点。这主要体现在两个方面:

(1)消费互联网的发展,使得许多行业的需求端发生了一些显著变化,尤其是消费者呈现出来越来越明显的个性化需求特点以及快速的需求变化特点。

为了更好地响应消费者的需求特点,很多产业都相应地发生了产业链裂解的趋向,也就是早期带有明显一体化特点的产业链逐渐地在专业化分工的基础上进行分解,并且在每个价值链环节上都出现了大量的基于市场竞争关系而存在的专业化参与者,进而构成了围绕着产业价值链的生态系统。而这些构成生态系统的价值链参与者之间既存在着合作关系,也同时存在着一定的竞争关系。

如何将这些具有竞合关系的参与者整合成一个在效率、柔性上具有良好平衡的生态化系统,就非常依赖于产业互联网内的融合机制。

(2)产业互联网在很大程度上会打破传统意义上的行业边界与界限,使得产业互联网常常需要将原本分属于不同行业或业务类别的价值链进行融合与重构。譬如车联网对于汽车产业的发展所产生的影响,我们甚至需要重新定义“汽车”这个产品概念,而且基于人工智能、物联网和互联网技术的融合将导致汽车产业的主导力量也发生转换。

2,数据驱动的决策成为产业互联网的重要核心

对于产业互联网而言,企业在两个方面受到数据驱动的影响:

(1)为了更好地满足用户需求,企业需要利用物联网、互联网、人工智能与大数据这些数据技术的融合,实时地或者是以较少的时间滞后来获得、处理和解读来自于用户的需求数据,并以此来引导后继的价值生成和提供过程;

(2)在价值生成与提供过程中,由于产业互联网所具有的生态化融合特点,焦点企业需要与诸多合作者来进行协作,这当中存在着大量的复杂协调关系。而基于数据驱动的决策,将可以帮助企业更好地进行相关的协调和协同。尤其是随着消费端和生产端的决策即时性要求的不断上升,离开数据驱动的决策,这些复杂的协调和协同关系将难以顺利地实现。

在此情形下,我们可以看到两个必然的趋势会随之出现。

一方面,数据驱动的决策对于企业的底层管理能力——也就是运营全过程的数据化及数据分析能力的要求大大提高了;另一方面,由于企业尤其是中小企业他们自身的数据分析能力(也就是从数据中解读出决策意义)往往有所不足,那些数据分析能力的外部专业服务提供者将成为重要的生态构成。

3,产业互联网的进化方向是不断消除产业价值链中的瓶颈

如果说消费互联网的进化是沿着如何更好地消除需求与供给之间的不对称问题(也就是更高效率地完成两者的匹配以及帮助企业更好地挖掘未被满足的需求),产业互联网的进化方向则是不断地提升产业价值链的效率。而产业价值链整体效率的提升,则取决于如何消除那些制约效率提升的瓶颈环节,以及提高产业价值链的合作参与者之间的协调有效性。

4,互联智能技术为产业互联网的发展提供强大的赋能

虽然互联网、物联网、人工智能与大数据在技术形态上存在着不同,但在产业互联网情境下,这些互联、智能技术如何完成融合并且成为产业互联网的底层基础设施,已经成为一个需要解决的关键问题。这些互联智能技术,将从如下三个层面为产业互联网的发展进行赋能:

(1)匹配:高效地完成实时并发的用户需求与离散分布的价值提供能力之间的匹配;

(2)响应:帮助企业实时地响应其价值链上下游的变化,以及帮助整个产业价值链快速地响应外部环境以及市场需求所发生的变化;

(3)整合:将分处于不同行业及业务领域内的价值提供能力整合成一个高效率的生态化系统,并且帮助整个系统获得协同效应。

5,产业互联网从推式到拉式的转换

在产业互联网的目前发展阶段,用户或消费者在整个价值链中所扮演的角色已经发生了较大的变化。

在以往的模式下,用户或消费者更多的是作为产品及服务价值的被动接收者,在厂商给出选择的有限空间里进行选择。随着消费互联网的发展,消费者可以通过聚合来获得更大的议价能力,从而在供给与需求之间的关系上获得更多的影响力并促使价值提供者逐步转向以需求来引导产品、服务的价值设计与提供过程。而互联智能技术使得价值提供者可以更高效率、更低成本地实现这个转变。

更进一步地,用户在一些情况下可以直接地介入和参与价值生成和创新过程,从而与供给端参与者共同完成价值创造过程。

6,数据资产的所有权及其治理将成为产业互联网发展中需要解决的重要问题

消费互联网的发展,已经引发了我们对于数据和隐私问题的关注。而在产业互联网的发展中,数据资产的所有权及其治理问题还将带来更为复杂的影响。事实上,消费互联网与产业互联网的融合发展,以及产业互联网本身的数据驱动特征,使得数据资产的重要性在不断地上升,而这也将带来两个方面的问题。

首先,对于产业互联网中的企业个体而言,数据资产是它们构建自身竞争优势的基础,为了维持差异化的竞争优势,他们有明显的动机去保护资产的独占性;而另一方面,数据的充分共享往往是提升整个价值链系统效率的基础,没有数据的充分共享,协调和协同是难以真正实现的。这两种相反思考方向之间存在的潜在冲突,就成为产业互联网不论是在产业实践还是理论研究中需要探讨的问题。

其次,数据资产在一定程度上带有co-specialized特点,也就是这些数据资产有可能会依赖于关联合作方之间的合作关系。而这些数据资产的所有权分割或者是在生态系统内的分布变化,将会对关联合作方之间的利益分割产生重要影响,因而需要建立一些合理的治理规则来处理数据资产关联方的合作与竞争关系。


相关文档推荐

阿里云AI搜索RAG大模型优化实践.PDF

1741175482 欧明栋 0.79MB 28页 积分6

腾讯会议助力药企内外部效率提升.PDF

1741071263 郑毅 3.28MB 14页 积分0

2025年人工智能十大发展趋势.PDF

1740034526  0.97MB 13页 积分5

大模型+数据智能分析应用发展趋势及标准化工作.PDF

1738713468 韩晓璐 7.14MB 24页 积分4

基于LLM的智能数据分析平台在腾讯的落地实践.PDF

1738713220 谭云志 5.29MB 22页 积分6

互联网广告场景下的大模型应用挑战与实践.PDF

1737428214 陈权 6.96MB 18页 积分5

抖音集团指标管理和消费体系实践.PDF

1737426532 施检军 4.97MB 28页 积分6

腾讯大数据基于StarRocks的向量检索探索.PDF

1737425434 赵裕隆 3.48MB 34页 积分6

腾讯云流式湖仓统一存储实践.PDF

1737423643 李哲 1.95MB 0页 积分4

大模型时代推荐系统的发展路径及未来趋势.PDF

1737359940 刘卫文 4.39MB 41页 积分6

相关文章推荐

用企业影响者提升你的品牌–发现5大趋势

CIO之家的朋友们 Dr. Irene Y. Kilubi 

云业务成本的组成与管理趋势

CIO之家的朋友们 CIO之家的朋友 

供应链创新的七大趋势

微软 CIO之家的朋友 

阿里数据模型建设方法总结

CIO之家的朋友们 CIO之家的朋友 

阿里健康供应链智能补货算法

DataFunSummit 龙广斌 

阿里数据模型建设

E行网 CIO之家的朋友