モノのインターネット業界は一時的な流行に過ぎないのでしょうか、それとも産業史上の重要な節目となるのでしょうか?

人類の長い発展の過程において、生産性を向上させることができる発明や方法は、人々の記憶に残ります。産業や社会の発展シナリオは予測不可能ですが、世界にとって本当に価値のあるものは、歴史に必ず残ります。短期的には、活気があり、大衆文化やテクノロジーが大衆をリードしているように見えるかもしれません。しかし、時間が経つと、潮が引いて初めて、誰が裸で泳いでいるのかがわかるかもしれません。短期的には市場は投票機だが、長期的には計量機だ。時代の進歩をリードしてきた技術、知識、アイデアは、時が経つにつれて、より輝きを増していくことでしょう。ニコラス・タレブは著書『アンチフラジャイル』の中で、リンディ効果について次のように述べています。

現在、話題となっているIoT産業は、一時的な流行で自然消滅してしまうのか、それともメディアで報道されているように産業発展の歴史において重要な節目となるのか。未来は予測不可能なので、まだ見守るしかない。未来は、アイデアと情熱を持った企業や個人が、試行錯誤しながら一歩ずつ立ち上がることで作られていくだろう。その中で、かつては多くの人に愛用されていたGE Predixは、産業インターネットの技術開発の歴史の中で試行錯誤する企業となり、数百億ドルを投資したにもかかわらず、数億ドルという惨憺たる業績のため一括売却せざるを得なかった。現在の産業用 IoT 業界と限られた知識では、Predix の将来の発展の見通しを予測することは不可能ですが、Predix が業界と業界従事者にもたらすアイデアとインスピレーションが非常に重要であることは確かです。なぜ、このように将来有望な技術が爆発的に普及せず、パッケージ化されて売り払われているのでしょうか。資本市場の利益追求の性質や、経営陣が短期的な利益が見込めないために技術を売り払っているという事実に加え、業界と技術が相乗効果を発揮して発展していない理由は他にもあると思います。

[[249316]]

1. 試行錯誤の機会を必ず実行すべき戦略として扱う

GEのPredixにせよ、IBMのWatson計画にせよ、両社はモノのインターネットの今後の発展に多大な資源とエネルギーを投入しており、継続的な試行錯誤と探究を必要とする段階を、企業が達成しなければならない戦略とみなしている。マッキンゼーであれ、他の専門的な分析レポートであれ、モノのインターネットの発展については非常に高い調子を示しています。確かにトレンドはありますが、そのような調子は多かれ少なかれ一部の企業の意思決定にも影響を与えています。 『アンチフラジャイル』という本でも述べられているように、経済学者はコンサルタントにしかなれず、戦略家になることはできない。これは、理論が実践を過度に導くことを防ぐためであり、実践と理論を組み合わせるためではない。これを特にうまく行っている 2 つの例を次に示します。

• PTCはモノのインターネットの参加者であり、同社の発展を追ってきた実務家は、PTCが近年資本面で比較的良好な業績を上げていることに気付くかもしれない。国際貿易戦争の高圧力や、10年連続で上昇している米国株式市場の全般的な悲観論の下でも、その時価総額は着実に上昇している。筆者は、PTCの優位性は、PLMと製造補助ソフトウェアという伝統的な金儲けプロジェクトを守りながら、モノのインターネットミドルウェアKepwareとモノのインターネットプラットフォームThingWorxの買収など、買収を通じてモノのインターネット製品ラインを拡大し続け、基礎となるデータ収集とデータプラットフォームサービスの2つのデバイス側の利点を向上させていることにあると考えている。今年、ハネウェルはチャンスを察知し、デバイス側のデータ接続と産業用ARシナリオにおける自社の欠点を補うために戦略的投資を通じてPTCとの協力関係を結びました。 PTC は過去 1 ～ 2 年、理論と実践を組み合わせ、モノのインターネットの分野で着実に進歩してきたことがわかります。

• もう一つの例は、おなじみのGoogleだ。アルファベットが親会社になった後、ブリン氏はGoogleの経営から退き、Google X実験室部門の指導に注力した。多くのブラックテクノロジーといくつかの未来技術はここから生まれるだろう。技術系企業として、Google X部門は継続的に製品の試験とインキュベーションを行い、成熟してから市場に投入する。ブリン氏の先見性、ビジョン、権限委譲の勇気も、中国の起業家にとって研究対象となっている。

2. 協調的な開発コンセプトと技術がない

第一次産業革命は蒸気機関の発見によって引き起こされ、生産性が大幅に向上し、鉄の製錬、電気、電磁気、そしてパーソナルコンピュータの出現につながりました。蒸気機関は産業の歴史全体の中で最も重要な発明であると言えます。しかし、いくつかの参考資料は、蒸気機関がかなり昔に発明されていたことを指摘しています。ただ、当時の人々の観念、経済基盤、技術支援、産業の発展は、蒸気機関を使って生産性を向上させることを考えさせるほど十分ではありませんでした。例えば、ミレニアム頃には、ホーマーフレッシュのような消費アップグレードモデルは絶対に登場しなかったでしょう。現在、工場内の多くの生産工程は単純かつ分散しており、生産設備は時代遅れで、企業管理者はモノのインターネットの概念を持っていないことから、モノのインターネットの発展を促進するには実践と試行錯誤が必要です。

フォックスコン・インダストリアル・インターネットの会長である陳永正氏はかつてこう語った。「インダストリアル・インターネットは、いわゆる実体経済とデジタル経済の統合です。厳密に言えば、かつては実体経済でしたが、インダストリー4.0とインダストリアル・インターネットの登場により、より多くのビッグデータが登場し始め、デジタル経済に移行しました。」

もちろん、次は外の世界にどのように貢献するか? デジタル機能を外の世界に提供することです。この点では、私たちはインターネット企業から学ぶべきです。実際のところ、デジタル経済はより多様化しており、より知覚的になっているのは事実です。実体経済は正確であり、分や秒単位での誤差は許されないため、両者は性質が大きく異なります。

現在、工場側の設備制御バスとプロトコルに対する技術要件はミリ秒レベルです。インターネットと、その基礎となる工場側のデータやプロセスとの接続には、極めてわずかな時間遅延が必要です。しかし、現在のIT技術の時間精度は、OT側の要件を満たすことができません。しかし、朗報もあります。今年のドイツ・ハノーバーメッセで、ファーウェイとB&Rは、OTとITの真の統合をさらに進めるために、TSNとOPC/UA技術の連携をテストしました。

3. トップレベルのAIの開発はまだ本格的には開花していない

前世紀に電気が世界を変えたとすれば、今世紀最大の革新はコンピューティング能力から生まれるでしょう。

モノのインターネットは、コンピューティング能力とデータ収集の方法や手法に関する基本的なデータを提供します。

ビッグデータは、非常に大量のデータを運び、効率的なコンピューティングを実行する機能を提供します。

AIはコンピューティングパワーモデルとコアアルゴリズムを提供し、ビジネスモデルにおけるコンピューティングパワーを実現するためのエンジンとなります。

• AI の現在の商業的応用例の 1 つ: 空港のセキュリティ チェックやホテルのチェックインの際には、SenseTime、CloudWalk、Yitu、Megvii などの顔認識システムが目に入ります。これは現在、人工知能が最も商業的に使用され、収益化されている分野です。
• AIの最も一般的な産業用途の1つは、AOI光学検査です。工場側のAOI装置から画像を抽出し、人工知能による分析と学習を行い、精度を高めます。これは、私が知る限り、工場側でのAI技術の商用化の例です。
• 大型設備レンタル市場におけるAIの応用、シナリオ1：金融大手がユーザーに大型設備をレンタルし、IoT技術を利用して設備の使用時間と関連パラメータデータを抽出し、データセンターに送ります。データの反復的な蓄積を通じて、設備の寿命とユーザーの現在の業務の忙しさを予測するデータモデルを確立し、リスクの軽減ときめ細かな管理の目的を達成します。

著者は、AIの出現により、人々はより科学的に働き、データに基づいて意思決定を行い、それを合理的に実行できるようになったと考えています。これは、リソースの無駄を減らし、生産品質管理を改善し、上流産業と下流産業をつなぐのに大いに役立ちます。 AIは1950年頃からアメリカの一流数学者や戦略家によって活用されていましたが、当時はAIという言葉もなければ、強力なコンピュータ能力もありませんでした。『RAND Corporation and the Rise of America』という本を閲覧すると、多くの重要な決定が科学的手法の検証とデータサイエンスの分析と切り離せないものであることがわかります。

AI は本質的に科学的方法論の同義語であり、科学は主要な生産力です。