无论你在 Facebook 上点击“赞”多少次，机器在互联网上彼此分享的信息都比人类分享的更多。一架典型的 737 飞机在一次横跨美国的飞行中会产生高达 240 太字节的数据；而整个社交网络在 2012 年每天产生的数据也只有 500 太字节。为处理如此庞大的数据量，Facebook 租用了六座数据中心的空间，并自建了四座。到本世纪第二个十年末，工业机器之间共享的数据量将远远超过人类产生的数据量——麦肯锡估计，RFID 标签（一种常见传感器）的数量将从 2011 年的 1,200 万个增至 2021 年的 2,090 亿个，其相应的数据输出也将随之增长。
工业互联网需要建立一条工业级数据供应链，其协调数据片段的能力要像制造商统筹实体货物那样娴熟。为此，需要构建一个由硬件和软件组成的“技术栈”，主要包含三个层次：采集、分析和交付。
采集层包含所需的大部分硬件——传感器、存储设备和带宽。全球商用飞机的 43,000 台发动机中嵌入的传感器，可能会通过无线方式将设备的状态、位置和历史记录传输到地面服务器。据思科称，这种机器对机器通信将在未来四年成为移动数据流量中增长最快的部分。思科与 GE、AT&T、英特尔和 IBM 共同创立了工业互联网联盟。数据采集后，会存储在本地或云端的集中式服务器上，并可在那里与交易数据及其他企业数据汇总整合。
分析层涉及大数据领域：传统商业智能应用正被可扩展性更强的软件取代，例如 NoSQL 数据库和 Hadoop 集群——这些工具都从海量数据集中挖掘洞见。据德勤称，Hadoop 市场到 2016 年将达到 8.13 亿美元，NoSQL 市场到 2018 年将增长至 34 亿美元。在这些系统上运行的分析引擎，可以梳理数太字节的各类数据，生成复杂的行为模型，用以预测关键部件何时可能发生故障，或何时需要人工干预。
最后一层是交付，涵盖从机器对机器反馈回路到定制化平板电脑应用的各种形式。现代数据可视化技术取代传统电子表格，帮助现场技术人员和高管发现模式与趋势，使他们能够更快地做出更好的决策。例如，德克萨斯医疗中心使用初创企业 Ayasdi 的软件，将一组乳腺癌数据可视化，使专家能够迅速识别出一个可供进一步分析的新患者子群。挑战在于创建一个平台，让每位员工无论职级或职责如何，都能获得同样的能力。
建立数据供应链并非易事。例如，EIU 最近的一项调查显示，还不到一半的公司已将大数据转化为竞争优势。但由此带来的收益可能十分巨大。麦肯锡估计，美国医疗保健行业每年可节省 3,000 亿美元，而零售商的利润率可能提高 60%。机器已经开始彼此交谈；关键在于辨别它们要表达什么。
本文由 GE Look Ahead 合作发布。发布本文并不代表世界经济论坛认可其中观点。 GE Look Ahead。发布本文并不代表世界经济论坛认可其中观点。
及时了解 Forum:Agenda 动态， 订阅我们的每周通讯。
作者：Greg Lindsay 为 GE Look Ahead 撰稿
图片：2013 年 2 月 28 日，一名男子在波兰华沙敲击电脑键盘。这是配图资料照片。路透社/Kacper Pempel/资料照片
