随着企业将物理世界过渡到数字世界，智能事物成为驱动力。企业将在2019年实施下一代平台，分析来自物联网（IoT）的大量行业特定数据。人工智能（AI）和机器学习（ML）正在发现以前被认为是独立的数据之间的新关联，使企业能够做出新的发现。这是令人兴奋的，因为没有这些平台，人类将无法做出这些多维的关联——人类大脑有太多的因素需要考虑。此外，这些新关联的发现会让我们大吃一惊，并与传统观点相冲突。我们需要转移注意力，重新学习。例如，precision medicine从新来源（Wifi连接的心脏监护仪、健身手表、健康记录、人类基因组）获取数据，并将其与传统来源（血液化学、饮食信息）整合。使用这些多个数据输入将导致更精确的诊断和治疗计划。从理论上讲，血压低、红细胞计数高、有某种遗传结构的人可能更容易受到双酚a毒性的影响。诊断不再是基于简单的一对一相关性，而是基于多维关联。自主驾驶是实时物联网数据管道通过分析和改进执行的关键性示例。在从A点行驶到B点时，会发生无限多个随机事件。必须实时获取数据，并在边缘（在车上）不断分析数据，才能对事件执行。数据还可以被发送回工厂（核心平台）与其他数据一起处理，以了解特定路线，以补充随机事件所需的实时分析。特斯拉就是一个很好的例子。特斯拉作为早期采用者特斯拉是下一代物联网平台实施的一个很好的例子。特斯拉的主要优势在于它是一个数字化组织。它把汽车看成是一个滚动的数据生成设备，即计算机。解锁这些数据是性能、可靠性、运营效率、产品设计和先进分析的关键，从而实现自主驾驶。每一个特斯拉制造的都有一个数字孪生兄弟。它的8个车载摄像头、12个超声波传感器、雷达和GPS连续采集数据。这些数据被发送回Gigafactory或核心平台。核心的处理和分析提供了有关汽车工作原理的情报。特斯拉可以确定为什么、何时、何地需要通过空中传送固件更新来进行远程修改和修复（性能、可靠性和运行效率）。它可以从数据中学习，并将最好的经验应用到新产品设计中。例如，Model 3的设计要简单得多，使特斯拉每月能生产250000台，而S型和X型的则是50000台。车载边缘的处理和智能为自动驾驶提供了希望。自动驾驶需要大量实时处理的数据，为真实场景提供自发和学习的响应。无论是特斯拉，还是其他任何汽车制造商，都不能声称拥有完全的自主权。特斯拉正在用AMD（一种专门用于自主应用的AI芯片）和Nvidia（用于高性能计算、分析和深度学习）构建自己的芯片。这些芯片到底是如何应用的仍然是个谜。然而，自主必须应用在边缘（在汽车上），这意味着一个滚动的，高性能，智能计算机。企业的关键考虑因素边缘设备快速增长的计算能力，以及连接技术的进步以及对核心和边缘分析能力的需求，将推动这些下一代物联网平台的采用。早期采用者必须分析成本与效率以及实施范围。不同的行业需要不同级别的采用，以及为满足行业独特数据和分析需求而设计的行业特定平台。早期采用者还必须考虑到基础设施的变化；使用集中式系统与混合式系统与分布式系统的相关性、需求和优势；以及他们当前环境迁移或添加功能的准备情况。一个有效的部署策略，考虑到业务和技术的影响，将是有效（和有利可图）采用下一代物联网平台的关键。另请参阅2019年数字趋势博客文章。Joan Carol（JC）Brigham为DXC Technology的战略交易提供深入的竞争情报。她在CSC的ResearchNetwork担任了9年的分析师，在那里她领导战略工作，并管理ResearchNetwork中的大部分行业研究的启动。此外，她还是一名分析制造业的负责人和业务经理。在加入CSC之前，Joan Carol曾在Sun Microsystems的服务业务部门和IDC工作，在那里她偶然进入了市场和竞争分析。@杰布里格姆 Mrinal Barman为DXC Technology的战略交易提供竞争情报。他曾在国防工业和航天工业领域担任研究分析员。Mrinal有超过五年的分析师经验，曾在Xchanging和Cognalint任职。在LinkedIn上与Mrinal联系。