预测性维护（Predictive Maintenance）在工业、交通等多个领域有广泛的应用场景，也是 AI、5G、工业互联网等技术推进的典型用例。
根据研究机构 IoT Analytics 的分析，预测性维护从 2016 起到 2026 年，大约时间时间可从一个小众话题成长为一项杀手级应用。
其中，2016~2021 这五年，预测性维护已经从一个不确定的、独立的利基用例转变为一个快速增长的、有不错投资回报率（ROI）的应用。
预计到 2026 年预测性维护市场将达到 282 亿美元。
附图中的几项指标：市场空间、玩家数量、ROI、数据源、集成模式、最终用户，也很好的概括了不同发展阶段的特征差别。
研究机构 IoT Analytics 基于 2020 年全球 1,440 个公开物联网项目（不包括消费级 IoT 项目，例如：智能家居和可穿戴），进行了分类统计，并对比 2018 年的占比进行关联分析。
物联网应用的前五名来自：(1) 工业制造；(2) 交通出行；(3) 能源；(4) 零售；(5) 智慧城市。
Mckinsey 认为大部分工业企业虽然都部署了大量的信息系统（ERP、BI、CRM、MES 等），但数据利用率普遍偏低。绝大部分企业要么停留在通用工业软件基础应用上，要么陷入数据分析的试点陷阱，并没有享受到数字化和智能化带给企业的经济效益。
Mckinsey 认为流程行业在智能化推进的 “组织和能力建设” 方面投入普遍不足。除少部分企业开始筹建数字化推进组织并进行能力培养外，大部分企业仍按兵不动，寄希望 “购买” 成熟的解决方案，致使人才、技能和知识的缺乏持续成为企业智能化转型的重要挑战。
2022 年中国的电动汽车产生走上了一个新台阶。特斯拉和比亚迪均走出其最高的产能记录。
从九月数据看，特斯拉单月突破 8 万辆，比亚迪（纯电动车）单月产能突破 9 万辆。
