#自动化与AI 一方面，有太多文章描述AI与自动化如何威胁就业；另一方面，从AI应用创新角度，各种不靠谱的Use Case 层出不穷。 AI 独角兽公司很多都是靠工程师驻点做系统集成来换取利润微薄的合同流水。

一定有什么地方不对？

作者认为，涉及现场服务类用完全的自动化和AI面临严重的经济性Bug（根本不划算，还不如用人），而且与人类相比，机器人更难改变用途。

人类即便面临中年危机，在形势逼人强面前，总是可以找新工作干着。机器人下岗再就业那成本就不得了了…

作者认为自动化和AI的最佳用途是作为辅助工具提供人类的效率、进而用于弥补人工成本的持续上涨。

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。

根据工信部数据，截至2021年5月，三大运营商合计发展蜂窝物联网终端用户 12.58 亿户，比 2020 年末净增1.22 亿户，已超2020 年全年净增用户数（1.08 亿户）。

其中，应用于智慧公共事业、智慧交通、智能制造的终端用户占比分别达22.1%、17.6%、17.3%。

中信建设证券预测 2021 年国内蜂窝物联网用户数有望净增超 2 亿户。