【看中國2017年2月11日訊】（接前文）
2、信息技術（IT）發展
信息技術主要指以計算機為核心的數字化處理技術。計算機則可以看作是微電子硬體技術和軟體數據技術的集成。現代信息技術可以說從二戰後開始大規模發展，從1990年代網際網路發展後不斷突破，從2010年後開始主導世界產業發展方向。
信息技術主要包含三個部分：蒐集/輸入技術、儲存/處理技術以及傳輸/發布技術。 每一個環節的技術提升，都對社會產生巨大的影響，引發社會的巨大變化。
A、網際網路與傳輸/發布技術。
網際網路發展是信息技術的重大里程碑。在早期，信息技術的發展領域，主要集中在儲存和處理技術領域，即一般意義上的計算機領域。 網際網路的誕生和發展，代表信息的傳輸/發布技術上取得重大突破。在網際網路熱之後，又吸引巨額資金湧向信息技術，並促進前兩部分技術的發展。
網際網路的發展，為工業4.0奠定信息技術基礎。在網際網路的推動下，信息技術實現大規模的應用。最初，人們主要利用網際網路進行單純的信息傳輸，包括瀏覽新聞，首發Email，相互即時通信等。隨著儲存/處理技術和網際網路帶寬急劇提升，網際網路創造出大量的虛擬空間，包括網路遊戲、網路影視，以及網路商業（網商）。隨著無線技術發展，與網際網路相銜接，形成大規模無線與有線銜接的網際網路路。 無線互聯技術發展，對於工業4.0起到重要的基礎支柱作用。
在網際網路的支持下，前兩部分技術開始革命性突破，將引領工業4.0的發展。網際網路的發展模式和規模已經基本確定，未來即使進行帶寬提升和智能化技術提升，也只是升級的效果。而在未來，信息存儲/處理技術和蒐集/輸入兩部分，正在發生革命性變化，不斷改變世界的格局。
B、在信息存儲/處理技術方面，智能化目前是主要的主要方向。智能化的發展主要分為兩個層級，硬體和軟體。
智能化是人工智慧（AI）的現實化。在20世紀，隨著科技不斷進步，人們想像出機器人、人造人、以及AI等展望未來的新產品/物種。不過，隨著科技研究的深入，人們發現機器人和AI都不容易實現，如同空中樓閣。科技界開始制定更加現實的目標，一步步朝著智能化方向努力。隨著硬體能力不斷強大，軟體水平大幅提升，智能化水平出現飛躍性發展。在現實進步的過程中，智能化開始實現大規模應用，推動工業4.0的進步。
作為智能化的基礎，硬體的發展按照既定軌跡，不斷升級，成為智能化發展平臺。 信息存儲技術不斷提升，存儲容量越來越大。藍光碟（BD）的單層存儲達到25G，在2008年成為索尼復興的希望。但是，隨著網際網路帶寬不斷增加，以及個人硬碟容量快速提升，藍光碟越來越被忽略。到2016年，個人電腦硬碟容量已經達到1TB 或2TB，而且容量不斷升級。在信息處理技術上，因為晶體管電子技術已經接近極限，摩爾定律無法持續，即單核CPU的運算能力接近極限。在這樣的情況下，多核CPU出現，並且搭建晶元組，繼續提升運算能力。在越來越高的CPU需求下，多層多核、生物晶元等不同構思，但是仍處於理論階段。在CPU運行速度提升的同時，隨即存儲（DRAM）速度開始成為瓶頸。而核心處理部分與其它器件的銜接和整合，是更大的瓶頸。隨著這些瓶頸的不斷打破，硬體儲存/處理技術的能力將不斷升級，為軟體的發展提供更加強大的平臺。
在軟體方面，智能化發展主要可以劃分為三個主要部分，大數據，專業軟體發展，機器自我學習。
軟體的智能化發展成為驅動信息技術（包括軟硬體）的主要動力，也是工業4.0的主要驅動力量。其中，大數據（海量數據處理）則成為軟體發展和智能化升級的基礎推動力。1997年，Google網站註冊，後來成為主要搜索引擎，催生對大數據處理的需求。2006年，Hadoop軟體誕生，開始推動大數據普及。2010年開始，大數據的概念被熱炒。隨後，大數據軟體Spark推出，革命性推動大數據升級。在Spark支持下，機器學習獲得突飛猛進的發展。展望未來，每2-3年，大數據/軟體發展/機器學習的發展，都將上一個新台階，不斷推動工業4.0的迅猛發展。
a、大數據（Big Data），主要指在海量的原始數據中，根據特定的標準，對原始數據進行篩選過濾，得到相對有效用的信息組，並且針對這些有效信息組進行分析和整理。所以，大數據可以看作多功能信息平臺，能夠實現信息存儲、分類、篩選、分析和整理的功能，為學習和決策提供依據。
大數據涵蓋範圍廣泛。通過大數據平臺，可以支持容納海量資訊的天文學、氣象學、大型科學實驗、醫療衛生、物流倉儲、交通運輸、網路資訊、經濟金融、社會信息等等。 網路資訊包含的門類眾多，尤其是隨著社交平臺的發展，各類與社會生活相關的網路資訊呈現爆發性增長。而網路資訊本身，就反映出社會方方面面的特點。
大數據的發展，對於各主要行業和學科起到重大的支持作用。任何一個行業或者學科的運行和發展，都離不開數據的支持。而且，越是影響廣泛的行業或者學科，對數據支持的要求越高。在信息技術不夠發達時，無法採集和儲存海量數據，也無法對海量數據進行篩選和分析。隨著大數據技術的發展，大數據的硬體儲存問題解決後，也催生大數據的篩選、分析和整理工具，支持這些行業的發展。
大數據反映工業4.0的關鍵內在特徵。大數據作為海量信息的存儲/處理技術平臺，隱藏在幕後。除了專業人員之外，並不引發社會的廣泛關注。但是，大數據作為工業智能化的主要支柱之一，對於各重大行業的發展，起到重要的支持作用。隨著大數據的發展，功能更加強大，對於行業和學科的支持力量更強，支持重大發展和突破。在突破之前，人們並不關注大數據的作用，也不關注行業發展。但是，當行業突破實現時，人們直接感受到突破帶來的衝擊，再想進行組織或者個人的調整，已經來不及。
隨著大數據的發展，與數據直接相關的人力資源需求也隨之發生重大轉變。 在社會中的各個行業、學科、私營組織、政府機構，存在著龐大的數據助理人員群體。 這個群體幫助決策者採集信息數據、更新數據、分析和整理數據，供決策者進行決策。隨著大數據的發展和廣泛應用，這個群體中的一部分人員，將被大數據分析整理所替代。
b、專業軟體發展，主要指在越來越強大的資料庫和信息處理能力基礎上，軟體編程語言的功能日益強大，軟體種類日益豐富，滿足更強的功能和各類不同的需求。
軟體開發和應用，已經成為一個巨大的產業，大量人員參與軟體的設計、開發和應用。隨著語言優化，軟體開發的覆蓋範圍越來越廣，工作能力日益增強。例如，僅僅在數據分析和處理方面，就有數十種程序軟體。這些軟體大部分由Java，C，C++等基礎程序語言寫成，側重不同的領域或者功能。 隨著不同軟體的擴展，程序功能日益強大，可以執行的任務越來越多，在數據處理的效率、準確性和及時性上，不斷向前進步。
軟體開發越來越成為推動商業銷售的主要動力。在pc時代，pc的銷售成長率，與微軟的操作系統發布週期，有著較為顯著的聯繫。在手機時代，蘋果公司開發iPhone，其成功不僅在於喬布斯強令iPhone 只能有一個鍵，更重要的簡潔的iOS操作系統，高效利用iPhone中的硬體組合。而Google推出android系統之後，引發大量廠家採用android系統，生產智能手機，與iPhone競爭，意味著智能手機時代的到來。在眾多廠家的激烈競爭中，隨著iPhone的不斷換代，iOS成為支持iPhone高價暢銷的核心優勢。
軟體正在進行大規模替代，減少對輔助型白領人工的需求。在競爭激烈的行業或組織機構中，對於更強大的新軟體或者軟體應用，具有極為迫切的需求。通過軟體應用，機構可以大幅提高人、財、物的使用效率，提高競爭反應速度，降低競爭成本。其中，提高人的使用效率意味著，大量削減輔助崗位的人員，包括財務、行政、營銷、銷售等部門的人員。在製造業雇佣人員越來越少，服務業人口比重越來越大的情況下，輔助型白領人工佔社會的比重也在增大。而隨著工業4.0的突破性發展，軟體發展和應用也將呈爆發性增長，大規模替代輔助型白領工作。
c、語言優化與機器學習（Self – Learning，machine learning），主要指在非特定程序路徑下，機器自己進行學習和提升。 在機器學習中，主要涉及到基本演算法（邏輯模式），數據挖掘和分析整理（知識發展），以及學習成長（智能化）。
對於大多數人來說，機器學習的概念仍然相當陌生。說到人工智慧（Artificial Intelligence，AI），很多人能夠理解，就是機器像人一樣具有智力。但是，真實世界的AI，並不是人們普遍想像的那樣。涉及到AI，人們需要問，真實的AI如何形成智力？AI與人的智能根本差別在哪裡？AI的極限在哪裡？這些問題是人工智慧的核心。當涉及到核心問題的時候，往往就變成非常專業的內容，大多數人既不瞭解，也不很關心。
在理論上，機器學習主要包括幾個部分：i、基本演算法，由人腦的邏輯思維模式和腦神經構造分析等內容的基礎上形成，是機器學習的基礎和前提；ii、數據挖掘與外延概率，對歷史上積累的案例進行數據挖掘，並且合理運用外延概率模式；iii、概率總結與推斷，通過對數據的概率進行總結，推斷出大致決策區間。iv、決策與優化，根據基本演算法，計算決策模式，並且對決策進行優化。在現實中，機器學習的設計者，根據實際情況，對計算機的幾個部分進行調整，支持計算機自我學習能力的優化，即更強大、更靈活的現實應對能力。
雖然研究AI的人少，但是形成的結果，卻影響幾乎所有的人。 在這個專業領域中，只有很少的人持續進行理論研究和
應用研究，並且在這些研究的基礎上，進行相應的程序開發，實現機器的自我學習能力，不斷提高智能水平。當這些人取得顯著成果之後，逐漸將成果應用到現實中，將改變整個世界的軌跡，也影響絕大多數人的生活。
2016年，Google的阿爾法狗（AlphaGo）出現，意味著智能化的里程碑式突破。在1997年，重達1.4噸的「深藍」大型計算機，與國際像棋大師卡斯帕羅夫的多局戰成平局，意味著在國際像棋上，電腦的運算能力已經超過人腦。不過，電腦獲勝的方式只是具體程序下運算能力的勝利，還沒有達到智能博弈的程度。如果按照這種方式，電腦在圍棋上戰勝人類的道路還遙不可及。但是，在近20年後的2016年，阿爾法狗出現。 阿爾法狗出現後，以5：0完勝圍棋歐洲冠軍，引起一定注意力。3月，阿爾法狗挑戰世界冠軍韓國棋手李世石，並以4：1獲勝，得到巨大的轟動效應。7月，阿爾法狗在積分上超越柯潔，成為世界排名第一的棋手。
阿爾法狗在升級後，甚至不依靠人類的經驗，而持續強化自我學習能力。據說阿爾法狗在戰勝李世石後，Google項目組DeepMind再度修改阿爾法狗的自我學習程序。據說，阿爾法狗不再學習圍棋界傳統的模式，甚至不學習人類的棋譜，而是通過超過2000萬局的自我博弈，不斷獲得水平提升。 2016年末，升級後的阿爾法狗以Master的ID 在圍棋網站上出現，以快棋60：0的戰績，橫掃中韓日所有的圍棋冠軍。柯潔哀嘆：「人類千年的實戰演練進化，計算機卻告訴我們，人類全都是錯的……」
阿爾法狗意味著機器學習達到新的階段。圍棋不僅因為眾多的位置，具有極大的變數。更因為圍棋規則，需要複雜的思維能力。有網友評論說，在國際像棋上獲勝，如同獲得戰役的勝利；而在圍棋上獲勝，則可以看作贏得戰爭。阿爾法狗能夠橫掃中韓日頂尖棋手，說明機器學習已經達到相當的能力水平，快速學習、快速反應、快速提升。
阿爾法狗的勝利，意味著人工智慧領域中，出現新的強大力量。目前，不少科技公司積極開發人工智慧，並且推動在商用領域的應用。而阿爾法狗的成功，意味著人工智慧領域的競爭，加入一個重要的高端成員。阿狗演算法的改變，直接反映為更強的學習能力。阿狗經過一定的改變，就可以應用在一些其它領域，包括研究開發領域。而阿狗進入市場，也會刺激競爭者加快AI的研發，不斷以新的思路豐富AI，提高AI的發展速度。
由於學習曲線的作用，機器的智能化水平提升將不斷加速。機器的智能化與人具有關鍵的區別，即持續性和時代性。人的學習具有間斷性和重複性的特點，人不能持續學習，對一件事的記憶往往需要重複多次。從代際的角度，隨著時間的推移，年輕人必須從零開始，重複學習。與之相對比，機器可以不間斷學習，而且是快速學習，學習過程和結果也在不斷積累。而且，機器學習的過程，持續對最新的數據進展採樣，不會落後於時代。而且，在更強大的硬體支持下，機器學習可以同時利用更多的演算法，進行交叉學習和提升，實現越來越高的計算能力。
隨著更多演算法的應用，機器還能夠形成記憶和預測能力。阿狗雖然計算能力強大，但是缺乏連續記憶能力，難以實現預測。而隨著無人駕駛軟體的進步，設計的軟體需要具有一定的記憶能力。例如，機器必須根據其它汽車過去的運動軌跡和狀況，預測到其它汽車的運動方向和速度。根據這些記憶和預測，自動駕駛的汽車能夠做出合理的判斷，正確地實施直線、變線、加速和減速等行為，不與其它汽車碰撞。這些演算法的應用和改善，能夠將智能化應用在更多的領域。
在另外一個很少人關注的領域 ---無人機戰鬥，AI的發展引起了五角大樓的關注。另一個叫做ALPHA 的軟體，由一個小微公司PSIBERNETIX開發，在模擬空戰中以AI打敗人的操作。與AI對戰的，是有豐富經驗的原空軍戰鬥教官/經理 Gene Lee， Lee在空軍作戰司令部中參與了F35A，F22, 全球鷹等項目。在所有的超視距導彈空戰中，在每次進行延時對抗時，Lee反複試了很多次，但是沒有一次打中AI，反而總是被鎖定擊中。Lee說：「它似乎很明白我的意圖，對我的飛行變線和導彈部署即時反應。它知道怎麼打敗我的進攻。在需要的時候，它能夠立即選擇採取進攻或者防守的行動。」 在機理上，這個軟體利用模糊邏輯演算法，突破了人決策思維中的一個瓶頸，可以接受巨大的信息流，並且迅速做出決策。
在應用上，人工智慧開始替代專業工作。據日本保險巨頭Fukoku Mutual Life宣布，從2017年開始應用IBM公司開發的Watson AI系統，裁減近30%的保險理賠評估部門員工。IBM稱，此系統可以像人類一樣思考，並且可以分析和理解所有數據，這些數據包括結構化文本、圖像、音頻和視頻等等。該系統將負責閱讀醫生撰寫的醫療證明和其他文件，以及收集醫療記錄、住院信息、手術名稱等保險理賠資金所必須的信息，除了這些，該人工智慧系統還能核對客戶的保險合同並且確定一些特殊保險條款等等。不過該系統只能負責簡單的收集、整理、核查類的工作，最終的賠付等決策還需要專門的人員作出。
日企保險公司裁人的事件，可以看作機器批量替代專業人員的集體事件，因此被廣泛報導。而在更廣泛的領域，很多專業工作已經開始被無聲無息地取代。例如，在醫療領域的實驗性項目中，AI已經能夠診斷病情，而且水平不斷提高。在軟體開發領域，不少軟體系統本身也在升級，很多簡單程序已經不需要進行編程，只需要簡單的指令就能自動生成，開始淘汰最初級的程序員。在軟體翻譯領域，翻譯軟體水平的提高更是有目共睹。在2年前，Google的中英文翻譯仍然相當原始，語言錯誤的情形相當普遍。 而現在，翻譯水平已經相當高，已經超過很多初級翻譯人員的水平。這些變化都在不知不覺中發生，開始靜悄悄地替代各行業、各職業的中低級白領專業人員。
隨著人工智慧的加速發展，對於中高級專業人員的替代也將加速。圍棋賽除了競爭之外，更多作用在於表演，通過表演獲得主要的商業價值。如果只是競爭作用，阿狗的出現，可以直接讓所有中韓日的職業棋手失業。而對於競爭主導的行業，當人工智慧超過中高級專業人員，以機器替代專業人員。所以，隨著AI的發展，商業化應用日益普及，中高級專業人員也將被逐步替代。
根據時間長短，專業人員的替代將以梯級方式實現。首先，AI將對中初級專業人員進行大規模替代。目前，智能較低的AI系統已經基本成熟，開始進行商業推廣。如果在商業應用初期，能夠得到較好的效果，會在很短時間內獲得普及。而且，AI在普及的過程中，也在繼續學習提升，替代能力日益增強。隨後，在IT企業積極推銷，以及客戶需求的共同作用下，AI將加快普及。例如，日企保險公司採用AI後，如果達到預期效果，會進一步裁人，代之以AI。其它保險公司看到競爭對手的真實效益後，也會快速跟進，採用類似的AI服務。隨後，IT企業會開發其他行業的特定AI服務，替代其它行業中的中初級專業人員。
隨著AI的不斷發展，機器將開始替代中高級專業人員。在學習曲線的早期，AI主要處於研究和發展階段。 例如，阿狗雖然已經非常強大，但仍然在不斷優化，力求達到更強的學習能力。而阿狗的學習模式成熟後，需要一段時間進行商用研發。在商用研發之後，通過實驗性應用，檢驗工作效率和效果，因此時間具有滯後性。而一旦開始商業推廣，才向目標市場表現出強大的能力。當較為高級的AI商用後，將有能力替代部分、甚至大部分中高級專業人員。
C、信息蒐集/輸入技術。 信息蒐集技術的應用已經相當廣泛，GPS可以看作是覆蓋範圍最大的信息蒐集系統。同時，信息蒐集/輸入技術存在廣泛的發展空間，也是未來智能化社會的最重要發展領域。
信息蒐集技術主要指信息的蒐集、探測和感知等技術，是信息技術與現實世界的銜接部分。蒐集技術主要包括圖像、遙感和感測三大類，具體有衛星遙感和成像技術、紅外遙感技術、次聲和超生遙感技術、一般照相攝像技術、以及十大類感測器 --熱敏元件、光敏元件、氣敏元件、力敏元件、磁敏元件、濕敏元件、聲敏元件、放射線敏感元件、色敏元件和味敏元件及相應智能感測系統等。另外，還有人工辨識的標籤——RFID。
信息技術如同一個巨人。其中，信息儲存/處理技術如同大腦，負責信息的處理和思考；網際網路和無線互聯如同神經網路，負責信息的傳輸和發布；而信息蒐集技術則如同身體，通過視覺、聽覺、觸覺，感受外部世界的狀態。 在蒐集技術的支持下，信息技術能夠從孤立的計算機模式（主要由人輸入資訊），變成智能化自適應信息系統，與真實的外部世界互動。在阿狗橫掃中韓日棋手後，不少人說「天網」已經成形（參見施瓦辛格主演的《終結者》）。實際上，阿狗等AI並不是天網的代表，各類信息蒐集器件才是。
在過去幾年，物聯網（Internet of Things, IoT）的概念一度被熱炒。 物聯網指的是，以大數據為基礎，網際網路/無線網為載體，將各種獨立的物體聯繫起來，實現各種普通物體的互聯互通。物聯網通過對人和設備的監控，進行相互間的即時通訊，組成智能環境（智能家居、智能辦公、智能工廠）、智能運輸和物流、個人醫療健康的即時監控等系統。
各種感測設備器材，將不同的物體聯繫起來。例如，按照人們的設想，智能家居通過物聯網技術將家中的各種設備聯繫起來，包括安防系統、照明系統、空調系統、家居電器、娛樂設備等，相互連接到一起。通過網路化，自動化，集約化的組合導向，讓家居變得更舒適、更高效和更節約。而要實現這個場景，就需要各種感測器材，貼近或者植入不同的物體中，隨時感知物體狀態，並將相應的數據傳遞到中央操控系統。
伴隨物聯網概念，RFID（ Radio Frequency Identification）也被熱炒。RFID即無線射頻識別， 俗稱電子標籤。RFID 技術是一種非接觸式的自動識別技術， 它通過射頻信號自動識別目標對象並獲取相關數據，識別工 作無需人工干預，可工作於各種惡劣環境。RFID 技術可識別 高速運動物體並可同時識別多個標籤，操作快捷方便，非常適用於物料跟蹤、運載工具和貨架識別等場合。目前，物聯網和RFID的概念熱潮過去，歐美日等國的企業都在投入巨資，大力推動RFID技術發展，尤其是成本降低，以支持物聯網的發展。根據評估，如果RFID得到廣泛應用，能夠降低10-30%的物流積壓，而且能夠顯著減少被盜遺失等問題。
最近，汽車自動駕駛成為熱門，吸引巨額資金投入。汽車的自動駕駛，涉及到兩個主要部分，汽車和自動駕駛。而看到汽車駕駛的廣闊未來之後，不論主要的汽車巨頭，還是蘋果和Google等IT巨頭，都對自動駕駛進行大規模投資。 其中，最為關鍵的部分在於，各種感測設備經過長期的開發和生產，成本已經低到可以大規模應用的水平。即使中低端車，也可以附帶攝像頭和距離感測器，幫助駕駛員更容易操作汽車。而且，在一些中檔車中，只需要加少許的錢，就可以加裝與自動結束相關的安全裝備，例如多攝像頭和距離感應裝置，以減少變線等行為時出現的碰撞風險。在不少高檔車中，已經開始應用最基本的自動駕駛功能，例如防碰撞的自動減速功能，讓駕駛變得更輕鬆。
對於汽車和IT巨頭，完全的自動駕駛意味著無比龐大的工程。如果想實現大量汽車的自動駕駛，而且防止出現大規模的交通事故，汽車的自動駕駛功能只是其中的一小部分，更主要的在於改變交通運輸系統。通過對交通運輸的改造，讓自動駕駛汽車隨時與交通系統保持聯絡和互動，提高駕駛的效率，降低事故比例。而改造交通系統，就需要大規模投資各種信息蒐集技術，尤其是攝像頭和感測器。 這些器材傳輸的信息，隨時進入交通運輸的大數據系統進行處理。在數據處理後，傳輸到各個GPS接收器或者自動駕駛汽車的儲存/處理器上，供駕駛者/駕駛處理器進行參考和決策。
智能家居的發展傾向，反映市場的真實需求。 在最初，廠家宣傳智能家居時，著重渲染舒適性和便利性。例如，強調某個人準備回家，開啟家裡的微波爐/烤箱。回到家中，家裡的飯菜已經熱好，直接享受美食。但是，有多少人使用這種便利？ 可以說寥寥無幾。同時，智能家居的發展具有顯著的傾斜性。日本的智能家居發展速度，遠遠超越美國。而日本家居智能的主要導向是節電。如果具體瞭解，就會發現，日本電費高，而且居住密集，日本民眾可以利用智能家居，既節電，又可以將未使用的太陽能電池板發電部分賣回給電網系統。而美國電費便宜，美國的智能家居很大規模投資到安防系統，保護家庭的財產和生命安全。 所以，當人們使用智能化時，最終的目標仍然是更省錢和更安全。
可以說，省錢和安全決定了物聯網的方向，也決定了勞動力市場方向。例如，雖然自動駕駛具有廣闊的前景，但是對於大多數人來說，需求的動力不足。因為，如果考慮到自動駕駛的巨額投資，以及帶來的少許便利性，而且自動駕駛對於路況差異的適應性能力仍然不足，所以大多數人寧願選擇自己開車。而自動駕駛真正的突破方向，首先必然從省錢開始。 考慮到省錢，就可以看到自動駕駛的首要目標，是大貨車的自動駕駛。
中長途貨運的卡車運輸正在面臨大規模的變化。2017年初，Amazon決定在倉庫中，繼續大幅增加機器人使用，增幅達到50%。其中，很多所謂的機器人，就是自動駕駛貨物搬運機。 有了自動搬運機，可以替代大量的叉車工人。而自動駕駛的大貨車，類似於Amazon自動搬運機，只不過是戶外擴大版。自動駕駛大貨車主要在高速公路上奔跑，並且在高速公路附近的倉庫裝卸貨物。高速公路的路況簡單，大貨車的行駛線路簡單，所以自動駕駛的操作也相對簡單。而且，在以高速公路為主的路段，不論GPS導航，感測器和攝像頭設置，都較為簡單，投資較少。而且，一旦大貨車實現自動駕駛，在美國能夠替代大量的大貨車司機，這個人群的數量達到幾十萬人，能夠節約大量的成本。
在物流行業中，不僅長途貨運卡車司機面臨失業危險，中短途貨運的中高收入人員，也面臨大量失業的風險。例如，在零售業的快件投遞業務上，不論零售業巨頭，還是物流企業巨頭，都在積極採取最新科技。2013年11月，德國快遞業巨頭DHL進行無人機送貨的測試，在2分鐘內行駛了1公里。2016年12月，Amazon在英國農村地區，成功進行了第一次無人機遞送包裹的現實商業操作，無人機根據GPS 導航，到達收件人家土地的草坪，找到安全地點投放後返航。Amazon表示，計畫開展無人機投遞的商業操作，首先從農村開始，再到郊區，再發展到城鎮和市區。美國有大面積中產居住的郊區，是各類消費的主力。如果無人機遞送普及，可以節約大量的人力和財力，同時也意味著大量的人員失業。
在物聯網中，大量人員職位正在加速被替代。 在智能工廠、智能倉庫等環節，機器替代人的趨勢不斷加強。在2016年，沃爾瑪不僅計畫採用無人機進行快件投遞，更準備將無人機用於倉儲管理。沃爾瑪說，其無人機上的相機和技術是量身定做的。遙控無人機能夠每秒拍攝30張過道上商品的照片，以提醒庫存管理員及時補充或改正放錯位置的商品，
此外還能夠顯著減少耗費人力的檢查庫存的時間。現在人工檢查庫存需要一個月的時間，而用無人機只需要一天。沃爾
瑪還強調，目前還在測試的初期階段，還在瞭解怎樣在不同的業務領域更好地利用無人機。從這句話可以看出，迫於競爭壓力，企業都在試圖創新地使用目前的信息技術，以降低成本、提高效率。而且，只要一家找出新的方法，就會引發快速普及使用，也意味著對相應的工作人員進行替代。
（待續， 中國經濟文化研究所供稿）
