農業、醫療、工業、交通物流等其他行業正在發生的數據產生、數據聯網、數據分析和智能理解和干預的浪潮，極大的提升了這些行業和過程的效率。例如美國聯邦快遞公司的貨車，均裝有多維度的傳感器，采集每輛貨車的位置、速度、載重的信息，并通過云端傳給總部，不僅能夠顯示幾萬輛貨車的實時位置和狀態，還可結合所裝載貨物的信息和人工智能的算法，實現自動調配和優化每輛貨車的路徑，并自動反饋給每輛貨車的GPS，節省了大量的成本。再例如，利用醫院積累的影像數據，結合深度學習，為醫生提供針對特定病種的輔助診斷的建議。我們認為類似的環保+物聯網+人工智能的技術和應用在未來五年會蓬勃發展。
       環保能源相關數據的價值，在于保障環保設施和設備的精益運維，在于提供環境質量的狀態并作為政府監管和企業盡職免責的依據，在于獲取能源消耗的狀態，從而為節能、用電預測、需求側相應提供依據。
       具體來看，這種發展以創新性的傳感器開發、工業量產、廣泛部署開始。例如，2016年我們發現市場上出現了若干個聚焦光散射傳感器/檢測儀的公司。這些公司通常為客戶提供在區縣級別區域部署數十個傳感器，在地級市范圍內部署數百個傳感器的解決方案。現在測量大氣中顆粒物濃度的光散射傳感器已被廣泛應用。隨著大量的顆粒物濃度數據被采集，未來新的方法或者模式或將開啟，比如結合天氣數據，做出局部能見度和飛機延誤的預測(機場)，或加密網格部署傳感器，對污染物進行溯源等。
        典型的應用場景包括：空氣質量監測、工業氣體(VOCs)監測、智慧水務、工業節能、智能建筑、智能城市等。我們會持續關注能夠測量顆粒物、工業氣體、土壤環境相關指標、地表和地下水質、生物多樣性的傳感器技術的進步，以及帶來的數據閉環、新的商業模式和傳感器的智能化。