强如小米也只能做到这个程度，这些由一系列的IF-ELSE 组成的简单假设，只不过反映了制造它的工程师对于因果关系的理解而已，而人的因果假设并非单层，我们甚至不清晰地知道我们所希望的IF-ELSE 是什么概念。这大概是所有智能家居遇到的通病，也是在苦苦挣扎的一个原因。
小米当然想做基于数据的智能家居，它和美的合作青春「i 空调」系统就能够基于小米手环产生数据进行一系列的联动，虽然是一个很初步的联动，但是至少有那个意思了。可是上文也评价过了，点下手指就能完成的操作多出来的是900 元的价格，没多少人愿意买单。没人愿意买单，自然就没有数据。
那么我们再看看Nest 呢?Nest 号称在经过初始的设定之后，3 个月内根据已有数据通过机器学习可以准确调整恒温方案。
然而泡泡网翻译了一片海外友人的测评给出的评价却是这样的：
NEST 所选择的切入点是中央空调。然而，每个房间、甚至每个家庭成员都有自己的习惯，我并不希望我房间的空调在我离开后仍然开启，但是在这样一个系统下，我没有办法单一控制一个房间的环境。正是这一点，我并没有感受到NEST 尊重了我的习惯，而是把最终协调的丢还给了我，最终我屈从于整个家庭的生活习惯而放弃了自己的偏好。
没错，机器学习也没能拯救控制端的不足，智能家居的第一步没做好，数据分析再厉害也无法执行，没办法让人满意。
结果，机器学习鸡汤最后成了ifttt ，真是一个悲伤的故事。
更让人悲伤的事情在后头。机器学习这件事的成立不但需要足够多的设备能够联网产生数据以捕捉用户习惯，同时还需要通过邮箱、日程APP 、语音助手这样的入口来收集用户行为数据并理解用户习惯与行为数据的关联。而这两点，国内的初创企业们真的很难做到。机器学习对他们来说就是一个永远看得到摸不着的东西。
Nest 则用鲜活的例子告诉我们，即使在数据足够开始分析的情况下，也需要足够强大的电器配合才能发挥实力，否则空有执行策略却无法执行也就是等于什么也没有了。
智能家居的硬体是机器学习的基础，初创企业们通过不完全的家居系统打造一个不完全的智能化生活是不太现实的，即使像Nest 那样能够根据三个月的数据进行一些个性化的设置，也会显得是用高射炮打蚊子，因为基础设施建设不足，个性化设置无法最终体现在家电的运行之上。
数据平台与物联网OS 容不下小企业
面对设备不够智能也不够家具，机器学习远水难救近火这两个难题，造梦者们仍然能够侃侃而谈，在他们看来，这都可以解决。
他们认为，目前整个智能家居建设的难点在于没有统一的数据标准。各个厂商各自为政导致无法实现互联互通。所以初创企业们纷纷转型做数据平台，通过中间件的模式来吸引开发者前来使用自己的产品。
他们期望随着使用者的变多，设备不断增加，不断有用户上传更多规则，整个系统便会形成一个复杂的网络。甚至有人期望自己平台上的一部分编程会变成物联网时代的「通信标准」。
这条道路看上去很美好，其实非常不可行。
有人认为，当年互联网在制定标准的时候也是标准繁多，但是最终tcp/ip 胜出了。这些人自然地推及到物联网领域，认为随着竞争的加剧，总会有一个标准胜出并且搞定一切。但是这是一个过于简单的类比分析，没有实际的逻辑支撑。
我们不如反过来仔细思考一下，为什么有那么多标准，想想看标准的存在是因为利益，还是因为现实情况逼迫?
物联网领域标准繁多最主要原因在于其应用场景非常广泛，不同的场景需要不同的标准，在对于功耗要求非常严苛的野外环境检测场景需要超低功耗的通信标准，在数据量庞大的视频监控方案中则可能是另外一套 ??协议，而这两套协议完全不相容是非常正常的一件事，要知道有很多主控晶片的计算能力是不足以支撑TCP/IP 协议的。
既然统一的标准迟迟不出来，那么统一的OS 呢?不求像windows 那样垄断PC 界，最起码能够像iOS 和安卓那样平分秋色，也可以让互联互通问题解决不少。
确实有不少企业都发布了自己的物联网OS ，然而这样的OS 面临一个难以调和的矛盾，不同的物联网设备主控晶片的存储容量从250KB 到2GB 都有，这OS 的裁剪性得强到什么程度才能让所有设备都运行一套系统?而硬体之间性能差距巨大是现实情况，因为我们不可能给一个床头灯配上拥有2GB 存储的晶片，它的程式只需要几百KB 就足够了。