臨近年末，多個研究機構紛紛發(fā)布對于2020年的趨勢預測，其中很多預測與我擔任“首屆中國工業(yè)互聯(lián)網(wǎng)大賽”和“第二屆工業(yè)APP開發(fā)與應用創(chuàng)新大賽”評委過程中觀察到的現(xiàn)象高度匹配塔嬉。

這些趨勢背后潛藏巨大機遇，而機遇總是在不經(jīng)意間到來租悄，然后悄無聲息的離開谨究，看懂和抓住他們，對于當下的物聯(lián)網(wǎng)企業(yè)尤為重要诲操。接下來的幾周烟瞳，我將逐一為你呈現(xiàn)這些稍縱即逝的新機遇。

一直以來帮伙，我們都把物聯(lián)網(wǎng)平臺視為基座航娩，各種IoT應用搭載于平臺之上。從技術架構的角度理解鹰党，這個視角無可厚非炫茄。

但是如果我們反過來看這個問題，其實是各種各樣的物聯(lián)網(wǎng)應用為平臺帶來了生態(tài)活力和客戶價值钓藏。

具有錨定效應的是物聯(lián)網(wǎng)應用状奴，他們才是事實上的基座。

IoT平臺的作用是為各種物聯(lián)網(wǎng)應用解決發(fā)展中遇到的問題精臭，創(chuàng)造資源共通耗憨、價值共創(chuàng)、利潤共享的環(huán)境，從而激發(fā)IoT應用與平臺共生的關系和意愿眷篇。

IDC曾經(jīng)預測萎河，2019年將有40%的企業(yè)數(shù)字化轉型工作由AI人工智能提供支持。在2020年蕉饼，各種趨勢均明確指向虐杯，IIoT應用這個基座即將完成一次升級，將以工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI應用為“硬核”昧港。

各個研究機構的分析對象厦幅，也從單純的工業(yè)互聯(lián)網(wǎng)轉移到了工業(yè)互聯(lián)網(wǎng)疊加工業(yè)人工智能。

ABI research發(fā)布了《工業(yè)人工智能平臺和服務提供商競爭格局評估》慨飘、Frost & Sullivan發(fā)布了《全球新型工業(yè)互聯(lián)網(wǎng)人工智能平臺廠商分析》确憨、兩化融合服務聯(lián)盟和微軟共同發(fā)布了《工業(yè)互聯(lián)網(wǎng)人工智能應用白皮書》…這些研究報告僅是其中的一些代表。

有些報告雖然名為工業(yè)人工智能平臺瓤的，實為工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI應用與平臺一體休弃。

工業(yè)人工智能應用的深度，也已經(jīng)從最初的機器視覺圖像和視頻分析圈膏，滲透到依據(jù)機理模型的智能決策領域塔猾。

因此在本文中，你將看到：

●工業(yè)互聯(lián)網(wǎng)疊加工業(yè)人工智能稽坤，到底怎么“加”永炭？

●工業(yè)互聯(lián)網(wǎng)人工智能應用沿著什么趨勢發(fā)展？

●工業(yè)互聯(lián)網(wǎng)人工智能應用的代表性項目有哪些土嚼？

01想疊加魏桅，先解耦

工業(yè)互聯(lián)網(wǎng)本質(zhì)上是一種新經(jīng)濟。

最近幾年缓缝，工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)量正在爆發(fā)钳葬，有了充足的數(shù)據(jù)“喂養(yǎng)”，工業(yè)互聯(lián)網(wǎng)新經(jīng)濟卻沒有實現(xiàn)預期中的快速增長赂品。

根據(jù)IDC的分析數(shù)據(jù)翩腹，到2025年物聯(lián)網(wǎng)設備在一年內(nèi)創(chuàng)造的數(shù)據(jù)總量將接近80 ZB。ABI Research的報告認為誓豺，到2024年工業(yè)制造領域中支持的AI設備總安裝量將超過1500萬刷裂，從2019年到2024年間的復合年增長率為65%。

雖然過去視頻監(jiān)控數(shù)據(jù)構成了物聯(lián)網(wǎng)數(shù)據(jù)中的很大一部分吏恃，但從我身處物聯(lián)網(wǎng)行業(yè)中的直接感受判斷米萝，來自工業(yè)、汽車恕刘、物流等領域的非視頻類數(shù)據(jù)量的增加也在全面提速缤谎。

IDC的客觀調(diào)研也印證了我的主觀感受——IDC認為僅靠來自工業(yè)制造和智能網(wǎng)聯(lián)汽車的數(shù)據(jù)，就能帶動整個物聯(lián)網(wǎng)領域?qū)崿F(xiàn)60%的數(shù)據(jù)增長褐着。

如此大量的數(shù)據(jù)采集與分析需求坷澡，按理說應該可以快速推動工業(yè)互聯(lián)網(wǎng)的發(fā)展。但總體而言含蓉，工業(yè)互聯(lián)網(wǎng)并沒有獲得預期的市場認可度频敛，尤其在中小企業(yè)的應用覆蓋率相對較低。

主要的問題不在需求方馅扣，而在供給方斟赚。

試想一下，如果出現(xiàn)一款低成本的IIoT“殺手級”應用差油，并且有一整套成熟方案幫助工業(yè)企業(yè)快速實施該應用拗军，相信大部分工業(yè)企業(yè)會選擇嘗試。

根據(jù)《工業(yè)互聯(lián)網(wǎng)人工智能應用白皮書》中的分析蓄喇，工業(yè)互聯(lián)網(wǎng)領域尚未出現(xiàn)“殺手級”應用的原因如下圖发侵，可以總結為“行業(yè)復制推廣難度大”和“現(xiàn)有工業(yè)互聯(lián)網(wǎng)框架不友好”這兩點。

站在2019年底這個時點復盤偷真，掌控過程是關鍵闲招，只有不一樣的過程，才能引發(fā)工業(yè)互聯(lián)網(wǎng)實現(xiàn)快速增長的結果熙同。

這個過程的核心就是解耦蒿疲。

解耦的思路來源于軟件體系。在軟件工程中锻刹，解耦通過降低耦合度棉玻，來降低模塊間的依賴性。

工業(yè)互聯(lián)網(wǎng)中各類組件壕矿、模塊列汽、應用的耦合度越低，可復制性就越高愧橄。進而實現(xiàn)IIoT應用的實施從“項目型”轉化為“工具式”喳律，從“全集成”轉化為“被集成”，利于快速復制推廣瘪期。

尤其是在工業(yè)互聯(lián)網(wǎng)與工業(yè)人工智能相疊加的場景下赤朽，復雜度越高，對解耦能力昆码、協(xié)同效率气忠、更新迭代的要求越高。

●首先赋咽，工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI本質(zhì)上是一種算法旧噪，需要大量的數(shù)據(jù)作為支撐吨娜。解耦之后，專業(yè)的數(shù)據(jù)采集商能開發(fā)出成本更低淘钟、通用性更高的設備連接解決方案宦赠，應用提供數(shù)量更多、質(zhì)量更高的數(shù)據(jù)素材米母。

●其次勾扭，工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI通過分析，將數(shù)據(jù)轉換為洞察铁瞒，而這些洞察與決策可以作為輸入項妙色，重新應用到其它分析中，實現(xiàn)數(shù)據(jù)流動的延伸慧耍。

●最后身辨，工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI技術處于初級階段，當面對場景復雜了赖、非邏輯性的問題時树吏，IIoT-AI則力有不及。解耦有助于具體細分場景的定義缚粮，更適合工業(yè)人工智能應用的發(fā)展漫介。

02瘦身感、邊緣化

根據(jù)數(shù)據(jù)數(shù)量囊叛、質(zhì)量的情況不同赏碑，目前存在兩種工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI技術的實現(xiàn)方式：

在工業(yè)互聯(lián)網(wǎng)應用中，工業(yè)人工智能可以調(diào)配的算力有限学蟀，需要“瘦身感”射愧。

當前數(shù)據(jù)在邊緣計算的轉化過程中大致遵循二八原則，即80%的數(shù)據(jù)尚未得到優(yōu)化利用户虐。若要提高數(shù)據(jù)轉化率卓俱，既需要效率更高的數(shù)據(jù)采集，也需要邊緣設備具備數(shù)據(jù)處理和預分析的能力紊荞。

因此在設備管理庶艾、質(zhì)量監(jiān)控、安全管理等場景擎勘，“小數(shù)據(jù)+人工智能+專家”的方式很有發(fā)展?jié)摿υ圩帷＿@種方式的思路是融合專家經(jīng)驗，充分利用和挖掘已有數(shù)據(jù)信息棚饵，使用收斂快煤裙、效率高的人工智能算法，非常符合工業(yè)現(xiàn)場歷史數(shù)據(jù)普遍不足噪漾、數(shù)據(jù)質(zhì)量參差不齊的現(xiàn)狀硼砰。

更進一步且蓬，工業(yè)場景需要極強的實時響應能力，因此工業(yè)人工智能需要能被應用在邊緣設備中题翰，而不是“假裝”在邊緣處理數(shù)據(jù)恶阴，實則悄悄傳回云端分析。因此工業(yè)人工智能在應用場景深化以及技術日趨成熟的推動下遍愿，正在進一步向邊緣側遷移存淫，推進邊緣計算與智能耘斩。

從云端到邊緣淌影，人工智能面臨的挑戰(zhàn)并不僅僅限于計算位置遷移。

工業(yè)人工智能與普遍意義上的人工智能有本質(zhì)不同圈喻。很多人工智能的原有前提假設在邊緣場景并不成立脾韧，運行時間和計算能力在邊緣側面臨很大變化，人工智能模型勢必重新適應新的環(huán)境爸见。

根據(jù)Foghorn公司的實踐聂突，用于云端的人工智能模型往往根本無法應用于邊緣側，AI模型需要壓縮“瘦身”高達80%应攘，才能被邊緣設備使用言刨，滿足工業(yè)應用場景。

03IIoT-AI應用場景

IIoT-AI的應用場景正在集中爆發(fā)轧翘，在設備管理焦伸、生產(chǎn)質(zhì)量分析，制造物流與供應鏈管理等領域曙辑，工業(yè)互聯(lián)網(wǎng)人工智能都有可規(guī)姆睿化復制的落地案例。

在設備管理方面母债，天澤智云創(chuàng)新性的采用了音頻傳感器午磁。

他們針對在風電領域現(xiàn)有風機葉片狀態(tài)檢測手段收效欠佳的問題，使用不接觸葉片的聲音傳感器毡们，實時采集葉片運行過程中的音頻數(shù)據(jù)迅皇，并配合工業(yè)智能算法，通過分析這些音頻數(shù)據(jù)識別葉片的早期異常衙熔。

這套工業(yè)互聯(lián)網(wǎng)人工智能應用有效延長了葉片使用壽命喧半，大幅降低了葉片大修、斷裂等重大風險青责。

在生產(chǎn)質(zhì)量分析方面挺据，蘊碩物聯(lián)以焊接、噴涂場景作為切入點脖隶，從工業(yè)人工智能的預測性監(jiān)控決策切入扁耐，力圖改變企業(yè)痛點與技術能力的不匹配現(xiàn)狀暇检。

焊接與噴涂工藝廣泛應用于車輛、軌道交通婉称、船舶块仆、家電等領域，蘊碩物聯(lián)的工業(yè)人工智能應用實現(xiàn)了加工質(zhì)量的預測性監(jiān)控甩幔，將質(zhì)量管理從事后發(fā)現(xiàn)饶机，推向事前預防、事中發(fā)現(xiàn)的上游流程栽乘，改善企業(yè)的加工績效芽贫。

在制造物流與供應鏈管理方面，微軟和馬士基共同完成的案例堪稱經(jīng)典挚粱。

馬士基是集裝箱運輸和港口業(yè)務的全球領導者吴爵，通過工業(yè)人工智能應用，馬士基可以幫助客戶更好地跟蹤產(chǎn)品的運輸過程惊柱，及時發(fā)現(xiàn)由惡劣天氣错猬、集裝箱船舶失事、或者鐵路罷工導致的供應鏈中斷樱凄，并且在遇到麻煩時仍然能夠盡量保證貨物的連續(xù)運輸标炭。

本文小結：

1. 工業(yè)互聯(lián)網(wǎng)本質(zhì)上是一種新經(jīng)濟。最近幾年戈弧，工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)量正在爆發(fā)斑卤，有了充足的數(shù)據(jù)“喂養(yǎng)”，工業(yè)互聯(lián)網(wǎng)新經(jīng)濟卻沒有實現(xiàn)預期中的快速增長悬襟。

2. 站在2019年底這個時點復盤衅码，掌控過程是關鍵，只有不一樣的過程脊岳，才能引發(fā)工業(yè)互聯(lián)網(wǎng)實現(xiàn)快速增長的結果逝段。這個過程的核心就是解耦。

3. 在工業(yè)互聯(lián)網(wǎng)應用中割捅，工業(yè)人工智能可以調(diào)配的算力有限奶躯，需要“瘦身感”。從云端到邊緣亿驾，人工智能面臨的挑戰(zhàn)并不僅僅限于計算位置遷移嘹黔。人工智能模型需要“瘦身”高達80%，才能被邊緣設備使用莫瞬，滿足工業(yè)應用場景儡蔓。

參考資料：

Industrial AI Platform and Service ProviderCompetitive Assessment

Frost Radar Global Emerging IndustrialIoT-AI Platform Vendors

Maersk safely transports goods around theglobe with Microsoft Azure and IoT

Microsoft furthers $5 billion IoT plan withnew Azure features

工業(yè)互聯(lián)網(wǎng)人工智能應用白皮書

首屆中國工業(yè)互聯(lián)網(wǎng)大賽晉級復賽名單公告

（控制工程網(wǎng)）

聲明：本網(wǎng)站所收集的部分公開資料來源于互聯(lián)網(wǎng)，轉載的目的在于傳遞更多信息及用于網(wǎng)絡分享疼邀，并不代表本站贊同其觀點和對其真實性負責喂江，也不構成任何其他建議召锈。本站部分作品是由網(wǎng)友自主投稿和發(fā)布、編輯整理上傳莱腾，對此類作品本站僅提供交流平臺诅枚，不為其版權負責。如果您發(fā)現(xiàn)網(wǎng)站上所用視頻途陵、圖片妥坦、文字如涉及作品版權問題，請第一時間告知脚们，我們將根據(jù)您提供的證明材料確認版權并按國家標準支付稿酬或立即刪除內(nèi)容房贮，以保證您的權益！聯(lián)系電話：010-58612588 或 Email:editor@mmsonline.com.cn婉烈。