设为首页 - 加入收藏 玉林站长网 (http://www.0775zz.com)- 国内知名站长资讯网站,提供最新最全的站长资讯,创业经验,网站建设等!
热搜: 2018 redis 学习 数据
当前位置: 首页 > 运营中心 > 建站资源 > 经验 > 正文

2020年趋势风向标,工业互联网人工智能应用将成为基本底座

发布时间:2019-11-12 04:08 所属栏目:[经验] 来源:彭昭
导读:临近年末,多个研究机构纷纷发布对于2020年的趋势预测,其中很多预测与我担任首届中国工业互联网大赛和第二届工业APP开发与应用创新大赛评委过程中观察到的现象高度匹配。 这些趋势背后潜藏巨大机遇,而机遇总是在不经意间到来,然后悄无声息的离开,看懂

临近年末,多个研究机构纷纷发布对于2020年的趋势预测,其中很多预测与我担任“首届中国工业互联网大赛”和“第二届工业APP开发与应用创新大赛”评委过程中观察到的现象高度匹配。

这些趋势背后潜藏巨大机遇,而机遇总是在不经意间到来,然后悄无声息的离开,看懂和抓住他们,对于当下的物联网企业尤为重要。接下来的几周,我将逐一为你呈现这些稍纵即逝的新机遇。

一直以来,我们都把物联网平台视为基座,各种IoT应用搭载于平台之上。从技术架构的角度理解,这个视角无可厚非。

但是如果我们反过来看这个问题,其实是各种各样的物联网应用为平台带来了生态活力和客户价值。

2020年趋势风向标,工业互联网人工智能应用将成为基本底座

具有锚定效应的是物联网应用,他们才是事实上的基座。

IoT平台的作用是为各种物联网应用解决发展中遇到的问题,创造资源共通、价值共创、利润共享的环境,从而激发IoT应用与平台共生的关系和意愿。

IDC曾经预测,2019年将有40%的企业数字化转型工作由AI人工智能提供支持。在2020年,各种趋势均明确指向,IIoT应用这个基座即将完成一次升级,将以工业互联网人工智能IIoT-AI应用为“硬核”。

各个研究机构的分析对象,也从单纯的工业互联网转移到了工业互联网叠加工业人工智能。

ABI research发布了《工业人工智能平台和服务提供商竞争格局评估》、Frost & Sullivan发布了《全球新型工业互联网人工智能平台厂商分析》、两化融合服务联盟和微软共同发布了《工业互联网人工智能应用白皮书》…这些研究报告仅是其中的一些代表。

有些报告虽然名为工业人工智能平台,实为工业互联网人工智能IIoT-AI应用与平台一体。

工业人工智能应用的深度,也已经从最初的机器视觉图像和视频分析,渗透到依据机理模型的智能决策领域。

因此在本文中,你将看到:

  • 工业互联网叠加工业人工智能,到底怎么“加”?
  • 工业互联网人工智能应用沿着什么趋势发展?
  • 工业互联网人工智能应用的代表性项目有哪些?

1. 想叠加,先解耦

工业互联网本质上是一种新经济。

最近几年,工业互联网的数据量正在爆发,有了充足的数据“喂养”,工业互联网新经济却没有实现预期中的快速增长。

根据IDC的分析数据,到2025年物联网设备在一年内创造的数据总量将接近80 ZB。ABI Research的报告认为,到2024年工业制造领域中支持的AI设备总安装量将超过1500万,从2019年到2024年间的复合年增长率为65%。

虽然过去视频监控数据构成了物联网数据中的很大一部分,但从我身处物联网行业中的直接感受判断,来自工业、汽车、物流等领域的非视频类数据量的增加也在全面提速。

IDC的客观调研也印证了我的主观感受——IDC认为仅靠来自工业制造和智能网联汽车的数据,就能带动整个物联网领域实现60%的数据增长。

如此大量的数据采集与分析需求,按理说应该可以快速推动工业互联网的发展。但总体而言,工业互联网并没有获得预期的市场认可度,尤其在中小企业的应用覆盖率相对较低。

主要的问题不在需求方,而在供给方。

试想一下,如果出现一款低成本的IIoT“杀手级”应用,并且有一整套成熟方案帮助工业企业快速实施该应用,相信大部分工业企业会选择尝试。

根据《工业互联网人工智能应用白皮书》中的分析,工业互联网领域尚未出现“杀手级”应用的原因如下图,可以总结为“行业复制推广难度大”和“现有工业互联网框架不友好”这两点。

2020年趋势风向标,工业互联网人工智能应用将成为基本底座

站在2019年底这个时点复盘,掌控过程是关键,只有不一样的过程,才能引发工业互联网实现快速增长的结果。

这个过程的核心就是解耦。

解耦的思路来源于软件体系。在软件工程中,解耦通过降低耦合度,来降低模块间的依赖性。

工业互联网中各类组件、模块、应用的耦合度越低,可复制性就越高。进而实现IIoT应用的实施从“项目型”转化为“工具式”,从“全集成”转化为“被集成”,利于快速复制推广。

尤其是在工业互联网与工业人工智能相叠加的场景下,复杂度越高,对解耦能力、协同效率、更新迭代的要求越高。

  • 首先,工业互联网人工智能IIoT-AI本质上是一种算法,需要大量的数据作为支撑。解耦之后,专业的数据采集商能开发出成本更低、通用性更高的设备连接解决方案,应用提供数量更多、质量更高的数据素材。
  • 其次,工业互联网人工智能IIoT-AI通过分析,将数据转换为洞察,而这些洞察与决策可以作为输入项,重新应用到其它分析中,实现数据流动的延伸。
  • 最后,工业互联网人工智能IIoT-AI技术处于初级阶段,当面对场景复杂、非逻辑性的问题时,IIoT-AI则力有不及。解耦有助于具体细分场景的定义,更适合工业人工智能应用的发展。

2. 瘦身感、边缘化

根据数据数量、质量的情况不同,目前存在两种工业互联网人工智能IIoT-AI技术的实现方式:

2020年趋势风向标,工业互联网人工智能应用将成为基本底座

在工业互联网应用中,工业人工智能可以调配的算力有限,需要“瘦身感”。

当前数据在边缘计算的转化过程中大致遵循二八原则,即80%的数据尚未得到优化利用。若要提高数据转化率,既需要效率更高的数据采集,也需要边缘设备具备数据处理和预分析的能力。

因此在设备管理、质量监控、安全管理等场景,“小数据+人工智能+专家”的方式很有发展潜力。这种方式的思路是融合专家经验,充分利用和挖掘已有数据信息,使用收敛快、效率高的人工智能算法,非常符合工业现场历史数据普遍不足、数据质量参差不齐的现状。

【免责声明】本站内容转载自互联网,其相关言论仅代表作者个人观点绝非权威,不代表本站立场。如您发现内容存在版权问题,请提交相关链接至邮箱:bqsm@foxmail.com,我们将及时予以处理。

网友评论
推荐文章