400-868-1122
根云工業(yè)互聯(lián)網(wǎng)平臺(tái)
返回一直以來，我們都把物聯(lián)網(wǎng)平臺(tái)視為基座，各種IoT應(yīng)用搭載于平臺(tái)之上。
具有錨定效應(yīng)的是物聯(lián)網(wǎng)應(yīng)用，他們才是事實(shí)上的基座
臨近年末，多個(gè)研究機(jī)構(gòu)紛紛發(fā)布對(duì)于2020年的趨勢(shì)預(yù)測(cè)，其中很多預(yù)測(cè)與我擔(dān)任“首屆中國(guó)工業(yè)互聯(lián)網(wǎng)大賽”和“第二屆工業(yè)APP開發(fā)與應(yīng)用創(chuàng)新大賽”評(píng)委過程中觀察到的現(xiàn)象高度匹配。
這些趨勢(shì)背后潛藏巨大機(jī)遇，而機(jī)遇總是在不經(jīng)意間到來，然后悄無聲息的離開，看懂和抓住他們，對(duì)于當(dāng)下的物聯(lián)網(wǎng)企業(yè)尤為重要。
一直以來，我們都把物聯(lián)網(wǎng)平臺(tái)視為基座，各種IoT應(yīng)用搭載于平臺(tái)之上。從技術(shù)架構(gòu)的角度理解，這個(gè)視角無可厚非。
但是如果我們反過來看這個(gè)問題，其實(shí)是各種各樣的物聯(lián)網(wǎng)應(yīng)用為平臺(tái)帶來了生態(tài)活力和客戶價(jià)值。
具有錨定效應(yīng)的是物聯(lián)網(wǎng)應(yīng)用，他們才是事實(shí)上的基座。
IoT平臺(tái)的作用是為各種物聯(lián)網(wǎng)應(yīng)用解決發(fā)展中遇到的問題，創(chuàng)造資源共通、價(jià)值共創(chuàng)、利潤(rùn)共享的環(huán)境，從而激發(fā)IoT應(yīng)用與平臺(tái)共生的關(guān)系和意愿。
IDC曾經(jīng)預(yù)測(cè)，2019年將有40%的企業(yè)數(shù)字化轉(zhuǎn)型工作由AI人工智能提供支持。在2020年，各種趨勢(shì)均明確指向，IIoT應(yīng)用這個(gè)基座即將完成一次升級(jí)，將以工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI應(yīng)用為“硬核”。
各個(gè)研究機(jī)構(gòu)的分析對(duì)象，也從單純的工業(yè)互聯(lián)網(wǎng)轉(zhuǎn)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(tái)和服務(wù)提供商競(jìng)爭(zhēng)格局評(píng)估》、Frost & Sullivan發(fā)布了《全球新型工業(yè)互聯(lián)網(wǎng)人工智能平臺(tái)廠商分析》、兩化融合服務(wù)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(yīng)用白皮書》…這些研究報(bào)告僅是其中的一些代表。
有些報(bào)告雖然名為工業(yè)人工智能平臺(tái)，實(shí)為工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI應(yīng)用與平臺(tái)一體。
工業(yè)人工智能應(yīng)用的深度，也已經(jīng)從最初的機(jī)器視覺圖像和視頻分析，滲透到依據(jù)機(jī)理模型的智能決策領(lǐng)域。
因此在本文中，你將看到：
1想疊加，先解耦
工業(yè)互聯(lián)網(wǎng)本質(zhì)上是一種新經(jīng)濟(jì)。
最近幾年，工業(yè)互聯(lián)網(wǎng)的數(shù)據(jù)量正在爆發(fā)，有了充足的數(shù)據(jù)“喂養(yǎng)”，工業(yè)互聯(lián)網(wǎng)新經(jīng)濟(jì)卻沒有實(shí)現(xiàn)預(yù)期中的快速增長(zhǎng)。
根據(jù)IDC的分析數(shù)據(jù)，到2025年物聯(lián)網(wǎng)設(shè)備在一年內(nèi)創(chuàng)造的數(shù)據(jù)總量將接近80 ZB。
雖然過去視頻監(jiān)控?cái)?shù)據(jù)構(gòu)成了物聯(lián)網(wǎng)數(shù)據(jù)中的很大一部分，但從我身處物聯(lián)網(wǎng)行業(yè)中的直接感受判斷，來自工業(yè)、汽車、物流等領(lǐng)域的非視頻類數(shù)據(jù)量的增加也在全面提速。
IDC的客觀調(diào)研也印證了我的主觀感受——IDC認(rèn)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(dòng)整個(gè)物聯(lián)網(wǎng)領(lǐng)域?qū)崿F(xiàn)60%的數(shù)據(jù)增長(zhǎng)。
如此大量的數(shù)據(jù)采集與分析需求，按理說應(yīng)該可以快速推動(dòng)工業(yè)互聯(lián)網(wǎng)的發(fā)展。但總體而言，工業(yè)互聯(lián)網(wǎng)并沒有獲得預(yù)期的市場(chǎng)認(rèn)可度，尤其在中小企業(yè)的應(yīng)用覆蓋率相對(duì)較低。
主要的問題不在需求方，而在供給方。
試想一下，如果出現(xiàn)一款低成本的IIoT“殺手級(jí)”應(yīng)用，并且有一整套成熟方案幫助工業(yè)企業(yè)快速實(shí)施該應(yīng)用，相信大部分工業(yè)企業(yè)會(huì)選擇嘗試。
根據(jù)《工業(yè)互聯(lián)網(wǎng)人工智能應(yīng)用白皮書》中的分析，工業(yè)互聯(lián)網(wǎng)領(lǐng)域尚未出現(xiàn)“殺手級(jí)”應(yīng)用的原因如下圖，可以總結(jié)為“行業(yè)復(fù)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(diǎn)。
站在2019年底這個(gè)時(shí)點(diǎn)復(fù)盤，掌控過程是關(guān)鍵，只有不一樣的過程，才能引發(fā)工業(yè)互聯(lián)網(wǎng)實(shí)現(xiàn)快速增長(zhǎng)的結(jié)果。
這個(gè)過程的核心就是解耦。
解耦的思路來源于軟件體系。在軟件工程中，解耦通過降低耦合度，來降低模塊間的依賴性。
工業(yè)互聯(lián)網(wǎng)中各類組件、模塊、應(yīng)用的耦合度越低，可復(fù)制性就越高。進(jìn)而實(shí)現(xiàn)IIoT應(yīng)用的實(shí)施從“項(xiàng)目型”轉(zhuǎn)化為“工具式”，從“全集成”轉(zhuǎn)化為“被集成”，利于快速?gòu)?fù)制推廣。
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(chǎng)景下，復(fù)雜度越高，對(duì)解耦能力、協(xié)同效率、更新迭代的要求越高。
? 首先，工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI本質(zhì)上是一種算法，需要大量的數(shù)據(jù)作為支撐。解耦之后，專業(yè)的數(shù)據(jù)采集商能開發(fā)出成本更低、通用性更高的設(shè)備連接解決方案，應(yīng)用提供數(shù)量更多、質(zhì)量更高的數(shù)據(jù)素材。
? 其次，工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI通過分析，將數(shù)據(jù)轉(zhuǎn)換為洞察，而這些洞察與決策可以作為輸入項(xiàng)，重新應(yīng)用到其它分析中，實(shí)現(xiàn)數(shù)據(jù)流動(dòng)的延伸。
? 最后，工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI技術(shù)處于初級(jí)階段，當(dāng)面對(duì)場(chǎng)景復(fù)雜、非邏輯性的問題時(shí)，IIoT-AI則力有不及。解耦有助于具體細(xì)分場(chǎng)景的定義，更適合工業(yè)人工智能應(yīng)用的發(fā)展。
2瘦身感，邊緣化
根據(jù)數(shù)據(jù)數(shù)量、質(zhì)量的情況不同，目前存在兩種工業(yè)互聯(lián)網(wǎng)人工智能IIoT-AI技術(shù)的實(shí)現(xiàn)方式：
在工業(yè)互聯(lián)網(wǎng)應(yīng)用中，工業(yè)人工智能可以調(diào)配的算力有限，需要“瘦身感”。
當(dāng)前數(shù)據(jù)在邊緣計(jì)算的轉(zhuǎn)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。若要提高數(shù)據(jù)轉(zhuǎn)化率，既需要效率更高的數(shù)據(jù)采集，也需要邊緣設(shè)備具備數(shù)據(jù)處理和預(yù)分析的能力。
因此在設(shè)備管理、質(zhì)量監(jiān)控、安全管理等場(chǎng)景，“小數(shù)據(jù)+人工智能+專家”的方式很有發(fā)展?jié)摿Α?/p>
更進(jìn)一步，工業(yè)場(chǎng)景需要極強(qiáng)的實(shí)時(shí)響應(yīng)能力，因此工業(yè)人工智能需要能被應(yīng)用在邊緣設(shè)備中，而不是“假裝”在邊緣處理數(shù)據(jù)，實(shí)則悄悄傳回云端分析。
從云端到邊緣，人工智能面臨的挑戰(zhàn)并不僅僅限于計(jì)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。很多人工智能的原有前提假設(shè)在邊緣場(chǎng)景并不成立，運(yùn)行時(shí)間和計(jì)算能力在邊緣側(cè)面臨很大變化，人工智能模型勢(shì)必重新適應(yīng)新的環(huán)境。
根據(jù)Foghorn公司的實(shí)踐，用于云端的人工智能模型往往根本無法應(yīng)用于邊緣側(cè)，AI模型需要壓縮“瘦身”高達(dá)80%，才能被邊緣設(shè)備使用，滿足工業(yè)應(yīng)用場(chǎng)景。
如果您想了解更多樹根科技為工業(yè)企業(yè)提供的工業(yè)互聯(lián)網(wǎng)解決方案，可以直接點(diǎn)擊網(wǎng)頁右方彈框的“聯(lián)系我們”，或者直接撥打樹根科技的熱線：400-868-1122
