400-066-3299
嘉賓觀點：
1、我們現(xiàn)在需要一個數(shù)字化能力，叫"全局協(xié)同，敏捷響應，動態(tài)優(yōu)化，泛在感知和智能決策"，我們需要數(shù)字化時代更為快速敏捷響應市場能力，用戶需求能力可以實現(xiàn)全局智能化決策能力。
2、工業(yè)互聯(lián)網體系有三個要素，網絡、數(shù)據(jù)、安全，網絡連接是基礎，數(shù)據(jù)是核心，是數(shù)字孿生的閉環(huán)，是IT和OT融合智能化閉環(huán)。
3、工業(yè)互聯(lián)網提供一個數(shù)字化、網絡化、智能化轉型的方法論和路徑，工業(yè)智能是工業(yè)互聯(lián)網內在的必然的基因或者一個要素，要實現(xiàn)工業(yè)互聯(lián)網所追求的這些價值和目標，必然必須有工業(yè)智能在里面去實現(xiàn)。無論是哪個行業(yè)，無論是每個行業(yè)哪一個環(huán)節(jié)都是要的。
4、誰可以在這樣一個數(shù)字浪潮中能夠獲勝？與以前不同的是，那些具有創(chuàng)新能力的傳統(tǒng)企業(yè)，可能會在這個數(shù)字浪潮起主導地位。
余曉暉先生
各位下午好，很榮幸跟大家分享工業(yè)互聯(lián)網的發(fā)展態(tài)勢，以及我們的一些判斷。今年是很有意義的一年，現(xiàn)在講第四次工業(yè)革命，但同時也是互聯(lián)網誕生的50周年。我們再看新的產業(yè)革命，這里面有很多技術，當然毫無疑問是數(shù)字浪潮中的數(shù)字技術，數(shù)字經濟仍然是主要方向。
我們把中國的數(shù)字經濟分成兩部分，數(shù)字產業(yè)化和產業(yè)數(shù)字化。數(shù)字產業(yè)化占GDP7.1%，這個比重基本上是，如果說20年前，其實這個相對中國新興產業(yè)是7%，并沒有很大變化。產業(yè)數(shù)字化比重是27.6%，大概是數(shù)字產業(yè)化比重3倍多。
其實往前追溯十多年，我們產業(yè)數(shù)字化比重和數(shù)字產業(yè)化比重一樣，在過去十幾年中，我們可以看到數(shù)字技術，信息技術不斷發(fā)展創(chuàng)新和突破，它是我們產業(yè)革命一個先導性和戰(zhàn)略性技術，作為數(shù)字經濟主戰(zhàn)場，信息技術要使所有傳統(tǒng)產業(yè)數(shù)字化。
什么是產業(yè)數(shù)字化？是指在傳統(tǒng)經濟部門，無論是制造、交通，當我們投資于信息通信技術所獲得那部分經濟匯報占GDP比重，這就是產業(yè)數(shù)字化。毫無疑問，數(shù)字經濟主戰(zhàn)場、產業(yè)數(shù)字化轉型主戰(zhàn)場應該是國家的傳統(tǒng)產業(yè)，尤其是工業(yè)。
這是中國信息通信研究院發(fā)布《工業(yè)互聯(lián)網體系架構2.0》的業(yè)務視圖（詳情查看：《工業(yè)互聯(lián)網體系架構2.0》解讀PPT版），我們分幾個方面，這里面有產業(yè)和國家層面觀察的，有從CEO維度去看的，也有從CIO視角去看的。其實我們中國講信息化，好像日本也講信息化，歐洲和美國都沒有這個詞。還有很大的不同在于，我們現(xiàn)在處于一個快速變化的非常不確定性的新世界，新產品，新商業(yè)模式，新的市場顛覆者不斷出現(xiàn)，我們很難想到，這是很大的變化。
無論是國家還是一個企業(yè)，或者說一個行業(yè)，面臨的問題是我們可能在一個高度不確定性的，快速變化的這樣一個世界里，我們重新思考需要什么樣的能力應對這樣的挑戰(zhàn)，我們需要更快速響應市場，我們需要對整個全局進行智能化決策，所以從一層一層往下去說，對于國家來說，回答的都是最基本的發(fā)展問題。
我們現(xiàn)在需要一個數(shù)字化能力，叫全局的協(xié)同，敏捷響應，動態(tài)優(yōu)化，泛在感知和智能決策，我們需要數(shù)字化時代更為快速敏捷響應市場能力，用戶需求能力可以實現(xiàn)全局智能化決策能力。
當我們把工廠體系全部連接起來的時候，看看我們能帶來什么？右邊是參考架構的圖，我們把左邊連接起來以后就會發(fā)現(xiàn)，我們通過連接能獲得所有數(shù)據(jù)，就有可能感知物理世界，物理資產。這里面如果能夠感知物理資產，建立數(shù)字模型，在數(shù)字模型里可以把工業(yè)機理和數(shù)據(jù)科學結合在一起，在上面分析優(yōu)化，然后回過頭來可以優(yōu)化物理世界，物理資產。
這基本上是信息物理系統(tǒng)CPS基本原理，我覺得也是數(shù)字經濟基本原理，也是工業(yè)互聯(lián)網基本原理。我們可以優(yōu)化設備，是一個車間，是一個企業(yè)，是一個產業(yè)鏈，也可以是制造業(yè)。這是工業(yè)互聯(lián)網很重要的一個基礎和判斷，我自己覺得這也是當前數(shù)字浪潮、數(shù)字革命里面基本的原理。
工業(yè)互聯(lián)網體系有三個要素，網絡、數(shù)據(jù)、安全，網絡連接是基礎，數(shù)據(jù)是核心，是數(shù)字孿生的閉環(huán)，是IT和OT融合智能化閉環(huán)。
今天想討論工業(yè)智能，工業(yè)智能如何實施？在工業(yè)互聯(lián)網里面最重要的一個考驗，智能來源于我們對數(shù)據(jù)，對工業(yè)對象的建模所形成，所以左邊講數(shù)據(jù)是核心，右邊講模型，這基本上是一個對數(shù)據(jù)智能的基本認識。
下面這個圖提到的平臺，我們發(fā)現(xiàn)數(shù)據(jù)智能可以在公有云上部署的平臺，也可以是在企業(yè)層面部署的平臺，同樣可以在車間層面，通過系統(tǒng)部署這樣一個智能。
數(shù)據(jù)智能部署可以分成3個層面，我可以在邊緣實現(xiàn)，也可以在企業(yè)側，也可以在云端，這樣就構成平臺體系，從邊緣到企業(yè)到產業(yè)，通過這樣的方式作為一個載體實現(xiàn)工業(yè)互聯(lián)網數(shù)據(jù)智能，回到應用我們可以看到，這個圖還是蠻有意思的，我們看看國內外實踐差別。
我們分析大概國際上跨國企業(yè)，這個包括美國、歐洲、日本、德國，這些企業(yè)和中國企業(yè)實踐，不僅僅只是跨國企業(yè)，也包括中小企業(yè)。大體上這個分布，中國和國際上并沒有本質差別，國際上做的我們也做，比例上稍微有點差異。我們看國際上其實做的比例最高的是資產優(yōu)化，是設備產品或者說是以設備為中心的優(yōu)化，包括設備和產品的優(yōu)化，是工業(yè)互聯(lián)網應用場景里面比較多的。
第二個是生產優(yōu)化，生產優(yōu)化更多是在生產層面把過去自動化怎么賦能，變的更智能化所形成的方式。資產優(yōu)化除了產品本身，意味著很多模式，另外就是應用管理，比如生產、產業(yè)鏈、價值鏈資源配置等等。
中國工業(yè)互聯(lián)網場景應用中，資產優(yōu)化也是挺高的，但并不是最高的，因為中國沒有完成工業(yè)3.0或者甚至2.0的很多方面。另外，企業(yè)運營管理、產業(yè)鏈價值優(yōu)化中國很高，意味著有可能：中國的工業(yè)產業(yè)鏈價值鏈資源配置不夠優(yōu)化，包括金融體系對工業(yè)支持，所以，工業(yè)互聯(lián)網平臺提供新的可能，我們可以開展持續(xù)優(yōu)化。
還有一種是中國消費互聯(lián)網模式，對工業(yè)互聯(lián)網發(fā)展有很大啟發(fā)意義，這部分是中國特別高的部分。如果從平臺角度我們再把它展開，我們把它分為三個層面，中間一層是通過數(shù)據(jù)智能，也就是現(xiàn)在講的工業(yè)智能，我們通過數(shù)據(jù)驅動的智能用起來，優(yōu)化我們生產和經營管理各方面，在往上可以把時間資源配置，優(yōu)化調配，實現(xiàn)新的商業(yè)模式創(chuàng)新，這個方面國際上也好，中國也好，大企業(yè)做了很多，中小企業(yè)也做了很多。
底下這部分是解決補課問題，對中國企業(yè)來說我們很多信息化基本的東西都沒有完成，特別是中小企業(yè)，比如說可能沒有ERP，也沒有信息管理系統(tǒng)。很多企業(yè)沒有能力，沒有技術沒有資金做這個工作，這是中國面臨很大問題，我們如何做到？所以很大程度上可以通過新模式，比如說云化模式去實現(xiàn)，這是可以推動中小企業(yè)做的工作。
還有一個是中小企業(yè)做的比較多的，就是我?guī)退ㄟ^工業(yè)互聯(lián)網和平臺獲得發(fā)展關鍵資源，如何幫他拿到訂單，怎么幫他獲得金融資源，這是目前做的很多案例，創(chuàng)新蠻多的。
其實中國需求是非常多元化，各個區(qū)域之間發(fā)展也是非常不平衡的，所以我們既有和國際上跨國企業(yè)做的一樣的事情，我們也有自己一些獨特的部分。
回到今天的主題，工業(yè)人工智能，其實今天來了很多大咖，我們把工業(yè)智能分成三階段，從機械規(guī)則，到專家系統(tǒng)，機器統(tǒng)計分析，現(xiàn)在是把深度學習、知識圖譜，結合在一起生成一個新模式。
我們把計算復雜度和不確定性如果做兩個維度，我們發(fā)現(xiàn)專家系統(tǒng)適合于規(guī)則很確定情況下，也不需要很強的計算能力，我們用專家系統(tǒng)，如果機理不是很確定的話，可能不需要強計算能力，傳統(tǒng)的統(tǒng)計學習，機器學習就可以實現(xiàn)。
有兩個比較新的方法，一個是知識圖譜，可能是機理上比較簡單，但是復雜度很高的場景；還有一個是深度學習，適用于那些機理上不清楚，需要非常算力的場景。如果展開來說，我們每個里面涉及到的技術，這些技術我們會發(fā)現(xiàn)有很多其實已經應用很多年的這種分析技術，現(xiàn)在仍然在工業(yè)場景依然非常有用。
還有一部分我們以前沒有做的，深度學習技術，我們拿過來試圖解決我們一些新的問題，是不是這樣還需要業(yè)界的探索。專家系統(tǒng)是解決低復雜度的問題，這個比較成熟，比如說很多規(guī)則，這些模型，如果了解的話，實際上去做是非常管用的方法，不需要那么強的算力，也不需要很復雜的分析。
比如說傳統(tǒng)機器學習，在目前工業(yè)智能部門超過一半傳統(tǒng)機器學習，通過數(shù)據(jù)分析，但是不需要像深度學習這么多的訓練，這么多的神經網絡去構建，可以解決不確定性的問題，這個是目前做的比較多的。很多時候會發(fā)現(xiàn)，我們去調研工業(yè)智能的時候發(fā)現(xiàn)很大一部分并不是現(xiàn)在看到的深度學習和神經網絡，很多是過去已經在用的東西。
深度學習應用方面，比如說產品檢測、生產安全里面，我們已經可以考慮用深度學習解決這個問題。還有知識圖譜，尤其像商業(yè)智能和供應鏈風險管理里面做的比較多，中國這方面有蠻多實踐。
其實，現(xiàn)在這4種方法并不能解決所有問題，很多場景很難使用低成本可解釋的方式去實現(xiàn)，這里面會做一些新發(fā)展，比如說要縱向組合，基于機器學習里面，強化學習，各種組合，提供知識化能力。還有橫向的，比如說機器學習和供應鏈知識結合在一起的時候，其實是比較有效的，我們已經知道工業(yè)機理再去做數(shù)據(jù)的訓練，效率會更高一點。
這是面板缺陷的檢測，這個也是用的機器視覺，加上邊緣計算的方式，是用的這種機器學習的訓練，也是目前做的挺好的。還有很多新模式不斷推出來，這是我們做的工業(yè)大數(shù)據(jù)創(chuàng)新大賽，第一階段做的是設備健康管理，利用現(xiàn)在數(shù)據(jù)去訓練的時候，已經可以找到很好的辦法去解決這個問題。同時，我們還面臨很多問題，數(shù)據(jù)實時性不能滿足；可靠性方，我們還有很多挑戰(zhàn)沒有解決，我覺得工業(yè)智能雖然有比較長的歷史，但現(xiàn)在仍然是比較初期的階段。
我認為，工業(yè)互聯(lián)網提供一個數(shù)字化、網絡化、智能化轉型的方法論和路徑，工業(yè)智能是工業(yè)互聯(lián)網內在的必然的基因或者一個要素，要實現(xiàn)工業(yè)互聯(lián)網所追求的這些價值和目標，必然必須有工業(yè)智能在里面去實現(xiàn)。無論是哪個行業(yè)，無論是每個行業(yè)哪一個環(huán)節(jié)都是要的，最后來說，誰可以在這樣一個數(shù)字浪潮中能夠獲勝，可能與以前不同的是，那些具有創(chuàng)新能力的傳統(tǒng)企業(yè)，可能會在這個數(shù)字浪潮起主導地位。
以上就是我簡要分享，謝謝大家。
微信公眾號
客戶培訓預約
