一、工業互聯網平臺是人工智能應用的重要載體

工業互聯網平臺覆(fu)蓋(gai)全流程生產數據。數(shu)據是(shi)應用人(ren)(ren)工智(zhi)能的“燃料”。工業(ye)互聯網平(ping)臺從數(shu)據“量”和“質”兩個維度入手(shou)，提升工業(ye)場(chang)景(jing)數(shu)據集的廣度與深度，為(wei)人(ren)(ren)工智(zhi)能應用提供支撐。

從“量(liang)”的方面看(kan)，工(gong)業互聯網(wang)平臺匯聚了(le)數(shu)以(yi)千(qian)萬計的設備(bei)和傳感器，對異構(gou)系統、運(yun)營環境、人(ren)員信息等要(yao)素實施泛(fan)在(zai)感知、高效采集(ji)和云(yun)端匯聚，實現(xian)了(le)海(hai)量(liang)數(shu)據(ju)的廣泛(fan)集(ji)成。

從(cong)“質(zhi)”的(de)方面看，工業(ye)互聯網平臺通(tong)過構建設備、產品、系(xi)統和(he)服務全(quan)面連接的(de)數(shu)據(ju)交流網絡，充分挖掘實(shi)時有(you)效(xiao)的(de)工業(ye)大數(shu)據(ju)，搭(da)建數(shu)據(ju)自動(dong)流動(dong)的(de)賦能體系(xi)，為深度學習的(de)模(mo)型訓(xun)練提供優質(zhi)的(de)訓(xun)練集、驗證集和(he)測試(shi)集，切實(shi)提高人工智能模(mo)型自學習、自決策、自適(shi)應的(de)有(you)效(xiao)性。

工業互聯網平臺推動(dong)工業知(zhi)識算(suan)法化。算(suan)法(fa)(fa)是(shi)人工智(zhi)能應用的關(guan)鍵。工業(ye)(ye)(ye)互聯網平臺(tai)作為工業(ye)(ye)(ye)全要素(su)、全產(chan)業(ye)(ye)(ye)鏈(lian)、全價值鏈(lian)連接的樞紐，打通(tong)了工業(ye)(ye)(ye)知識向工業(ye)(ye)(ye)算(suan)法(fa)(fa)轉(zhuan)化的通(tong)路，為構筑工業(ye)(ye)(ye)領域人工智(zhi)能算(suan)法(fa)(fa)庫提供助(zhu)力。

一方面(mian)，工(gong)(gong)業(ye)(ye)(ye)互聯網平臺豐(feng)富(fu)了算(suan)法(fa)(fa)理(li)(li)論來源。依托工(gong)(gong)業(ye)(ye)(ye)機理(li)(li)基礎和數(shu)據(ju)模型分析(xi)，工(gong)(gong)業(ye)(ye)(ye)互聯網平臺將隱性的工(gong)(gong)業(ye)(ye)(ye)技術原理(li)(li)、行業(ye)(ye)(ye)知識(shi)和專(zhuan)家經驗進(jin)行代碼化、算(suan)法(fa)(fa)化，重構了工(gong)(gong)業(ye)(ye)(ye)知識(shi)創造和應(ying)用體(ti)系(xi)，面(mian)向特定工(gong)(gong)業(ye)(ye)(ye)場(chang)景(jing)提供(gong)針(zhen)對性強、魯(lu)棒性高(gao)的算(suan)法(fa)(fa)。

另一方面，工(gong)業互(hu)聯網(wang)平臺(tai)降(jiang)低(di)了算法開發(fa)成(cheng)本。工(gong)業互(hu)聯網(wang)平臺(tai)通(tong)過提(ti)供開發(fa)環境和各類工(gong)具，助力(li)開發(fa)者打(da)造(zao)(zao)工(gong)業APP與微服務體系，將各類工(gong)業知識(shi)封裝成(cheng)可交易的模(mo)塊組件，推動工(gong)業算法在更大范圍、更高頻(pin)次、更短路徑上創造(zao)(zao)、傳(chuan)播(bo)和復用。

工業互聯網平臺構(gou)建(jian)協同(tong)算力資源(yuan)池(chi)。工(gong)(gong)業場景具有環境參數復雜、工(gong)(gong)序步驟精細、實時性要求高等特點(dian)，應用人工(gong)(gong)智能(neng)技(ji)術(shu)對算力要求較高。工(gong)(gong)業互聯(lian)網平臺基于云架構匯聚(ju)企(qi)業內外(wai)算力資源，根據實際需(xu)要統一調(diao)配，搭建(jian)廣泛聚(ju)集、高效協作的(de)(de)算力供給體系，為人工(gong)(gong)智能(neng)應用提供穩定的(de)(de)支(zhi)撐保障。

在企業內部，工業互聯網平臺匯聚內部算力資源構建算力資源池，針對不同時段、不同用戶和不同級別的算力需求，基于大數據分析統籌使用內部設備，提高設備使用效率。

在企(qi)業外部，工業互聯(lian)網平(ping)臺對接各類(lei)算力(li)提(ti)供商，通(tong)過租借、購買(mai)等方式，補充企(qi)業內部算力(li)的不足，以提(ti)升整(zheng)體(ti)算力(li)水平(ping)，縮(suo)小人工智能應用需(xu)求和實際(ji)算力(li)之間的差距。

一是設(she)備自(zi)主化運(yun)行，如復雜工(gong)料分揀、設(she)備自(zi)運(yun)行等(deng)。機(ji)械臂、運(yun)輸載具和智能(neng)機(ji)床等(deng)產品，通過搭載機(ji)器學習算(suan)法(fa)、路徑自(zi)動規劃等(deng)模塊，實現對不同(tong)工(gong)作環境和加工(gong)對象的(de)動態適應(ying)，提(ti)高設(she)備操作的(de)精度和復雜度。

二是人機智能化交互，如動作識別、語音用戶界面等。應用語音識別、機器視覺等技術，打造人性化、定制化、高效化的人機交互模式，提升控制裝備在復雜工作環境的感知和反饋能力。

三(san)是生(sheng)產(chan)協(xie)同(tong)化運作，比如協(xie)作機(ji)(ji)器人、仿(fang)生(sheng)工(gong)位等。利(li)用人工(gong)智能技術(shu)將(jiang)人機(ji)(ji)合作場景轉變成學習系(xi)統，持續優化運行參數(shu)，為操作員提(ti)供(gong)最優的(de)生(sheng)產(chan)環境。例如，德國Festo公司基于仿(fang)生(sheng)協(xie)作型機(ji)(ji)器人開發人機(ji)(ji)協(xie)作生(sheng)產(chan)的(de)智能化工(gong)位，可將(jiang)人從重復性、危險(xian)性高(gao)的(de)工(gong)作中解脫(tuo)出(chu)來，提(ti)高(gao)了生(sheng)產(chan)效(xiao)率。

邊(bian)緣層：邊(bian)緣智能提升邊(bian)緣側實時分析處理能力。邊緣智能技術通(tong)過協同(tong)終(zhong)端設備(bei)與(yu)邊緣服(fu)務器(qi)，整(zheng)合(he)計算本地性(xing)與(yu)強(qiang)計算能力(li)的(de)互補優(you)勢，從而減少(shao)非(fei)必(bi)要的(de)數據傳輸、降低模型推理延遲與(yu)能耗。

具體有以下三類應用：一是智能傳感網絡。東方國信、寄云科技等企業通過建設智能網關，動態實現OT與IT間復雜協議的轉換，提供安全高速的數據連接與數據采集服務，強化對帶寬資源不足和突發網絡中斷等異常場景的應對能力。

二是噪聲數據處理。天云網、海爾集團等通過智能傳感器采集多維數據，利用基于人工智能的軟件識別減小確定性系統誤差，提高數據精度，從而實現物理世界隱性數據的顯性化。

三是邊(bian)緣(yuan)即時反饋。思(si)科(ke)、微(wei)軟等企業通過分布(bu)式邊(bian)緣(yuan)計算(suan)節點進行數(shu)據(ju)交換，及時比對云(yun)端(duan)廣播的模型和(he)現場提取的特征(zheng)值，基于邊(bian)緣(yuan)端(duan)設備實現本地(di)快速(su)響應和(he)操作優(you)化(hua)，減少云(yun)端(duan)運算(suan)壓(ya)力(li)和(he)處理延遲，實現云(yun)端(duan)協同。

平臺(tai)層：大數(shu)據分析構(gou)建“數(shu)據+認知”算(suan)法(fa)庫。工業(ye)互聯(lian)網(wang)平臺基(ji)于PaaS架構，打造由數(shu)(shu)據(ju)(ju)(ju)存儲、數(shu)(shu)據(ju)(ju)(ju)共享、數(shu)(shu)據(ju)(ju)(ju)分析和工業(ye)模(mo)型(xing)等組成的整體數(shu)(shu)據(ju)(ju)(ju)服(fu)務鏈，把(ba)基(ji)于數(shu)(shu)據(ju)(ju)(ju)科(ke)學和認知科(ke)學的兩(liang)類工業(ye)知識經驗(yan)沉淀在可移植(zhi)、可復用的人工智能算法庫中。

在(zai)數(shu)據(ju)科學(xue)(xue)領域(yu)，企業構建以(yi)機器(qi)學(xue)(xue)習(xi)、深(shen)度學(xue)(xue)習(xi)為核心的(de)數(shu)據(ju)算(suan)法體系，綜合利用大數(shu)據(ju)分析(xi)、機器(qi)學(xue)(xue)習(xi)和(he)智(zhi)能(neng)控制等算(suan)法，通過仿真和(he)推理解(jie)決已知(zhi)的(de)工業問題。例如，美國康耐(nai)視公(gong)司開發了基于深(shen)度學(xue)(xue)習(xi)的(de)工業圖像分析(xi)軟件，能(neng)以(yi)毫秒為單位識別缺陷，解(jie)決傳統方法無法解(jie)決的(de)復雜缺陷檢(jian)(jian)測、定位等問題，使檢(jian)(jian)測效(xiao)率提(ti)升(sheng)30%以(yi)上(shang)。

在認(ren)(ren)知(zhi)科學領域，企業從業務邏輯原(yuan)理(li)出(chu)發，通(tong)(tong)過搭建以知(zhi)識圖譜、專家系統(tong)為代表的認(ren)(ren)知(zhi)算法體系，解決(jue)機理(li)未知(zhi)或(huo)模(mo)糊的工業問題(ti)，如企業智能(neng)決(jue)策(ce)、風險管理(li)等。實(shi)際上(shang)，西門(men)子、IBM、華為等公司通(tong)(tong)過構(gou)建供應(ying)鏈知(zhi)識圖譜，匯集氣象、媒體、交通(tong)(tong)和(he)物(wu)流等信息資源(yuan)，大大提高了供應(ying)鏈風險管理(li)效(xiao)率。

應(ying)用層：商業智(zhi)能提升(sheng)工業APP數據(ju)挖掘深度。開(kai)(kai)發(fa)者依托工業(ye)(ye)互聯(lian)網(wang)平臺提(ti)供的開(kai)(kai)發(fa)工具和框架(jia)，面向不同工業(ye)(ye)應用場景(jing)，開(kai)(kai)發(fa)搭(da)載人(ren)工智(zhi)(zhi)能的特定工業(ye)(ye)APP，利(li)用人(ren)工智(zhi)(zhi)能手段賦能現有生產過程，為用戶提(ti)供各(ge)類在平臺定制開(kai)(kai)發(fa)的智(zhi)(zhi)能化工業(ye)(ye)應用和解(jie)決方(fang)案。

主要有以(yi)下幾類：一是預(yu)測(ce)性維護。利用(yong)機器(qi)學習(xi)方法(fa)擬(ni)合設備(bei)運行(xing)復雜非線(xian)性關系，提(ti)升預(yu)測(ce)的準確率(lv)，降低運維成(cheng)本與(yu)故障率(lv)。德國KONUX公司結合智能傳感器(qi)及機器(qi)學習(xi)算法(fa)構建設備(bei)運行(xing)模型，使機器(qi)維護成(cheng)本平(ping)均降低了30%。

二是生(sheng)產工(gong)(gong)藝優(you)化(hua)。依托深度學習繞過(guo)機(ji)理障礙，通過(guo)挖掘數(shu)據隱(yin)藏(zang)特(te)征(zheng)間的(de)抽象(xiang)關系建(jian)立模型，并找出最優(you)參數(shu)組合。TCL格創東(dong)智(zhi)針對(dui)液(ye)晶面板的(de)成膜工(gong)(gong)序，通過(guo)機(ji)器學習算(suan)法實(shi)現了關鍵指標的(de)預測與品質優(you)化(hua)，年(nian)收益達到近千萬(wan)元。

三是輔助研發設(she)計(ji)(ji)。通過應用知識圖譜、深度學習等技術構建設(she)計(ji)(ji)方(fang)案(an)庫，對設(she)計(ji)(ji)方(fang)案(an)提(ti)供實時(shi)的評估反饋。美(mei)國UTC依靠知識圖譜解決了(le)多個產品研發問(wen)題，設(she)計(ji)(ji)出的換熱(re)器傳熱(re)效率能(neng)提(ti)高80%，設(she)計(ji)(ji)周期(qi)僅為原來的1/9。

四是(shi)企(qi)業(ye)戰略決策。利(li)用人工(gong)智能擬(ni)合工(gong)業(ye)場景(jing)中的非(fei)線性復雜關系(xi)，提取(qu)非(fei)結構化數據(ju)構建(jian)知(zhi)識(shi)(shi)圖譜和專(zhuan)家系(xi)統，為(wei)(wei)企(qi)業(ye)提供(gong)戰略方(fang)案選擇(ze)。美(mei)國初創公司Maana聚焦(jiao)石油和天(tian)然(ran)氣領域，協同應(ying)用知(zhi)識(shi)(shi)圖譜與(yu)數據(ju)科(ke)學，為(wei)(wei)GE、殼(ke)牌(pai)、阿美(mei)等石油巨頭提供(gong)企(qi)業(ye)級決策建(jian)議(yi)。

三、幾點建議

夯實產業基礎(chu)，突破人工智能與工業互聯網(wang)平臺(tai)融合(he)的關鍵共性技術。一(yi)是(shi)構建高(gao)質量的(de)公(gong)共數據集。鼓勵滿足條(tiao)件的(de)工業互聯網平臺企業開放具備一(yi)定(ding)規模的(de)生產(chan)環境(jing)、視頻(pin)圖像、文本(ben)對話等數據集，建立(li)高(gao)質量的(de)公(gong)共測試數據庫。

二是(shi)加(jia)大算法研發應用力度。推(tui)動科研院所、行業(ye)(ye)龍頭企業(ye)(ye)開展協同研發和創新應用，圍繞卷(juan)積神經網(wang)絡、遞歸神經網(wang)絡等算法開發相關(guan)工(gong)具(ju)，完善開發環境。

三(san)是(shi)提(ti)升(sheng)算(suan)(suan)(suan)力支撐能力。引導和培育一批算(suan)(suan)(suan)力提(ti)供商和算(suan)(suan)(suan)力交易平臺(tai)，探索算(suan)(suan)(suan)力租賃(lin)、交易、托管等新服務(wu)模式。

聚焦場景應(ying)用，引導(dao)加快(kuai)面向工業互聯網平臺的人工智(zhi)能產品開(kai)發。一(yi)是加快(kuai)(kuai)重點智(zhi)能設備研發。加快(kuai)(kuai)智(zhi)能傳感控(kong)制、智(zhi)能檢測裝配、智(zhi)能物流倉儲等重點技(ji)術裝備的開發，布局和積累一(yi)批(pi)核心知識(shi)產權。

二是突破邊緣智能核心技術。重點突破圖形處理器、現場可編程門陣列、專用集成電路等一批關鍵核心技術，提高硬件基礎支撐能力，實現圍繞邊緣設備的感知、控制、決策和執行等功能。

三是(shi)加快行(xing)業機理模(mo)型沉淀。聚焦(jiao)AI工業應用，建設(she)工業互聯網模(mo)型算法公共測試驗(yan)證中心，堅持以(yi)測帶建、以(yi)測促用。

四是培育基于(yu)AI的工(gong)業(ye)APP。引導(dao)工(gong)業(ye)互(hu)聯網(wang)平(ping)臺企業(ye)搭建制造業(ye)創(chuang)新中心，開放(fang)開發工(gong)具和知識組件(jian)，構建開放(fang)共享、資源富(fu)集(ji)、創(chuang)新活躍(yue)的工(gong)業(ye)APP開發生態。

完(wan)善生(sheng)態(tai)體系，構建工業互(hu)聯網平臺(tai)跨界(jie)融(rong)合新模式。一是強(qiang)化示范(fan)(fan)引領。在現有工業互聯網(wang)平臺相關專(zhuan)項和試(shi)點(dian)示范(fan)(fan)中(zhong)，增(zeng)添(tian)人(ren)工智(zhi)能(neng)方向(xiang)的(de)應用試(shi)點(dian)，加快(kuai)推(tui)動復(fu)雜環境識別、新型人(ren)機交互等人(ren)工智(zhi)能(neng)技(ji)術與(yu)工業互聯平臺融(rong)合發展。

二是優化公共(gong)服務(wu)。面向語音識別、視覺(jue)識別、自然(ran)語言(yan)處理等領域，建設能(neng)夠提(ti)供知(zhi)識圖譜、算法訓練(lian)、產品優化等共(gong)性服務(wu)的平(ping)臺和開源社區。

三是增(zeng)強人才儲備(bei)。鼓勵高等(deng)院校設置人工(gong)智能(neng)工(gong)業應用課程，開展人工(gong)智能(neng)專題教育(yu)和(he)培(pei)訓，加緊培(pei)育(yu)一批急需的人工(gong)智能(neng)人才。

四是加強宣(xuan)傳推廣。通過開(kai)展現場會、人(ren)工智能大賽(sai)等形式，凝聚行業共識，提高公眾認識，挖(wa)掘(jue)優秀做法，推廣典型案例，積(ji)極營造產(chan)業發展的良(liang)好氛圍。