一、工業互聯網平臺是人工智能應用的重要載體

工(gong)業(ye)互聯網平臺覆蓋全(quan)流程生產數據(ju)。數據是應用(yong)人(ren)工(gong)智(zhi)(zhi)能(neng)的“燃料”。工(gong)業互聯網平臺從(cong)數據“量(liang)”和“質”兩(liang)個(ge)維度入手，提(ti)(ti)升工(gong)業場景數據集的廣度與深度，為人(ren)工(gong)智(zhi)(zhi)能(neng)應用(yong)提(ti)(ti)供支撐。

從(cong)“量(liang)(liang)”的(de)方面看(kan)，工業互聯網平臺匯(hui)聚了數(shu)以千(qian)萬(wan)計的(de)設備(bei)和傳感器(qi)，對異(yi)構(gou)系(xi)統、運營環(huan)境、人員信(xin)息等要素實施泛(fan)在(zai)感知、高效采(cai)集和云端匯(hui)聚，實現了海量(liang)(liang)數(shu)據的(de)廣(guang)泛(fan)集成。

從“質”的(de)方面看，工業(ye)互(hu)聯網平臺通過構建設(she)備、產品、系(xi)統和服(fu)務全面連接的(de)數據交流網絡，充分挖掘實時有效的(de)工業(ye)大數據，搭(da)建數據自(zi)(zi)(zi)動流動的(de)賦能體系(xi)，為(wei)深度學(xue)習(xi)的(de)模型訓練提供優質的(de)訓練集(ji)、驗證集(ji)和測試集(ji)，切實提高人工智能模型自(zi)(zi)(zi)學(xue)習(xi)、自(zi)(zi)(zi)決(jue)策、自(zi)(zi)(zi)適應的(de)有效性。

工業互聯(lian)網(wang)平臺推動工業知識算(suan)法(fa)化。算(suan)法(fa)是人工(gong)(gong)智(zhi)能應用的(de)(de)關(guan)鍵。工(gong)(gong)業(ye)(ye)(ye)互聯網(wang)平臺作為(wei)工(gong)(gong)業(ye)(ye)(ye)全要素(su)、全產業(ye)(ye)(ye)鏈(lian)(lian)、全價值(zhi)鏈(lian)(lian)連接的(de)(de)樞(shu)紐(niu)，打通了工(gong)(gong)業(ye)(ye)(ye)知識(shi)向工(gong)(gong)業(ye)(ye)(ye)算(suan)法(fa)轉(zhuan)化(hua)的(de)(de)通路，為(wei)構(gou)筑工(gong)(gong)業(ye)(ye)(ye)領域人工(gong)(gong)智(zhi)能算(suan)法(fa)庫提供助力。

一方面(mian)，工業(ye)(ye)(ye)互聯網平臺豐富(fu)了算(suan)法(fa)理論來(lai)源。依托工業(ye)(ye)(ye)機理基礎和數據(ju)模型(xing)分析，工業(ye)(ye)(ye)互聯網平臺將(jiang)隱性(xing)的工業(ye)(ye)(ye)技術(shu)原理、行(xing)業(ye)(ye)(ye)知識和專家經驗進行(xing)代碼化、算(suan)法(fa)化，重構了工業(ye)(ye)(ye)知識創(chuang)造和應(ying)用體(ti)系，面(mian)向特定工業(ye)(ye)(ye)場景(jing)提供針對性(xing)強(qiang)、魯棒性(xing)高的算(suan)法(fa)。

另(ling)一方面，工業(ye)(ye)互聯(lian)網平臺降低了算法開發(fa)(fa)(fa)成本。工業(ye)(ye)互聯(lian)網平臺通(tong)過(guo)提供開發(fa)(fa)(fa)環境和(he)各(ge)(ge)類(lei)工具，助力開發(fa)(fa)(fa)者打(da)造(zao)工業(ye)(ye)APP與(yu)微服務體(ti)系，將各(ge)(ge)類(lei)工業(ye)(ye)知識封裝成可(ke)交易的模塊組(zu)件，推動工業(ye)(ye)算法在(zai)更大范圍、更高頻次(ci)、更短路徑上創(chuang)造(zao)、傳播和(he)復用。

工(gong)業互聯網平(ping)臺構建協同(tong)算(suan)力資源池(chi)。工(gong)業(ye)場景具有環境參數復(fu)雜、工(gong)序(xu)步驟精細、實時性要(yao)求高(gao)(gao)等特點，應用人工(gong)智能(neng)技術對算力要(yao)求較高(gao)(gao)。工(gong)業(ye)互聯網平臺基于云架構(gou)匯聚企業(ye)內外算力資源，根據實際需(xu)要(yao)統一調配，搭建廣泛聚集(ji)、高(gao)(gao)效協作的算力供給體系(xi)，為人工(gong)智能(neng)應用提(ti)供穩定的支撐保障(zhang)。

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(ye)外部，工(gong)業(ye)互(hu)聯網平臺對接各類算力(li)提供商(shang)，通過租借(jie)、購買等方式，補充企(qi)業(ye)內部算力(li)的不足，以(yi)提升(sheng)整體(ti)算力(li)水平，縮小人工(gong)智能應用需求和實際算力(li)之間(jian)的差距。

一是(shi)設備自主化運(yun)行，如復雜工料分揀、設備自運(yun)行等(deng)。機(ji)械臂、運(yun)輸(shu)載具和(he)智(zhi)能機(ji)床等(deng)產(chan)品，通過(guo)搭載機(ji)器學習算法、路(lu)徑(jing)自動(dong)規劃等(deng)模(mo)塊，實(shi)現對不同工作環境和(he)加工對象的動(dong)態適應，提高設備操(cao)作的精(jing)度(du)和(he)復雜度(du)。

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。

三是生產協同化運作(zuo)(zuo)，比如協作(zuo)(zuo)機(ji)(ji)(ji)器人(ren)、仿生工(gong)位等。利用人(ren)工(gong)智(zhi)能技術將人(ren)機(ji)(ji)(ji)合作(zuo)(zuo)場景轉變成學習系統，持續優(you)化運行參數，為(wei)操(cao)作(zuo)(zuo)員提供最(zui)優(you)的生產環境。例如，德國Festo公司基(ji)于仿生協作(zuo)(zuo)型機(ji)(ji)(ji)器人(ren)開發人(ren)機(ji)(ji)(ji)協作(zuo)(zuo)生產的智(zhi)能化工(gong)位，可將人(ren)從重(zhong)復性(xing)、危險性(xing)高的工(gong)作(zuo)(zuo)中解脫出來，提高了生產效率。

邊(bian)緣層：邊(bian)緣智能提升邊(bian)緣側實時分(fen)析處理能力(li)。邊緣智能技術通過協同終端設備與(yu)邊緣服務器，整合計算(suan)本(ben)地性與(yu)強計算(suan)能力的互(hu)補(bu)優(you)勢，從(cong)而減少非必要的數據(ju)傳(chuan)輸、降低模型(xing)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(shi)邊緣即時反饋(kui)。思科、微軟等企業通過分布(bu)式邊緣計算(suan)(suan)節點進行數(shu)據(ju)交換，及時比對云端(duan)廣播的模型和現場提取(qu)的特征值，基(ji)于邊緣端(duan)設備實(shi)現本(ben)地(di)快速響應和操作優化，減少云端(duan)運(yun)算(suan)(suan)壓(ya)力和處理延遲，實(shi)現云端(duan)協同。

平臺層：大數據分析構建“數據+認知”算法庫(ku)。工(gong)業互(hu)聯網(wang)平臺基于PaaS架構，打(da)造由數(shu)據(ju)(ju)存儲、數(shu)據(ju)(ju)共享(xiang)、數(shu)據(ju)(ju)分析和工(gong)業模型等組成的(de)整體數(shu)據(ju)(ju)服務(wu)鏈，把基于數(shu)據(ju)(ju)科學和認(ren)知科學的(de)兩類(lei)工(gong)業知識(shi)經驗沉(chen)淀(dian)在可(ke)移(yi)植、可(ke)復用(yong)的(de)人工(gong)智(zhi)能算(suan)法庫中。

在數據(ju)(ju)科(ke)學(xue)領域，企業構建以機(ji)器學(xue)習、深度學(xue)習為核心的數據(ju)(ju)算法體系，綜合(he)利用大(da)數據(ju)(ju)分析、機(ji)器學(xue)習和智(zhi)能(neng)控制等算法，通過仿真和推理解(jie)決(jue)已知的工業問題。例(li)如(ru)，美國康(kang)耐視公司(si)開發(fa)了(le)基(ji)于深度學(xue)習的工業圖像分析軟件，能(neng)以毫秒為單位(wei)識別缺陷，解(jie)決(jue)傳統方法無法解(jie)決(jue)的復(fu)雜缺陷檢(jian)測、定位(wei)等問題，使(shi)檢(jian)測效(xiao)率提升30%以上。

在認(ren)知(zhi)科(ke)學領域，企業從業務邏(luo)輯原理(li)(li)出發，通過搭建(jian)以知(zhi)識(shi)圖(tu)譜(pu)、專家系(xi)統為代表的(de)認(ren)知(zhi)算法體系(xi)，解決機理(li)(li)未知(zhi)或(huo)模糊的(de)工(gong)業問題，如(ru)企業智能決策、風險(xian)管理(li)(li)等(deng)。實際(ji)上，西門子、IBM、華為等(deng)公(gong)司通過構(gou)建(jian)供應鏈知(zhi)識(shi)圖(tu)譜(pu)，匯集氣象、媒體、交通和物流(liu)等(deng)信息(xi)資源(yuan)，大大提高了供應鏈風險(xian)管理(li)(li)效率。

應用層(ceng)：商業智能提升工業APP數據挖掘深度。開(kai)發者(zhe)依托(tuo)工(gong)(gong)(gong)(gong)業(ye)(ye)互聯網平(ping)(ping)臺(tai)提供的開(kai)發工(gong)(gong)(gong)(gong)具和(he)框架，面向不同工(gong)(gong)(gong)(gong)業(ye)(ye)應用場景，開(kai)發搭載人工(gong)(gong)(gong)(gong)智(zhi)能(neng)的特(te)定工(gong)(gong)(gong)(gong)業(ye)(ye)APP，利用人工(gong)(gong)(gong)(gong)智(zhi)能(neng)手段(duan)賦能(neng)現有生產過程，為用戶提供各類(lei)在平(ping)(ping)臺(tai)定制開(kai)發的智(zhi)能(neng)化工(gong)(gong)(gong)(gong)業(ye)(ye)應用和(he)解決(jue)方案。

主要(yao)有以(yi)下幾類：一是預測性維(wei)護。利用機器(qi)學習方法擬合設(she)備運行復雜非線性關系(xi)，提升預測的準確率，降(jiang)低運維(wei)成本與故障率。德國KONUX公司(si)結(jie)合智能傳(chuan)感器(qi)及(ji)機器(qi)學習算法構建設(she)備運行模(mo)型，使機器(qi)維(wei)護成本平(ping)均(jun)降(jiang)低了30%。

二是生產工藝優化(hua)。依托深度學習繞過機理(li)障礙，通過挖掘數據隱藏特征(zheng)間的抽象關(guan)系建立模型，并找出最優參數組(zu)合。TCL格創東智針對液晶面(mian)板的成膜工序，通過機器學習算法實現了關(guan)鍵指標的預測與品質優化(hua)，年收益(yi)達到近千(qian)萬元。

三是(shi)輔助研(yan)發設計(ji)。通過應(ying)用知(zhi)識圖(tu)譜、深度(du)學習(xi)等技術構(gou)建設計(ji)方案庫，對設計(ji)方案提供實時的(de)評估反饋。美國UTC依(yi)靠知(zhi)識圖(tu)譜解決(jue)了多個產品研(yan)發問題，設計(ji)出的(de)換熱器(qi)傳熱效率(lv)能提高80%，設計(ji)周期僅(jin)為原(yuan)來的(de)1/9。

四是企業戰(zhan)略決(jue)策。利用人工智能擬合工業場景中的非線性復雜關(guan)系(xi)，提取非結構(gou)化數(shu)據構(gou)建知(zhi)(zhi)識圖譜和專家系(xi)統，為(wei)企業提供戰(zhan)略方案(an)選(xuan)擇。美國初創公司Maana聚(ju)焦石油和天然氣領(ling)域，協同應用知(zhi)(zhi)識圖譜與數(shu)據科學，為(wei)GE、殼牌(pai)、阿美等(deng)石油巨頭(tou)提供企業級決(jue)策建議。

三、幾點建議

夯實產業基礎，突(tu)破人工智能與工業互(hu)聯網平臺融合(he)的(de)關鍵共性技術。一是構建高質(zhi)量的公共數據集。鼓勵滿(man)足條件的工業(ye)互聯網平(ping)臺企業(ye)開放(fang)具備一定(ding)規模的生產環境、視頻圖像、文本對話(hua)等數據集，建立高質(zhi)量的公共測試(shi)數據庫(ku)。

二(er)是加大算法研發應用(yong)(yong)力度。推動科研院所(suo)、行業龍頭企業開(kai)展(zhan)協(xie)同研發和創新應用(yong)(yong)，圍繞(rao)卷積神經網(wang)絡、遞歸神經網(wang)絡等算法開(kai)發相關(guan)工具，完善(shan)開(kai)發環(huan)境。

三是提(ti)升算力支撐能力。引(yin)導和(he)培育一批算力提(ti)供商和(he)算力交易平臺，探索算力租賃、交易、托(tuo)管等新服(fu)務模式。

聚焦場景應用(yong)，引導(dao)加快面向工(gong)業互聯(lian)網平臺的人工(gong)智能產品開(kai)發。一(yi)是加(jia)快(kuai)(kuai)重(zhong)點(dian)智(zhi)能(neng)設備(bei)研發(fa)。加(jia)快(kuai)(kuai)智(zhi)能(neng)傳感控制、智(zhi)能(neng)檢(jian)測(ce)裝配、智(zhi)能(neng)物流倉儲等重(zhong)點(dian)技術(shu)裝備(bei)的開發(fa)，布(bu)局和積累一(yi)批核心知識產(chan)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。

三是加快行(xing)業(ye)機理模(mo)型沉淀。聚(ju)焦AI工業(ye)應用，建設工業(ye)互聯網模(mo)型算法公共測(ce)試驗證中心，堅持以測(ce)帶建、以測(ce)促(cu)用。

四是培育基(ji)于AI的工(gong)業(ye)(ye)APP。引導工(gong)業(ye)(ye)互聯網平臺(tai)企業(ye)(ye)搭建(jian)制造(zao)業(ye)(ye)創(chuang)(chuang)新(xin)(xin)中心，開(kai)放開(kai)發(fa)工(gong)具和知(zhi)識組件(jian)，構建(jian)開(kai)放共(gong)享、資源富集、創(chuang)(chuang)新(xin)(xin)活(huo)躍的工(gong)業(ye)(ye)APP開(kai)發(fa)生態。

完善(shan)生態(tai)體系，構(gou)建工業互聯網(wang)平(ping)臺跨界(jie)融合新(xin)模(mo)式。一是強化示(shi)范引領。在現有(you)工(gong)(gong)業(ye)互(hu)聯網平臺相關專項和試點示(shi)范中，增(zeng)添人工(gong)(gong)智能(neng)方向的(de)應(ying)用(yong)試點，加快推(tui)動復(fu)雜環境識別(bie)、新型人機交互(hu)等人工(gong)(gong)智能(neng)技術與工(gong)(gong)業(ye)互(hu)聯平臺融合發展。

二是優(you)化(hua)公共(gong)服務。面向語音(yin)識別(bie)、視覺識別(bie)、自然語言處理(li)等(deng)領域，建設能夠提供知識圖譜、算法訓練、產品優(you)化(hua)等(deng)共(gong)性服務的平臺和(he)開源社區。

三是(shi)增強(qiang)人才(cai)儲備(bei)。鼓勵高等院校設置人工(gong)智(zhi)(zhi)能(neng)工(gong)業應用課(ke)程，開(kai)展(zhan)人工(gong)智(zhi)(zhi)能(neng)專題教(jiao)育(yu)(yu)和培(pei)訓，加(jia)緊(jin)培(pei)育(yu)(yu)一(yi)批(pi)急需的人工(gong)智(zhi)(zhi)能(neng)人才(cai)。

四是加強宣(xuan)傳推廣。通過開展現場會、人(ren)工智能大賽等形式(shi)，凝聚行業(ye)共識(shi)，提高公眾(zhong)認(ren)識(shi)，挖掘優秀做法，推廣典型案例，積極營(ying)造(zao)產業(ye)發展的良好氛圍。