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.docVIP

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 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。 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？ 01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。 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。 02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： 在工业