工业人工智能一定要解决过去的问题

浦江创新论坛聚焦：重新定义工业人工智能与互联网的关系

在刚过去的浦江创新论坛中，一场关于工业互联网的创新发展论坛引起了广泛关注。美国辛辛那提大学的特聘教授Jay Lee先生，围绕“科技创新新愿景新未来”的主题，深入探讨了为何需要重新定义工业人工智能与互联网的关系。身为新书《工业人工智能》的作者，Jay Lee教授为我们带来了前沿观点与案例分享。

谈及工业互联网，Jay Lee教授表示，每个企业和个人的经验或许不同，但其核心目的始终如一——为客户解决难题或创造价值。无论是卖鱼、清酒还是轮船高铁，重点都在于满足客户需求。

回溯至其职业生涯初期，Jay Lee教授于90年代便涉足这一领域。在被派往日本先进产业研究院时，他推动了互联网在机器上的应用，这是美国的第一个互联网+项目。那时的建模与决策过程，为现今的工业人工智能发展奠定了基础。

谈及工业互联网的历史转型，教授提到了几个关键模式。其中一种是像互联网公司那样加入应用层，变成互联网+，如互联网+金融、互联网+零售等。利用数据分析顾客行为，实现精准营销。另一种则是工业本身的转型，如汽车、钢铁、风电等行业通过加入互联网实现远程监控、质量管理等。这些新模式被称为新制造，它们以工业为核心，借助互联网的翅膀实现了质的飞跃。

为什么现在如此强调互联网与工业的结合？因为其核心是人。在工业系统中，人扮演着至关重要的角色。如同演讲中的麦克风需要人的操控和引导一样，工业互联网的管理系统也需要人的智慧与决策。而在这个系统中，数据是关键。从DT到AT、PT再到OT，数据的收集与分析成为了解决顾客痛点的重要手段。特别是PT（平台技术），一个成功的平台不仅能解决自己的问题，还能让两个不认识的人在平台上协作解决问题。数据的所有权和使用权成为了这一领域的核心问题。究竟是谁的数据？如何合理使用？这些问题成为了当下互联网领域的战场。因为用户价值在这里产生，只有真正满足用户需求的企业才能赢得市场。

以轴承APP为例，一个简单的振动或噪音信号就能帮助判断轴承的问题所在。这种技术的普及和应用，不仅提高了效率，还为用户带来了极大的便利。想象一下，不久的将来，我们只需通过一个小小的APP就能得到专业的诊断和建议，无论是轴承问题还是其他工业问题都能迎刃而解。这正是工业互联网与人工智能为我们带来的美好未来！重塑后的文章如下：

驾驭工业大数据与人工智能的航船：我们的挑战与机遇

在数字化浪潮席卷全球的今天，工业大数据与人工智能已成为引领产业升级、驱动创新发展的关键力量。如何有效利用这些数据，将其转化为实际的业务价值，成为我们面临的一大挑战。

如同一艘搭载着巨大数据财富的巨轮，我们身处其中，既要面对数据的丰富性带来的欢喜，也要面对数据质量的不确定性带来的困惑。数据的收集如同船只的航行，有时会遇到数据质量的迷雾，需要精准识别数据的真实价值。如同高铁的轴承，我们国家的制造业在某些领域已经达到国际水平，但在高端领域仍依赖进口。这就需要我们用数据去洞察，去判断哪些轴承可以适应高速运行的需求。数据的断裂性如同天气的不确定性，没有背景资料的数据就如同没有参考高度的飞机起飞，无法做出明智的决策。我们需要深入挖掘数据的内在关联，如同找出风电叶片结冰与天气湿度的关系。中国的工业发展需要认清自己的道路，不能盲目跟随。我们更需要专业的团队去研究和探索这些数据背后的秘密。正如富士康与信通院的合作案例，通过大数据预测风电结冰的可能性，推动了工业互联网的发展。中国的企业在面对工业互联网时面临着诸多困难，如时间不足、环境不成熟等。这就需要我们寻找更多的合作伙伴，共同研究、开发、应用新技术。与此人工智能的发展也面临着巨大的挑战。尽管人工智能的应用已经深入到各个领域，但如何确保其在复杂多变的数据环境中始终保持高效稳定的表现是一个巨大的难题。我们需要构建一种能够自动调整的系统，以适应不同的数据环境和需求。这就需要我们不断探索和创新，寻找最适合的解决方案。例如在中船互联网的案例中，通过数据分析与挖掘实现了船舶监控和优化的智能化，这不仅为船舶行业带来了价值提升，也为我们提供了宝贵的经验和方法。未来工业人工智能的发展需要我们共同努力，不断积累经验、探索新的技术路径和应用场景。我们需要像宽度学习一样的方法论来指导我们的实践，通过实时监控和数据分析来预测和优化工业设备的运行状况。在这个过程中，我们需要保持清醒的头脑和坚定的信念，不断推动工业大数据和人工智能的发展与创新。在这个充满机遇与挑战的时代里让我们携手前行共同书写工业发展的新篇章！阿斯同（音译）高铁的案例令人瞩目。高铁在飞速行进时，如同数据流在轮毂间穿梭。每一节车厢内，都有两个转向架，承载着速度与安全的重任。我们曾对整个列车群进行监控，通过分析速度、爬坡、加速和减速等数据，精准识别每一节车厢、每一个电机的性能差异。中车通过对比这些数据，能够迅速定位哪些电机存在问题，哪些车厢需要维护。这就是宽度学习的实际应用。

再看电池领域的案例，以特斯拉的数千个电芯为例，上海交大先行研究。在电池的充放电过程中，通过云计算直接进行数据分析，无需存储数据，即可实时了解电池状态。韩市长曾亲自参观的电池信息基地，正是智能大数据与建模结合的产物。自2010年起，我们团队已经拥有十个专利，期待与更多企业合作，共同推进这一技术的应用。使用云计算处理电池数据的案例还很少见，我们团队是其中的佼佼者。

在工业互联网领域，我们协助富士康申请灯塔工厂，利用大数据预测生产问题，助力实现关灯工厂的目标。富士康目前已有多个熄灯工厂，这并非完全取代人工，而是消除生产过程中的不确定性，让人从忧虑中解脱出来。工业云的应用正在加强边缘端的智能化，这是未来的重要趋势。

我们也面临一个严峻的问题：人工智能领域的人才短缺。为此，我们建立了产业学院，致力于培养相关人才。从最初的几十人发展到现在的上千人，这支队伍正在不断壮大。传统人工智能和传统科学一样，永远在发展进步。而工业人工智能则更加侧重于解决现实问题和未来挑战，包括高铁、车辆、风电等领域的应用。深度学习、宽度学习等技术的结合，将推动工业人工智能的发展更上一层楼。