人工智能正在成為全球制造商和能源公司的關鍵技術，物聯網分析預測，工業人工智能(neng)解決方(fang)案市場將呈現出35%的強勁疫情后復合(he)年(nian)增(zeng)長(chang)率(lv)（CAGR），到(dao)2026年(nian)，市場規模將達到(dao)1021.7億美元(yuan)。數字(zi)化時代(dai)催生了物聯網(wang)的產(chan)生。可見，人工智能(neng)的出現加快(kuai)了物聯網(wang)發(fa)展的步伐。今(jin)天我們就(jiu)來(lai)盤點一下推動工業AI和AIoT興(xing)起的因素有哪(na)些。
根據最近發布的《2021-2026年工業人工智能和人工智能市場報告》的數據，在兩年多的時間里，人工智能在工業環境中的采用率從19%增加到31%。除了31%的受(shou)(shou)訪者在其(qi)運營中(zhong)完全或部分推出人工(gong)智能技(ji)(ji)術外，另有39%的受(shou)(shou)訪者目(mu)前正在測試或試用該技(ji)(ji)術。
人工(gong)智能(neng)正在(zai)成為全球制造商(shang)和能(neng)源公(gong)司的(de)關鍵技術，物聯網分析
數字化(hua)時代(dai)催生(sheng)了(le)物(wu)聯網的產生(sheng)。可見，人工智能的出現加(jia)快(kuai)了(le)物(wu)聯網發(fa)展的步伐。
今天我們就來盤點一下推動工業AI和AIoT興起的因素有哪些。
驅動因素1：越來越多用于工業AIoT的軟件工具
2019年，當物聯網分析開始覆蓋工業AI領域時，運營技術（OT）供應商提供的專用AI軟件產品很少。從那時起，許多OT供應商通過為工廠車間開發和提供AI平臺形式的AI軟件解決方案進入AI市場。
據數(shu)據顯示，近400家(jia)供(gong)應商(shang)提供(gong)AIoT軟(ruan)件(jian)。在過去(qu)兩年(nian)中，加入工(gong)業(ye)AI市場(chang)的(de)軟(ruan)件(jian)供(gong)應商(shang)數(shu)量大幅增加。在研究期(qi)間，IoT Analytics確定了(le)634家(jia)為制造商(shang)/工(gong)業(ye)客戶提供(gong)AI技(ji)術的(de)供(gong)應商(shang)。在這(zhe)些公(gong)司(si)中，有(you)389家(jia)（61.4%）提供(gong)人(ren)工(gong)智能軟(ruan)件(jian)。
新的AI軟件(jian)平(ping)(ping)臺(tai)專(zhuan)注于工業環境。除了(le)Uptake、Braincube或C3 AI等(deng)軟件(jian)擴容之外(wai)，越(yue)來越(yue)多的運(yun)營(ying)技術（OT）供(gong)應商正(zheng)在提供(gong)專(zhuan)用(yong)(yong)的AI軟件(jian)平(ping)(ping)臺(tai)。例(li)(li)如ABB的Genix工業分(fen)(fen)析(xi)和AI套(tao)件(jian)，羅克韋爾自動(dong)化的FactoryTalk創新套(tao)件(jian)，施(shi)耐(nai)德(de)電氣的自主(zhu)生(sheng)產顧(gu)問平(ping)(ping)臺(tai)以及(ji)最近的特(te)定(ding)附(fu)加組件(jian)等(deng)。其中一些平(ping)(ping)臺(tai)針對廣泛的用(yong)(yong)例(li)(li)。例(li)(li)如，ABB的Genix平(ping)(ping)臺(tai)提供(gong)高(gao)級分(fen)(fen)析(xi)，包括(kuo)預先構建的應用(yong)(yong)程序和服務，用(yong)(yong)于運(yun)營(ying)績(ji)效(xiao)管理，資產完整性，可持續性和供(gong)應鏈效(xiao)率。
大企業正在將其人工智能軟件工具產品運用到車間。
人(ren)工(gong)(gong)智(zhi)能軟件工(gong)(gong)具可用(yong)(yong)性的(de)提高也(ye)離不開AWS，微軟和谷歌在內的(de)超大(da)規模(mo)企業所新開發的(de)特定于用(yong)(yong)例的(de)軟件工(gong)(gong)具。例如，在2020年12月，AWS發布了(le)Amazon SageMaker JumpStart，這是Amazon SageMaker的(de)一(yi)(yi)項功能，為最常(chang)見的(de)工(gong)(gong)業用(yong)(yong)例（例如PdM，計算機(ji)視覺和自動駕駛）提供了(le)一(yi)(yi)套(tao)預構(gou)建和可定制(zhi)的(de)解決方案，只需點擊(ji)幾下即可部署。
特定于用例的軟件解決方案正在推動可用性的提高。
特(te)定(ding)于用例的軟件(jian)套件(jian)，例如專注于預測性維護的軟件(jian)套件(jian)，正變(bian)得越(yue)來越(yue)普(pu)遍(bian)。IoT Analytics觀察到(dao)，由于數據(ju)源(yuan)種類的增(zeng)加和(he)預訓練模型(xing)的使用，以及數據(ju)增(zeng)強技術的廣泛(fan)采(cai)用，使用基于AI的產品數據(ju)管(guan)理（PdM）軟件(jian)解決方案的提供商數量在(zai)2021年初上升至73家。
驅動因素2：正在簡化的人工智能解決方案的開發和維護
自動化機器學習(AutoML)正在成為一種標準產品。
由于(yu)與(yu)機(ji)器學(xue)(xue)習（ML）相關的(de)任(ren)務非常(chang)復雜，機(ji)器學(xue)(xue)習應(ying)用(yong)程序的(de)快(kuai)速(su)增長催生了對現成機(ji)器學(xue)(xue)習方(fang)法的(de)需求，這些(xie)方(fang)法無(wu)需專(zhuan)業(ye)知識(shi)即可使用(yong)。由此產生的(de)研究領域，針(zhen)對機(ji)器學(xue)(xue)習的(de)漸進自動化，被稱為AutoML。各種公司正(zheng)在(zai)利用(yong)該技(ji)術作為其AI產品的(de)一部分(fen)，以幫(bang)助客戶開(kai)發(fa)ML模(mo)型并(bing)更快(kuai)地實(shi)現工業(ye)用(yong)例。例如，2020年11月，斯凱孚（SKF）宣布了一項(xiang)基(ji)于(yu)AutoML的(de)產品，將機(ji)器過程數(shu)據與(yu)振動和溫(wen)度數(shu)據相結合，以降低成本，并(bing)為客戶實(shi)現新的(de)商業(ye)模(mo)式。
機器學習操作（ML Ops）簡化了模型管理和維護。
機(ji)器學(xue)習操(cao)作的(de)新學(xue)科旨在簡化制造環境(jing)中(zhong)的(de)AI模(mo)型(xing)維護。人工智能模(mo)型(xing)的(de)性能通常會隨著時(shi)間的(de)推移而下(xia)降，因(yin)為(wei)它受到工廠內部幾個因(yin)素的(de)影(ying)響（例(li)如(ru)，數(shu)據分布和質(zhi)量標準的(de)變化）。因(yin)此，模(mo)型(xing)維護和機(ji)器學(xue)習操(cao)作已成為(wei)滿(man)足工業環境(jing)高(gao)質(zhi)量要(yao)求的(de)必要(yao)條件(jian)（例(li)如(ru)，性能低于99%的(de)模(mo)型(xing)可能無法識別(bie)危及(ji)工人安全的(de)行(xing)為(wei)）。
近年來(lai)，許多初創公(gong)司都加(jia)入(ru)了ML Ops領(ling)域(yu)，包括(kuo)(kuo)DataRobot，Grid.AI，Pinecone / Zilliz，Seldon和Weights & Biases。老牌(pai)公(gong)司已經將機器學習操(cao)作功能(neng)添加(jia)到他們現有的AI軟件產品中(zhong)，包括(kuo)(kuo)微軟，它在Azure ML Studio中(zhong)引入(ru)了數據漂移檢測。這項新功能(neng)使用戶能(neng)夠檢測輸入(ru)數據分布中(zhong)導致模型(xing)性(xing)能(neng)下降的變化。
驅動因素3：被應用到現有應用程序和用例中的人工智能
傳統軟件提供商正在添加AI功能。
除了現有的大(da)型橫向AI軟件(jian)工具（例(li)(li)(li)如(ru)MS Azure ML，AWS SageMaker和Google Cloud Vertex AI）之外，傳統軟件(jian)套件(jian)（例(li)(li)(li)如(ru)計算機化維(wei)護管理系統（CAMMS），制造執(zhi)(zhi)行(xing)系統（MES）或(huo)企(qi)業(ye)資(zi)源規劃（ERP））現在(zai)可(ke)以通過(guo)注入(ru)AI功能獲得(de)顯(xian)著提(ti)升。例(li)(li)(li)如(ru)，ERP提(ti)供(gong)商Epicor Software正在(zai)通過(guo)其(qi)Epicor虛擬助手（EVA）在(zai)其(qi)現有產品(pin)中添(tian)加AI功能。智(zhi)能EVA代(dai)理用(yong)于自動化ERP流程(cheng)，例(li)(li)(li)如(ru)重新安排制造作業(ye)或(huo)執(zhi)(zhi)行(xing)簡單查詢(xun)（例(li)(li)(li)如(ru)，獲取有關產品(pin)定價(jia)或(huo)可(ke)用(yong)零件(jian)數量的詳(xiang)細信息）。
工業用例正在通過使用AIoT進行升級。
通(tong)過(guo)向現有硬(ying)件(jian)/軟件(jian)基礎設施添加AI功能，正在增(zeng)強幾個工(gong)業用例。一個生動的(de)例子(zi)是(shi)質量控制應用中(zhong)的(de)機器視覺。傳統的(de)機器視覺系統通(tong)過(guo)配備(bei)專用軟件(jian)的(de)集成或(huo)離散(san)計算機處理圖(tu)像，該軟件(jian)評(ping)估預定(ding)的(de)參(can)數和(he)閾值（例如，高(gao)對比度），以確定(ding)物體是(shi)否表現出(chu)缺陷。在許多情況下（例如，具有不同布線形狀的(de)電(dian)子(zi)組件(jian)），誤報的(de)數量非常高(gao)。
然而，這(zhe)些系(xi)統(tong)正在通過人工(gong)智(zhi)能(neng)(neng)復興。例如(ru)，工(gong)業機器視(shi)覺(jue)(jue)提供商康耐(nai)視(shi)（Cognex）于2021年7月發布了一款(kuan)新的深度(du)學習工(gong)具(ju)(ju)（Vision Pro Deep Learning 2.0）。新工(gong)具(ju)(ju)與傳統(tong)視(shi)覺(jue)(jue)系(xi)統(tong)集成，使最(zui)終用(yong)戶能(neng)(neng)夠在同一應用(yong)中將深度(du)學習與傳統(tong)視(shi)覺(jue)(jue)工(gong)具(ju)(ju)相結合(he)，以滿足需要精確測量(liang)劃痕、污(wu)染和(he)其他缺陷的苛刻醫療和(he)電子環境(jing)。
驅動因素4：正在改進的工業AIoT硬件
AI芯片正在迅速改進。
嵌入式硬件AI芯片發(fa)展迅速，多種(zhong)選項(xiang)可用(yong)(yong)(yong)于支持(chi)AI模(mo)型的(de)開發(fa)和(he)部署(shu)。示例(li)包括NVIDIA最新的(de)圖(tu)形處(chu)理單元（GPU），A30和(he)A10，它(ta)們于2021年3月(yue)推出(chu)，適用(yong)(yong)(yong)于AI用(yong)(yong)(yong)例(li)，例(li)如(ru)推薦(jian)系(xi)(xi)統(tong)和(he)計算機(ji)視(shi)覺(jue)系(xi)(xi)統(tong)。另一個例(li)子(zi)是谷歌的(de)第四代張(zhang)量處(chu)理單元（TPU），它(ta)們是功(gong)能強大的(de)專用(yong)(yong)(yong)集(ji)成電路（ASIC），可以在特定AI工作負(fu)載（例(li)如(ru)，對象檢測，圖(tu)像(xiang)分類和(he)推薦(jian)基(ji)準）的(de)模(mo)型開發(fa)和(he)部署(shu)中實現(xian)高達1，000倍的(de)效(xiao)率和(he)速度。使用(yong)(yong)(yong)專用(yong)(yong)(yong)的(de)AI硬件將模(mo)型計算時間從幾(ji)天縮短到幾(ji)分鐘，并且在許多情況(kuang)下已(yi)被證(zheng)明是游戲規則的(de)改變者(zhe)。
強大的AI硬件可通過按使用量付費的模式立即獲得。
超大(da)規(gui)模企業(ye)不斷升級其(qi)服務器，使計算資源在(zai)云中可(ke)用(yong)(yong)，以便(bian)最(zui)終用(yong)(yong)戶(hu)能夠實現工業(ye)AI應用(yong)(yong)。例如，在(zai)2021年11月，AWS宣布(bu)其(qi)最(zui)新的基于(yu)(yu)GPU的實例Amazon EC2 G5正式發布(bu)，這(zhe)些實例由NVIDIA A10G Tensor Core GPU提供(gong)支持(chi)，可(ke)用(yong)(yong)于(yu)(yu)各種ML應用(yong)(yong)程(cheng)序，包(bao)括計算機視覺和推薦引擎。例如，檢(jian)測系(xi)統提供(gong)商 Nanotronics利(li)用(yong)(yong)其(qi)基于(yu)(yu) AI
結論與展望
人(ren)工智(zhi)能即將(jiang)(jiang)出(chu)廠，它將(jiang)(jiang)普遍存在于新的應(ying)用(yong)中，例如(ru)基于AI的PdM，并(bing)作為(wei)現有(you)軟(ruan)(ruan)件(jian)和(he)(he)用(yong)例的增(zeng)強。大型企業正(zheng)在推出(chu)幾個人(ren)工智(zhi)能用(yong)例并(bing)報告成功案例，大多數(shu)項目的投資回(hui)報率都很高。總而(er)言之(zhi)，云、物聯網平臺和(he)(he)強大的AI芯片的興起為(wei)新一代軟(ruan)(ruan)件(jian)和(he)(he)優化提(ti)供了一個平臺。
