至顶网软件频道消息:过去两年,工业互联网领域发展如火如荼。据不完全统计,国内有超过80家厂商致力于工业互联网平台的技术和生态发展,意图在工业互联网产业形成高门槛竞争之前占据一席之地。
2018年2月1-2日,由工业和信息化部指导,中国信息通信研究院、工业互联网产业联盟联合主办的2018工业互联网峰会在北京召开,以加快新一代信息技术与制造业深度融合,深入实施工业互联网创新发展战略,助力实体经济转型发展提供关键支撑。
[图说:2018工业互联网峰会阿里云展台]
工业互联网厂商各擅胜场
从竞争格局来看,全球工业互联网正处在格局未定的关键期、规模化扩张的窗口期、抢占主导权的机遇期。不同领域出身的厂商正在结合自身优势编织一张不断延伸和丰富的工业互联网。
工业互联网的提速发展,一方面得益于业界巨头的推动,另一方面来源于传统制造业的智能化升级和规模化消费市场的兴起,在云计算、大数据、人工智能等技术的浪潮中共同助推工业互联网产业迅速成长。
在此过程中,自动化领域起家的GE Predix、西门子 MindShpere正在齐头并进;工业软件领域出身的PTC ThingWorx、SAP Leonador则基于软件应用视角发展工业互联网;由国内制造企业生发出来三一根云平台、海尔COSMOPlat等则从行业应用切入工业互联网;另外还包括互联网领域的代表阿里云ET工业大脑以挖掘数据价值赋能工业互联网,帮助企业实现智能升维。
这些厂商的切入点各有不同,技术和战略也泾渭分明;相同的是它们纷纷结合自身优势加入这场工业互联网平台的抢夺战中。
工业互联网构筑增强型微笑曲线
传统微笑曲线将产业链分为三个区间,即研发与设计、生产与制造、营销与服务。受限于传统技术手段和模式,处于微笑曲线中间的生产制造环节带来的附加值往往偏低,制造商们总是不断地追求向研发设计和品牌营销两端升级,实现效益的最大化。
但随着时间的演进,云计算、大数据、物联网、人工智能等技术带来的知识红利、模式红利、IT/OT融合的红利正在改变这一现状,并催生了增强型微笑曲线。
在工业互联网产业联盟副理事长、阿里巴巴集团副总裁刘松看来,目前工业互联网的发展趋势有一个典型的误区,就是过于集中在智能工厂本身,集中在OT技术和IT技术的叠加上。OT技术和IT技术的融合固然可以提升微笑曲线的生产制造环节,但不是工业互联网所能带来价值的全部,甚至只是很小一部分。
[图说-阿里巴巴集团副总裁刘松]
事实上,在微笑曲线的左侧,可以通过互联网协作和人工智能的方式帮助数百万工程师提高工业知识的积累效率,形成知识红利;在微笑曲线的右侧,互联网技术激发了数十亿消费者潜力,可以以用户驱动的方式推动消费类制造业的发展,形成模式红利。
刘松认为,工业互联网很重要的意义在于,通过在移动互联网领域沉淀了十数年的关键技术,与传统制造业业务相叠加,由此在微笑曲线的研发与设计、生产与制造、营销与服务三个区间带来更大的增益。
这才是工业互联网赋予增强型微笑曲线的价值。
阿里云工业互联网定调智能升维
现阶段,通过IT/OT技术的融合,不少企业建设了数字化工厂、搭建了智能化产线,开始走上了工业智能之路。这也是当前大多数工业互联网平台供应商所致力于的战略方向。
刘松则认为帮助工业企业洞察数据价值、实现智能升维同样重要,甚至带来的价值更显著。
[图说-阿里巴巴集团副总裁刘松]
理论上,现代化企业的业务和管理过程都是可以被数据化,企业的生产线上流淌的不仅仅是产品,更多是数据,这些数据价值在哪里?如何有效利用?
在中策橡胶,基于阿里云ET工业大脑,将生产端的各类数据进行深度运算和分析,形成了资源最优利用的方案组合,提升了5%混炼胶合格率。在传统工厂智能化升级、产线智能化改造模式下,中策橡胶是无法推演出从越南进口的橡胶原材料会影响产品合格率,而基于云的深度运算和分析,帮它们找出了这一影响因子。
在天合光能,阿里云数据科学家通过研究光伏电池的业务流程和制作工艺,构建出数据分析模型,对工艺参数进行调整,最终在丝网印刷环节捕获到了关键因子,优化后A品率提升了7%。传统模式下,即便最优秀的工程师和专家也无法给出这样的预测。基于阿里云ET工业大脑洞察数据价值,是对IT/OT技术融合所带来提升进一步的补充。
[图说-阿里云ET工业大脑帮助天合光能提升A品率7%]
刘松说,在已知的模式下主动进行改革是转型升级,而在未知的领域实现创新并带来价值是智能升维。阿里云工业互联网平台就是通过数据、算法对传统的工业企业进行智能升维。
前段时间,阿里巴巴在一场机械专场招聘会的招聘信息引起业界广泛关注:招聘对象是10年以上经验的工人老师傅,获聘的工人师傅将成为阿里云“ET大脑工业训练师/ET大脑业务专家”。不仅如此,阿里云还是第一个将研发业务下沉到企业车间的公司,在ET工业大脑项目中,阿里云算法工程师下到工厂车间写代码已成常态。将领先的数据科学与车间一线工人的经验相结合,成为了阿里云工业互联网战略的制胜法宝。
[图说-阿里云工程师在车间写代码]
在2018工业互联网峰会上,刘松发表主题演讲详细介绍了阿里云工业互联网平台——阿里云ET工业大脑,围绕工业生产活动中的供、研、产、销环节,通过对生产过程中散落在不同环境、不同系统数据的多维感知,同时与阿里云面向不同业务场景的算法模型相结合,深入生产一线,对数据进行人工智能分析,帮助企业解决最优参数调节及生产过程控制、设备故障诊断与预测性维护、生产设备的协同调控等核心问题。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。