放风筝的乐趣在于,无论风筝飞得多远,线始终握在你的手上。而经营企业的安全感在于,无论企业规模多大、业务范围多广、所处环境多复杂,“线”也始终握在管理者的手上。如今,很多企业布局工业互联网,其实无非也是想让自己的产、供、销各环节更可控。在这样一个以工业为基础织就的庞大网络中,连接着人、设备、产线、物流、供应商,承载着海量的企业数据。只有把每一个环节贯穿起来,把每一个有价值的数据采集上来,“线”才不会断,“风筝”才能飞得更高。
但是,风筝只有一根线,手和风筝之间是最紧密和直接的连线。工业互联网却不是这样,成千上万的节点连在一起,看起来错综复杂、盘根错绕,背后又要有序可控;海量的数据遍布于云、边、端,又要能够根据需要及时采集、随时调用、互通联动。对企业来说,这都是工业互联网落地过程中的现实挑战。
浪潮通软副总裁兼CTO 郑伟波
据此,浪潮凭借在信息化领域积累的三十多年的经验,既有深厚的软件功底,又有强大的云存储和算力,结合inIoT智能物联网平台,正在帮助企业达到高效联动,加速企业智能制造升级。
工业互联网带来的三个价值
至顶网:在您看来,工业互联网为什么会成为新基建的核心部分之一?
郑伟波:新基建包含信息基础设施、融合基础设施、创新基础设施三个方面,以技术创新为驱动,以信息网络为基础,面向高质量发展需要,提供数字转型、智能升级、融合创新等服务的基础设施体系。
而工业互联网融合5G、人工智能、大数据、云计算等新一代数字技术,是一个数据驱动的全新生态体系,通过全要素、全产业链、全价值链的全面连接,将数字技术与实体经济深度融合,催生新业态新模式,对促进企业智能化升级,产业数字化转型,提升产业链现代化水平,赋能传统产业转型升级,推动经济高质量发展和构建新发展格局,具有十分重要的意义。
由此看,工业互联网是夯实数字转型、智能升级、融合创新的基础支撑的关键技术之一,是新型基础设施建设的重要的组成部分。
至顶网:您认为从企业的角度来说,构建工业互联网的价值是什么?
郑伟波:工业互联网通过发挥广连接优势,可以驱动创新资源的快速汇聚和高效共享,从而提升创新能力和创新效率。
第一,打造智能生产能力。通过横向连接,打通人、财、物、产、供、销各环节,以及设备、产线、生产和运营系统等要素,将企业内部设备集中管理,通过状态监测、关键参数监测、能效管理、异常报警、智能诊断预测等服务,有效降低设备非计划停机和能源损耗,全面提升生产率和产品质量,降低能源资源消耗,打造智能工厂,塑造数据驱动的智能生产能力,实现提质降本增效;
第二,提升业务创新能力。通过纵向连接,打通企业内外部产业链,提升协同能力,实现产品、生产和服务创新,比如向服务化延伸,通过物连接能力,打造智能产品,参与产品运营、实时获取产品数据、主动进行产品维护,由“生产厂商 ”向“生产+智能服务商”转型塑造数据驱动的业务创新能力,催生新模式、新业态,获得新收入;
第三,构建生态运营能力。工业互联网是全要素、全产业链、全价值链的全面连接,通过汇聚全价值链资源,实现资源优化配置,推动业务模式和商业模式转型,打造面向产业的生态体系和平台经济,塑造数据驱动的生态运营能力,实现资源高效协同,从“串行生产”向“网络化协同制造”转变。
构建工业互联网的三个必备要素
至顶网:工业互联网涉及的技术层级非常多,在您看来,主要可以划分为哪些部分?
郑伟波: 工业互联网涉及技术可分为边缘计算技术、大数据AI技术、低代码技术。
边缘计算技术是基础。工业互联网从连接开始出发的,连接设备、连接产品,连接客户、连接供应商、连接开发者等等,首先要解决的是物连接;
大数据AI技术是核心。物连接释放了海量工业大数据,有了数据就有了智能化的基础,基于大数据AI技术对工业大数据进行采集、预处理、存储、分析挖掘,实现IT+OT数据同源共享,通过数据获得领域知识,将数据转换为先进的生产力。
低代码技术是支撑工具。工业互联网包含设备管理应用、设备控制应用、预测应用等各类上层应用,而工业互联网、数字化转型的发展使得软件开发尤其是物联应用的需求远远大于供给,而低代码、零代码开发是解决供需矛盾的唯一解决方案。
至顶网:上个月,我们发布了最新的浪潮inIoT智能物联网平台,这个平台在整个工业互联网中处于哪个位置?主要发挥什么样的作用?
郑伟波:工业互联网架构分为边缘层、IaaS层、平台层(工业PaaS层)和应用层(SaaS层)。其中,inIoT智能物联网平台主要定位在边缘层,通过设备接入能力连接终端,释放海量工业大数据价值,解决物连接的问题。
落地工业互联网的三个挑战
至顶网:目前,企业去构建工业互联网的核心目的其实还是实现智能制造,在具体的实践落地过程中,主要的挑战是什么?
郑伟波:首先,工业大数据处理复杂。工业互联网领域数据来源广泛驳杂,工业现场多样化设备导致工业通信协议多样,而且时序数据的处理与关系型数据不同,面临着海量数据存储、高并发高吞吐写入的难题,对数据获取方式、处理方式、存储方式带来挑战,准确性难以保障,可用性较差。
其次,工业大数据价值发挥难。解决了数据的问题,就是面临着如何通过大数据AI技术进行深层次的数据分析,发挥数据价值,如果没有成熟的平台和丰富的行业经验,缺乏成熟的数据建模工具和数据分析模型,往往无法从工业大数据中获取有效的信息和知识。
其三,实施门槛高。工业互联网是新一代数字技术的融合,从设备、产品、传感器海量设备的接入,到工业大数据的分析,工业应用的开发涉及了大量数字技术,这些新型的IT技术大大提高了工业互联网落地的门槛,依托成熟可靠的平台可以有效降低工业互联网落地的技术复杂性,
至顶网:针对这些挑战,浪潮如何发挥自己的技术优势,从而帮助企业实现云边端的高效联动,加速智能制造升级?
郑伟波:浪潮云ERP在信息化领域拥有着三十多年的经验,加上我们的云存储和算力,结合浪潮iGIX企业级PaaS平台作为数字技术底座,可以帮助企业达到高效联动,加速企业智能制造升级。
浪潮iGIX企业级PaaS平台,为企业提供从IT到OT的全面技术支撑能力,加速“云边端”架构企业级落地,赋能传统产业向智能制造转型升级,让数据在开放连接中实现智驱万物,让企业在融合创新中激发产业模式变革。
在边缘端的inIoT智能物联网平台具备全面的设备接入能力,内置100+设备协议解析算法,支持设备协议自动解析、适配,可以帮助企业快速集成。同时,我们还自研了轻量级、适应工业互联网设备数据分析的通用数据预处理模块,针对工业数据特点,支持高斯分布、KNN、累加值识别等数据预处理算法,对异常数据进行识别、填补,对时许数据进行预处理,有效解决连接设备和流式数据处理的难题。
再往上,在云端的浪潮iGIX丨数据中台,可以提供完善的大数据AI能力,对inIoT释放的工业大数据加以加工、利用;同时,利用iGIX的低代码能力,还可以实现云端工业应用的拖拉拽的快速开发,云端应用的快速集成进而实现云边端的高效联动,加速智能制造升级。
至顶网:如此丰富的产品体系,有没有具体的落地场景和案例?
郑伟波:以中铁工业为例,基于浪潮inIoT智能物联网平台,中铁工业打造了一个智能制造支撑平台,在实际实践过程中,帮助其实现了三个转变:
其一,从“粗放式工厂”向“数字化透明化工厂”转变,以“智能系统+智能设备+智能决策”推进车间数字化与生产管理智能化,对自动化产线与智能单元全面数字化提升,建立5G+MAC的高精度网络,联通智能信息系统和车间自动化设备,实现产线及设备数据采集、分析、监控及人机协调控制的智能生产模式;
其二,从“串行生产”向“网络化协同制造”转变,产品交付周期缩短5%-10%,综合成本降低3%-5%;
其三,从“卖产品”向“产品+服务”转变,建立了远程诊断系统和动态服务机制,提供密闭空间下精准监控服务,成为大型装备制造领域标杆。
聚合生态纵深推进数字化
至顶网:那么,您如何看待工业互联网下一阶段的发展趋势,浪潮云ERP接下来还有哪些计划?
郑伟波:工业互联网下一阶段的发展趋势是应用、技术的深化融合,工业大数据数据采集和治理,不同行业的细分场景的创新应用。
在这个背景下,未来,浪潮将进一步聚合生态纵深推进行业数字化转型,联合研华科技、华天软件等软件生态,以及包括工业传感器、网络设备、生产设备等生态伙伴,聚焦智能制造、智慧粮食、智慧矿山、智慧水务四大行业领域,深化工业互联网解决方案,共同推进行业数字化,助力世界一流企业建设。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。