国内自主研发的隐私计算TEE技术通过金融科技产品认证，蚂蚁集团主导研发的
06-18
2016年，工业互联网成为工业互联网核心领域。
值得注意的是，这场“革命”将彻底改变此前没有被互联网深刻触动过的传统行业的生产结构甚至思维方式。
这也引起了世界各国政府的高度关注。
我国也围绕工业互联网发展出台了多项政策文件，包括国家发改委、工业和信息化部、中央网信办、教育部、证监会等其他十五个部门。
近日联合发布的《关于推动先进制造业和现代服务业深度融合发展的实施意见》，再次为工业互联网的阶段性发展指明了方向。
有政策引导，行业后续自然会更加顺畅。
从国内来看，经过过去几年物联网技术在消费领域的不断发展和迭代，工业互联网也迎来了第一波小高潮。
数千家企业纷纷进军工业互联网，数字化、网络化、智能化成为行业焦点，同时，诸多问题也逐渐凸显出来。
如何解决标准协议问题，快速实现工业设备互联和开放数据？如何构建企业数字孪生和知识图谱，并如何在传统企业中广泛应用？边缘计算和5G如何应用于工业互联网解决方案的构建？实际问题？如何通过政策引导和国内产业集群特点，快速推动中国特色工业互联网平台和解决方案落地？广泛应用于消费物联网的深度学习算法如何应用到数据量和数据质量完全不同的工业环境中？ ？ AI如何玩转工业互联网？ ……这些问题关系到工业互联网的进一步发展，雷锋网经过前期深入调研，于2019年11月22日《全球AIoT产业·智能制造峰会》聚集了行业龙头企业和专家。
双方进行了深入讨论。
雷锋网：工业互联网对5G的需求是否强劲？两者结合会产生哪些具体技术点，产生强需求应用？邬贺铨（中国互联网协会理事长、中国工程院院士）：工业互联网首先要求工厂里的一些生产设备要接入互联网。
对于新建工厂，生产设备可以使用光纤连接；对于一些老工厂来说，光纤的铺设比较困难。
另外，除了固定设备外，工厂里其实还有很多运动器材，比如AGV、无人车、机器人，工人佩戴的头盔都是“运动器材”。
因此，工厂对无线技术的需求很大。
然而，现有的无线技术中，WiFi等技术并不是为工厂设备联网而设计的。
这些技术的容量和抗干扰能力还不够好。
工厂中的电机和火花等干扰在一般消费应用中不容易遇到。
因此，由于各种原因，目前全球工厂中只有6%的设备通过无线连接进行连接。
5G是为了适应工业互联网而设计的。
其抗干扰能力强、低延迟等特点非常适合工业应用。
5G将在工业互联网中发挥什么作用？首先，5G可以提供大带宽、高可靠、低时延的连接。
允许工厂设备连接到互联网。
其次，5G为工业互联网提供了人工智能与物联网的无缝融合技术。
工厂里有很多传感器，我们希望利用人工智能来挖掘传感器收集到的大数据。
事实上，5G提供了人工智能与物联网之间的无缝融合技术。
在工业环境中，如果数据传输时间较长，则无法实现实时响应。
只有通过大带宽、低时延的5G，才能将工业互联网采集到的大数据及时发送到云端。
第三，5G本身也是人与物融合的技术。
如今，工厂里的工人经常佩戴5GK VR眼镜/头盔，将工人所见与实际工作紧密结合。
如果没有5G，这是不可想象的。
由于VR/AR需要毫秒级的时延，只有“5G+边缘计算”才能满足如此低时延的应用。
事实上，工业互联网在我国已经流行好几年了。
现在来看，5G的到来，刚刚给工业互联网带来了良好的无线网络。
应该说，过去并没有非常合适的无线网络。
因此，我认为现在5G的到来预示着工业互联网的快速崛起。
现在的物联网基本上把所有可连接的物体都互连起来，现在通过5G连接到云端（这是现有的物联网架构）。
雷锋网：如何理解AIoT和未来网络？崔曙光（香港中文大学（深圳）理工学院常务院长、未来智能网络研究院院长、深圳大数据研究院常务副院长、IEEE Fellow）：从学术角度来说，什么是AloT ？就是通过AI赋能物联网的各个方面，并为其添加智能控制功能。
例如，你可以使用人工智能作为物理层，你可以在连接层面拥有本地化的人工智能，你可以将人工智能添加到5G网络本身。
有句话说，5G+AI就是6G。
这就是我们国家的重点研发计划正在做的事情。
云本身是可以智能化的，AI+云也是云技术未来的方向。
如果将人工智能赋能到各个层面，那么每个物联网层面都将成为AloT。
5G的一些核心技术刚刚起步，距离成熟还很远。
如果您想在现有的 5G 技术上更进一步怎么办？这和我们的主题有关。
我们希望通过数据驱动的模型将AI引入5G，成为准6G或者6G技术。
我们希望能够轻松满足这些要求，甚至实现另外10倍的提升。
这就是未来。
远离学术界十年，是我们必须要做的。
雷锋网：如何理解工业互联网/工业互联网与AIoT？王建民（清华大学软件学院院长、信息学院副院长、大数据研究中心执行主任）：总体来说，世界变了，制造业也变了。
这是哈佛大学在2007年做出的一个非常著名的结论，那就是信息技术带来了产品的革命，产品升级是全球制造业发展的必由之路。
制造不仅仅是一种产品，而是整个产品的运营生态，是跨界的。
它从拖拉机开始，然后配备天线，最后需要链接到天气数据、种子数据和农业灌溉数据。
这就是现代农业、现代工业、现代服务业。
现代工业革命模糊了第一、第二、第三产业。
我觉得今天的AloT就是这五个阶段的融合。
一是物联网阶段的数据采集，二是信息化阶段对各类数据的管理，再到原来叫BI的报表，再到现在的AI。
机器学习，我们今天说的AloT就是这些技术的综合应用。
雷锋网：目前，工业物联网的发展还处于早期阶段。
要实现大规模数字化、智能化应用，还需要进一步解决哪些问题？ Karel Eloot（麦肯锡高级合伙人、亚洲运营咨询实践和物联网负责人）：我认为当我们谈论物联网和工业物联网时，我们都会想到技术的可持续性。
但归根结底，这不仅仅是技术的问题，也不仅仅是技术的支持和应用。
在公司、城市和我们工作模式的变革中，30%的挑战可能来自技术本身，70%的挑战来自我们自己。
仍然是关于人们的工作方式，将这些新的工作方式融入到公司周围的日常工作中，整合新的工具，将新的解决方案融入到员工的实际工作中。
具体来说，工业物联网目前面临的最大挑战有以下两点：第一，人类需要学习新的技能及其在工业物联网中的最终角色；第二，工业物联网依赖于一套垂直渗透的技术栈。
从设备侧的传感器开始，我们收集数据、管理数据、分析数据，在各种应用设备中利用大数据技术来改变人类的工作方式。
因此，它是一个产业链，需要不同能力的不同解决方案的集成和应用。
一家公司很难在所有事情上都取得成功，这就是为什么不同公司之间需要合作。
这就是为什么我们可以看到整个生态系统在不断的成长和发展，中间有很多节点，不同的公司可以同时互相合作，比如云厂商、解决方案厂商等等。
不同的公司、不同的能力来了共同最终提供端到端解决方案。
真正的挑战是人类工作方式的转变。
因此，人的技能的提升以及企业之间的合作关系在此将显得尤为重要。
雷锋网：目前企业数字化转型面临的关键问题是什么？朱晓迅（西门子中国研究院院长、物联网服务事业部总经理）：企业的最终目标是实现数字化转型，但如果没有做好战略方面的铺垫，文化、人员、组织架构，只改变一件事，生产线是没有用的。
这也是西门子多年来转型所经历的一条路径。
企业想要实现数字化转型，首先必须进行全面的战略规划，其次落实到各个职能部门。
雷锋网：数字技术在具体实施项目中会遇到哪些实际问题？谢东（IBM副总裁、大中华区CTO）：IBM客户在工厂数字化转型过程中，在生产线上安装了摄像头，利用摄像头采集数据进行产品质量检验。
但在实际应用过程中，质量并未达到要求。
后来通过更换其他型号的相机，质检质量明显提高。
这其实是一种逆向思维。
在理论研究过程中，我们通常研究如何在给定一定数据的情况下训练出高质量（识别率）的模型。
但在实际工程应用中，有时我们需要逆向思考：为了进行这样的分析，数据采集系统需要使用哪些传感器来收集数据。
对于制造商来说，为了获得这样的AI系统，也许我们可以设计不同的传感器，这是一个工程问题。
雷锋网：您如何看待工业互联网的变化和思考？蔡启楠（研华工业物联网事业群中国区总经理）：过去，互联网思维就是传统的IT思维。
这次的工业互联网不能完全用互联网思维来考虑，而一定是工业（互联网）思维。
企业想要向智能化发展，向智能制造转型，第一步就是采集工业现场的数据。
雷锋网：对于中小型制造企业来说，他们对工业互联网有什么样的需求？谢海钦（海尔数科CEO、COSMOPlat工业互联网平台CTO）：我们认为用户不在于大小，而在于我们能为他们做什么、我们能改变什么、我们能为他们带来多少差异化。
这批企业用户的成交量并不大，比如只有几亿、几千万。
但当他们在某个时候非常需要我们时，我们就会选择与他们合作。
一起工作是我们非常乐意做的事情。
对于一些包装行业的客户，我们会从生产订单、减少采购入手，这是比较浪费的环节。
改善这一点可以给他们带来很大的价值，我们现在不一定需要给他们增加大型机械。
设备来帮助他提高工厂的自动化程度等等。
因此，具体情况会根据客户的需求进行调整。
雷锋网：阿里巴巴为何提出“产业大脑”，如何实现产业联动？曾振宇（阿里云智能副总裁、数据智能总裁）：我们提出“工业大脑”的概念，是希望以数据为中心，整合工业企业从整个产品生产过程、生命周期的各种数据数据。
全部融合集成，用数据建模，上层构建工业数据中平台。
在工业数据中心之上使用智能算法，充分挖掘数据的价值。
数据不仅揭示了过去，还帮助我们指导生产，上传各种智能应用。
因此，我们提出用工业大脑提出工业智能制造的功能，用算法和数据来帮助我们提高智能制造的水平。
雷锋网：您如何看待当前工业互联网中的“AI算法”？黄胜（树根互联网CTO）：树根互联网现在做的是数据分析和AI算法，但实际上现阶段AI算法并不是行业最需要的。
当前工业领域，在提高工业效率方面，通过连接数据，根据基础抽样数据做一些基础分析，通过基础的统计分析和查询分析，工业效率可以提高很多。
”黄胜告诉雷锋网，“其次，当数据量积累到足够大的程度，深度挖掘和分析就成为可能。
这与其说是从一开始就谈论大数据、进行深度挖掘，其实更多的是学术和媒体的谈论。
更多概念。
基本上，查询分析已经可以带来很大的价值，这个必须先做好。
教头寻找工业互联网的核心领域。
工业互联网是一个产业命题，也是一个技术命题。
中国现在有数千家工业互联网公司，每个技术和行业侧重点都不同。
雷锋网今年特别关注工业互联网领域的人工智能。
算法、云服务、通用平台、知识图谱、柔性生产、预测性维护是几大核心技术和产业落地点。
寻找AI+工业互联网的最佳实施实践，寻找工业互联网核心领域的“教头”。
具体来说，本次“AI最佳掘金案例年度榜”中“AI+工业互联网”奖项设置如下： 最佳工业互联网人工智能算法奖；最佳工业互联网云服务奖；最佳产业服务通用平台奖；最佳行业知识图谱建设奖；最佳柔性生产应用实施奖；最佳预测维护技术创新奖。
今年评选已正式启动，欢迎行业企业报名参加（关注微信公众号“雷锋网”，回复关键词“名单”即可参与报名。
详情请咨询微信： xqxq_xq）。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-08
06-17
06-17
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态