根據(jù)最近發(fā)布的《2021-2026年工業(yè)人工智能和人工智能市場(chǎng)報(bào)告》的數(shù)據(jù)，在兩年多的時(shí)間里，人工智能在工業(yè)環(huán)境中的采用率從19%增加到31%。除了31%的受訪者在其運(yùn)營(yíng)中完全或部分推出人工智能技術(shù)外，另有39%的受訪者目前正在測(cè)試或試用該技術(shù)。

人工智能正在成為全球制造商和能源公司的關(guān)鍵技術(shù)，物聯(lián)網(wǎng)分析預(yù)測(cè)，工業(yè)人工智能解決方案市場(chǎng)將呈現(xiàn)出35%的強(qiáng)勁疫情后復(fù)合年增長(zhǎng)率（CAGR），到2026年，市場(chǎng)規(guī)模將達(dá)到1021.7億美元。

數(shù)字化時(shí)代催生了物聯(lián)網(wǎng)的產(chǎn)生。可見(jiàn)，人工智能的出現(xiàn)加快了物聯(lián)網(wǎng)發(fā)展的步伐。

今天我們就來(lái)盤(pán)點(diǎn)一下推動(dòng)工業(yè)AI和AIoT興起的因素有哪些。

驅(qū)動(dòng)因素1：

越來(lái)越多用于工業(yè)AIoT的軟件工具

2019年，當(dāng)物聯(lián)網(wǎng)分析開(kāi)始覆蓋工業(yè)AI領(lǐng)域時(shí)，運(yùn)營(yíng)技術(shù)（OT）供應(yīng)商提供的專用AI軟件產(chǎn)品很少。從那時(shí)起，許多OT供應(yīng)商通過(guò)為工廠車間開(kāi)發(fā)和提供AI平臺(tái)形式的AI軟件解決方案進(jìn)入AI市場(chǎng)。

據(jù)數(shù)據(jù)顯示，近400家供應(yīng)商提供AIoT軟件。在過(guò)去兩年中，加入工業(yè)AI市場(chǎng)的軟件供應(yīng)商數(shù)量大幅增加。在研究期間，IoT Analytics確定了634家為制造商/工業(yè)客戶提供AI技術(shù)的供應(yīng)商。在這些公司中，有389家（61.4%）提供人工智能軟件。

新的AI軟件平臺(tái)專注于工業(yè)環(huán)境。除了Uptake、Braincube或C3 AI等軟件擴(kuò)容之外，越來(lái)越多的運(yùn)營(yíng)技術(shù)（OT）供應(yīng)商正在提供專用的AI軟件平臺(tái)。例如ABB的Genix工業(yè)分析和AI套件，羅克韋爾自動(dòng)化的FactoryTalk創(chuàng)新套件，施耐德電氣的自主生產(chǎn)顧問(wèn)平臺(tái)以及最近的特定附加組件等。其中一些平臺(tái)針對(duì)廣泛的用例。例如，ABB的Genix平臺(tái)提供高級(jí)分析，包括預(yù)先構(gòu)建的應(yīng)用程序和服務(wù)，用于運(yùn)營(yíng)績(jī)效管理，資產(chǎn)完整性，可持續(xù)性和供應(yīng)鏈效率。

大企業(yè)正在將其人工智能軟件工具產(chǎn)品運(yùn)用到車間。

人工智能軟件工具可用性的提高也離不開(kāi)AWS，微軟和谷歌在內(nèi)的超大規(guī)模企業(yè)所新開(kāi)發(fā)的特定于用例的軟件工具。例如，在2020年12月，AWS發(fā)布了Amazon SageMaker JumpStart，這是Amazon SageMaker的一項(xiàng)功能，為最常見(jiàn)的工業(yè)用例（例如PdM，計(jì)算機(jī)視覺(jué)和自動(dòng)駕駛）提供了一套預(yù)構(gòu)建和可定制的解決方案，只需點(diǎn)擊幾下即可部署。

特定于用例的軟件解決方案正在推動(dòng)可用性的提高。

特定于用例的軟件套件，例如專注于預(yù)測(cè)性維護(hù)的軟件套件，正變得越來(lái)越普遍。IoT Analytics觀察到，由于數(shù)據(jù)源種類的增加和預(yù)訓(xùn)練模型的使用，以及數(shù)據(jù)增強(qiáng)技術(shù)的廣泛采用，使用基于AI的產(chǎn)品數(shù)據(jù)管理（PdM）軟件解決方案的提供商數(shù)量在2021年初上升至73家。

驅(qū)動(dòng)因素2：

正在簡(jiǎn)化的人工智能解決方案的開(kāi)發(fā)和維護(hù)

自動(dòng)化機(jī)器學(xué)習(xí)(AutoML)正在成為一種標(biāo)準(zhǔn)產(chǎn)品。

由于與機(jī)器學(xué)習(xí)（ML）相關(guān)的任務(wù)非常復(fù)雜，機(jī)器學(xué)習(xí)應(yīng)用程序的快速增長(zhǎng)催生了對(duì)現(xiàn)成機(jī)器學(xué)習(xí)方法的需求，這些方法無(wú)需專業(yè)知識(shí)即可使用。由此產(chǎn)生的研究領(lǐng)域，針對(duì)機(jī)器學(xué)習(xí)的漸進(jìn)自動(dòng)化，被稱為AutoML。各種公司正在利用該技術(shù)作為其AI產(chǎn)品的一部分，以幫助客戶開(kāi)發(fā)ML模型并更快地實(shí)現(xiàn)工業(yè)用例。例如，2020年11月，斯凱孚（SKF）宣布了一項(xiàng)基于AutoML的產(chǎn)品，將機(jī)器過(guò)程數(shù)據(jù)與振動(dòng)和溫度數(shù)據(jù)相結(jié)合，以降低成本，并為客戶實(shí)現(xiàn)新的商業(yè)模式。

機(jī)器學(xué)習(xí)操作（ML Ops）簡(jiǎn)化了模型管理和維護(hù)。

機(jī)器學(xué)習(xí)操作的新學(xué)科旨在簡(jiǎn)化制造環(huán)境中的AI模型維護(hù)。人工智能模型的性能通常會(huì)隨著時(shí)間的推移而下降，因?yàn)樗艿焦S內(nèi)部幾個(gè)因素的影響（例如，數(shù)據(jù)分布和質(zhì)量標(biāo)準(zhǔn)的變化）。因此，模型維護(hù)和機(jī)器學(xué)習(xí)操作已成為滿足工業(yè)環(huán)境高質(zhì)量要求的必要條件（例如，性能低于99%的模型可能無(wú)法識(shí)別危及工人安全的行為）。

近年來(lái)，許多初創(chuàng)公司都加入了ML Ops領(lǐng)域，包括DataRobot，Grid.AI，Pinecone / Zilliz，Seldon和Weights & Biases。老牌公司已經(jīng)將機(jī)器學(xué)習(xí)操作功能添加到他們現(xiàn)有的AI軟件產(chǎn)品中，包括微軟，它在Azure ML Studio中引入了數(shù)據(jù)漂移檢測(cè)。這項(xiàng)新功能使用戶能夠檢測(cè)輸入數(shù)據(jù)分布中導(dǎo)致模型性能下降的變化。

驅(qū)動(dòng)因素3：

被應(yīng)用到現(xiàn)有應(yīng)用程序和用例中的人工智能

傳統(tǒng)軟件提供商正在添加AI功能。

除了現(xiàn)有的大型橫向AI軟件工具（例如MS Azure ML，AWS SageMaker和Google Cloud Vertex AI）之外，傳統(tǒng)軟件套件（例如計(jì)算機(jī)化維護(hù)管理系統(tǒng)（CAMMS），制造執(zhí)行系統(tǒng)（MES）或企業(yè)資源規(guī)劃（ERP））現(xiàn)在可以通過(guò)注入AI功能獲得顯著提升。例如，ERP提供商Epicor Software正在通過(guò)其Epicor虛擬助手（EVA）在其現(xiàn)有產(chǎn)品中添加AI功能。智能EVA代理用于自動(dòng)化ERP流程，例如重新安排制造作業(yè)或執(zhí)行簡(jiǎn)單查詢（例如，獲取有關(guān)產(chǎn)品定價(jià)或可用零件數(shù)量的詳細(xì)信息）。

工業(yè)用例正在通過(guò)使用AIoT進(jìn)行升級(jí)。

通過(guò)向現(xiàn)有硬件/軟件基礎(chǔ)設(shè)施添加AI功能，正在增強(qiáng)幾個(gè)工業(yè)用例。一個(gè)生動(dòng)的例子是質(zhì)量控制應(yīng)用中的機(jī)器視覺(jué)。傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)通過(guò)配備專用軟件的集成或離散計(jì)算機(jī)處理圖像，該軟件評(píng)估預(yù)定的參數(shù)和閾值（例如，高對(duì)比度），以確定物體是否表現(xiàn)出缺陷。在許多情況下（例如，具有不同布線形狀的電子組件），誤報(bào)的數(shù)量非常高。

然而，這些系統(tǒng)正在通過(guò)人工智能復(fù)興。例如，工業(yè)機(jī)器視覺(jué)提供商康耐視（Cognex）于2021年7月發(fā)布了一款新的深度學(xué)習(xí)工具（Vision Pro Deep Learning 2.0）。新工具與傳統(tǒng)視覺(jué)系統(tǒng)集成，使最終用戶能夠在同一應(yīng)用中將深度學(xué)習(xí)與傳統(tǒng)視覺(jué)工具相結(jié)合，以滿足需要精確測(cè)量劃痕、污染和其他缺陷的苛刻醫(yī)療和電子環(huán)境。

驅(qū)動(dòng)因素4：

正在改進(jìn)的工業(yè)AIoT硬件

AI芯片正在迅速改進(jìn)。

嵌入式硬件AI芯片發(fā)展迅速，多種選項(xiàng)可用于支持AI模型的開(kāi)發(fā)和部署。示例包括NVIDIA最新的圖形處理單元（GPU），A30和A10，它們于2021年3月推出，適用于AI用例，例如推薦系統(tǒng)和計(jì)算機(jī)視覺(jué)系統(tǒng)。另一個(gè)例子是谷歌的第四代張量處理單元（TPU），它們是功能強(qiáng)大的專用集成電路（ASIC），可以在特定AI工作負(fù)載（例如，對(duì)象檢測(cè)，圖像分類和推薦基準(zhǔn)）的模型開(kāi)發(fā)和部署中實(shí)現(xiàn)高達(dá)1，000倍的效率和速度。使用專用的AI硬件將模型計(jì)算時(shí)間從幾天縮短到幾分鐘，并且在許多情況下已被證明是游戲規(guī)則的改變者。

強(qiáng)大的AI硬件可通過(guò)按使用量付費(fèi)的模式立即獲得。

超大規(guī)模企業(yè)不斷升級(jí)其服務(wù)器，使計(jì)算資源在云中可用，以便最終用戶能夠?qū)崿F(xiàn)工業(yè)AI應(yīng)用。例如，在2021年11月，AWS宣布其最新的基于GPU的實(shí)例Amazon EC2 G5正式發(fā)布，這些實(shí)例由NVIDIA A10G Tensor Core GPU提供支持，可用于各種ML應(yīng)用程序，包括計(jì)算機(jī)視覺(jué)和推薦引擎。例如，檢測(cè)系統(tǒng)提供商 Nanotronics利用其基于 AI的質(zhì)量控制解決方案的 Amazon EC2 實(shí)例來(lái)加快加工工作，并在微芯片和納米管的制造中實(shí)現(xiàn)更準(zhǔn)確的檢測(cè)率。

結(jié)論與展望

人工智能即將出廠，它將普遍存在于新的應(yīng)用中，例如基于AI的PdM，并作為現(xiàn)有軟件和用例的增強(qiáng)。大型企業(yè)正在推出幾個(gè)人工智能用例并報(bào)告成功案例，大多數(shù)項(xiàng)目的投資回報(bào)率都很高?？偠灾?，云、物聯(lián)網(wǎng)平臺(tái)和強(qiáng)大的AI芯片的興起為新一代軟件和優(yōu)化提供了一個(gè)平臺(tái)。