雖然人工智能已經(jīng)火得一塌糊涂，但在過去的一段時間內(nèi)，它與工業(yè)物聯(lián)網(wǎng)（IIoT）結(jié)合的重要性卻仍未能得到應(yīng)有的重視。

據(jù)預(yù)計，物聯(lián)網(wǎng)技術(shù)的市場價值將在2015年至2020年內(nèi)達到6萬億美元，但不可思議的是，這樣一個“香餑餑”卻在當下的技術(shù)風口中遇冷。甚至，人工智能、區(qū)塊鏈這樣一些概念和技術(shù)在風頭上也已經(jīng)蓋過了物聯(lián)網(wǎng)。

對此，近來逐漸有專家開始提出，如果沒有IIoT作為根基，人工智能將缺少非常重要的立足之地。他們表示，人工智能的應(yīng)用需要大量的數(shù)據(jù)，而僅依靠機器學習和人工智能本身的技術(shù)，要想充分挖掘數(shù)據(jù)的價值是非常難的。

沒有了數(shù)據(jù)，也就沒有了人工智能； 而物聯(lián)網(wǎng)的價值，則在于提供海量數(shù)據(jù)。在消費品領(lǐng)域，物聯(lián)網(wǎng)常常被定義為智能音箱或者智能冰箱等實際產(chǎn)品。但著眼于工業(yè)，物聯(lián)網(wǎng)的工業(yè)化應(yīng)用顯然要比消費級更具規(guī)模也更為復雜。

通過將聯(lián)網(wǎng)傳感器技術(shù)整合至工業(yè)流程中，工業(yè)物聯(lián)網(wǎng)能夠收集生產(chǎn)線和供應(yīng)鏈中實時產(chǎn)生的數(shù)據(jù)，再結(jié)合人工智能進行數(shù)據(jù)分析和決策，這將在工業(yè)領(lǐng)域帶來巨大影響。

據(jù)統(tǒng)計，到2021年全球物聯(lián)網(wǎng)設(shè)備所將創(chuàng)造的數(shù)據(jù)總量將達到每年847 ZB，這遠高于2016年全年產(chǎn)生的數(shù)據(jù)量（218 ZB）。普華永道數(shù)字化供應(yīng)鏈戰(zhàn)略負責人Jens Wunderlin表示：“物聯(lián)網(wǎng)最基本的特點在于提供一種連接技術(shù)，確保我們能夠從任何對象當中實時獲取特定數(shù)據(jù)。但接下來的問題是——我們該如何處理這些數(shù)據(jù)，以及如何在業(yè)務(wù)場景中落地，從而推動企業(yè)自身的運營。”

▲普華永道數(shù)字化供應(yīng)鏈戰(zhàn)略負責人Jens Wunderlin

而解決辦法就是，將人工智能技術(shù)引入工業(yè)，由它來處理工業(yè)物聯(lián)網(wǎng)生成的大量數(shù)據(jù)。

Wunderlin介紹，這樣的案例已經(jīng)“無處不在”。在工業(yè)設(shè)計流程當中，由機器學習驅(qū)動的預(yù)測能力，將推動工業(yè)自動化的發(fā)展，同時在很大程度上降低成本。舉例來說，通過人工智能與智能傳感器的結(jié)合，系統(tǒng)不僅能夠預(yù)測機器與設(shè)備何時何地需要接受高精度維護，同時還可以根據(jù)實際生產(chǎn)需求快速響應(yīng)，并調(diào)整產(chǎn)量。而隨著設(shè)備停機時間的縮短，整個生產(chǎn)線的流程優(yōu)化效果也將產(chǎn)生巨大的實際價值。與此同時，整個供應(yīng)鏈中的聯(lián)網(wǎng)設(shè)備所產(chǎn)生的實時數(shù)據(jù)，也將為機器學習與預(yù)測分析提供大量具有參考價值的信息。

“當企業(yè)能夠?qū)崿F(xiàn)對整個全生命生產(chǎn)周期的預(yù)測，就會發(fā)現(xiàn)其中存在著大量的獲益空間。其中的關(guān)鍵在于確定哪些領(lǐng)域擁有實際層面的投資意義，以及哪些領(lǐng)域能夠強化自身的差異化優(yōu)勢。”Wunderlin指出。

無論企業(yè)已經(jīng)或者計劃將人工智能與工業(yè)物聯(lián)網(wǎng)技術(shù)引入生產(chǎn)制造中，不可避免的是，在具體的實踐過程中，企業(yè)都將面臨一系列挑戰(zhàn)，而這些挑戰(zhàn)需要新的領(lǐng)導思維來克服。

普華永道英國通用電氣聯(lián)盟負責人MarTIn Musk表示：“目前的主要問題在于，企業(yè)的很多舉措都以技術(shù)為主導。然而，多數(shù)擁有大規(guī)模內(nèi)部工程體系與制造專業(yè)知識的企業(yè)，面臨的挑戰(zhàn)實際上來自文化層面。”

▲普華永道英國通用電氣聯(lián)盟負責人MarTIn Musk

Musk提到，此類企業(yè)在起步階段往往面臨嚴重的“抵觸情緒”，比如已經(jīng)擁有豐富日常工作經(jīng)驗的工程師們并不相信數(shù)據(jù)呈現(xiàn)出的“真相”，因此拒絕根據(jù)數(shù)據(jù)結(jié)果進行工作。“因此，我們必須證明人工智能足以幫助最具經(jīng)驗的從業(yè)者以新的方式增加價值，并通過數(shù)據(jù)來幫他們分擔大量工作。”Musk解釋說。

通用電氣公司的業(yè)務(wù)涵蓋了公共事業(yè)、電力、石油與天然氣、可再生能源以及工業(yè)領(lǐng)域各類制造、產(chǎn)品與服務(wù)等等，要在這么多的層面推進工業(yè)物聯(lián)網(wǎng)應(yīng)用是非常難的。對此，Musk認為，企業(yè)需要將更多的商業(yè)視角與技術(shù)解決方案結(jié)合起來，才能真正實現(xiàn)預(yù)期的技術(shù)收益。

“從領(lǐng)導者的角度來看，這要求他們充分了解企業(yè)全面數(shù)字化的發(fā)展前景、了解其中潛在的影響與風險，同時還要據(jù)此考慮組織、人員以及技術(shù)等方面的協(xié)同和調(diào)整。比如說，他們需要考慮如何以全新的思維方式進行組織結(jié)構(gòu)調(diào)整，同時打破員工對新技術(shù)所能帶來的實際商業(yè)利益的質(zhì)疑。”Musk表示。

當然，這一切都要求企業(yè)根據(jù)自己的情況，進行一定程度的內(nèi)部調(diào)整。目前，以及在未來的一段時間里，技術(shù)與數(shù)據(jù)“文盲”狀況在企業(yè)當中仍將持續(xù)存在，而人工智能及技術(shù)解決方案在供應(yīng)和需求之間的錯位問題也將依舊嚴峻。

對此，Wunderlin指出，當人們談?wù)摂?shù)據(jù)分析與人工智能時，往往會將其視為一種能夠“立竿見影”的技術(shù)。他們認為，只要擁有一套數(shù)據(jù)，再將其交付給機器，就可以得到完美的解決方案和決策指導。這樣的“美好愿景”也許未來可能會實現(xiàn)，但目前的情況還遠非如此，至少還需要配合專家見解才能得到理想的結(jié)果。

除此之外，企業(yè)面臨的第二大挑戰(zhàn)則是數(shù)據(jù)的質(zhì)量問題。如果一臺機器想要執(zhí)行預(yù)測任務(wù)，就需要一個原因與一項結(jié)果。回到預(yù)測性維護的例子，傳感器可能會檢測到設(shè)備中存在的一項故障，而我們需要將數(shù)據(jù)進行分解并重新傳輸回機器，以便其通過分析理解哪個變量導致了這種即將發(fā)生的問題。

Wunderlin解釋稱：“對于一臺機器而言，要真正解決問題，其首先需要獲得質(zhì)量極高的數(shù)據(jù)。”

因此，目前企業(yè)需要回答的關(guān)鍵問題包括：

在正確的位置是否都部署了合適的傳感器？

存儲的數(shù)據(jù)是否具有足夠的質(zhì)量，是否可用于預(yù)測分析？

是否擁有執(zhí)行相關(guān)分析所需要的全部正確信息？

Wunderlin總結(jié)：“真正的挑戰(zhàn)在于如何將正確的人員與正確的數(shù)據(jù)聯(lián)系起來。雖然很多企業(yè)在基礎(chǔ)層面已經(jīng)取得了一定成功，但一旦涉及更為復雜、甚至包含數(shù)以千計傳感器乃至更多潛在事件的場景，企業(yè)往往很難調(diào)整數(shù)據(jù)并找到其中的正確模式。”

當然，技術(shù)確實是保障任何人工智能或工業(yè)物聯(lián)網(wǎng)項目得以成功落地的主要因素，但總體來講，企業(yè)所采取的實際方案才決定著技術(shù)手段的實際效果。除了擁有世界上最出色的分析軟件，企業(yè)還需具備一支精通數(shù)據(jù)的團隊并愿意為此投入心力，否則有可能讓所有的努力最終一無所獲。

“大家需要考慮將企業(yè)戰(zhàn)略、人員結(jié)構(gòu)、技術(shù)等不同的部分結(jié)合起來以實現(xiàn)數(shù)字化目標，而非單純認定‘采用一些有趣的新技術(shù)即可帶來價值’的見解。必須承認的是，業(yè)務(wù)主導的人工智能與工業(yè)物聯(lián)網(wǎng)方法將能為每個人帶來助益，并幫助企業(yè)更快實現(xiàn)由技術(shù)創(chuàng)造的實際價值，但最根本的決定性因素仍然在于企業(yè)自身及其領(lǐng)導者的戰(zhàn)略思維及執(zhí)行方式。”Musk表示。