四大因素促使工業(yè)AIoT成“新寵”

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報告》的數(shù)據(jù)，在兩年多的時間里，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%的受訪者在其運營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，工業(yè)人工智能解決方案市場將呈現(xiàn)出35%的強勁疫情后復(fù)合年增長率（CAGR），到2026年，市場規(guī)模將達(dá)到1021.7億美元。

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

今天我們就來盤點一下推動工業(yè)AI和AIoT興起的因素有哪些。

驅(qū)動因素1：

越來越多用于工業(yè)AIoT的軟件工具

2019年，當(dāng)物聯(lián)網(wǎng)分析開始覆蓋工業(yè)AI領(lǐng)域時，運營技術(shù)（OT）供應(yīng)商提供的專用AI軟件產(chǎn)品很少。從那時起，許多OT供應(yīng)商通過為工廠車間開發(fā)和提供AI平臺形式的AI軟件解決方案進(jìn)入AI市場。

據(jù)數(shù)據(jù)顯示，近400家供應(yīng)商提供AIoT軟件。在過去兩年中，加入工業(yè)AI市場的軟件供應(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軟件平臺專注于工業(yè)環(huán)境。除了Uptake、Braincube或C3 AI等軟件擴容之外，越來越多的運營技術(shù)（OT）供應(yīng)商正在提供專用的AI軟件平臺。例如ABB的Genix工業(yè)分析和AI套件，羅克韋爾自動化的FactoryTalk創(chuàng)新套件，施耐德電氣的自主生產(chǎn)顧問平臺以及最近的特定附加組件等。其中一些平臺針對廣泛的用例。例如，ABB的Genix平臺提供高級分析，包括預(yù)先構(gòu)建的應(yīng)用程序和服務(wù)，用于運營績效管理，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)品運用到車間。

人工智能軟件工具可用性的提高也離不開AWS，微軟和谷歌在內(nèi)的超大規(guī)模企業(yè)所新開發(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的一項功能，為最常見的工業(yè)用例（例如PdM，計算機視覺和自動駕駛）提供了一套預(yù)構(gòu)建和可定制的解決方案，只需點擊幾下即可部署。

特定于用例的軟件解決方案正在推動可用性的提高。

特定于用例的軟件套件，例如專注于預(yù)測性維護的軟件套件，正變得越來越普遍。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)動因素2：

正在簡化的人工智能解決方案的開發(fā)和維護

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

由于與機器學(xué)習(xí)（ML）相關(guān)的任務(wù)非常復(fù)雜，機器學(xué)習(xí)應(yīng)用程序的快速增長催生了對現(xiàn)成機器學(xué)習(xí)方法的需求，這些方法無需專業(yè)知識即可使用。由此產(chǎn)生的研究領(lǐng)域，針對機器學(xué)習(xí)的漸進(jìn)自動化，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，以幫助客戶開發(fā)ML模型并更快地實現(xiàn)工業(yè)用例。例如，2020年11月，斯凱孚（SKF）宣布了一項基于AutoML的產(chǎn)品，將機器過程數(shù)據(jù)與振動和溫度數(shù)據(jù)相結(jié)合，以降低成本，并為客戶實現(xiàn)新的商業(yè)模式。

機器學(xué)習(xí)操作（ML Ops）簡化了模型管理和維護。

機器學(xué)習(xí)操作的新學(xué)科旨在簡化制造環(huán)境中的AI模型維護。人工智能模型的性能通常會隨著時間的推移而下降，因為它受到工廠內(nèi)部幾個因素的影響（例如，數(shù)據(jù)分布和質(zhì)量標(biāo)準(zhǔn)的變化）。因此，模型維護和機器學(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%的模型可能無法識別危及工人安全的行為）。

近年來，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。這項新功能使用戶能夠檢測輸入數(shù)據(jù)分布中導(dǎo)致模型性能下降的變化。

驅(qū)動因素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（例如計算機化維護管理系統(tǒng)（CAMMS），制造執(zhí)行系統(tǒng)（MES）或企業(yè)資源規(guī)劃（ERP））現(xiàn)在可以通過注入AI功能獲得顯著提升。例如，ERP提供商Epicor Software正在通過其Epicor虛擬助手（EVA）在其現(xiàn)有產(chǎn)品中添加AI功能。智能EVA代理用于自動化ERP流程，例如重新安排制造作業(yè)或執(zhí)行簡單查詢（例如，獲取有關(guān)產(chǎn)品定價或可用零件數(shù)量的詳細(xì)信息）。

工業(yè)用例正在通過使用AIoT進(jìn)行升級。

通過向現(xiàn)有硬件/軟件基礎(chǔ)設(shè)施添加AI功能，正在增強幾個工業(yè)用例。一個生動的例子是質(zhì)量控制應(yīng)用中的機器視覺。傳統(tǒng)的機器視覺系統(tǒng)通過配備專用軟件的集成或離散計算機處理圖像，該軟件評估預(yù)定的參數(shù)和閾值（例如，高對比度），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），誤報的數(shù)量非常高。

然而，這些系統(tǒng)正在通過人工智能復(fù)興。例如，工業(yè)機器視覺提供商康耐視（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)視覺工具相結(jié)合，以滿足需要精確測量劃痕、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，多種選項可用于支持AI模型的開發(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)和計算機視覺系統(tǒng)。另一個例子是谷歌的第四代張量處理單元（TPU），它們是功能強大的專用集成電路（ASIC），可以在特定AI工作負(fù)載（例如，對象檢測，圖像分類和推薦基準(zhǔn)）的模型開發(fā)和部署中實現(xiàn)高達(dá)1，000倍的效率和速度。使用專用的AI硬件將模型計算時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。

強大的AI硬件可通過按使用量付費的模式立即獲得。

超大規(guī)模企業(yè)不斷升級其服務(wù)器，使計算資源在云中可用，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的實例Amazon EC2 G5正式發(fā)布，這些實例由NVIDIA A10G Tensor Core GPU提供支持，可用于各種ML應(yīng)用程序，包括計算機視覺和推薦引擎。例如，檢測系統(tǒng)提供商 Nanotronics利用其基于 AI的質(zhì)量控制解決方案的 Amazon EC2 實例來加快加工工作，并在微芯片和納米管的制造中實現(xiàn)更準(zhǔn)確的檢測率。

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。大型企業(yè)正在推出幾個人工智能用例并報告成功案例，大多數(shù)項目的投資回報率都很高?？偠灾?strong>云、物聯(lián)網(wǎng)平臺和強大的AI芯片的興起為新一代軟件和優(yōu)化提供了一個平臺。