将AI技术融入工业场景，推动新一代工业智能发展

中国软件网 为你带来最新鲜的行业干货

本文作者：欧应刚

12月1日，由美国NSF智能维护系统中心（IMS）和北京天泽智云科技有限公司联合主办的2017未来工业智能峰会暨天泽智云GenPro发布会召开，以美国IMS中心主任李杰教授、中国工程院院士李伯虎院士为首的众多专家学者和产业界人士共聚一堂，探讨我国工业智能的未来发展趋势，分享推动工业智能方案落地的实践经验。

笔者有幸参加该峰会，收获颇多，也引发了一些思考。诚然，我国工业智能迎来了难得的发展机遇，同时也存在诸多阻碍产业发展的问题。在这样的形式下，寻找创新的工业智能发展理论及解决方案就成了当务之急。

本文试图梳理我国工业智能发展的机遇与挑战，并以天泽智云此次发布的产品为例，解读创新工业智能解决方案的可能途径。

工业智能迎来难得的发展机遇

工业智能的发展，是关乎整个国民经济的大事，需要从国家层面进行总体布局。鉴于中国的特殊国情，工业领域的产业升级具有重要的战略意义，是中国由工业大国变成工业强国的关键。随着《中国智能制造发展规划（2016-2020）》的出台和智能制造试点示范项目的展开，以智能制造为代表的工业智能产业将迎来巨大的发展机遇。目前北京市、广东省、山东省、湖南省均已经出现不同形式的智能制造产业投资基金，预计2017年智能制造产业基金产业总体规模将超过1000亿元，成为工业智能产业发展的重要推动力。

另一方面，推动工业智能发展的先决条件是技术的发展，尤其是与工业互联网高度相关的一些技术的成熟。工业智能技术体系庞大，涵盖信息通信技术、电工电子及微系统技术、生产技术及机械工程自动化、管理及物流技术等。以AI、物联网、大数据、云计算等为代表的新一代信息技术，以人机协作、机器人为代表的新型制造技术，逐渐呈现多点突破、交叉融合的趋势，为工业智能的发展进行了丰富的技术储备。

工业智能依然面临诸多技术和业务挑战

在迎来巨大历史机遇的同时，我国工业智能的发展也面临诸多挑战和难题。

首先就是技术上的挑战。与消费领域不同，工业互联网本身是一个融合的体系，并且工业体系对安全尤为关注，因此对系统的稳定性和可靠性有很高的要求。整体上来讲，我国工业智能产业强调智能生产和智能制造服务，忽视智能管理、智能设计以及智能售后服务。工业智能的某些核心技术还处于实验室阶段，制约了产业化进程。在目前的市场上，有两类技术供应商，并且各有优劣：大型技术供应商大多提供成套的技术解决方案，这类方案给工业企业造成了较高的改造成本；中小型技术供应商能提供更灵活的方案，但难以提供匹配度高的工业智能技术和管理模块，不能很好的满足工业企业的需求。

工业智能是建立在人工智能、云计算、物联网以及工业机器人等一大批高新技术的综合运用上，找寻合适的技术源来改造企业生产模式成为工业智能能否成功的关键要素。目前来看，这些关键技术的具体发展路径还不够清晰，对应标准规范尚未统一，造成不同厂商产品间兼容性较差，集成难度高。

另外，与传统互联网相比，工业互联网架构体系存在很大的不同。传统互联网追求的是高可用、高性能、高可靠等，其服务的可复制性、可扩展性较强。与之相比，工业互联网大多时候面临的是比较确定的工业场景，不太可能通过弹性扩展的方式来复制其他场景的服务能力。在工业互联网领域，应该采用CPS（信息物理系统）的架构，基于物理实体去做关联性的服务。

此外，对于工业互联网而言，异构网络的融合尤为关键。工业互联网由多种异构网络组成，异构网络间的融合性成为工业智能发展的基础。工业互联网是实现设备、产品、人等互联互通的多种异构网络的集中组网，是网络的网络。工业互联网中的异构网络既包括RFID、WiFi、蜂窝网等，不同异构网络间在网络架构、参考框架、数据结构、应答机制、寻址方式等通信协议内容方面具有较大差异。如果异构网络间的融合问题解决不了，工业大数据的交互、存储和挖掘等都将受到限制，工业智能的发展也会受到很大的阻碍。

除了技术，要实现高效的工业智能，需要用智能技术解决真实的工业问题。因此，必须对工业本身的业务特点给予足够的关注。工业行业具有需求多样化的特点，工业智能解决方案需要面对不同行业、不同工作环境、不同标准，这对工业智能方案提出了多样化要求。不同行业甚至不同企业，其需求又具有很多特性，这就对工业智能提出了较高的定制化需求。工业环境的多样性和需求的定制化，给工业智能解决方案提出了很高的要求，是工业智能厂商面临的一大挑战。

追本溯源，建立全新工业智能理论体系

面对上述谈到的诸多问题和挑战，需要从理论上和实践上提出新的方案。在这次峰会上，笔者了解到李杰教授及其团队发表了三本书——《工业大数据》、《从大数据到智能制造》、《CPS：新一代工业智能》，这三本书层层递进，建立了完整的工业智能理论体系。

在《工业大数据》一书中，李杰教授提出“煎蛋模型”产品设计思路，“蛋黄”代表产品制造的核心知识（5M），“蛋白”则代表服务衍生的价值（6C），5M和6C之间并不能天然建立联系，缺少了最重要的环节——建模。

在《从大数据到智能制造》一书中，李杰教授提出从大数据到智能制造最核心的部分是“问题-数据-知识”之间的关系：从问题中不断获得数据，再利用建模的方式从数据中获得知识，之后再反馈到问题域里去解决或者避免问题。这三者间如果可以循环迭代，就能够产生一个新的生态。产品对应数据，知识的载体就是模型。从产品到模型之间，如果能够建立模型，就相当于它们之间可以互为镜像，相互的迭代。

在《CPS：新一代工业智能》一书中，李杰教授提出CPS代表从实际空间到赛博空间的映射。赛博空间和实体空间之间也并不是天然连接，中间的GAP需要用CPS的5C架构来填补：从数据的接入端，到数据到特征的转化，再到中间的赛博层次的建模，之后认知，再到最后的执行，在此过程中最核心的一层也是建模。

可以看出，在李杰教授构建的工业智能理论体系中，以建模为核心的AI技术扮演关键作用。以智能建模为基础，李杰教授建立起一整套的工业智能理论。优秀的理论是实践的导师，李杰教授及其团队建立的理论为实践打下了坚实的基础。

创新实践，致力于实现无忧工业愿景

再好的理论也必须接受实践的检验，才能逐步完善。并且，要在工业领域产生实际的价值，要能解决实际的工业问题。为此，必须要有实用的工业智能产品和解决方案，作为理论的载体。为此，天泽智云基于李杰教授理论开发出相应的工业智能产品GenPro, GenPro整合了工业知识、建模方法和计算机科学技术，打通了计算机、工业领域知识与数据建模分析之间的壁垒，从根本上解决工业企业智能化转型中的问题，并通过大量的工业项目实践不断获得优化，获得了广大用户的好评。

工业智能技术门槛较高，工业级产品对数字技术、智能技术、网络技术等要求很高，整体研发耗时较长。我国现有工业智能技术大多掌握在部分科研机构手中，而多数研究机构过于独立封闭，同一技术重复研究，浪费大量的研发经费和研发时间。天泽智云推出的GenPro，能很好的解决上述难题。GenPro基于CPS算法架构设计，实现快速的工业场景化能力。以CPS框架为导向的专业工业数据分析模块化设计，不仅可以支持边缘计算、云计算，而且也可以满单体设备或集群对象的建模分析，降低实施工业智能的难度。对于实现工业智能，工业场景化是非常重要的一环。GenPro平台拥有功能强大完备的数据预处理功能组件，帮助用户快速实现工业数据场景化，为用户提供具有行业特征的牵引式分析，缩短工业智能应用研发和部署的周期。

李杰教授认为，技术和商业价值要协同发展。中国的最大问题是在考虑商业价值的时候往往只考虑短期的价值，这其实导致了中国的技术红利积累不足。工业智能中的各类核心技术，如传感器技术、物联网、云计算、控制器、和3D打印等技术都可以找到相应的供应商，但是仅仅引进这些技术还是远远不够的，因为其中最核心的两个部分，智能化的数据分析以及模式的创新是需要修炼的内功，而这恰恰是中国工业企业最欠缺的。工业智能可以帮助中国去解决甚至避免以往不可见的问题，进一步减少制造成本和提升产品质量，也可以帮助企业去发掘用户不可见的需求，从产品创值的角度提升中国制造的竞争力。工业智能技术和产业的发展，是中国整个工业产业升级的关键，李杰教授及其团队致力于推动中国工业智能的发展，最终实现无忧工业愿景。

中国软件网

专注有深度的

互联网软件趋势分析