AIoT 是近兩年來(lái)的一個(gè)熱門關(guān)鍵詞。

看兩組數(shù)據(jù)：根據(jù)市場(chǎng)調(diào)查公司 MarketsAndMarkets 統(tǒng)計(jì)報(bào)告，AIoT 自 2017 年首次提出，到 2019 年全球市場(chǎng)規(guī)模達(dá)到了 51 億美元，以此預(yù)估，到 2024 年還將增長(zhǎng)至 162 億美元；麥肯錫則更為大膽，據(jù)其預(yù)計(jì)，到 2025 年，全球 AIoT 市場(chǎng)規(guī)模將達(dá)到 11.2 萬(wàn)億美元。

這樣的搶眼數(shù)據(jù)自然引來(lái)大量玩家加入 AIoT 產(chǎn)業(yè)鏈賽道，除了原來(lái)在物聯(lián)網(wǎng)領(lǐng)域的企業(yè)之外，博世作為傳統(tǒng)工業(yè)巨頭代表，在今年也宣布把 AIoT 作為 2025 年發(fā)展戰(zhàn)略——目標(biāo)是到 2025 年，讓博世的每款產(chǎn)品都帶有 AI 功能，或者在開發(fā)和生產(chǎn)過(guò)程中運(yùn)用 AI 技術(shù)。

博世此舉讓更多的傳統(tǒng)制造企業(yè)看到并開始關(guān)注 AIoT 的概念及其背后的價(jià)值。通過(guò) AI 與 IoT 的結(jié)合，AIoT 追求的是“萬(wàn)物智聯(lián)”，對(duì)于工業(yè)領(lǐng)域來(lái)說(shuō)，這意味著更多可能性，比如提升生產(chǎn)效率、改善良品率、加快產(chǎn)線部署、實(shí)現(xiàn)柔性生產(chǎn)等等。換句話說(shuō)，在工業(yè)領(lǐng)域，AIoT 是一件雪中送炭而不是錦上添花的事情，所以，相較于消費(fèi)領(lǐng)域，AIoT 反而在工業(yè)領(lǐng)域受到越來(lái)越多的關(guān)注。

但是，熱鬧之余也有企業(yè)提出 AIoT 離自己還非常遙遠(yuǎn)，基礎(chǔ)信息化、工業(yè)自動(dòng)化、工業(yè)物聯(lián)網(wǎng)才是眼下的核心任務(wù)。其實(shí)這背后投射出的，仍然是我國(guó)工業(yè)企業(yè)發(fā)展階段的差異化。

那么，對(duì)于這樣一個(gè)被市場(chǎng)認(rèn)為是未來(lái)必然趨勢(shì)的理念，不同發(fā)展程度的企業(yè)，如何做到既不盲從又不掉隊(duì)、適當(dāng)加碼又不浪費(fèi)資源、補(bǔ)短板的同時(shí)加速趕超？圍繞這些問題，InfoQ 采訪了清華大學(xué)智能制造顧問 / 原北重汽輪 CIO 歐陽(yáng)亮老師。

以下內(nèi)容根據(jù) InfoQ 與歐陽(yáng)亮老師的對(duì)話編輯整理，以饗讀者：

AIoT 投產(chǎn)比受生產(chǎn)規(guī)模影響， 不是每個(gè)企業(yè)每個(gè)場(chǎng)景都合適

InfoQ：您怎么理解 AIoT 這個(gè)概念？

歐陽(yáng)亮：AI 和 IoT 過(guò)去實(shí)際上是兩個(gè)獨(dú)立的概念，但現(xiàn)在，從技術(shù)角度來(lái)說(shuō)，它們正在逐漸融合。舉例來(lái)說(shuō)，在原來(lái)一些 IoT 的應(yīng)用場(chǎng)景，基于數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)分析，加上一些智能化的模塊，大體上就可以理解為是 AIoT。但是，它的具體應(yīng)用效果需要根據(jù)業(yè)務(wù)需求，經(jīng)過(guò)一步步迭代才能逐步改善。

InfoQ：具體來(lái)說(shuō)，AIoT 在工業(yè)領(lǐng)域有哪些主要的應(yīng)用場(chǎng)景？

歐陽(yáng)亮： 我現(xiàn)在接觸的企業(yè)基本上是點(diǎn)狀的應(yīng)用比較多。

比如某發(fā)動(dòng)機(jī)制造商，他們正在嘗試把一些智能化功能嵌入到新的柴油機(jī)中，從而采集柴油機(jī)的一些技術(shù)參數(shù)，實(shí)現(xiàn)預(yù)測(cè)性維護(hù)這樣的目的。

另一個(gè)比較有意思的案例，是國(guó)內(nèi)的某茶廠，他們想把制茶的過(guò)程變得更加標(biāo)準(zhǔn)化和智能化。一般來(lái)說(shuō)，制茶工藝需要經(jīng)過(guò)采摘、晾青、炒青、揉捻、悶堆、發(fā)酵、干燥等環(huán)節(jié)，以前茶產(chǎn)業(yè)的標(biāo)準(zhǔn)化比較低，這些環(huán)節(jié)基本上是依賴?yán)蠋煾档慕?jīng)驗(yàn)去完成。比如，揉捻的過(guò)程需要根據(jù)環(huán)境氣溫等氣候條件，判斷揉茶機(jī)滾動(dòng)的次數(shù)、頻率等等，發(fā)酵的程度需要靠手摸、鼻聞甚至嘴嘗。

雖然在這之前，這個(gè)茶廠通過(guò)固定標(biāo)準(zhǔn)做了一些程序化的改進(jìn)，比如，什么氣溫條件下要?dú)⑶喽嚅L(zhǎng)時(shí)間、揉捻多長(zhǎng)時(shí)間、發(fā)酵多長(zhǎng)時(shí)間等等。但是，由于制茶的品質(zhì)受到環(huán)境、氣候等條件的影響特別大，粗略的程序化很難達(dá)到高品質(zhì)的制茶標(biāo)準(zhǔn)。這時(shí)候，就需要引入傳感器、數(shù)據(jù)分析、人工智能等技術(shù)。

舉例來(lái)說(shuō)，通過(guò)在滾筒殺青機(jī)里裝入傳感器，一方面可以測(cè)滾筒里的溫度、濕度，另一方面還可以通過(guò)轉(zhuǎn)動(dòng)的離心力對(duì)茶葉稱重，從而判斷它的失水情況，確定殺青的程度。

另外，AI 質(zhì)量檢測(cè)也是典型的場(chǎng)景，包括檢測(cè)產(chǎn)品本身，也包括有些企業(yè)會(huì)通過(guò)攝像頭對(duì)做流水線上工人的操作進(jìn)行智能識(shí)別、分析、診斷，如果工人的動(dòng)作不夠規(guī)范，可能質(zhì)量就有偏差。

除此之外，能源管理是 AI 應(yīng)用相對(duì)做得比較多、比較好的。因?yàn)槟茉垂芾砩婕暗氖情L(zhǎng)時(shí)間的運(yùn)行，效益主要是體現(xiàn)在能耗的基礎(chǔ)上，傳感器的布置位置也比較標(biāo)準(zhǔn)，整體下來(lái)，它的推廣和落地會(huì)比較順暢。

InfoQ：這些場(chǎng)景有沒有什么共同的特點(diǎn)？對(duì)于傳統(tǒng)企業(yè)來(lái)說(shuō)，是不是每個(gè)場(chǎng)景都適合智能化，會(huì)不會(huì)有些情況下反而人工效率更高？

歐陽(yáng)亮： 場(chǎng)景合不合適有很多問題要考慮。

首先，無(wú)論是機(jī)械化還是智能化，在考慮是否用機(jī)器去替代人工的問題時(shí)，一定要搞清楚你的目的是什么。還拿茶產(chǎn)業(yè)舉例——比如說(shuō)采茶，人工可以分清不同的牙瓣，根據(jù)需要采摘成不同的等級(jí)。但是，機(jī)械是一刀切，很難分辨出來(lái)。如果茶廠想做普通的口糧茶，那可能無(wú)所謂，但如果要做精細(xì)的高端茶，那肯定是有差異的。

其次，成本的考慮也是必不可少的。AIoT 的投入產(chǎn)出比，很多情況下會(huì)和企業(yè)的生產(chǎn)規(guī)模掛鉤。舉例來(lái)說(shuō)，我最近接觸了一個(gè)發(fā)電機(jī)的制造企業(yè)，他們?cè)谥悄芑倪^(guò)程中就遇到了一個(gè)問題——發(fā)電機(jī)并不是規(guī)?；a(chǎn)，一般是單點(diǎn)小批生產(chǎn)，一年可能就做幾臺(tái)，這時(shí)候，它要做智能化就沒有規(guī)模效益——換句話說(shuō)，它的成本均攤下來(lái)就會(huì)很高。

而且，由于機(jī)器數(shù)量有限，其中能采集到的數(shù)據(jù)量也很少。比如，在 AI 典型的應(yīng)用場(chǎng)景——智能維護(hù)，如果采集數(shù)據(jù)不夠，那 AI 就很難判斷機(jī)器出現(xiàn)某一個(gè)問題是個(gè)例還是普遍問題，所以它對(duì)設(shè)備的維護(hù)指導(dǎo)以及設(shè)備性能的提升效果都不明顯。

也就是說(shuō)，企業(yè)在找智能化場(chǎng)景的時(shí)候，還要從自己的現(xiàn)實(shí)情況出發(fā)，要做匹配自己企業(yè)體量和生產(chǎn)規(guī)模的投入。

AIoT 落地最難的是想法的量化、 模型調(diào)優(yōu)和設(shè)備改造

InfoQ：您覺得 AIoT 的落地應(yīng)用，最難的部分是什么？

歐陽(yáng)亮： 最難的是人的想法如何去量化。因?yàn)槊總€(gè)人的感受和經(jīng)驗(yàn)是比較主觀的，比如，牛排要幾成熟，每個(gè)人的標(biāo)準(zhǔn)不一樣；再比如，中醫(yī)診斷講究望聞問切，那么望聞問切的結(jié)果怎么量化，每個(gè)醫(yī)生的標(biāo)準(zhǔn)也不一樣。在這個(gè)過(guò)程中，算法模型的構(gòu)建就會(huì)變成很大的問題。

如果具體到 AIoT 這個(gè)領(lǐng)域，還會(huì)涉及怎么采集數(shù)據(jù)，采集來(lái)的數(shù)據(jù)怎么去歸類，以及算法模型的參數(shù)怎么按照工業(yè)機(jī)理去調(diào)整等等。

以工業(yè)場(chǎng)景的供應(yīng)鏈采購(gòu)為例：訂貨量多少合適，不同階段的訂貨量怎么拆分，面向不同供應(yīng)商的訂貨量如何分配，報(bào)價(jià)均衡點(diǎn)如何把握，決定這些信息的主要是企業(yè)的排產(chǎn)，基于排產(chǎn)計(jì)劃，還可能需要預(yù)留一定的供應(yīng)鏈響應(yīng)時(shí)間。而這整個(gè)過(guò)程會(huì)有很多人為因素的影響，不見得每一個(gè)相關(guān)數(shù)據(jù)都能被采集、記錄并且輸入到模型里頭去。這就會(huì)非常影響算法模型的準(zhǔn)確性和可參考性。

此外，在 AIoT 場(chǎng)景下，企業(yè)需要采集比以往還要更多、更細(xì)的數(shù)據(jù)，這時(shí)候會(huì)出現(xiàn)數(shù)據(jù)堆疊。比方說(shuō)，我們要采集電梯的運(yùn)行數(shù)據(jù)，包括電流、電壓、平穩(wěn)度等等，才能及時(shí)對(duì)電梯做保養(yǎng)、維修，預(yù)防突發(fā)故障。但其實(shí)很多電梯原本自己就有一套傳感器，這些數(shù)據(jù)本來(lái)就是存在的，只不過(guò)它可能是封閉不對(duì)客戶開放的，或者它是老的傳感器，精度達(dá)不到相應(yīng)的標(biāo)準(zhǔn)，這時(shí)候就不得不再裝一套傳感器。

對(duì)工業(yè)企業(yè)來(lái)說(shuō)，也是相似的，傳統(tǒng)制造產(chǎn)線上有大量的老舊設(shè)備，從設(shè)備的采購(gòu)、運(yùn)行到報(bào)廢不是兩三年的時(shí)間，可能是十幾年甚至幾十年，在引入新技術(shù)的時(shí)候就必須做改造。

InfoQ：如果涉及大量的設(shè)備改造，是不是意味著它的經(jīng)濟(jì)性也沒有那么好？

歐陽(yáng)亮： 主要矛盾是這筆錢從哪塊出。對(duì)于企業(yè)來(lái)說(shuō)，投入一筆錢就必須有出處，換句話說(shuō)，就是從哪個(gè)角度去立項(xiàng)。

舉例來(lái)說(shuō)，如果從設(shè)備的維修維護(hù)角度立項(xiàng)就會(huì)比較難，因?yàn)榇蟛糠制髽I(yè)每年在維修維護(hù)方面的投入并不是特別多；而如果從研發(fā)的角度去立項(xiàng)，那就需要管理層領(lǐng)導(dǎo)自上而下有強(qiáng)烈的研發(fā)訴求，通常來(lái)說(shuō)，需要這個(gè)東西有廣泛的應(yīng)用前景和市場(chǎng)機(jī)會(huì)，企業(yè)才愿意去做研發(fā)的立項(xiàng)。

對(duì)于 AIoT 而言，它背后會(huì)涉及很多技術(shù)，包括物聯(lián)網(wǎng)、算法模型、大數(shù)據(jù)等等，所以，它是很大的一個(gè)投入，而且算法研究完了以后，還要用到實(shí)踐中，反復(fù)地迭代，這個(gè)過(guò)程也是漫長(zhǎng)的，很難在短期內(nèi)看到成效。

但國(guó)內(nèi)的大部分企業(yè)還是追求短期效益，這和 AIoT 的落地周期又是相背的。拿模型來(lái)說(shuō)，它一定是數(shù)據(jù)積累越多精準(zhǔn)度越高，但是這一方面需要時(shí)間的積累，另一方面還需要覆蓋面的積累。有時(shí)候，我們的企業(yè)缺乏這種耐心。

所以，是不是要做設(shè)備改造或者落地 AIoT 更多技術(shù)，包括背后的經(jīng)濟(jì)性，需要企業(yè)納入到戰(zhàn)略層面，自上而下、由內(nèi)而外去做全面的考慮，它需要管理層有決心也有耐心。

InfoQ：那對(duì)企業(yè)來(lái)說(shuō)，怎么找到這種長(zhǎng)期投入和短期效益之間的平衡？

歐陽(yáng)亮： 首先，大家需要慢慢從根本上改變這種意識(shí)。其次，可以先做小范圍的投入和試錯(cuò)，慢慢再推廣和迭代。比如剛開始，除了算法以外其他投入不會(huì)太高，拿傳感器來(lái)說(shuō)，市場(chǎng)上現(xiàn)在大部分是自帶藍(lán)牙、存儲(chǔ)、智能化等功能的，只要把它嵌入到指定設(shè)備，能夠輸出數(shù)據(jù)就行；再比如算法模型的投入，剛開始可以做得粗一點(diǎn)、簡(jiǎn)單點(diǎn)，后面再逐漸細(xì)化和優(yōu)化。

而且，現(xiàn)在有一些技術(shù)手段是可以幫助企業(yè)縮短這個(gè)試錯(cuò)周期的，比如說(shuō) 數(shù)字孿生 等等，它可以讓企業(yè)迭代的動(dòng)作更快一點(diǎn)。但話說(shuō)回來(lái)，還有很多基礎(chǔ)工作還是繞不開的，是企業(yè)必須要去做的。

AIoT 沒有捷徑， 該補(bǔ)的 IT 基礎(chǔ)課依舊繞不開

InfoQ：比如說(shuō)什么樣的基礎(chǔ)工作是企業(yè)繞不開的？

歐陽(yáng)亮： 首先，IT 基礎(chǔ)是一定要有的。因?yàn)?AIoT 是底層的東西，它非常注重現(xiàn)場(chǎng)的數(shù)據(jù)管理，這時(shí)候就需要一些基礎(chǔ)技術(shù)做支撐。比如，要做邊緣計(jì)算就一定要有邊緣計(jì)算的網(wǎng)關(guān)、路由，才能把數(shù)據(jù)采集出來(lái)。

與此同時(shí)，對(duì)于工業(yè)企業(yè)來(lái)說(shuō)，最基本的包括 ERP、MES 等等，這些系統(tǒng)中承載了企業(yè)的大量財(cái)務(wù)數(shù)據(jù)、運(yùn)營(yíng)數(shù)據(jù)、管理數(shù)據(jù)、生產(chǎn)數(shù)據(jù)等等，如果沒有這些系統(tǒng)和其中的數(shù)據(jù)，那算法模型就沒法做，邊緣的數(shù)據(jù)即便采集出來(lái)也沒有意義，因?yàn)檫吘墧?shù)據(jù)必須要融入到系統(tǒng)中去做統(tǒng)一分析，才能指導(dǎo)生產(chǎn)、做能源管理、做設(shè)備維護(hù)等等。

再拿工業(yè)互聯(lián)網(wǎng)來(lái)說(shuō)，從某種角度來(lái)看，它實(shí)際上是對(duì) ERP、MES 這些傳統(tǒng)系統(tǒng)的分拆，把它們進(jìn)行 APP 化或者 微服務(wù) 化，通過(guò)篩選把可以開放的數(shù)據(jù)和模型放到里面，再和外部做對(duì)接，實(shí)現(xiàn)信息的共通和交互。所以，在這個(gè)場(chǎng)景下，IT 系統(tǒng)也是非常基礎(chǔ)的工作。

其次，系統(tǒng)的整合也很重要。因?yàn)橐郧昂芏嗥髽I(yè)的系統(tǒng)都是業(yè)務(wù)提需求去實(shí)施的，不同業(yè)務(wù)部門或者業(yè)務(wù)條線又可能提出類似的需求，這就導(dǎo)致企業(yè)上了大量的系統(tǒng)，并且系統(tǒng)之間還是割裂的。

我接觸過(guò)的一個(gè)企業(yè)，他們內(nèi)部總共有 200 多套系統(tǒng)，比如其中僅僅供應(yīng)鏈就有 4 套不同的系統(tǒng)，有管基礎(chǔ)件的、有管配套件的、有管精品件的、還有管核心件的；除此之外，還有 n 套銷售系統(tǒng)、n 套采購(gòu)系統(tǒng)......

這時(shí)候就有兩個(gè)問題，第一，底層的數(shù)據(jù)需要打通，數(shù)據(jù)要統(tǒng)一做梳理；第二，底層數(shù)據(jù)打通后怎么用。這是讓企業(yè)很頭疼的問題，但是必須花時(shí)間去做。

InfoQ：有沒有什么方法或者路徑可以讓企業(yè)快速把基礎(chǔ)打好，把短板補(bǔ)齊？

歐陽(yáng)亮： 其實(shí)現(xiàn)在企業(yè)做起來(lái)已經(jīng)不是很難了，市場(chǎng)上有很多成熟的產(chǎn)品可選，企業(yè)根據(jù)自己的實(shí)際情況做選擇就好。比如，對(duì)于中小企業(yè)來(lái)說(shuō)，可能不需要花重金購(gòu)買國(guó)外的高端 ERP 產(chǎn)品，現(xiàn)在很多國(guó)產(chǎn) ERP 可能更適合國(guó)內(nèi)企業(yè)。因?yàn)樗鼈兪前凑諊?guó)內(nèi)企業(yè)的發(fā)展階段、行業(yè)特點(diǎn)去做設(shè)計(jì)的。

當(dāng)然，如果是大型企業(yè)，可能就要考慮更多的因素，除了通用的軟件，還需要做一些定制化的開發(fā)。這時(shí)候，比較低成本和高效的做法是讓行業(yè)中的第三方去做。雖然很多企業(yè)會(huì)在內(nèi)部養(yǎng)一些專業(yè)的開發(fā)人才，但是一方面是目前市場(chǎng)上這樣的人很少，另一方面，傳統(tǒng)企業(yè)培養(yǎng)出了這些人，流失率非常高。這個(gè)企業(yè)可以去權(quán)衡考量。

總之，一定是要從實(shí)際出發(fā)，把自己核心的能力打造完整，一點(diǎn)點(diǎn)去做，這個(gè)工作其實(shí)沒有太多捷徑可走。

InfoQ：對(duì)于這些真金白銀的投入，從實(shí)際出發(fā)確實(shí)很重要，那企業(yè)怎么才能更精準(zhǔn)地評(píng)估自己的需求，而不是盲目跟風(fēng)呢？

歐陽(yáng)亮： 我們說(shuō) AIoT 是 AI 和 IoT 的結(jié)合，IoT 里面會(huì)涉及網(wǎng)絡(luò)連接能力。但是，拿我們剛剛說(shuō)的茶廠的例子來(lái)說(shuō)，他們使用 4G 網(wǎng)就已經(jīng)夠了，這種情況下就不一定要用 5G 或者立即上云。這就是從實(shí)際出發(fā)。

當(dāng)然，有時(shí)候我覺得企業(yè)做很多事情都是市場(chǎng)逼的。比如，對(duì)于很多中小民營(yíng)企業(yè)來(lái)說(shuō)，要讓自己跟上大企業(yè)的步伐，就要更快地去發(fā)展，這時(shí)候他們的眼界、心態(tài)可能更開放；相反，對(duì)于很多大企業(yè)來(lái)說(shuō)，因?yàn)闆]有太大的市場(chǎng)壓力，對(duì)于新技術(shù)、新趨勢(shì)的反應(yīng)反倒比較慢。

這就是為什么轉(zhuǎn)型期特別考驗(yàn)企業(yè)的戰(zhàn)略眼光的原因，大多數(shù)企業(yè)是市場(chǎng)倒逼，不是主動(dòng)變革，但要實(shí)現(xiàn)突破，主動(dòng)變革又是必須的。

編輯：黃飛

?