工業互聯網行至深水區，落地的路要怎么走？

原創贊收藏評論

舉報 2022-07-28

掃描,分享朋友圈

在第四次工業革命的背景下，傳統工業的數字化轉型已經是必然趨勢，但也存在著太多待解的難題。

幾乎所有的企業都在講數字化轉型，可傳統工業現有的定位和體系，難以滿足工業互聯網的架構體系、創新技術、人才引進等訴求，以至于不少企業過去幾年時間里一直在摸索適合自己的轉型路徑。

即使解決了數字化轉型的方向問題，落地過程中也面臨著定制化程度高、前期投入大量資金、沒有專注的技術研發等挑戰。

業內逐漸形成了一種新的共識：想要釋放出工業互聯網蘊藏的巨大潛力，唯有那些技術底子厚、研發投入大、技術差異化的高新技術企業進場，才能更好地跨行業、跨領域賦能，解決工業轉型中的一系列痛點。

在這一共識下，很多高新技術企業也正在發力。近日，百度智能云開物工業互聯網平臺升級到了2.0，將深耕更多重點行業里的核心場景，加速工業互聯網的底層核心技術與工業場景的緊密結合，幫助越來越多企業享受到人工智能帶來的技術紅利。

借著7月26日在蘇州舉行的“2022云智技術論壇工業專場”的契機，也許企業會從中找到行之有效的智能化轉型路徑或答案。

01 筑基，打造智能化底座

制造業轉型升級的第一步：數據的采集和處理，就讓不少企業止步于工業互聯網的大門外。

由于工業設備的種類繁多、分散且規模龐大，單單是設備的連接、管理、運維、擴展等環節，就存在接入成本高、數據煙囪化、運維難度大等問題，一些企業被迫自主研發物聯網平臺，但難以滿足高性能、可擴展等發展性需求。

歸根結底就是，很多企業明確了數字化轉型的目標，可怎么轉型、怎么落地、怎么解決欠缺的技術基因，并沒有統一的答案。

借用百度副總裁李碩的話來說：工業互聯網就是把人工智能、大數據、云計算等新技術與企業生產場景深度融合，給自動化的生產線裝上“眼睛”和“大腦”，構建出“感知”能力和“思考”能力。

首先要解決的就是感知能力。

百度智能云工業能源產品研發總經理黃鋒將開物工業互聯網平臺的能力概括為三個層面：底層是工業數字化底座，上層是工業智能化引擎，以及配套的安全體系。其中工業數字化底座所瞄準的，正是幫助企業打造智能化底座，通過云智一體的方式幫助企業解決數據采集、存儲、流轉、計算、應用的一整套技術難題。

這里涉及到兩個核心產品：

一個是天工AIoT平臺，企業可以基于天工AIoT平臺快速打造自己的物聯網管理平臺，對設備進行靈活接入、統一管理、云邊端混合部署，并支持千萬級設備的接入和管理。由于天工AIoT還提供了與 IoT PaaS 平臺打通的IoT APaaS平臺，企業可以按需靈活選配需要的生態應用，比如能碳數智化平臺度能。

另一個是AI原生云基礎設施，包括百度百舸·AI異構計算平臺、工業仿真HPC算力方案、分布式云基礎設施、智算中心等等，迎合了算力異構化、位置分布式化、AI應用普適化的計算新趨勢。

百度智能云基于整個的工業里相關的場景也提供了整套的大數據的解決方案應用到整體工業行業領域當中。徐工集團基于百度智能云的大數據解決方案，構建了采、存、管、用一體化的數據智能平臺，市場部、采購部、生產部等內部部門能夠實時掌控不同階段的數據全貌，直觀地看到生產和運營環節的問題；

中環寰慧通過天工AIoT搭建了邊云融合的物聯網平臺，一期接入了300多個換熱站，通過采集個點數據形成熱網調度策略和全網水熱壓力分析，整體能耗降低了15%，節省了約2000萬元的熱成本。

02 探路，和行業深度融合

工業互聯網的“思考”能力，可以說是數字化轉型的終極要義。

由于AI屬于綜合性的學科，而工業應用涉及到數據預處理、數據建模、模型部署與管理、模型評估等多方面的技術，如果只是簡單照搬模板化的解決方案顯然并不可行，所以最苛刻的考驗在于人工智能和場景的融合。

擺在面前的問題非常直白，既要解決場景定制化的現實訴求，又要盡可能降低人工智能的應用門檻。

百度智能云智慧工業事業部主任架構師王棟講述了自己的見解：“我們經常到工廠和車間里去看，發現只給客戶提供單一算法模型的話，大部分時候并不能解決實際問題，必須要給客戶、合作伙伴提供不同層次的應用能力。比如一些化工廠需要的人員摔倒識別系統，就涉及到目標檢測、人員跟蹤、動作識別、觸發報警等多個過程，不是一個算法模型就能解決的問題。”

當同行們還在輸出單一算法的時候，百度智能云開物的回答是工業智能化引擎：讓客戶能夠根據自身的業務邏輯，無代碼或低代碼的方式對模型進行編排，進而系統化地解決場景化落地的問題。

首先是算法層面上，通過預訓練大模型、無監督特征抽取+特征聚類、自監督特征聚類等創新，解決了數據樣本分布不均勻、標注效率低質量差、模型上線后迭代困難等制約落地的技術瓶頸。

其實是在應用層面，百度智能云打造了可以直接落地的“技能庫”，涵蓋生產制造、供應物流、營銷服務、綜合保障等場景，客戶可以直接拿去使用，根據自身的業務需求調用不同的平臺和模塊。

而對于企業的高性能求解需求，百度智能云上線了百度自主研發的AI求解器，針對不同行業不同應用場景，提供定制化服務解決客戶大規模問題，比如客戶非標問題的二次開發，目前已在港口調度、切割優化等場景中應用。

王棟特意提及了“板材切割套料”的例子。

定制家具的生產流程中，往往先由設計師給出設計方案，然后拆解不同規格的板材，包括板材的數量、規格和尺寸，再制定總生產計劃和日生產計劃。在百度智能云工業智能化引擎的幫助下，板材利用率提升到了92.4%，切割刀數下降了8.7%，鋸切時間降低了9.4%，每年幫助客戶節約了1000萬元的原材料成本，并被復制推廣到玻璃切割、鋼板切割等場景中。

相比于“數字化底座”帶來的“感知”能力，“智能化引擎”則是滿足了“理解”能力。簡單來說就是通過工業AI平臺、工業知識平臺、低代碼開發平臺等PaaS服務降低AI接入的門檻，智能化的底座迭代智能化的引擎，徹底打通人工智能在工業場景中落地應用的鏈路，讓科技創新和行業Knowhow雙向奔赴。

03 落地，深入產業第一線

工業數字化轉型中不確定性最大的環節，在于“最后一公里”。

按照當下的工業體系劃分標準，全部的工業門類可以分為39個工業大類、191個中類、525個小類。中國作為全球唯一擁有全部工業門類的國家，任何一個小類的背后都有成百上千家企業，它們的規模不同、稟賦各異，在數字化轉型過程中遇到的問題也不同，以至于有人將之形容為“一米的寬度，一百米的深度”。

互聯網巨頭出身的百度智能云，還需要回答另一個問題：夯實了智能化的地基，打通了AI落地的鏈路，能否跑通落地的最后一公里？

過去兩三年的時間里，百度智能云的專家們頻繁深入到一線調研，抱著筆記本到工廠里進行調試。因為百度最擅長的是AI技術，但技術想要落地到行業里，除了行業Knowhow外，還需要機理和數理的融合，將老師傅們的經驗沉淀為一個個算法模型。既能成為一家企業的核心資產，也為工業數字化指明了方向。

比如工業質檢長期存在人工檢測效率低、定制化程度高、工業知識無法沉淀復用等痛點，恒逸化纖生產車間里，經由百度智能云開物的智能質檢設備改造，原來的普檢變成了機器篩查后的復檢，AI質檢設備檢驗1個產品只需2.5秒，效率比人工質檢提高70%，也讓百度智能云在中國工業AOI質檢市場的份額連續兩年位居第一。

再比如在水務領域，存在數據匯集管理、冗余的存儲計算等難題，百度智能云結合水務的場景化需求，為某水務打造了“1+1+N”的架構，實現了實時的水務監測，可統計降雨量、水位、滲流滲壓、位移沉降等水域水情關鍵指標，一旦出現異常參數，可及時預警，反映到手機、電腦終端還有監控大屏上，輔助工作人員決策應對。

其實類似的案例還有很多，跑通了設備管理、生產優化、智慧物流、能源管理、安全生產等工業生產的全流程，覆蓋了汽車、電子、能源、水務、紡織、園區、家電、煙草、食品等20多個行業。

百度智能云開物一直在不斷努力，依托“成效帶動、應用為先、平臺開放、下沉運營”的思路，踏踏實實地為客戶去服務創造價值。

目前開物已經在貴陽、重慶、桐鄉、蘇州、廣州、寧波等16個區域深度落地，與超過22個行業的300多家標桿企業建立了深度合作，持續沉淀不同行業和領域的工業知識，將其結構為標準化、可落地的解決方案。并于2021年進入了工信部特色專業型工業互聯網平臺，2022年又以第一名的身份選了國家級跨行業、跨領域工業互聯網平臺，正式進入了國家隊行列。

做一個總結的話，工業互聯網從觀望階段走向深度落地階段，百度智能云開物的初衷并沒有改變，通過技術下沉幫助企業降本、增效、提質、創新，幫助千行百業疏通堵點、解決痛點、實現價值增長。

04 結語

工業互聯網之所以進入所謂的深水區，原因在于工業體系龐大且復雜，是一個既快又慢的賽道，“快”的一面是需要在技術上保持創新，針對實際需求不斷推陳出新；“慢”的一面是涉及到大量的工業知識，需要逐一鉆研穩扎穩打。

百度智能云等平臺留下的啟示在于：

它們保持了互聯網平臺積極求索的態度，擅長在技術層面上降低門檻，無論是AI原生云、天工AIoT等組成的數字化底座，還是工業AI中臺、智能應用等支撐起的智能化引擎，都在為那些不知道如何轉型的企業修橋鋪路；

同時選擇尊重工業本身的規律，避免了互聯網廠商的激進風格，從一條產線、一座工廠到一個行業、一個區域，并聯合生態伙伴一起探索數據、機理、知識的沉淀與轉化路徑。

工業互聯網的路也許很長，但百度智能云等玩家們正在一步一個腳印地前行。

本文系作者授權數英發表，內容為作者獨立觀點，不代表數英立場。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。