1.2 工业人工智能的特性

工业领域的决策者和IT及工程方面的专家不仅对人工智能和机器学习感兴趣，而且也喜欢从根本上全方位地研究人工智能的历史和技术上的重要分类。他们尤其关注的是人工智能技术所包括的各个构成要素以及这些要素各自的角色。他们还想搞清楚哪些技术可以外购、哪些技术必须自主研发。这也是本书第五章和第六章讨论的主题。

新型工业平台与平台生态系统

近年来涌现出了许多提供工业应用程序的工业平台。大多数这些平台都是由大型工业集团或是各个行业的龙头企业在背后主导。另外还有一些平台是由同一行业内多家公司共同组成的合作网络。人工智能是几乎所有这类工业平台的灵魂，平台离开了人工智能就无法提供那些最关键的服务项目。对于这些平台的用户而言，应用程序是由平台营运方还是第三方机构提供，是很重要的。面对这些平台，用户需要考虑一个重要的问题：是否加入到这个平台现有的合作网络中，自己能否对平台发展起到影响作用。

本书还会展示：为何几乎每一个以人工智能为核心卖点的新生工业平台通常都会在初次公开亮相时，用一系列合作伙伴和协作方名录来吸引眼球。因为平台本身除了基于工业应用软件的基础结构，还需要一个云计算和人工智能基础架构，以允许IT供应商、咨询顾问、系统集成商以及软件开发商携各自的产品与服务在这个基础架构上找到各自的定位。不再有单独一家企业可以完全靠自己的能力，尤其以本公司的独家产品提供全套的工业平台服务。近几年全球范围的工业人工智能开发参与者已经在工业平台的筹备工作中累计投入了不计其数的费用，几乎无人尝试发明新的基础技术，大家都更专注各自的特殊领域。

通过云架构、边缘计算或直接在芯片上运行的人工智能应用

人工智能与云计算几乎总是被同时提起，仿佛人工智能只能来自云端，而且好像几乎所有数据——包括来自工厂的数据——很快都要被上传到云端，需要通过云计算来分析数据以催生新业务。这样的错觉不仅高估了云计算服务器集群的功能，还高估了数据传输技术。其实对于工业应用方面的各种需求而言，更有效的方法是让人工智能应用近距离地直接在机器、设备、产品或者器械上运行。边缘计算人工智能应用[2]可以比云计算更经济、迅捷和有效地服务于工业场景。目前还有一个刚刚出现的新趋势：将人工智能应用直接装入芯片中，然后集成到产品里，使其几乎可以实时地完成分析任务。在人工智能应用于工业的不同方式中，如何针对不同情况下的实际需求来选择合适的方案，将是工业人工智能应用的一个关键性问题。

虽然并非所有云端数据都需要分析，但缺了云计算基础架构就无法实现人工智能在工业流程上的广泛应用。特别在涉及产品销售以外的新型商业模式中——比如无须购置设备，而只使用其功能的方式，也就是按使用付费（pay per use）——云端基础架构在灵活性、可扩展性以及数据和应用的安全性方面都超出了实地安装的设备。

服务导向及微服务

除云技术外，“软件即服务”（Software as a Service，SaaS）的开发技术也有了大幅度发展，在许多方面都远远胜过了常规的软件开发。比如，机械制造企业会考虑是购置压缩机还是直接以外包服务形式使用现成的高压气体；同样有越来越多的IT主管在思考某些软件是确实需要购买并自行安装维护，还是可以通过第三方服务的方式使用它们的功能。

与此相关的微服务就是一种缩减版程序，例如，只提供单个功能的微型程序片段，然后与许多其他功能集成在一起形成应用软件。这一类的微服务在人工智能应用中尤为重要，因为它满足了工业领域特别需要的可伸缩性、灵活性和速度。

已有很多厂商在上述这些人工智能的工业应用领域开始崭露头角，并积累了多年的经验和实力。这些厂商不都是来自工业IT领域，其中也有些是以往在完全不属于工业的领域中从事搜索引擎或网上交易技术服务的供应商。为选择有发展空间的人工智能应用方案，工业管理和决策人员必须了解这些供应商各自的核心技术，以及它们是否已经拥有或即将拥有成熟的方案。这些问题也是本书的一个重要组成部分。