一直以来，我们都把物联网平台视为基座，各种iot应用搭载于平台之上。
具有锚定效应的是物联网应用，他们才是事实上的基座
临近年末，多个研究机构纷纷发布对于2020年的趋势预测，其中很多预测与我担任“首届中国工业互联网大赛”和“第二届工业app开发与应用创新大赛”评委过程中观察到的现象高度匹配。
这些趋势背后潜藏巨大机遇，而机遇总是在不经意间到来，然后悄无声息的离开，看懂和抓住他们，对于当下的物联网企业尤为重要。
一直以来，我们都把物联网平台视为基座，各种iot应用搭载于平台之上。从技术架构的角度理解，这个视角无可厚非。
但是如果我们反过来看这个问题，其实是各种各样的物联网应用为平台带来了生态活力和客户价值。
具有锚定效应的是物联网应用，他们才是事实上的基座。
iot平台的作用是为各种物联网应用解决发展中遇到的问题，创造资源共通、价值共创、利润共享的环境，从而激发iot应用与平台共生的关系和意愿。
idc曾经预测，2019年将有40%的企业数字化转型工作由ai人工智能提供支持。在2020年，各种趋势均明确指向，iiot应用这个基座即将完成一次升级，将以工业互联网人工智能iiot-ai应用为“硬核”。
各个研究机构的分析对象，也从单纯的工业互联网转移到了工业互联网叠加工业人工智能。
abi research发布了《工业人工智能平台和服务提供商竞争格局评估》、frost & sullivan发布了《全球新型工业互联网人工智能平台厂商分析》、两化融合服务联盟和微软共同发布了《工业互联网人工智能应用白皮书》…这些研究报告仅是其中的一些代表。
有些报告虽然名为工业人工智能平台，实为工业互联网人工智能iiot-ai应用与平台一体。
工业人工智能应用的深度，也已经从最初的机器视觉图像和视频分析，渗透到依据机理模型的智能决策领域。
因此在本文中，你将看到：
1想叠加，先解耦
工业互联网本质上是一种新经济。
最近几年，工业互联网的数据量正在爆发，有了充足的数据“喂养”，工业互联网新经济却没有实现预期中的快速增长。
根据idc的分析数据，到2025年物联网设备在一年内创造的数据总量将接近80 zb。
虽然过去视频监控数据构成了物联网数据中的很大一部分，但从我身处物联网行业中的直接感受判断，来自工业、汽车、物流等领域的非视频类数据量的增加也在全面提速。
idc的客观调研也印证了我的主观感受——idc认为仅靠来自工业制造和智能网联汽车的数据，就能带动整个物联网领域实现60%的数据增长。
如此大量的数据采集与分析需求，按理说应该可以快速推动工业互联网的发展。但总体而言，工业互联网并没有获得预期的市场认可度，尤其在中小企业的应用覆盖率相对较低。
主要的问题不在需求方，而在供给方。
试想一下，如果出现一款低成本的iiot“杀手级”应用，并且有一整套成熟方案帮助工业企业快速实施该应用，相信大部分工业企业会选择尝试。
根据《工业互联网人工智能应用白皮书》中的分析，工业互联网领域尚未出现“杀手级”应用的原因如下图，可以总结为“行业复制推广难度大”和“现有工业互联网框架不友好”这两点。
站在2019年底这个时点复盘，掌控过程是关键，只有不一样的过程，才能引发工业互联网实现快速增长的结果。
这个过程的核心就是解耦。
解耦的思路来源于软件体系。在软件工程中，解耦通过降低耦合度，来降低模块间的依赖性。
工业互联网中各类组件、模块、应用的耦合度越低，可复制性就越高。进而实现iiot应用的实施从“项目型”转化为“工具式”，从“全集成”转化为“被集成”，利于快速复制推广。
尤其是在工业互联网与工业人工智能相叠加的场景下，复杂度越高，对解耦能力、协同效率、更新迭代的要求越高。
▷ 首先，工业互联网人工智能iiot-ai本质上是一种算法，需要大量的数据作为支撑。解耦之后，专业的数据采集商能开发出成本更低、通用性更高的设备连接凯时国际的解决方案，应用提供数量更多、质量更高的数据素材。
▷ 其次，工业互联网人工智能iiot-ai通过分析，将数据转换为洞察，而这些洞察与决策可以作为输入项，重新应用到其它分析中，实现数据流动的延伸。
▷ 最后，工业互联网人工智能iiot-ai技术处于初级阶段，当面对场景复杂、非逻辑性的问题时，iiot-ai则力有不及。解耦有助于具体细分场景的定义，更适合工业人工智能应用的发展。
2瘦身感，边缘化
根据数据数量、质量的情况不同，目前存在两种工业互联网人工智能iiot-ai技术的实现方式：
在工业互联网应用中，工业人工智能可以调配的算力有限，需要“瘦身感”。
当前数据在边缘计算的转化过程中大致遵循二八原则，即80%的数据尚未得到优化利用。若要提高数据转化率，既需要效率更高的数据采集，也需要边缘设备具备数据处理和预分析的能力。
因此在设备管理、质量监控、安全管理等场景，“小数据 人工智能 专家”的方式很有发展潜力。
更进一步，工业场景需要极强的实时响应能力，因此工业人工智能需要能被应用在边缘设备中，而不是“假装”在边缘处理数据，实则悄悄传回云端分析。
从云端到边缘，人工智能面临的挑战并不仅仅限于计算位置迁移。
工业人工智能与普遍意义上的人工智能有本质不同。很多人工智能的原有前提假设在边缘场景并不成立，运行时间和计算能力在边缘侧面临很大变化，人工智能模型势必重新适应新的环境。
根据foghorn公司的实践，用于云端的人工智能模型往往根本无法应用于边缘侧，ai模型需要压缩“瘦身”高达80%，才能被边缘设备使用，满足工业应用场景。
如果您想了解更多树根互联为工业企业提供的工业互联网凯时国际的解决方案，可以直接点击网页右方弹框的“联系凯时网站”，或者直接拨打树根互联的热线：400-868-1122