工業(yè)互聯(lián)網(wǎng)、人工智能都是當(dāng)下最火的概念或者場(chǎng)景，為了能夠深入了解人工智能應(yīng)用現(xiàn)狀，人們會(huì)研究人工智能在各個(gè)行業(yè)中的應(yīng)用情況，那么工業(yè)互聯(lián)網(wǎng)中的人工智能應(yīng)用狀況如何呢？
工業(yè)領(lǐng)域內(nèi)存在紛繁復(fù)雜的應(yīng)用場(chǎng)景，產(chǎn)品設(shè)計(jì)，瑕疵檢測(cè)，生產(chǎn)工藝優(yōu)化，流程自動(dòng)化等許多場(chǎng)景的工業(yè)機(jī)理復(fù)雜，數(shù)據(jù)分析能力要求更高，以深度學(xué)習(xí)和知識(shí)圖譜為代表的人工智能技術(shù)可以提高系統(tǒng)建模和處理復(fù)雜性，不確定性，常識(shí)性問(wèn)題的能力，顯著提升了工業(yè)大數(shù)據(jù)的分析能力和效率，擴(kuò)大了工業(yè)互聯(lián)網(wǎng)可解工業(yè)問(wèn)題邊界的深度和廣度，人工智能成為重新定義工業(yè)互聯(lián)網(wǎng)產(chǎn)品邏輯的抓手。
實(shí)際應(yīng)用中，工業(yè)互聯(lián)網(wǎng)服務(wù)商要立足于全面理清工業(yè)領(lǐng)域行業(yè)脈絡(luò)，從實(shí)際業(yè)務(wù)需求出發(fā)，以解構(gòu)平臺(tái)與軟件形成更加細(xì)分的功能模塊和微服務(wù)組件為基礎(chǔ)，給企業(yè)提供具有針對(duì)性的產(chǎn)品和服務(wù)。
人工智能技術(shù)廣義上來(lái)看是一種通過(guò)算法模型對(duì)數(shù)據(jù)的處理方式，人工智能因此開(kāi)始進(jìn)入工業(yè)互聯(lián)網(wǎng)產(chǎn)品建設(shè)方的視野，成為服務(wù)商拉高產(chǎn)品價(jià)值的落腳點(diǎn)。以深度學(xué)習(xí)和知識(shí)圖譜為代表的人工智能技術(shù)可以提高系統(tǒng)建模和處理復(fù)雜性，不確定性，常識(shí)性問(wèn)題的能力，顯著提升了工業(yè)大數(shù)據(jù)的分析能力和效率，進(jìn)一步擴(kuò)大了工業(yè)互聯(lián)網(wǎng)平臺(tái)可解工業(yè)問(wèn)題邊界的深度和廣度。人工智能驅(qū)動(dòng)的工業(yè)數(shù)據(jù)智能分析支撐工業(yè)互聯(lián)網(wǎng)實(shí)現(xiàn)數(shù)據(jù)價(jià)值的挖掘，強(qiáng)化了工業(yè)企業(yè)的數(shù)據(jù)洞察能力，成為打通智能制造最后一公里的關(guān)鍵環(huán)節(jié)。
以解決通用型問(wèn)題為能力基礎(chǔ)，面向特定行業(yè)進(jìn)行差異化延伸，細(xì)分更多的應(yīng)用場(chǎng)景，在部署形式上以平臺(tái)+邊緣處理的形式，技術(shù)為先，場(chǎng)景為王。
人工智能在工業(yè)互聯(lián)網(wǎng)中的三大痛點(diǎn)：
第一，工業(yè)數(shù)據(jù)量大而且復(fù)雜，標(biāo)準(zhǔn)不一；AI算法訓(xùn)練的數(shù)據(jù)標(biāo)志難度大，缺乏很好的工業(yè)數(shù)據(jù)用于算法訓(xùn)練；工業(yè)領(lǐng)域數(shù)據(jù)行業(yè)屬性強(qiáng)，需要業(yè)務(wù)專(zhuān)家和深度學(xué)習(xí)專(zhuān)家配合完成數(shù)據(jù)的采集，標(biāo)注和模型開(kāi)發(fā)，訓(xùn)練，目前行業(yè)內(nèi)合適的專(zhuān)家資源不足。
第二，主流的深度學(xué)習(xí)算法泛化性差，主要用于產(chǎn)品缺陷檢測(cè)，設(shè)備預(yù)測(cè)性維護(hù)等輔助場(chǎng)景，缺乏一些可靠性的深度學(xué)習(xí)模型。
第三，現(xiàn)場(chǎng)缺乏專(zhuān)業(yè)的AI訓(xùn)練和推理平臺(tái)，算力不足，落地集成和實(shí)施復(fù)雜維護(hù)成本低。
