AIoT 融合落地方興未艾，工業(yè)制造智能轉(zhuǎn)型迫在眉睫。

為了構(gòu)建行業(yè)對 AIoT 產(chǎn)業(yè)的全新認(rèn)知，解析 AIoT 泛產(chǎn)業(yè)的 “云、管、邊、端” 及智能制造產(chǎn)業(yè)的發(fā)展，探討當(dāng)下 AIoT 行業(yè)落地困境及工業(yè)互聯(lián)網(wǎng)發(fā)展思路，2019 年 11 月 22 日，全球 AIoT 產(chǎn)業(yè)· 智能制造峰會(huì)在深圳隆重舉行，本次會(huì)議由雷鋒網(wǎng)主辦，由深圳市軟件行業(yè)協(xié)會(huì)、深圳市大數(shù)據(jù)產(chǎn)業(yè)協(xié)會(huì)、深圳市人工智能學(xué)會(huì)、深圳市人工智能行業(yè)協(xié)會(huì)作為支持單位。

在下午的工業(yè)數(shù)字化轉(zhuǎn)型論壇，清華大學(xué)軟件學(xué)院院長、信息學(xué)院副院長、大數(shù)據(jù)研究中心執(zhí)行主任王建民首先帶來《大數(shù)據(jù)系統(tǒng)軟件助力工業(yè)數(shù)字化轉(zhuǎn)型》的學(xué)術(shù)報(bào)告。他從工業(yè)數(shù)字化轉(zhuǎn)型、大數(shù)據(jù)系統(tǒng)軟件工程、制造業(yè)大數(shù)據(jù)應(yīng)用三部分進(jìn)行報(bào)告，在第一部分，王建民院長介紹了工業(yè)制造的發(fā)展必由之路，并指出工業(yè)數(shù)字化轉(zhuǎn)型核心目標(biāo)是人和裝備之間的有機(jī)融合。接下來他在第二部分介紹了大數(shù)據(jù)軟件技術(shù)，目標(biāo)是能夠挖掘大數(shù)據(jù)的四個(gè)內(nèi)涵。第三部分分享了一些工業(yè)大數(shù)據(jù)的實(shí)際應(yīng)用。

清華大學(xué)軟件學(xué)院院長、信息學(xué)院副院長、大數(shù)據(jù)研究中心執(zhí)行主任王建民

以下為演講實(shí)錄：

總地來說，世界變了，制造業(yè)變了。這是哈佛大學(xué)2014年非常著名的一個(gè)論斷，就是信息技帶來了產(chǎn)品的革命，產(chǎn)品升級是全球制造業(yè)發(fā)展的必由之路。制造不僅僅看一個(gè)產(chǎn)品，要看整個(gè)產(chǎn)品的運(yùn)營的生態(tài)，并且是跨界的，開始就是一個(gè)拖拉機(jī)，后來帶上天線，最后要和天氣的數(shù)據(jù)、種子的數(shù)據(jù)、農(nóng)業(yè)灌溉的數(shù)據(jù)聯(lián)系起來，這才是現(xiàn)代農(nóng)業(yè)、也是現(xiàn)代的工業(yè)，也是現(xiàn)代的服務(wù)業(yè)，現(xiàn)代工業(yè)革命已經(jīng)模糊了第一、二、三產(chǎn)業(yè)。

工業(yè)數(shù)字化轉(zhuǎn)型

這個(gè)時(shí)候制造業(yè)出現(xiàn)一個(gè)剪刀的曲線，物質(zhì)產(chǎn)品的市場容量一定是有限的。出路在哪？創(chuàng)新，我做新的產(chǎn)品別人沒有做過。另外一件事是把老的產(chǎn)品用好，做服務(wù)，做服務(wù)的過程當(dāng)中再去創(chuàng)新，就是這樣的一個(gè)過程。

 今天我們講工業(yè)互聯(lián)網(wǎng)，其中一個(gè)是升級，5G、AloT都是要把產(chǎn)品進(jìn)行升級，另外我們要更多的產(chǎn)業(yè)形態(tài)，就像雷鋒網(wǎng)這樣的做知識(shí)的傳播、做知識(shí)的分享，這也是在助力制造業(yè)，也是在做制造業(yè)服務(wù)。

工業(yè)數(shù)字化轉(zhuǎn)型核心目標(biāo)是人和機(jī)器之間的有效融合，我覺得剛才講的升級和轉(zhuǎn)型當(dāng)中有一個(gè)要素是被忽略了——人。真正講的是人和社會(huì)、人和機(jī)器和諧的共存。這里人有時(shí)要被客體化，是一個(gè)很悲慘的事。

這里一方面裝備要擬人化，另一方面人會(huì)被客體化為裝備，都在工業(yè)生產(chǎn)發(fā)展的進(jìn)程中。這是好還是壞呢？我認(rèn)為不可阻擋，沒有選擇。這個(gè)過程當(dāng)中最高境界還是人機(jī)融合，操作機(jī)器的時(shí)候讓機(jī)器懂我，被機(jī)器服務(wù)的時(shí)候也希望機(jī)器懂我，真正的AloT里有機(jī)器AI，還有“人的AI”在里面。

今天我講的主題是大數(shù)據(jù)，四中全會(huì)說大數(shù)據(jù)可以作為生產(chǎn)資料來進(jìn)行投資、分成，同樣數(shù)據(jù)也是整個(gè)工業(yè)數(shù)字化轉(zhuǎn)型的一個(gè)關(guān)鍵。一會(huì)兒有西門子的分享，西門子無疑是工業(yè)4.0轉(zhuǎn)型升級的一個(gè)領(lǐng)導(dǎo)者。

不過，大家一直在問，工業(yè)大數(shù)據(jù)和別的大數(shù)據(jù)有什么區(qū)別？下面這句話也許不能代表全部，但是他代表一種觀點(diǎn)。工業(yè)大數(shù)據(jù)一定要和物理的對象結(jié)合，這個(gè)是工業(yè)里最核心要素。工業(yè)里有巨大的學(xué)問，這種學(xué)問很多是領(lǐng)域知識(shí)，所以近200年工業(yè)文明發(fā)展造就了現(xiàn)代社會(huì)，如果離開了這個(gè)，我們老說是“互聯(lián)網(wǎng)的上半場，產(chǎn)業(yè)物聯(lián)網(wǎng)的下半場”，就沒有太大的區(qū)別了。

大數(shù)據(jù)軟件技術(shù)

我是做軟件的，回來再看大數(shù)據(jù)的軟件技術(shù)，用下圖稍微厘清一下我講的內(nèi)容，今天大家都在講大數(shù)據(jù)，我個(gè)人把它分成了四個(gè)方面的含義。

大數(shù)據(jù)一個(gè)含義是大數(shù)據(jù)集，這是我們采集下來的物化出來的0和1的資產(chǎn)。另外一個(gè)是用大數(shù)據(jù)解決問題，就是大數(shù)據(jù)應(yīng)用，數(shù)據(jù)解決各行各業(yè)的問題并創(chuàng)造價(jià)值。有一個(gè)報(bào)道說中國的數(shù)字經(jīng)濟(jì)達(dá)到了GDP的1/3，規(guī)模達(dá)到30萬億人民幣。但是2009年谷歌對整個(gè)美國的貢獻(xiàn)是5400億美元，我們還是要做很多的功課。我所服務(wù)的國家信息安全標(biāo)準(zhǔn)化委員會(huì)下設(shè)的大數(shù)據(jù)大數(shù)據(jù)安全標(biāo)準(zhǔn)化特別工作組，還包括人工智能、區(qū)塊鏈，云計(jì)算等安全標(biāo)準(zhǔn)化工作。

 我們現(xiàn)在看看大數(shù)據(jù)的軟件，這是2016年的不完全統(tǒng)計(jì)，大數(shù)據(jù)開源軟件供給側(cè)很豐富。問題是這么多的東西無非解決這么簡單的問題，就是說把大象關(guān)在冰箱里分五步，采集；然后抽取清洗、標(biāo)注；再集成聚合；關(guān)鍵是分析建模，最后把結(jié)果解釋應(yīng)用。

這五個(gè)步驟里面挑戰(zhàn)是什么，有異構(gòu)的挑戰(zhàn)、規(guī)模的挑戰(zhàn)、處理時(shí)效性的挑戰(zhàn)、隱私方面的挑戰(zhàn)，還有人機(jī)互動(dòng)協(xié)同的挑戰(zhàn)。如果經(jīng)過這五步就把問題解決了就太幸運(yùn)了，大數(shù)據(jù)就變得太簡單了。

實(shí)際情況不是這樣的，而是循環(huán)的，有時(shí)很難走出這個(gè)循環(huán)，要解決問題要去找現(xiàn)有數(shù)據(jù)，對數(shù)據(jù)進(jìn)行一些理解。在這個(gè)時(shí)候可能就是好多個(gè)循環(huán)，常常是能夠用來解決業(yè)務(wù)問題的數(shù)據(jù)非常匱乏，企業(yè)有很多數(shù)據(jù)，但是缺乏能夠用來解決問題的數(shù)據(jù)集。其實(shí)在企業(yè)做大數(shù)據(jù)項(xiàng)目的時(shí)候，特別是工業(yè)企業(yè)選題就是個(gè)難題，好的選題是成功的一半，往往你找不到好的選題。當(dāng)然好多人可能沒有做業(yè)務(wù)理解和數(shù)據(jù)理解這個(gè)循環(huán)就直接下去了，那結(jié)果風(fēng)險(xiǎn)就很大。

選題大概差不多靠譜后，就做數(shù)據(jù)的建?！，F(xiàn)在我們所謂的機(jī)器學(xué)習(xí)有一個(gè)很強(qiáng)的假設(shè)是，你的訓(xùn)練集和應(yīng)用場景是匹配的，也就是獨(dú)立同分布的，但如果這個(gè)假設(shè)不成立，那模型預(yù)測就是不可信的。因?yàn)榇髷?shù)據(jù)面對未來的事情做預(yù)測，未來的數(shù)據(jù)是不是符合獨(dú)立同分布的要求？所以要做模型的評估，如果你的運(yùn)氣很好，老板不太苛刻的情況下，分析模型很幸運(yùn)地上線了，那是最好的方案，恭喜你就走出這個(gè)泥潭。往往你學(xué)習(xí)出來的結(jié)果和工業(yè)現(xiàn)場要求不相符的，比如我想看看計(jì)算機(jī)主板焊點(diǎn)的質(zhì)量，人工檢測都已經(jīng)達(dá)到99.99%了，如果你的AI方案達(dá)到99.98%，雖然已經(jīng)到小數(shù)點(diǎn)后的第三位了，但是這個(gè)不行，因此工業(yè)應(yīng)用場景要求遠(yuǎn)遠(yuǎn)大于互聯(lián)網(wǎng)的精度要求。

我一直在想為什么谷歌推薦能夠賺那么多的錢，PV轉(zhuǎn)化率據(jù)我所知只有千分之二十，但是這在行業(yè)里就很牛了，很厲害了。但是如果你在工業(yè)應(yīng)用中準(zhǔn)確率只有千分之二十的話，老板不會(huì)買賬。為什么說工業(yè)場景的數(shù)據(jù)質(zhì)量很重要，因?yàn)楣I(yè)場景對數(shù)據(jù)分析的結(jié)果要求高。

怎么樣構(gòu)建一個(gè)數(shù)據(jù)系統(tǒng)？大數(shù)據(jù)的應(yīng)用系統(tǒng)本質(zhì)特征是個(gè)性化，打個(gè)比方就是每個(gè)大數(shù)據(jù)應(yīng)用都是在不斷裝修改造的別墅。BAT在消費(fèi)互聯(lián)網(wǎng)領(lǐng)域很牛了，這個(gè)東西要推到產(chǎn)業(yè)里頭是不是什么東西都迎刃而解了？大家看看這幾年實(shí)現(xiàn)了多少，有多少產(chǎn)業(yè)落地了，在你們家用的別墅給別人家用就不適合了，所以這件事情，個(gè)性化是核心，怎么樣個(gè)性化，這是我們要在方法論層面討論的問題。

 比如伯克利在想能不能研發(fā)一個(gè)大數(shù)據(jù)的軟件棧給大家都能夠用，亞馬遜也在想這個(gè)問題。亞馬遜從云計(jì)算開始到現(xiàn)在大數(shù)據(jù)和物聯(lián)網(wǎng)，非常牛，亞馬遜在問一個(gè)什么問題，就是是否存在一個(gè)參考架構(gòu)？這個(gè)參考架構(gòu)在各行各業(yè)能用遵循。這么多的工具，剛才我們看了好幾百個(gè)主流的工具，有現(xiàn)在的也有原來的，在解決大數(shù)據(jù)問題的時(shí)候，我用什么工具是合適的？我應(yīng)該怎么樣使用這些工具？然后再問為什么我們要用這些工具？

NIST有一個(gè)標(biāo)準(zhǔn)，認(rèn)為大數(shù)據(jù)系統(tǒng)應(yīng)該長成這樣，下面是一個(gè)技術(shù)棧，上面是數(shù)據(jù)的生命周期，但是我覺得重要的在于上面有一個(gè)System  Orchestrator，如果大家對云計(jì)算有了解的話Orchestrator太普通了，但是他在大數(shù)據(jù)里面有新的含義。

在這種背景下我們大數(shù)據(jù)系統(tǒng)軟件國家工程實(shí)驗(yàn)室聚焦在以下問題：有沒有一個(gè)大數(shù)據(jù)軟件科學(xué)理論，有沒有一個(gè)大數(shù)據(jù)系統(tǒng)開發(fā)的軟件工程方法，是否有開發(fā)運(yùn)行平臺(tái)與工具支撐，核心是提高大數(shù)據(jù)軟件構(gòu)造的生產(chǎn)效率。

今天的制造業(yè)發(fā)生著工藝與工具的革命，將來的軟件生產(chǎn)一定不是我們今天的“碼農(nóng)”，一部分用java、C或其他的開發(fā)語言，另一方面低代碼開發(fā)等未來的軟件生成邏輯，將改變大數(shù)據(jù)系統(tǒng)構(gòu)造方式。

 所以我們設(shè)計(jì)了一個(gè)清華數(shù)為的可自由組裝的大數(shù)據(jù)軟件棧。這里面有我們自己核心的功能，核心的構(gòu)件，這里IoTDB、XLearn、DQuality等都是我們自己研發(fā)的。再一個(gè)是右邊這個(gè)清華數(shù)為框架（DWF）非常重要，就是一個(gè)大數(shù)據(jù)系統(tǒng)構(gòu)造軟件框架，一方面它是低代碼信息化開發(fā)環(huán)境，另一方面它是大數(shù)據(jù)軟構(gòu)件集成的交互總線、控制總線和數(shù)據(jù)總線。

 如果大數(shù)據(jù)軟件生態(tài)里頭就是老虎、獅子、大象，需要一個(gè)訓(xùn)獸師，每一個(gè)節(jié)目需要有一個(gè)人去協(xié)調(diào)它，這就是清華數(shù)為框架。

工業(yè)大數(shù)據(jù)其實(shí)要處理好三個(gè)關(guān)系，一個(gè)是數(shù)據(jù)的泉，一個(gè)是數(shù)據(jù)的庫，再加上數(shù)據(jù)的湖。你要把“泉”這件事情搞清楚了，數(shù)據(jù)泉就是我們今天講的AloT，或者把A去掉也行就是IoT，就是物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)是一個(gè)數(shù)據(jù)泉，今天是一個(gè)爆發(fā)的產(chǎn)生數(shù)據(jù)的水龍頭，如果接不住水就跑了。所以今天講IoT得把他連進(jìn)來，然后還得留下來，所以數(shù)據(jù)的泉是一個(gè)重要的鮮活的數(shù)據(jù)來源，是一個(gè)實(shí)時(shí)的、在線的東西。數(shù)據(jù)的庫是信息化重要技術(shù)，把人產(chǎn)生的數(shù)據(jù)放在庫里頭，結(jié)構(gòu)化的數(shù)據(jù)放在庫里頭。

 今天我們講數(shù)據(jù)的湖，好多企業(yè)說現(xiàn)在我在建數(shù)據(jù)湖，我認(rèn)為錯(cuò)了，數(shù)據(jù)湖不是你建的，這是自然形成的。這些泉、庫都在你企業(yè)里頭了，也許當(dāng)時(shí)你也不知道如何組織這些數(shù)據(jù)，然后形成了數(shù)據(jù)的湖了，數(shù)據(jù)的湖是需要治理的，才能夠把有用的數(shù)據(jù)“釣”出來。

“泉、庫、湖”，中間有一個(gè)數(shù)據(jù)中臺(tái)的東西，一會(huì)兒再講數(shù)據(jù)中臺(tái)是什么。這個(gè)過程當(dāng)中DWF清華數(shù)為框架，一個(gè)作為大數(shù)據(jù)系統(tǒng)的協(xié)調(diào)器，把各個(gè)組件協(xié)調(diào)起來，另外一個(gè)是支持信息化應(yīng)用的低號碼量開發(fā)，讓更多的業(yè)務(wù)人員可以用他來做數(shù)據(jù)的處理。還有一個(gè)解決數(shù)據(jù)泉的問題，要把物聯(lián)網(wǎng)的應(yīng)用變成一個(gè)組態(tài)的軟件，把這些采集的數(shù)據(jù)給收回來。

低代碼做的就是軟件定制部署，特別是大數(shù)據(jù)的軟件不是一成不變的，總有新的需求，我們能不能有一個(gè)低代碼量的軟件開發(fā)的這樣一種形式，前天我們在清華做第一期的培訓(xùn)，來了人不多大概50個(gè)左右的企業(yè)的人員，我們就在檢驗(yàn)我們低代碼開發(fā)的這樣一個(gè)交互環(huán)境，能不能讓非軟件專業(yè)的人也能用，以適應(yīng)企業(yè)業(yè)務(wù)的頻繁變化。

數(shù)據(jù)的湖不是我們期望的，它是指根本沒有組織或者沒有被良好組織起來的一組數(shù)據(jù)集，是一種缺少秩序的東西，在這里面人只能像釣魚一樣“釣”出有用的數(shù)據(jù)，這些里面有些地方是營養(yǎng)不太好的，甚至有些地方的數(shù)據(jù)是有毒的，怎么鑒別出來？怎么治理？

現(xiàn)在看數(shù)據(jù)中臺(tái)，大家一定要想清楚什么是數(shù)據(jù)后臺(tái)，否則中臺(tái)和后臺(tái)的關(guān)系不厘清，數(shù)據(jù)治理就是亂的?，F(xiàn)在數(shù)據(jù)中臺(tái)很熱，大家要小心，可能變成一個(gè)陷阱。首先要把數(shù)據(jù)后臺(tái)能夠發(fā)揮出來的能力發(fā)揮到極致，實(shí)在不能滿足需要的時(shí)候，你按需建數(shù)據(jù)中臺(tái)，今天千萬別上來就建一個(gè)很厚的、很重的中臺(tái)，將來可能需要去交學(xué)費(fèi)的。在這里面我們要理清楚這些基本的概念，然后企業(yè)把他的數(shù)據(jù)治理在清華數(shù)為框架下得以實(shí)現(xiàn)。

這里面我們有一個(gè)案例，這是一個(gè)頭盔，為什么要做頭盔，就是要把人集成在互聯(lián)網(wǎng)里面。這是一個(gè)維修工，戴著這個(gè)頭盔之后老板就知道他在怎么樣做維修，后面還有一個(gè)具體的，透過這個(gè)我們就知道我們在工業(yè)大數(shù)據(jù)里頭，要把傳統(tǒng)的信息化的數(shù)據(jù)拿進(jìn)來，要把現(xiàn)在的物聯(lián)網(wǎng)的數(shù)據(jù)拿進(jìn)來，還要把很多你跨界的數(shù)據(jù)拿進(jìn)來，然后用人工智能的辦法去理解它，這個(gè)頭盔上面就有行為識(shí)別。這是介紹了數(shù)據(jù)湖的一個(gè)框架。

下面我講數(shù)據(jù)泉的治理框架。清華大學(xué)開發(fā)了一個(gè)物聯(lián)網(wǎng)數(shù)據(jù)庫，Apache IoTDB，其實(shí)叫數(shù)據(jù)庫這個(gè)名字并不確切，因?yàn)樗梢园褌鞲衅鞯榷松系臄?shù)據(jù)形成一種持續(xù)的格式文件TsFile—CLI，進(jìn)入到上位機(jī)的數(shù)據(jù)庫，然后還是這個(gè)數(shù)據(jù)文件格式進(jìn)到云AI處理環(huán)境，支持物聯(lián)網(wǎng)數(shù)據(jù)的全生命周期使用。

IoTDB 這個(gè)代碼為什么要開源？現(xiàn)在到了一個(gè)共享的時(shí)代，大學(xué)也不例外，我們在前年做了國際學(xué)科評估，大家覺得一所有影響大學(xué)的軟件學(xué)科要看你的軟件制品，老百姓能不能看得見、用得上。IoTDB是可以放在端上面，可以放在工控機(jī)、場控機(jī)上面，也可以放到云上面，TsFile一個(gè)文件格式打通從端到云的文件。

2018年11月份我們正式貢獻(xiàn)給Apache社區(qū)。這次開源經(jīng)歷給了我們非常大的鼓勵(lì)，真正開放的環(huán)境下面有創(chuàng)新，不是我們一個(gè)團(tuán)隊(duì)在戰(zhàn)斗，大家會(huì)看到深圳的深信服給了我們非常好的深度的測試，包括聯(lián)想、海爾，像一些大學(xué)，包括德國創(chuàng)業(yè)的企業(yè)，深圳是一個(gè)特別好的地方，深圳是一個(gè)創(chuàng)新活力特別強(qiáng)的地方，我們大家一起把IoTDB開源項(xiàng)目共創(chuàng)起來，是非常有意義的。

有了物聯(lián)網(wǎng)，然后有了前面的數(shù)據(jù)治理，然后就是Al了，怎么樣把它處理起來，我們有一個(gè)機(jī)器學(xué)習(xí)的平臺(tái)叫做Xlearn，不過名字重了，我們準(zhǔn)備要把它改名。它是服務(wù)整個(gè)生命周期的，從打標(biāo)注開始。當(dāng)前機(jī)器學(xué)習(xí)核心問題之一，是希望具有能夠舉一反三有遷移學(xué)習(xí)的能力，我們在國際上提前布局了相關(guān)工作。在數(shù)據(jù)可視化交互探索上面我們也有工具AutoVis。

制造業(yè)大數(shù)據(jù)應(yīng)用

今天的AloT我認(rèn)為就是這五個(gè)階段的融合，一個(gè)是物聯(lián)網(wǎng)階段的數(shù)據(jù)采集，另外一個(gè)是信息化階段的全類型數(shù)據(jù)的管理，然后到原來稱為BI的報(bào)表，然后到當(dāng)前AI當(dāng)中的機(jī)器學(xué)習(xí)，今天我們講的AloT就是把這些技術(shù)的一個(gè)綜合的應(yīng)用。

現(xiàn)在分享幾個(gè)案例：第一個(gè)就是在裝備制造服務(wù)方面，我們跟河北天遠(yuǎn)合作，他服務(wù)于小松、康明斯這樣世界500強(qiáng)企業(yè)。舉個(gè)例子，通過發(fā)動(dòng)機(jī)里采集的數(shù)據(jù)，精準(zhǔn)分析油耗。會(huì)看到兩個(gè)司機(jī)，他的經(jīng)濟(jì)性是不一樣的，深綠的是差的，淺黃的是好的，通過油耗經(jīng)濟(jì)型分析，你就知道這兩個(gè)司機(jī)每個(gè)司機(jī)應(yīng)該給他多少錢。

第二個(gè)，很多的工程機(jī)械要做租賃，這個(gè)人到底挖了多少斗的土，有多少的土方，原來是很難計(jì)量的。操作手戴上智能安全帽以后，就知道結(jié)帳的時(shí)候他今天應(yīng)該領(lǐng)多少錢。

第三個(gè)，很多的工程裝備都在荒郊野外，維護(hù)人員是不是很負(fù)責(zé)任地做了維修保養(yǎng)，老板原來只能聽匯報(bào)，今天不一樣了，戴上智能頭盔，老板就知道他怎么打的黃油，這個(gè)黃油槍在挖掘機(jī)的A、B、C、D這幾個(gè)關(guān)鍵的部位有沒有保養(yǎng)到位，你就知道了，數(shù)據(jù)就創(chuàng)造了價(jià)值。

還有臺(tái)灣英業(yè)達(dá)生產(chǎn)線大數(shù)據(jù)分析，這個(gè)回流焊里面有很多的數(shù)據(jù)。請大家看這里面的場景，有時(shí)候電子器件要偏移，有時(shí)候要立碑，有的爬錫，這些缺欠的檢測靠的就是工業(yè)大數(shù)據(jù)和工業(yè)的AI。

 最后我們看看跨界大數(shù)據(jù)應(yīng)用的情形，大家知道風(fēng)電、太陽能都是靠天吃飯的，看風(fēng)力多大，看今天的太陽多大，這些來源于自然，所以要靠氣象預(yù)報(bào)。為了做這件事情，我們和中央氣象臺(tái)做了一個(gè)云的外推的方法，取得了國際一流的成果，并完成了業(yè)務(wù)化。

最后，再次強(qiáng)調(diào)我們團(tuán)隊(duì)的使命，是讓產(chǎn)業(yè)界可以非常低成本地構(gòu)建大數(shù)據(jù)的應(yīng)用軟件，讓工業(yè)界有效地搜集存儲(chǔ)并且分析工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)，并有效降低大數(shù)據(jù)分析處理的門檻。

我的分享就到這兒，謝謝大家！

加「雷鋒網(wǎng)」公眾號，發(fā)關(guān)鍵詞「2019 AIoT峰會(huì)—清華大學(xué)」，獲取本文精彩演講PPT。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。