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)· 智能制造峰會在深圳隆重舉行，本次會議由雷鋒網(wǎng)主辦，由深圳市軟件行業(yè)協(xié)會、深圳市大數(shù)據(jù)產(chǎn)業(yè)協(xié)會、深圳市人工智能學會、深圳市人工智能行業(yè)協(xié)會作為支持單位。

在下午的工業(yè)數(shù)字化轉(zhuǎn)型論壇，清華大學軟件學院院長、信息學院副院長、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》的學術(shù)報告。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)應用三部分進行報告，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)型核心目標是人和裝備之間的有機融合。接下來他在第二部分介紹了大數(shù)據(jù)軟件技術(shù)，目標是能夠挖掘大數(shù)據(jù)的四個內(nèi)涵。第三部分分享了一些工業(yè)大數(shù)據(jù)的實際應用。

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

以下為演講實錄：

總地來說，世界變了，制造業(yè)變了。這是哈佛大學2014年非常著名的一個論斷，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。制造不僅僅看一個產(chǎn)品，要看整個產(chǎn)品的運營的生態(tài)，并且是跨界的，開始就是一個拖拉機，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

這個時候制造業(yè)出現(xiàn)一個剪刀的曲線，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，做服務的過程當中再去創(chuàng)新，就是這樣的一個過程。

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

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

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

今天我講的主題是大數(shù)據(jù)，四中全會說大數(shù)據(jù)可以作為生產(chǎn)資料來進行投資、分成，同樣數(shù)據(jù)也是整個工業(yè)數(shù)字化轉(zhuǎn)型的一個關(guān)鍵。一會兒有西門子的分享，西門子無疑是工業(yè)4.0轉(zhuǎn)型升級的一個領導者。

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。工業(yè)大數(shù)據(jù)一定要和物理的對象結(jié)合，這個是工業(yè)里最核心要素。工業(yè)里有巨大的學問，這種學問很多是領域知識，所以近200年工業(yè)文明發(fā)展造就了現(xiàn)代社會，如果離開了這個，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)，我個人把它分成了四個方面的含義。

大數(shù)據(jù)一個含義是大數(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)。另外一個是用大數(shù)據(jù)解決問題，就是大數(shù)據(jù)應用，數(shù)據(jù)解決各行各業(yè)的問題并創(chuàng)造價值。有一個報道說中國的數(shù)字經(jīng)濟達到了GDP的1/3，規(guī)模達到30萬億人民幣。但是2009年谷歌對整個美國的貢獻是5400億美元，我們還是要做很多的功課。我所服務的國家信息安全標準化委員會下設的大數(shù)據(jù)大數(shù)據(jù)安全標準化特別工作組，還包括人工智能、區(qū)塊鏈，云計算等安全標準化工作。

 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，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、標注；再集成聚合；關(guān)鍵是分析建模，最后把結(jié)果解釋應用。

這五個步驟里面挑戰(zhàn)是什么，有異構(gòu)的挑戰(zhàn)、規(guī)模的挑戰(zhàn)、處理時效性的挑戰(zhàn)、隱私方面的挑戰(zhàn)，還有人機互動協(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了，大數(shù)據(jù)就變得太簡單了。

實際情況不是這樣的，而是循環(huán)的，有時很難走出這個循環(huán)，要解決問題要去找現(xiàn)有數(shù)據(jù)，對數(shù)據(jù)進行一些理解。在這個時候可能就是好多個循環(huán)，常常是能夠用來解決業(yè)務問題的數(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。其實在企業(yè)做大數(shù)據(jù)項目的時候，特別是工業(yè)企業(yè)選題就是個難題，好的選題是成功的一半，往往你找不到好的選題。當然好多人可能沒有做業(yè)務理解和數(shù)據(jù)理解這個循環(huán)就直接下去了，那結(jié)果風險就很大。

選題大概差不多靠譜后，就做數(shù)據(jù)的建模?，F(xiàn)在我們所謂的機器學習有一個很強的假設是，你的訓練集和應用場景是匹配的，也就是獨立同分布的，但如果這個假設不成立，那模型預測就是不可信的。因為大數(shù)據(jù)面對未來的事情做預測，未來的數(shù)據(jù)是不是符合獨立同分布的要求？所以要做模型的評估，如果你的運氣很好，老板不太苛刻的情況下，分析模型很幸運地上線了，那是最好的方案，恭喜你就走出這個泥潭。往往你學習出來的結(jié)果和工業(yè)現(xiàn)場要求不相符的，比如我想看看計算機主板焊點的質(zhì)量，人工檢測都已經(jīng)達到99.99%了，如果你的AI方案達到99.98%，雖然已經(jīng)到小數(shù)點后的第三位了，但是這個不行，因此工業(yè)應用場景要求遠遠大于互聯(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)應用中準確率只有千分之二十的話，老板不會買賬。為什么說工業(yè)場景的數(shù)據(jù)質(zhì)量很重要，因為工業(yè)場景對數(shù)據(jù)分析的結(jié)果要求高。

怎么樣構(gòu)建一個數(shù)據(jù)系統(tǒng)？大數(shù)據(jù)的應用系統(tǒng)本質(zhì)特征是個性化，打個比方就是每個大數(shù)據(jù)應用都是在不斷裝修改造的別墅。BAT在消費互聯(lián)網(wǎng)領域很牛了，這個東西要推到產(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，個性化是核心，怎么樣個性化，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)一個大數(shù)據(jù)的軟件棧給大家都能夠用，亞馬遜也在想這個問題。亞馬遜從云計算開始到現(xiàn)在大數(shù)據(jù)和物聯(lián)網(wǎng)，非常牛，亞馬遜在問一個什么問題，就是是否存在一個參考架構(gòu)？這個參考架構(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)問題的時候，我用什么工具是合適的？我應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有一個標準，認為大數(shù)據(jù)系統(tǒng)應該長成這樣，下面是一個技術(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System  Orchestrator，如果大家對云計算有了解的話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)軟件國家工程實驗室聚焦在以下問題：有沒有一個大數(shù)據(jù)軟件科學理論，有沒有一個大數(shù)據(jù)系統(tǒng)開發(fā)的軟件工程方法，是否有開發(fā)運行平臺與工具支撐，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。

 所以我們設計了一個清華數(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。再一個是右邊這個清華數(shù)為框架（DWF）非常重要，就是一個大數(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，需要一個訓獸師，每一個節(jié)目需要有一個人去協(xié)調(diào)它，這就是清華數(shù)為框架。

工業(yè)大數(shù)據(jù)其實要處理好三個關(guān)系，一個是數(shù)據(jù)的泉，一個是數(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)是一個數(shù)據(jù)泉，今天是一個爆發(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得把他連進來，然后還得留下來，所以數(shù)據(jù)的泉是一個重要的鮮活的數(shù)據(jù)來源，是一個實時的、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，我認為錯了，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，也許當時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”，中間有一個數(shù)據(jù)中臺的東西，一會兒再講數(shù)據(jù)中臺是什么。這個過程當中DWF清華數(shù)為框架，一個作為大數(shù)據(jù)系統(tǒng)的協(xié)調(diào)器，把各個組件協(xié)調(diào)起來，另外一個是支持信息化應用的低號碼量開發(fā)，讓更多的業(yè)務人員可以用他來做數(shù)據(jù)的處理。還有一個解決數(shù)據(jù)泉的問題，要把物聯(lián)網(wǎng)的應用變成一個組態(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，來了人不多大概50個左右的企業(yè)的人員，我們就在檢驗我們低代碼開發(fā)的這樣一個交互環(huán)境，能不能讓非軟件專業(yè)的人也能用，以適應企業(yè)業(yè)務的頻繁變化。

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，大家一定要想清楚什么是數(shù)據(jù)后臺，否則中臺和后臺的關(guān)系不厘清，數(shù)據(jù)治理就是亂的?，F(xiàn)在數(shù)據(jù)中臺很熱，大家要小心，可能變成一個陷阱。首先要把數(shù)據(jù)后臺能夠發(fā)揮出來的能力發(fā)揮到極致，實在不能滿足需要的時候，你按需建數(shù)據(jù)中臺，今天千萬別上來就建一個很厚的、很重的中臺，將來可能需要去交學費的。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)為框架下得以實現(xiàn)。

這里面我們有一個案例，這是一個頭盔，為什么要做頭盔，就是要把人集成在互聯(lián)網(wǎng)里面。這是一個維修工，戴著這個頭盔之后老板就知道他在怎么樣做維修，后面還有一個具體的，透過這個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)拿進來，要把現(xiàn)在的物聯(lián)網(wǎng)的數(shù)據(jù)拿進來，還要把很多你跨界的數(shù)據(jù)拿進來，然后用人工智能的辦法去理解它，這個頭盔上面就有行為識別。這是介紹了數(shù)據(jù)湖的一個框架。

下面我講數(shù)據(jù)泉的治理框架。清華大學開發(fā)了一個物聯(lián)網(wǎng)數(shù)據(jù)庫，Apache IoTDB，其實叫數(shù)據(jù)庫這個名字并不確切，因為他可以把傳感器等端上的數(shù)據(jù)形成一種持續(xù)的格式文件TsFile—CLI，進入到上位機的數(shù)據(jù)庫，然后還是這個數(shù)據(jù)文件格式進到云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 這個代碼為什么要開源？現(xiàn)在到了一個共享的時代，大學也不例外，我們在前年做了國際學科評估，大家覺得一所有影響大學的軟件學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、場控機上面，也可以放到云上面，TsFile一個文件格式打通從端到云的文件。

2018年11月份我們正式貢獻給Apache社區(qū)。這次開源經(jīng)歷給了我們非常大的鼓勵，真正開放的環(huán)境下面有創(chuàng)新，不是我們一個團隊在戰(zhàn)斗，大家會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，包括德國創(chuàng)業(yè)的企業(yè)，深圳是一個特別好的地方，深圳是一個創(chuàng)新活力特別強的地方，我們大家一起把IoTDB開源項目共創(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，我們有一個機器學習的平臺叫做Xlearn，不過名字重了，我們準備要把它改名。它是服務整個生命周期的，從打標注開始。當前機器學習核心問題之一，是希望具有能夠舉一反三有遷移學習的能力，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)應用

今天的AloT我認為就是這五個階段的融合，一個是物聯(lián)網(wǎng)階段的數(shù)據(jù)采集，另外一個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的報表，然后到當前AI當中的機器學習，今天我們講的AloT就是把這些技術(shù)的一個綜合的應用。

現(xiàn)在分享幾個案例：第一個就是在裝備制造服務方面，我們跟河北天遠合作，他服務于小松、康明斯這樣世界500強企業(yè)。舉個例子，通過發(fā)動機里采集的數(shù)據(jù)，精準分析油耗。會看到兩個司機，他的經(jīng)濟性是不一樣的，深綠的是差的，淺黃的是好的，通過油耗經(jīng)濟型分析，你就知道這兩個司機每個司機應該給他多少錢。

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

第三個，很多的工程裝備都在荒郊野外，維護人員是不是很負責任地做了維修保養(yǎng)，老板原來只能聽匯報，今天不一樣了，戴上智能頭盔，老板就知道他怎么打的黃油，這個黃油槍在挖掘機的A、B、C、D這幾個關(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)造了價值。

還有臺灣英業(yè)達生產(chǎn)線大數(shù)據(jù)分析，這個回流焊里面有很多的數(shù)據(jù)。請大家看這里面的場景，有時候電子器件要偏移，有時候要立碑，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)應用的情形，大家知道風電、太陽能都是靠天吃飯的，看風力多大，看今天的太陽多大，這些來源于自然，所以要靠氣象預報。為了做這件事情，我們和中央氣象臺做了一個云的外推的方法，取得了國際一流的成果，并完成了業(yè)務化。

最后，再次強調(diào)我們團隊的使命，是讓產(chǎn)業(yè)界可以非常低成本地構(gòu)建大數(shù)據(jù)的應用軟件，讓工業(yè)界有效地搜集存儲并且分析工業(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—清華大學」，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。