互联网的下半场是什么?部分业界专家认为是“物联网”。
和互联网相比,你也许对物联网的感受没那么深切,实际上物联网已经在我们的工作、生活的背后默默发挥着巨大的作用。
就以中国的“双十一”网络购物节为例,巨大的交易量带来了不小的物流压力。而近年来海量的包裹之所以能够迅速投递而不发生错误,背后就得益于物联网的功劳。在分拣仓库,每一个包裹上设有物联网的标签,机器人能够通过自动识别包裹实现快速分拣,这远高于人工分拣的速度和效率。
再以遍布全国各大城市的共享单车为例,它之所以能够满足每日数千万人次的出行需求,同样得益于物联网的技术支撑,如此才能让每一个用户用手机就可以操作骑走一辆单车。
此外,还有很多领域广泛应用物联网技术,但是作为一个消费者是不容易感受到的,它们大多发生在B2B领域,例如制造业、工业、智慧城市、交通等行业。和互联网实现人和网络、人和人联接不一样,物联网是通过收集和分析海量数据,进而改进流程、提升效率,推动商业创新。
物联网将极大地影响和改变那些全球性企业开展业务的方法。物联网技术将改变生产制造的环境,未来10年,生产环境所发生的变化将远远超出过去50年里你已经看到的改变。根据思科公司的估计,仅物联网设备在制造领域就将产生3.9万亿美元的产值,而这也正是人们能够从物联网技术中获取最大收益的领域之一。
思科全球战略创新事业部副总裁马切伊 · 克兰兹(Maciej Kranz)
思科预计,到2020年,物联网(IoT)投资预计将会超过1.46万亿美元,近期内没有任何其他技术趋势能够像物联网一样产生如此巨大的影响。思科全球战略创新事业部副总裁马切伊·克兰兹(Maciej Kranz)所着《物联网时代:新商业世界的行动解决方案》一书畅销欧美市场,目前已被翻译成十几种语言,其中向企业展示了如何在当下实施物联网以获得立竿见影的利润和效率。它提供了应用层面的指导,引领我们了解物联网当下的实用价值、商业价值以及如何通过物联网获益。
物联网应用与行业创新
目前来说,总结物联网的应用包含四种模式:操作互联、预测分析、远程操控和定期维修。在克兰兹看来,制造业、智慧城市、工业、农业、金融业、交通在内的各个行业都深深受这四个方面的影响,任何一个身处这些行业的公司或组织,在运用物联网时,都无法避免触及物联网的这四种模式。
以哈雷-戴维森举例,这是一个耳熟能详、炫酷的摩托车品牌。以前,哈雷的制造车间的每个流程都是信息孤岛,流程之间没有数据的流动,甚至在制造过程中,信息数据都是不流通的。这直接导致整个摩托车生产过程极其繁琐且漫长,消费者定制的需求需要等待一年甚至一年半的时间才能拿到一辆新的摩托车。后来,哈雷通过采用物联网技术,整个制造车间的每个流程都能互相联接,整套的运营流程都能联接互通,信息和数据可以自由流动,流程之间的联接变得更为高效。所以,定制化生产一台摩托车的时间从以前的18个月缩短到仅仅两周。
再举预测分析物联网应用的一个例子,机器人制造商发那科(Fanuc),联接着超过30000个机器人。通过数据联接,发那科能够从它所生产的机器人中直接提取数据,并将这些机器人与人、生产流程等联接在一起。在过去两年,通过预测分析机械臂和机器人的情况,极大减少了生产过程中机器人的停机时间。机器人的机械臂一旦出现故障停机,会导致每条线200万美金的损失,可以想象,如果有100条线路产生故障,损失就高达2亿美金。物联网的预测分析模式帮助企业减少了可能的潜在巨额损失。
在远程操控和定期维修方面,物联网应用的例子则更为普遍了。
中国将成为物联网技术的领导者
克兰兹最近发表了一项关于2018年的十大预测,其中有一条是,中国会成为物联网技术的领导者。2018年中国将会进一步巩固其作为全球主要物联网创新者、采用者和消费者的地位。在中国政府强有力的物联网举措和投资的推动下,如物联网专项基金和中国制造2025等,中国物联网的成熟度和采用率将持续显着提升。
加之中国本身是一个制造业大国,有庞大的制造业基础,制造业又恰恰是物联网落地的试验基地,物联网技术在中国有着非常肥沃的土壤。一些专家甚至预测,到2020年全球将有2000亿联接物联网的设备,而其中95%将在中国制造。
如何避免犯错
虽然物联网有数不胜数的典型成功案例,但也有失败的教训。例如,第一代的停车解决方案就是其中一个例子,基于将物理传感器安装在街道路面上的解决方案后来被证实无论是安装和维护都过于昂贵了。另外,车辆以及天气因素所造成的传感器损坏的数量要远超预期,克兰兹在《物联网时代》书中写道。
另一类常见的错误是处于一个封闭的环境、在与相关的业务流程完全分离的情形下部署物联网的解决方案。例如,有一个城市在检修井中部署了最先进的流入和渗透检测系统,这个解决方案完全达到了当初的设计要求,却没有实现原本所设想的投资回报。问题出在了哪里?被部署在底下的技术系统没有与包括这个城市清扫作业在内的地面业务流程相集成,所以投资回报率也就大打折扣。
还有一些错误主要集中在太过于关注现有的需求,而对于未来可能的需求则没有给予足够的重视。例如系统兼容性、互操作性、IT资源扩容等等。
如何更好地实施物联网,克兰兹提供给了企业三个重要建议:
第一,“大处着眼,小处着手”,物联网不仅仅是在运用科技,还在改变商业。首先企业要有一个远大的前景构想,同时要从小的方面着手,由小到大来循序渐进。
第二,组建专人团队,用专业化的手段实施物联网。
第三,创建合作伙伴的生态体系,这样才能够更好地从一个生态体系的角度真正地落实物联网带来的益处。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。