普华永道：没有工业物联网，人工智能将无的放矢

对此，近来逐渐有专家开始提出，如果没有IIoT作为根基，人工智能将缺少非常重要的立足之地。他们表示，人工智能的应用需要大量的数据，而仅依靠机器学习和人工智能本身的技术，要想充分挖掘数据的价值是非常难的。

通过将联网传感器技术整合至工业流程中，工业物联网能够收集生产线和供应链中实时产生的数据，再结合人工智能进行数据分析和决策，这将在工业领域带来巨大影响。

据统计，到2021年全球物联网设备所将创造的数据总量将达到每年847 ZB，这远高于2016年全年产生的数据量（218 ZB）。普华永道数字化供应链战略负责人Jens Wunderlin表示：“物联网最基本的特点在于提供一种连接技术，确保我们能够从任何对象当中实时获取特定数据。但接下来的问题是——我们该如何处理这些数据，以及如何在业务场景中落地，从而推动企业自身的运营。”

▲普华永道数字化供应链战略负责人Jens Wunderlin

而解决办法就是，将人工智能技术引入工业，由它来处理工业物联网生成的大量数据。

Wunderlin介绍，这样的案例已经“无处不在”。在工业设计流程当中，由机器学习驱动的预测能力，将推动工业自动化的发展，同时在很大程度上降低成本。举例来说，通过人工智能与智能传感器的结合，系统不仅能够预测机器与设备何时何地需要接受高精度维护，同时还可以根据实际生产需求快速响应，并调整产量。而随着设备停机时间的缩短，整个生产线的流程优化效果也将产生巨大的实际价值。与此同时，整个供应链中的联网设备所产生的实时数据，也将为机器学习与预测分析提供大量具有参考价值的信息。

“当企业能够实现对整个全生命生产周期的预测，就会发现其中存在着大量的获益空间。其中的关键在于确定哪些领域拥有实际层面的投资意义，以及哪些领域能够强化自身的差异化优势。”Wunderlin指出。

Wunderlin解释称：“对于一台机器而言，要真正解决问题，其首先需要获得质量极高的数据。”

因此，目前企业需要回答的关键问题包括：

• 在正确的位置是否都部署了合适的传感器？
• 存储的数据是否具有足够的质量，是否可用于预测分析？
• 是否拥有执行相关分析所需要的全部正确信息？

Wunderlin总结：“真正的挑战在于如何将正确的人员与正确的数据联系起来。虽然很多企业在基础层面已经取得了一定成功，但一旦涉及更为复杂、甚至包含数以千计传感器乃至更多潜在事件的场景，企业往往很难调整数据并找到其中的正确模式。”

当然，技术确实是保障任何人工智能或工业物联网项目得以成功落地的主要因素，但总体来讲，企业所采取的实际方案才决定着技术手段的实际效果。除了拥有世界上最出色的分析软件，企业还需具备一支精通数据的团队并愿意为此投入心力，否则有可能让所有的努力最终一无所获。

“大家需要考虑将企业战略、人员结构、技术等不同的部分结合起来以实现数字化目标，而非单纯认定‘采用一些有趣的新技术即可带来价值’的见解。必须承认的是，业务主导的人工智能与工业物联网方法将能为每个人带来助益，并帮助企业更快实现由技术创造的实际价值，但最根本的决定性因素仍然在于企业自身及其领导者的战略思维及执行方式。”Musk表示。