美國辛辛那提大學(xué)特聘教授、美國NSF智能維護(hù)系統(tǒng)中心/工業(yè)人工智能中心創(chuàng)始主任李杰上臺(tái)演講；

大家好，今天我想講一些案例，因?yàn)槲业囊槐拘聲豆I(yè)人工智能》馬上要出版了，預(yù)計(jì)6月份會(huì)在上海宣布發(fā)布。今天我把這本還在修訂的書帶來了，主要給大家介紹為什么要重新定義工業(yè)人工智能，以及這和互聯(lián)網(wǎng)有什么關(guān)系。我認(rèn)為在工業(yè)互聯(lián)網(wǎng)里盡管每個(gè)人都不一樣，每個(gè)企業(yè)做法也不太一樣，但是有一個(gè)關(guān)鍵點(diǎn)卻相同，即一定要為客戶解決其不能解決的問題，或者客戶可以通過你達(dá)到目的從而得到價(jià)值。不管是賣魚的、賣清酒的還是輪船高鐵的經(jīng)營者，其目的都是一樣的。

1991年我進(jìn)入美國NSF，大家都知道這家機(jī)構(gòu)比較中立，做出來的東西全世界分享，完全公開。當(dāng)時(shí)克林頓在任，官員的責(zé)任就是研究20年之后的事情，每天吃飯談20年之后的事。1995年我被公司派到日本先進(jìn)產(chǎn)業(yè)研究院，即日本的工研院，我?guī)ト毡镜捻?xiàng)目就是把互聯(lián)網(wǎng)用在機(jī)器上面，這就是美國的第一個(gè)“互聯(lián)網(wǎng)+”項(xiàng)目。那時(shí)候日本是利用衛(wèi)星實(shí)現(xiàn)遠(yuǎn)程控制機(jī)器。當(dāng)時(shí)我代表NSF進(jìn)行發(fā)動(dòng)機(jī)和電梯的遠(yuǎn)程控制研究，成果形成的論文也是唯一可以找到最早的文章。那時(shí)的速度建模一定與遠(yuǎn)程控制相關(guān)，至于為什么要建模，原因在于不可能只靠數(shù)據(jù)做決策，這明顯不夠。

后來1998-2000年我在美國做研發(fā)總監(jiān)，2000年之后在智能維護(hù)中心擔(dān)任了教授，這個(gè)中心擁有全世界100多個(gè)企業(yè)，而且還誕生了很多新的企業(yè)。我今天就講中國的高鐵和中船。

最近這幾年我寫第一本書的時(shí)候，也是從滴水湖這里開始寫起的。2015年開會(huì)期間上海交大創(chuàng)辦了先進(jìn)產(chǎn)業(yè)研究院的工業(yè)大數(shù)據(jù)，我在會(huì)上講完之后便決定將書寫出來。這本書描繪的是2001年-2015年整合的案例，后面包括智能制造，云上的工業(yè)智能以及最新的工業(yè)人工智能都能在下個(gè)月看到。

今天講工業(yè)互聯(lián)網(wǎng)，按照歷史來看基本上有以下幾種轉(zhuǎn)型做法：一是像互聯(lián)網(wǎng)公司說我也可以加上一個(gè)應(yīng)用，變成“互聯(lián)網(wǎng)+”、“互聯(lián)網(wǎng)+金融”、“互聯(lián)網(wǎng)+零售”，我用人臉辨識(shí)看顧客購買了多少次，多少次不買，根據(jù)零部件的喜好來確定顧客信息。這些叫做工業(yè)互聯(lián)網(wǎng)與智能轉(zhuǎn)型模式，能夠帶動(dòng)制造后面的過程，新制造、“工業(yè)+互聯(lián)網(wǎng)”、汽車、鋼鐵、風(fēng)電都是如此，他本來做產(chǎn)品的，有問題就加互聯(lián)網(wǎng)，遠(yuǎn)程可以看到，就專門監(jiān)控你，不行就關(guān)掉。質(zhì)量+互聯(lián)網(wǎng)，生產(chǎn)線連在一起，把整體質(zhì)量問題找到，我就可以解決生產(chǎn)線的問題。這個(gè)成功率很高。還有就是AI大數(shù)據(jù)+云技術(shù)賦能模式，我也可以給你解決很多問題，只要給我題目，所以你就可以做賦能。

重點(diǎn)來看為什么要做互聯(lián)網(wǎng)，這一定有原因，雖然人是一個(gè)事情的核心，但是人和物是自然的連接，人不能沒有物。麥克風(fēng)是演講的目的，所以人和麥克風(fēng)要互動(dòng)才能產(chǎn)生價(jià)值，重點(diǎn)是麥克風(fēng)不會(huì)告訴人要做什么，需要人有系統(tǒng)地管理物，比如說某某APP管理出行。我們可以利用AR、VR等技術(shù)進(jìn)行遠(yuǎn)程的管理，但是當(dāng)物加上傳感，它就能以通知的方式管理人的觀念。這說卻對(duì)也不對(duì)，比如說汽車可以直接通知人在哪里，但是必須有一個(gè)系統(tǒng)管理它，告訴它人是什么東西，這個(gè)系統(tǒng)就是我們今天講的工業(yè)人工智能。工業(yè)互聯(lián)網(wǎng)是管理系統(tǒng)，而不是一個(gè)高大上的技術(shù)系統(tǒng)。工業(yè)互聯(lián)網(wǎng)中，我們今天要做的一定是解決顧客最大的痛點(diǎn)，工業(yè)互聯(lián)網(wǎng)公司要準(zhǔn)備好看到最丑陋的一面，否則不要去做。這里面的數(shù)據(jù)的技術(shù)，包括分析的技術(shù)、平臺(tái)技術(shù)、OT技術(shù)，這里面要做的東西都是很重要的。今天講到DT，AT，PT，OT，這幾個(gè)T現(xiàn)在談得最多是PT。我是平臺(tái)公司，你和我合作就可以解決問題了，這個(gè)是夢想和幻想。做平臺(tái)的公司自己一定要已經(jīng)成功，自己有一個(gè)平臺(tái)，接著讓問題得到解決，甚至兩個(gè)不認(rèn)識(shí)的人在平臺(tái)上面解決問題。我們現(xiàn)在很多企業(yè)把平臺(tái)當(dāng)成陽臺(tái)用，有什么東西都放平臺(tái)上。云平臺(tái)基本上是一個(gè)平臺(tái)，有6個(gè)分享，分享存儲(chǔ)，分享網(wǎng)絡(luò)，分享計(jì)算機(jī)，這個(gè)是基本的功能。最重要的是分享資源，不是自己有一個(gè)東西專享，而是你用的東西別人可以用。還有分享服務(wù)，分享生態(tài)，這可以帶動(dòng)其他很多做生態(tài)的東西。機(jī)器出了問題，傳感器公司、維修公司都可以在這里，數(shù)據(jù)在我這里，所以誰先拿到數(shù)據(jù)。數(shù)據(jù)是用戶的而不是你的，所以這到底是誰的數(shù)據(jù)。這到底來講就是今天互聯(lián)網(wǎng)的戰(zhàn)場。很多公司說我要做云平臺(tái)，要求別人給它們做出來。話不是這么說，因?yàn)橛脩艉蛢r(jià)值是在這里產(chǎn)生的，只是看別人愿意不愿意用你的。比如說一個(gè)設(shè)備，一個(gè)機(jī)器，數(shù)據(jù)出來了，我開車就可以馬上利用車子里面的數(shù)據(jù)和GPS定位，路況信息都一清二楚。上海政府對(duì)此不清楚，因?yàn)闆]有實(shí)地考察過，但是我自己開車經(jīng)過這些路，所以我知道。因此可以把車子產(chǎn)生的數(shù)據(jù)變成一個(gè)生態(tài)，這個(gè)數(shù)據(jù)生態(tài)從傳感器出來，這個(gè)是知識(shí)生態(tài)，哪一個(gè)地方不好，哪個(gè)地方正在賽車等信息都知道，這就是服務(wù)生態(tài)。三個(gè)生態(tài)做成之后就變成自然生態(tài)，但是從哪一個(gè)開始則是隨機(jī)的。就像輪胎振知道哪一個(gè)輪胎不好就從哪里調(diào)整一樣，車子數(shù)據(jù)是你的，所以你可以做很多事，但是輪胎公司不知道。就看誰可以想到。

比如說軸承APP的使用。我在通用公司工作的時(shí)候，1983年我們有一個(gè)叫查理的專家，他只要耳朵一聽，就知道這機(jī)器是軸承的內(nèi)環(huán)壞了，再一聽就能發(fā)現(xiàn)軸承本身外環(huán)也不好，因?yàn)閮?nèi)環(huán)、外環(huán)、滾珠的頻率不一樣。我想說為什么需要人去看？我們對(duì)軸承進(jìn)行分類，綠色就是正常的，白色是外環(huán)，黑色是滾珠，藍(lán)色是內(nèi)環(huán)，這個(gè)分類方法很好，只要開始繞了就能發(fā)現(xiàn)是外環(huán)問題，我們過去需要有37年工作經(jīng)驗(yàn)的專家來識(shí)別，而現(xiàn)在只需要用一個(gè)振動(dòng)信號(hào)即噪音信號(hào)，而且這個(gè)數(shù)據(jù)可以全世界用，我們將數(shù)據(jù)捐給美國NASA?，F(xiàn)在在NASA網(wǎng)站查一下，已經(jīng)有超過3萬次下載。利用這個(gè)數(shù)據(jù)寫畢業(yè)論文并畢業(yè)的博士有850多位。我也要做成一個(gè)APP，任何人只要告訴我什么樣的軸承，什么樣的速度，APP直接自動(dòng)幫你判斷有什么問題。這樣一個(gè)APP在每個(gè)人都使用后就會(huì)變得值錢。不分黏性和彈性，大小型號(hào)軸承都可以用，因?yàn)轭櫩偷妮斎氩拍苄纬葾PP，這現(xiàn)在已經(jīng)很成熟了。我們做工業(yè)大數(shù)據(jù)、工業(yè)人工智能，要幫助顧客找到他不了解的問題。重要是用戶和價(jià)值驅(qū)動(dòng)。這個(gè)是最重要的目的。

現(xiàn)在怎么看數(shù)據(jù)質(zhì)量？發(fā)動(dòng)機(jī)、輪船，高鐵等數(shù)據(jù)很多，第一個(gè)可以找到高鐵，滾珠軸承，中國的高鐵是跑300公里一小時(shí)，200公里以下的軸承中國自己可以做，200公里以上中國不能做，都是進(jìn)口的，因此要知道可不可以用。很多公司說我有很多數(shù)據(jù)，我們花了6個(gè)月的時(shí)間來收集數(shù)據(jù)，但是你們的這些數(shù)據(jù)不能用，因?yàn)槟銈儧]有背景資料，這就好比捐了很多血，但是不知道你有沒有艾滋病或者膽固醇一樣，所以我們不敢用你的數(shù)據(jù)。數(shù)據(jù)可不可用是一個(gè)重要標(biāo)準(zhǔn)，這已經(jīng)是上億的產(chǎn)業(yè)，因?yàn)楹苌俟究梢宰鲞@個(gè)事，這要做人家不能做的事，數(shù)據(jù)本身是斷裂的，因?yàn)槟脕淼臅r(shí)間不一樣，拿來做的方法也不一樣，數(shù)據(jù)的背景不一樣，輪船航行時(shí)天氣的背景，飛機(jī)起飛時(shí)的高度、風(fēng)速都沒有，要做數(shù)據(jù)的省油服務(wù)幾乎是不可能的事。不了解天氣的資料，對(duì)發(fā)動(dòng)機(jī)懂再多也做不出來?？刹豢梢杂脷v史數(shù)據(jù)或者同類型的數(shù)據(jù)做比較呢？能不能找到關(guān)系，找到還不了解的問題，什么樣的風(fēng)速，什么樣的濕度，風(fēng)電葉片會(huì)結(jié)冰？甘肅不會(huì)結(jié)冰，到安徽會(huì)結(jié)冰，因?yàn)樘鞖鉂穸炔灰粯?，路況和車子的平穩(wěn)度什么關(guān)系，都不知道，因?yàn)閿?shù)據(jù)沒有歸類，所以人很難做決策。

2017年我們信通院辦的工業(yè)互聯(lián)網(wǎng)，主要看風(fēng)電會(huì)不會(huì)結(jié)冰，當(dāng)時(shí)1600個(gè)團(tuán)隊(duì)，最后選了12個(gè)團(tuán)隊(duì)，6個(gè)團(tuán)隊(duì)做皮帶損傷，6個(gè)團(tuán)隊(duì)做風(fēng)電結(jié)冰。其中富士康有3個(gè)團(tuán)隊(duì)，有人會(huì)問他們?cè)趺锤氵@個(gè)東西，因?yàn)樗麄冋f做大數(shù)據(jù)很強(qiáng)，不搞風(fēng)電也可以預(yù)測出來。我慢慢更了解富士康，發(fā)現(xiàn)這個(gè)里面我們可以有很多合作，就協(xié)助他們做工業(yè)互聯(lián)網(wǎng)。

后來我到富士康捐出這個(gè)數(shù)據(jù)之后，華為用云平臺(tái)，一個(gè)是物流，一個(gè)是刀具，能預(yù)測出來刀具怎么斷裂怎么損耗。來參加的全部都是高校的，沒有企業(yè)界。中國企業(yè)界自己獨(dú)當(dāng)一面搞工業(yè)互聯(lián)網(wǎng)真的很難，第一沒有時(shí)間，第二沒有環(huán)境，給你數(shù)據(jù)但沒有分析時(shí)間。有的有工具但沒有顧客數(shù)據(jù)，有的則正好相反。

我發(fā)現(xiàn)人工智能從上世紀(jì)80年代開始到最近已經(jīng)有了相當(dāng)大的改變。近幾年國內(nèi)炒作的特別厲害，從互聯(lián)網(wǎng)+到工業(yè)互聯(lián)網(wǎng)，到云再到CPS，再到人工智能都有連續(xù)炒作。納米技術(shù)從1993年的時(shí)候就開始研究，搞了將近20年，現(xiàn)在博士生都找不到工作，現(xiàn)在納米還談嗎？沒有錢所以不談了。我看人工智能再搞十年也沒有錢了，因?yàn)樽霾怀鰱|西怎么有錢。大家要清楚，一個(gè)領(lǐng)域不能炒過了，人臉識(shí)別、聲音智能之后，人工智能怎么賺錢，是比較大的挑戰(zhàn)。

因此未來我們?nèi)斯ぶ悄芡顿Y的可能性、可成長性、可用性都很難驗(yàn)證。我產(chǎn)品可以用還需要你投資嗎？我直接找客戶馬上用了，為什么還要你投資。以前搞機(jī)器人，機(jī)器一故障半個(gè)小時(shí)，損失的錢你來賠。那還要不要？所以機(jī)器人企業(yè)一個(gè)個(gè)死了。我可以用你的，但如果判斷損失你要承擔(dān)，你卻又不敢，那叫什么人工智能。數(shù)據(jù)環(huán)境會(huì)變，它不是固定的。需要辨別出來什么地方出問題，所以在很多方式里面解決一個(gè)系統(tǒng)工程，如何驗(yàn)證這個(gè)系統(tǒng)是否可用就很重要。所以我當(dāng)初定義工業(yè)人工智能（維基百科也是我寫的）時(shí)寫道，人工智能是認(rèn)知科學(xué)，是研究如何將圖像和自然語言用在醫(yī)療以及辨識(shí)上的科學(xué)，所以成功率是有的，但問題是怎么讓成功率不受到任何變化的干擾。國外的人工智能并不是解決一個(gè)奇幻的問題，問題解決完之后，就可以重復(fù)解決，這可以很穩(wěn)定地傳承下去。

比如說我退休，有人接替我，取代我，比我以前稍微好一點(diǎn)，但是好不到哪里去。以前一個(gè)個(gè)學(xué)，不同的專家不一樣，人工智能用訓(xùn)練的方式可以做，但是每次零部件要更換，系統(tǒng)有變化都要重新做，老系統(tǒng)和新系統(tǒng)無法自動(dòng)覆蓋。因此現(xiàn)在人工智能必須要做自動(dòng)調(diào)整，它可以一直做調(diào)整。這個(gè)里面他需要這種東西。我們要看哪一種方式適合解決什么問題。

第一個(gè)中國船舶案例。我之所以要做中船互聯(lián)網(wǎng)，是因?yàn)楫?dāng)時(shí)韓國在做并且技術(shù)處于第一，那個(gè)時(shí)候中國還不是第一。要做船的監(jiān)控，泵，軸承，我說船最大的問題就是耗油性，當(dāng)時(shí)根據(jù)船舶的位置，每天角度的變化，根據(jù)它的阻力可以找到關(guān)系?，F(xiàn)在整個(gè)團(tuán)隊(duì)都已經(jīng)形成并實(shí)現(xiàn)了民營化，我們可以一年省掉6%的油費(fèi)。第一條智能船是2017年12月6日正式成立，業(yè)務(wù)并不是賣船，而是賣船的管理和服務(wù)。有幾個(gè)人聽過寬度學(xué)習(xí)？這是我們犯錯(cuò)經(jīng)驗(yàn)得出來的，很多東西在運(yùn)轉(zhuǎn)，有很多風(fēng)電在運(yùn)轉(zhuǎn)，但是要監(jiān)控每個(gè)風(fēng)電嗎？所以我們申請(qǐng)寬度學(xué)習(xí)專利，學(xué)生3次考試，總考好的沒有問題，總考得不好就補(bǔ)習(xí)，所以就知道哪一個(gè)不好哪一個(gè)好。高鐵有兩個(gè)轉(zhuǎn)向架，每個(gè)轉(zhuǎn)向架有4個(gè)電機(jī)，一比就知道哪一個(gè)不好。我可以很快知道哪一個(gè)風(fēng)電好或不好，放在一個(gè)風(fēng)電里面看，看哪一個(gè)風(fēng)電哪一個(gè)不太穩(wěn)定。不管天氣好不好，船出去就可以做維修，一比就知道哪一個(gè)不好了。我們要去巴黎旅行，問十個(gè)朋友哪里好玩，問了十個(gè)知道了，哪一個(gè)地方好就去哪一個(gè)地方。

高鐵在開動(dòng)的時(shí)候，很多的數(shù)據(jù)從輪轂中產(chǎn)生，高鐵十幾節(jié)，一節(jié)有兩個(gè)轉(zhuǎn)向架。我們當(dāng)時(shí)做了整個(gè)群的監(jiān)控，這個(gè)里面根據(jù)速度變化爬坡加速減速找到類似性，就可以找出哪一個(gè)好哪一個(gè)不好。我知道中車哪一個(gè)電機(jī)不好，哪一個(gè)節(jié)車箱什么問題，一比較就出來了。這樣很快，因?yàn)榭偣?萬多輛車要怎么用。所以整個(gè)高鐵可以往上拉起來。有一天比如說中車的車子出來之后，動(dòng)車和諧號(hào)，信號(hào)出來一比知道哪一節(jié)哪一個(gè)電機(jī)不好，集中在這個(gè)電機(jī)和其他的電機(jī)做比較，就可以得出哪一個(gè)最差。把整個(gè)系統(tǒng)變成整個(gè)集成，中車可以很快找到不好的電機(jī)。這個(gè)就是寬度學(xué)習(xí)。

下一個(gè)案例就是電池，電動(dòng)車也是一樣，特斯拉有2000多個(gè)電芯。電池充放電的時(shí)候會(huì)變，我要找的電池是哪一節(jié)電池，在云上面直接做運(yùn)算。數(shù)據(jù)并不需要存儲(chǔ)，因?yàn)樵粕暇涂梢酝瓿?。充電的時(shí)候就知道電池什么問題。那個(gè)時(shí)候韓國某市長特別來看電池信息基地，建模。這個(gè)就是我們講的智能大數(shù)據(jù)，2010年開始做的，現(xiàn)在有十個(gè)專利，我們等企業(yè)碰，碰了之后找他們。用云做電子的很少，只有兩個(gè)。

接下來我們講工業(yè)互聯(lián)網(wǎng)的案例。我們?nèi)ツ陞f(xié)助富士康申請(qǐng)了燈塔工廠，全國有17個(gè)，因?yàn)楦皇靠涤?7萬的機(jī)床，18000條線。如果要做這個(gè)事，數(shù)據(jù)量是足夠大，工業(yè)云需要加強(qiáng)邊緣的智能化。物端不用這么快， 因?yàn)椴恍枰R上做決策。我們用了很多工業(yè)互聯(lián)網(wǎng)軟件預(yù)測生產(chǎn)當(dāng)中的問題，問題預(yù)測出來，最后關(guān)停工廠。富士康目前有8個(gè)停運(yùn)工廠，我不需要看機(jī)器了。目前全世界有16個(gè)，今年有7個(gè)，第一年有9個(gè)，今年7個(gè)富士康和西門子總共16個(gè)。基本上我們這個(gè)東西最重要就是集中在邊緣端。

最后我們現(xiàn)在有一個(gè)問題，人工智能找不到人，請(qǐng)不起人，留不住人。我們建立一個(gè)產(chǎn)業(yè)學(xué)院，專門培養(yǎng)人才，我?guī)透皇靠底龅臅r(shí)候只有30多人搞AI，現(xiàn)在有1000多人。

傳統(tǒng)人工智能是傳統(tǒng)科學(xué)，永遠(yuǎn)不會(huì)停的，但是工業(yè)人工智能是要解決過去的問題和未來的問題。人工智能不能解決過去的問題，但是工業(yè)人工智能一定要解決過去的問題，高鐵、車輛、風(fēng)電，深度學(xué)習(xí)，寬度學(xué)習(xí)都要有。我的書是6月份出，是由交通大學(xué)出版社發(fā)行的，大家有興趣可以看一下，也有很多案例在里面。今天就講到這邊，謝謝大家。