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

大家好，今天我想講一些案例，因為我的一本新書《工業(yè)人工智能》馬上要出版了，預計6月份會在上海宣布發(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)有什么關系。我認為在工業(yè)互聯(lián)網(wǎng)里盡管每個人都不一樣，每個企業(yè)做法也不太一樣，但是有一個關鍵點卻相同，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到目的從而得到價值。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年我進入美國NSF，大家都知道這家機構比較中立，做出來的東西全世界分享，完全公開。當時克林頓在任，官員的責任就是研究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產(chǎn)業(yè)研究院，即日本的工研院，我?guī)ト毡镜捻椖烤褪前鸦ヂ?lián)網(wǎng)用在機器上面，這就是美國的第一個“互聯(lián)網(wǎng)+”項目。那時候日本是利用衛(wèi)星實現(xiàn)遠程控制機器。當時我代表NSF進行發(fā)動機和電梯的遠程控制研究，成果形成的論文也是唯一可以找到最早的文章。那時的速度建模一定與遠程控制相關，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年之后在智能維護中心擔任了教授，這個中心擁有全世界100多個企業(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候，也是從滴水湖這里開始寫起的。2015年開會期間上海交大創(chuàng)辦了先進產(chǎn)業(yè)研究院的工業(yè)大數(shù)據(jù)，我在會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應用，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，能夠帶動制造后面的過程，新制造、“工業(yè)+互聯(lián)網(wǎng)”、汽車、鋼鐵、風電都是如此，他本來做產(chǎn)品的，有問題就加互聯(lián)網(wǎng)，遠程可以看到，就專門監(jiān)控你，不行就關掉。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。這個成功率很高。還有就是AI大數(shù)據(jù)+云技術賦能模式，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。

重點來看為什么要做互聯(lián)網(wǎng)，這一定有原因，雖然人是一個事情的核心，但是人和物是自然的連接，人不能沒有物。麥克風是演講的目的，所以人和麥克風要互動才能產(chǎn)生價值，重點是麥克風不會告訴人要做什么，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等技術進行遠程的管理，但是當物加上傳感，它就能以通知的方式管理人的觀念。這說卻對也不對，比如說汽車可以直接通知人在哪里，但是必須有一個系統(tǒng)管理它，告訴它人是什么東西，這個系統(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)，而不是一個高大上的技術系統(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，工業(yè)互聯(lián)網(wǎng)公司要準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，包括分析的技術、平臺技術、OT技術，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T現(xiàn)在談得最多是PT。我是平臺公司，你和我合作就可以解決問題了，這個是夢想和幻想。做平臺的公司自己一定要已經(jīng)成功，自己有一個平臺，接著讓問題得到解決，甚至兩個不認識的人在平臺上面解決問題。我們現(xiàn)在很多企業(yè)把平臺當成陽臺用，有什么東西都放平臺上。云平臺基本上是一個平臺，有6個分享，分享存儲，分享網(wǎng)絡，分享計算機，這個是基本的功能。最重要的是分享資源，不是自己有一個東西專享，而是你用的東西別人可以用。還有分享服務，分享生態(tài)，這可以帶動其他很多做生態(tài)的東西。機器出了問題，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，要求別人給它們做出來。話不是這么說，因為用戶和價值是在這里產(chǎn)生的，只是看別人愿意不愿意用你的。比如說一個設備，一個機器，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。上海政府對此不清楚，因為沒有實地考察過，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)變成一個生態(tài)，這個數(shù)據(jù)生態(tài)從傳感器出來，這個是知識生態(tài)，哪一個地方不好，哪個地方正在賽車等信息都知道，這就是服務生態(tài)。三個生態(tài)做成之后就變成自然生態(tài)，但是從哪一個開始則是隨機的。就像輪胎振知道哪一個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候，1983年我們有一個叫查理的專家，他只要耳朵一聽，就知道這機器是軸承的內(nèi)環(huán)壞了，再一聽就能發(fā)現(xiàn)軸承本身外環(huán)也不好，因為內(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？我們對軸承進行分類，綠色就是正常的，白色是外環(huán)，黑色是滾珠，藍色是內(nèi)環(huán)，這個分類方法很好，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)驗的專家來識別，而現(xiàn)在只需要用一個振動信號即噪音信號，而且這個數(shù)據(jù)可以全世界用，我們將數(shù)據(jù)捐給美國NASA。現(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直接自動幫你判斷有什么問題。這樣一個APP在每個人都使用后就會變得值錢。不分黏性和彈性，大小型號軸承都可以用，因為顧客的輸入才能形成APP，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。重要是用戶和價值驅(qū)動。這個是最重要的目的。

現(xiàn)在怎么看數(shù)據(jù)質(zhì)量？發(fā)動機、輪船，高鐵等數(shù)據(jù)很多，第一個可以找到高鐵，滾珠軸承，中國的高鐵是跑300公里一小時，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個月的時間來收集數(shù)據(jù)，但是你們的這些數(shù)據(jù)不能用，因為你們沒有背景資料，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)可不可用是一個重要標準，這已經(jīng)是上億的產(chǎn)業(yè)，因為很少公司可以做這個事，這要做人家不能做的事，數(shù)據(jù)本身是斷裂的，因為拿來的時間不一樣，拿來做的方法也不一樣，數(shù)據(jù)的背景不一樣，輪船航行時天氣的背景，飛機起飛時的高度、風速都沒有，要做數(shù)據(jù)的省油服務幾乎是不可能的事。不了解天氣的資料，對發(fā)動機懂再多也做不出來?？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？能不能找到關系，找到還不了解的問題，什么樣的風速，什么樣的濕度，風電葉片會結冰？甘肅不會結冰，到安徽會結冰，因為天氣濕度不一樣，路況和車子的平穩(wěn)度什么關系，都不知道，因為數(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)，主要看風電會不會結冰，當時1600個團隊，最后選了12個團隊，6個團隊做皮帶損傷，6個團隊做風電結冰。其中富士康有3個團隊，有人會問他們怎么搞這個東西，因為他們說做大數(shù)據(jù)很強，不搞風電也可以預測出來。我慢慢更了解富士康，發(fā)現(xiàn)這個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數(shù)據(jù)之后，華為用云平臺，一個是物流，一個是刀具，能預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)界自己獨當一面搞工業(yè)互聯(lián)網(wǎng)真的很難，第一沒有時間，第二沒有環(huán)境，給你數(shù)據(jù)但沒有分析時間。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80年代開始到最近已經(jīng)有了相當大的改變。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。納米技術從1993年的時候就開始研究，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，因為做不出東西怎么有錢。大家要清楚，一個領域不能炒過了，人臉識別、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。以前搞機器人，機器一故障半個小時，損失的錢你來賠。那還要不要？所以機器人企業(yè)一個個死了。我可以用你的，但如果判斷損失你要承擔，你卻又不敢，那叫什么人工智能。數(shù)據(jù)環(huán)境會變，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系統(tǒng)工程，如何驗證這個系統(tǒng)是否可用就很重要。所以我當初定義工業(yè)人工智能（維基百科也是我寫的）時寫道，人工智能是認知科學，是研究如何將圖像和自然語言用在醫(yī)療以及辨識上的科學，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奇幻的問題，問題解決完之后，就可以重復解決，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，但是好不到哪里去。以前一個個學，不同的專家不一樣，人工智能用訓練的方式可以做，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)無法自動覆蓋。因此現(xiàn)在人工智能必須要做自動調(diào)整，它可以一直做調(diào)整。這個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。

第一個中國船舶案例。我之所以要做中船互聯(lián)網(wǎng)，是因為當時韓國在做并且技術處于第一，那個時候中國還不是第一。要做船的監(jiān)控，泵，軸承，我說船最大的問題就是耗油性，當時根據(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系?，F(xiàn)在整個團隊都已經(jīng)形成并實現(xiàn)了民營化，我們可以一年省掉6%的油費。第一條智能船是2017年12月6日正式成立，業(yè)務并不是賣船，而是賣船的管理和服務。有幾個人聽過寬度學習？這是我們犯錯經(jīng)驗得出來的，很多東西在運轉(zhuǎn)，有很多風電在運轉(zhuǎn)，但是要監(jiān)控每個風電嗎？所以我們申請寬度學習專利，學生3次考試，總考好的沒有問題，總考得不好就補習，所以就知道哪一個不好哪一個好。高鐵有兩個轉(zhuǎn)向架，每個轉(zhuǎn)向架有4個電機，一比就知道哪一個不好。我可以很快知道哪一個風電好或不好，放在一個風電里面看，看哪一個風電哪一個不太穩(wěn)定。不管天氣好不好，船出去就可以做維修，一比就知道哪一個不好了。我們要去巴黎旅行，問十個朋友哪里好玩，問了十個知道了，哪一個地方好就去哪一個地方。

高鐵在開動的時候，很多的數(shù)據(jù)從輪轂中產(chǎn)生，高鐵十幾節(jié)，一節(jié)有兩個轉(zhuǎn)向架。我們當時做了整個群的監(jiān)控，這個里面根據(jù)速度變化爬坡加速減速找到類似性，就可以找出哪一個好哪一個不好。我知道中車哪一個電機不好，哪一個節(jié)車箱什么問題，一比較就出來了。這樣很快，因為總共2萬多輛車要怎么用。所以整個高鐵可以往上拉起來。有一天比如說中車的車子出來之后，動車和諧號，信號出來一比知道哪一節(jié)哪一個電機不好，集中在這個電機和其他的電機做比較，就可以得出哪一個最差。把整個系統(tǒng)變成整個集成，中車可以很快找到不好的電機。這個就是寬度學習。

下一個案例就是電池，電動車也是一樣，特斯拉有2000多個電芯。電池充放電的時候會變，我要找的電池是哪一節(jié)電池，在云上面直接做運算。數(shù)據(jù)并不需要存儲，因為云上就可以完成。充電的時候就知道電池什么問題。那個時候韓國某市長特別來看電池信息基地，建模。這個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。

接下來我們講工業(yè)互聯(lián)網(wǎng)的案例。我們?nèi)ツ陞f(xié)助富士康申請了燈塔工廠，全國有17個，因為富士康有17萬的機床，18000條線。如果要做這個事，數(shù)據(jù)量是足夠大，工業(yè)云需要加強邊緣的智能化。物端不用這么快， 因為不需要馬上做決策。我們用了很多工業(yè)互聯(lián)網(wǎng)軟件預測生產(chǎn)當中的問題，問題預測出來，最后關停工廠。富士康目前有8個停運工廠，我不需要看機器了。目前全世界有16個，今年有7個，第一年有9個，今年7個富士康和西門子總共16個?；旧衔覀冞@個東西最重要就是集中在邊緣端。

最后我們現(xiàn)在有一個問題，人工智能找不到人，請不起人，留不住人。我們建立一個產(chǎn)業(yè)學院，專門培養(yǎng)人才，我?guī)透皇靠底龅臅r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，永遠不會停的，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、風電，深度學習，寬度學習都要有。我的書是6月份出，是由交通大學出版社發(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。