關于西門子Siemens，每個人都有自己的印象。

家住北京朝陽區(qū)的陳先生，給出的第一印象是家電，冰箱、洗衣機、烘干機……家里的西門子應有盡有。

清華畢業(yè)的孫，馬上想到的是工作。博士畢業(yè)之后的數(shù)年里，她在中國研究院研發(fā)技術、應用至項目，最后作用在中國的城市和工業(yè)項目。

而如果你問華潤電力研究院，他們會給出更不一樣的答案。

這個答案可以概括為數(shù)據(jù)分析，可以稱之為產(chǎn)業(yè)互聯(lián)網(wǎng)，若是更符合當前的潮向，我們或許要以產(chǎn)業(yè)AI認知西門子。

這是一個大眾沒那么熟悉的西門子另一面，但影響日盛，聲勢愈猛，它深入產(chǎn)業(yè)數(shù)字化進程中，一手抓效率，一手降成本。

沒錯，靠AI。

AI優(yōu)化電廠運營

華潤電力將與西門子合作，后者通過技術能力，幫助華潤電力實現(xiàn)發(fā)電機組的數(shù)字化連接、提高機群透明度，進行資產(chǎn)診斷和運營優(yōu)化，從而幫助提高電廠的運營效益。

這也會是中國首個數(shù)字化電力遠程運營中心項目。

整個方案中，共接入了19臺發(fā)電機組（總裝機容量9.6吉瓦），其中發(fā)電機涵蓋小則含30萬機組，大則60萬機組，還有特殊達上百萬，發(fā)電量能滿足1500萬個家庭日常所用。

其中，大數(shù)據(jù)、人工智能、云計算等技術均會被應用其中，所以華潤電力與西門子的聯(lián)手，將會是一次數(shù)字化的真正落地，也是未來智能能源技術的一次代表性試水。

西門子產(chǎn)業(yè)AI

但華潤電力，只是西門子產(chǎn)業(yè)AI的眾多落地案例和客戶之一。

在制造、能源、城市、樓宇等諸多領域，西門子的數(shù)字化方案都在開花結果。

西門子中國研究院大數(shù)據(jù)分析研發(fā)部總監(jiān)田鵬偉說，如果從傳統(tǒng)機器學習算起，西門子開啟AI領域的研究和方案落地，已有30多年歷史。

早在90年代，西門子就開始在全球30多家鋼鐵廠部署基于自學習的質(zhì)量控制方案，幫助客戶更好利用設備。

即便當時神經(jīng)網(wǎng)絡的方法方興未艾，但出于需求驅(qū)動，西門子就已經(jīng)嘗試將其帶入方案中幫助解決問題。

從傳統(tǒng)的數(shù)據(jù)分析、機器學習，到近幾年大火的神經(jīng)網(wǎng)絡和深度學習，對于西門子永遠都是工具，只要對解決問題有幫助，都會嘗試。

西門子的風格，往往不是提供一個方案，而是提供一系列方案。

典型的解決方案則可以歸為三類領域。

第一個領域，預測和預測性維護。目前在空氣質(zhì)量預測、故障設備檢測和設備健康狀態(tài)預測等方面，都有應用。

第二大領域是適應和優(yōu)化。與通常喜聞樂見的人機交互不同，西門子方案的交互對象是大自然一樣的無邊界對手。

比如優(yōu)化風力發(fā)電的發(fā)電效率案例中，他們就需要在特定環(huán)境和氣候條件下，給出如何布置風機、優(yōu)化發(fā)電效率的方案。

第三大領域則是自然語言處理和推理，主要應用在文本數(shù)據(jù)分析和知識管理，在推理基礎上實現(xiàn)智能化交互，并融合傳感器數(shù)據(jù)和多媒體數(shù)據(jù)，進一步發(fā)揮作用。

而在這些行業(yè)和領域的推進中，還有一些典型的經(jīng)驗和解決方案得到總結。

例如，西門子內(nèi)部將某典型方案命名為設備醫(yī)生，Equipment Doctor，幫設備去診斷，幫設備去治病，并且還總結出“中西醫(yī)結合”的方法。

所謂中西醫(yī)結合，不光只是好記好聽，還在于更形象地對傳統(tǒng)領域合作方解釋技術原理。

在西門子產(chǎn)業(yè)AI落地中，這樣的形象化比喻比比皆是，比如在解釋GAN生成對抗網(wǎng)絡作用原理中，他們還有“用豆腐做素肉”的比喻，AI背景的人自然都知道GAN如何發(fā)揮作用，但諸多傳統(tǒng)企業(yè)客戶并不清楚。

于是西門子科學家們對GAN有了上述闡釋。為了讓素肉的口感更接近于真正的肉制品，GAN可以通過廚師手藝和食客口味的反復交鋒，使得不斷精進的廚師能夠做出令最挑剔的食客也難以辨別真?zhèn)蔚乃厝狻?/p>

所以這實際也是產(chǎn)業(yè)AI落地中必不可缺的一部分，西門子的博士們，不光要當AI方案打造者，還要承擔AI前沿技術概念的布道師。

而在這“中西醫(yī)結合”的方法中，就包含了諸多原本解釋起來很困難的AI概念。

所謂“中”，一方面是基于歷史文本數(shù)據(jù)、專家知識經(jīng)驗建立知識庫，進而將AI能力貫穿其中，形成推理引擎，可以針對問題的現(xiàn)象或癥狀給出方案。

而所謂“西”，利用傳感器數(shù)據(jù)和神經(jīng)網(wǎng)絡模型相配合，一旦設備發(fā)生問題，在精確量化的指標監(jiān)測下，可以及時反饋，并依靠背后的知識圖譜給出方法建議，甚至能做到問題預判，大大降低突然宕機帶來的危害。

當然，熟悉AI或機器學習方案的人都知道，這套“中西醫(yī)結合”的方法，大道至簡，就是AI方案落地具體領域和行業(yè)的解法。

比如生產(chǎn)優(yōu)化的例子。

在基于數(shù)控機床的精加工過程中，客戶都希望更好實現(xiàn)生產(chǎn)質(zhì)量優(yōu)化，提升加工的良率。

于是就是按照上述“中西醫(yī)結合”的方法，西門子方案能夠自動給出客戶建議：哪些參數(shù)能提升良率，什么樣的參數(shù)值可以運用其中，最后良率可以提升至怎樣的效果。

值得一提的是，西門子內(nèi)部，其實也有自己的“AlphaGo”。

但不是用來下圍棋，而是運用AlphaGo背后的多層神經(jīng)網(wǎng)絡、強化學習等技術，將其運用至燃氣輪機的氮氧化合物排放優(yōu)化以及風力發(fā)電效率提升問題上。

而且相比圍棋，這些領域的規(guī)則都不算清晰，問題的邊界也不算明確，比如氮氧化合物排放是完全在燃氣輪機的燃燒室里進行的，完全動態(tài)。

但就在這樣的情況下，西門子運用AI還是實現(xiàn)了15%的效能優(yōu)化。

不過AI落地也好，打造行業(yè)解決方案也罷，究竟有無標準可篩選先后，有沒有“首先、其次”的路徑可走？

可能沒有。

需求驅(qū)動，業(yè)務驅(qū)動

因為從西門子的經(jīng)驗來說，都是需求驅(qū)動、業(yè)務驅(qū)動。

西門子產(chǎn)業(yè)AI解決方案出爐，都是從客戶的痛點、數(shù)據(jù)情況和目標價值出發(fā)。

在工業(yè)領域，起初的需求是設備和系統(tǒng)預測。

西門子創(chuàng)立百年，打造了眾多著稱全球的設備，進入數(shù)據(jù)驅(qū)動、AI加持階段，對設備和系統(tǒng)的預測、檢測，自然可以形成AI方案。

于是從業(yè)務出發(fā)，以需求驅(qū)動，西門子的產(chǎn)業(yè)AI一點點起步。

并從最初的設備檢測和維護，慢慢進入更多精細化服務和市常

而且在產(chǎn)業(yè)領域的數(shù)字化升級中，有太多降低成本、提升效率的事情，可以通過數(shù)據(jù)和AI發(fā)揮作用。

所以AI也在給西門子帶來變革，過去他們只是設備制造和提供商，但現(xiàn)在，將會是全鏈條服務的方案打造者。

這個過程中，西門子的軟硬件裝機量也側(cè)面發(fā)揮作用，因為只有設備擁有聯(lián)網(wǎng)、數(shù)據(jù)采集等能力，才能利用AI發(fā)揮作用。

不過產(chǎn)業(yè)領域搞AI，依然還有數(shù)據(jù)本身方面的挑戰(zhàn)。

比如通常不缺數(shù)據(jù)的工業(yè)，其實對于能滿足要求的數(shù)據(jù)很緊缺。

另外數(shù)據(jù)樣本也是難題，比起專門的AI領域有數(shù)據(jù)標注公司，工業(yè)領域還沒有類似產(chǎn)業(yè)鏈服務，畢竟只有專家才能完成工業(yè)數(shù)據(jù)的標注，而且很多工業(yè)設備不允許現(xiàn)場出問題，導致異常數(shù)據(jù)極其有限，想要進行故障檢測就變得更富挑戰(zhàn)。

最后，還有遷移性方面的問題。目前AI垂直縱深的領域，模型遷移并非難事，但在產(chǎn)業(yè)領域，即便同一個客戶，在做完一套解決方案后，進行一次檢修，更換一次零件，就可能需要基于新的傳感器數(shù)據(jù)重新訓練，進而優(yōu)化模型。

有時候，同樣設備的解決方案從客戶A拓展至客戶B，或者同一客戶希望拓展至所有類似設備，都會讓遷移性經(jīng)受大挑戰(zhàn)。

但這種挑戰(zhàn)換個角度，也成為了這家數(shù)字化設備巨頭深耕產(chǎn)業(yè)AI的優(yōu)勢所在。

因為針對產(chǎn)業(yè)領域的這些挑戰(zhàn)，不停迭代、不斷適應新情況，最初的難關越過之后，就成了壁壘。

不一樣的產(chǎn)學研和創(chuàng)新

當前談論AI，無法不談論產(chǎn)學研。

產(chǎn)業(yè)領域應用也一樣，都要吃透最新技術，解決現(xiàn)實難題，推出產(chǎn)品化方案。

田鵬偉自述，跟其他公司研發(fā)模式略有不同，他們的研究院不僅需要學習更新最新技術和研究，也要思考和實踐如何把這些技術研究落地到客戶方案中。

這種需求，推動了他們的創(chuàng)新模式形成。

在西門子內(nèi)部，AI落地可以歸結為兩大方向：一是從AI引擎往下落地的AI+，二是從場景和領域向上結合的+AI。

從創(chuàng)新模式來看，研究院更側(cè)重于“AI+”，會著重思考如何把最新技術應用進方案，而各業(yè)務集團（Division），則從“+AI”角度，思考場景問題可以利用什么樣方案解決。

最后研究院和業(yè)務集團聯(lián)動，真正讓技術發(fā)揮價值。

西門子的諸多科班出身博士們，雖然隸屬研究院，但出差和“下鄉(xiāng)”時間很多，因為西門子研究院的工作不是埋頭實驗室，還需要一線了解客戶需求和場景。

但這可能也正是西門子及其研究院留得住人才的原因之一。

田鵬偉畢業(yè)就加入西門子，至今已將近10年，他很享受技術從實驗室到真實場景中落地后發(fā)揮價值的成就感。

還有開頭提及的孫，清華畢業(yè)后也來到西門子，至今司齡8年，她參與的智慧城市解決方案方案目前已經(jīng)落地香港、無錫、蘇州等智慧城市項目中。

而且這還不是孤例特例，西門子的研究院仿佛別有魔力。

在AI狂飆激進的年代里，它仿佛天降防護罩，保證這些科學家沉心靜氣，源源不斷往傳統(tǒng)領域輸出技術價值。

桃李不言，下自成蹊。

現(xiàn)在是時候從中國更新印象，認識西門子的另一面產(chǎn)業(yè)AI的那一面。