【儀表網 儀表下游】導讀：要從任何工業流程中獲得最大價值，組織必須擁有收集物聯網數據、使用人工智能分析這些數據并進行實時操作的技術。
 

　　人工智能的日益成熟意味著任何規模的組織都可以更容易地使用人工智能來解決關鍵的、復雜的問題。在過去的一年里，人工智能在應對這一挑戰方面發揮了關鍵作用。零售商依賴人工智能來幫助他們優化訂單發貨，將他們的商店重新設想為配送中心，并確保人們即使在現場購物陷入停頓的情況下仍能得到產品。
 

　　在公用事業領域，人工智能越來越多地被用于管理植被風險或提前為不利天氣事件做好準備等問題，以保持電網運行。人工智能也有助于從根本上建立更好的系統。例如，人工智能分析和跟蹤飛機、通風機和航天飛機等不可失敗場景中使用的復雜工程設備的需求。
 

　　當人工智能與其他使能技術相結合時，我們開始看到所謂的工業4.0的一些后果。當與物聯網結合時，人工智能可以分析傳感器數據，預測工廠設備、暖通空調系統和裝配線等工業資產的故障。它可以優化資產工作訂單的時間表，分析故障風險，并讓經理在不同的標準下優先修復。視覺檢查被用來檢測制造缺陷，并通過分析實時視頻來幫助工人安全。
 

　　攝像頭、信標和傳感器可以一周七天、一天24小時監控一處設施。在人工智能的幫助下，企業可以從噪音中分離出信號，確保不遺漏任何有價值的見解，并開始將制造和生產過程中日益復雜的部分自動化。如果企業投資所需的底層數字基礎設施，這些工業4.0的構建模塊已經成熟，可以為企業做好準備。
 

　　人工智能和物聯網是走向大規模工業自動化的兩個關鍵組成部分，這也是我們談論工業4.0時通常所說的。然而，要大規模地實現上述任何一個應用程序，還會引入新的挑戰，需要第三個構建塊：混合云。
 

　　想想在一個工廠的地板上輸入的數據量，從追蹤熱量和占用率的物聯網傳感器到收集視覺數據和監控工作場所安全的攝像頭。從擁有多個不同設施(甚至可能是不同類型的設施)的大型組織中推斷，要處理的數據量呈指數級增長。需要整理所有數據的AI模型變得更加復雜。也許最重要的是，時間成了一個問題。一個能在一個月后告訴你員工擠在某個通道里的模型并不是特別有用。要利用預測性的洞察力，就需要有立即根據這些洞察力采取行動的能力，這意味著能夠在收集這些洞察力的邊緣進行計算。
 

　　這三個組件――能夠收集和存儲巨大和變化的數據量,能夠運行模型或其他軟件的數據,并且能夠做任何你想要的,需要一個基礎設施的足跡,從邊緣延伸至數據中心和云。
 

　　為了提高效率，組織需要跨所有基礎設施的無縫管理平面。混合云提供了一個通用的基于容器的平臺，可以在所有基礎設施位置上運行，從而促進了這一點。它提供了基于工作負載自動伸縮的能力，以及在任何云(公共的、私有的或邊緣的)上運行平臺的靈活性。
 

　　在工業4.0環境中，混合云可以把這些點連接起來。它讓員工需要的數據、人工智能、工具和軟件隨時隨地可用。你讓人們的工作變得越容易，他們就能投入更多的時間、注意力和能力來解決更有趣、更復雜和更昂貴的問題。
 

　　工業4.0的本質，就是通過數據流動自動化技術，從規模經濟轉向范圍經濟，以同質化規模化的成本，構建出異質化定制化的產業。對于產業結構改革，這是至關重要的作用。
 

　　工業4.0驅動新一輪工業革命，核心特征是互聯 。互聯網技術降低了產銷之間的信息不對稱，加速兩者之間的相互聯系和反饋，因此，催生出消費者驅動的商業模式，而工業4.0是實現這一模式關鍵環節。工業4.0代表了“互聯網+制造業”的智能生產，孕育大量的新型商業模式，真正能夠實現“C2B2C”的商業模式。
 

　　對于即將到來的數據流動自動化趨勢，世界主要制造強國的理解各有千秋。 典型的就是通用電氣(GE)公司推動的“工業互聯網”，它更關注產品本身的智能化。