<mark id="oztn4"></mark>
0
| 本文作者： 王金旺 | 2019-08-30 09:00 | 專題：透過概念看實質：工業互聯網如何落地？ |
工業互聯網是中國工業從「中國制造」到「中國智造」的一個轉折點，也被認為是中國可能存在的工業彎道超車的契機之一。
中國企業面對這個契機，尚有一個問題需要考慮——過去一百年歐美走過的工業化道路是否仍需國內工業產業繼續跟進研發、“跑數據”？
行業內的一個普遍認知是，中國工業化道路仍需從數字化、甚至自動化繼續長跑補課。
然而，就當下這波工業互聯網熱潮而言，中國企業的熱情已經遠超歐美及其他國家，正如麥肯錫全球資深董事合伙人、亞洲運營咨詢業務及物聯網負責人Karel Eloot向雷鋒網提及工業物聯網趨勢時所談，“在中國，人們非常熱衷于思考工業物聯網，原因是他們認為這是一種更快縮小與發達國家差距的方法，是一種跨越式的進步，而不僅僅是從法國或德國學習成功經驗。”
在這樣的背景下，中國企業出現了諸如三一重工孵化的樹根互聯、TCL孵化的格創東智這樣的工業互聯網平臺廠商，也有阿里、華為等互聯網企業的入局，以及在工業互聯網平臺、AI算法、大數據等方面的諸多創業企業。
其中，工業互聯網平臺、AI算法及大數據成為當下國內工業互聯網創業中兩大熱門創業方向，明略科技屬于后者，主要構建了自家的AI和大數據平臺。
明略科技成立于2014年，隨著2019年3月明略完成20億元D輪融資，明略數據升級為明略科技集團，隨后又公布了新的人事任命，任命丁偉慶為明略科技集團高級副總裁，主要負責明略科技集團公共服務事業群旗下工業及物聯網業務并協同公共服務事業群整體管理工作。至此，明略科技在工業互聯網領域的布局也逐漸呈現。
據悉，丁偉慶此前歷任施耐德電氣(中國)有限公司高級副總裁、諾基亞西門子網絡通信公司副總裁、中國移動客戶業務總經理、湖南華諾技術有限公司總裁。雷鋒網特別采訪了丁偉慶，就明略科技在工業互聯網領域技術布局及相關發展思路進行了梳理和分析。
2019年3月27日對于明略科技來說是企業發展的一個關鍵時間節點，明略科技在這一天正式對外公布，「明略數據」升級為「明略科技集團」，并成立了ESG（Enterprise Service Group，企業服務事業群）、PSG（Public Service Group，公共服務事業群）、NSG（New Service Group，新服務事業群）三大事業群。
據官方信息顯示，PSG主要為公共安全、應急管理、工業互聯網、數字城市、金融等領域的政府機構和企業，提供從識別、理解、分析、決策到行動的閉環智能建設，構建知識圖譜，通過感知和認知的連接，實現傳統企業數字化、智能化轉型。
“大數據分析和應用、知識圖譜、基于多模態人工智能人機協作平臺、數據中臺，以及數據知識雙驅動的推理和推薦引擎，是明略的五大核心技術。”丁偉慶告訴雷鋒網。
這樣的的技術架構也貫穿了整個工業互聯網BU，這主要體現在PSG的「224戰略」（2大應用、2大戰略市場、4大產品線）上。
針對「224戰略」，丁偉慶向雷鋒網解釋如下：
“2”大戰略市場：
第一類，國家安全、智慧治理以及城市管理；
第二類，大型組織的高效運轉和企業加速創新。
“2”大應用：
第一，基于人和組織社會行為動態數據的分析挖掘與智能應用；
第二，基于設備和裝備物聯感知（AIoT）動態數據的分析挖掘與智能應用。
“4”大產品線：
第一，數據中臺。通過構建數據中臺，匯聚治理多源異構數據，盤活數據資產，形成客戶全面感知平臺；
第二，明智系統。基于數據中臺，構建行業知識圖譜和認知分析模型，形成客戶全面認知平臺；
第三，業務中臺。基于數據中臺和明智系統，構建客戶業務中臺，支持客戶多種行動智能應用；
第四，智能設備。打造服務大AI閉環應用的一體化智能設備，包括邊緣計算智能終端、霧計算智能服務器、專用服務器、定制服務器、安全服務器等。
明略科技的“224戰略”
聚焦到工業互聯網領域，丁偉慶也解釋了這一戰略的具體打法：
針對工業設備的動態數據，充分采集、匯聚、挖掘、提煉；然后利用知識圖譜、人工智能的能力，解決行業運營、建設、生產、管理所遇到的問題，從而通過數字化、網絡化、智能化促進整個工業智能化發展。
類似于自動駕駛技術發展的階段劃分，明略科技基于數據應用能力，具體將企業智能化轉型劃分為識別、理解、分析、決策、創新5個階段。在這5個階段中，主要強調的則是對數據的感知和認知能力。
針對數據感知能力，明略科技構建了多維感知數據匯聚平臺、數據治理管理平臺、數據存儲、數據共享服務構成的數據中臺，這一平臺通過采集、爬取、探查、匯聚和解析各種結構化和非結構化數據，實現對數據的融合打通、關聯建模。
多源異構的數據包括設備本身運行的數據、傳感器收集的數據，以及環境中攝像頭上傳的視頻數據，這些數據分為結構化、非結構化、半結構化數據，明略科技主要對這些數據實現感知。
數據中臺架構
工業互聯網中的數據與物聯網領域數據有所不同，首先是數據量相對不夠大，其次是對數據質量有高要求。
“在消費領域，通用大數據構建的深度學習模型是不可解釋的，這對要求高可靠的工業來說是不可接受的。”ABB首席技術官劉前進此前就工業大數據曾這樣表示。
此前在消費領域盛行的相關關系也可能不再通行，因果關系仍將是很長一段時間工業領域追求的目標。
對此，丁偉慶告訴雷鋒網，“面對數據量不夠，不足以支撐相關關系的時候，要利用大量先驗知識，即此前積累下的知識降低計算模型對數據數量的依賴。把行業知識圖譜充分利用起來，可以緩解或一定程度上解決當下工業大數據面臨的挑戰。”
明略科技的數據感知更多是在講數據采集、數據治理，無論是結構化數據，還是非結構化數據，當下工業環境中高質量的大數據仍是需解決的第一道難題。針對數據感知，明略也構建了一套數據治理平臺和工具。這套數據治理平臺主要包括以下三個方面：
CONA，結構化通用治理平臺。可實現數據接入、數據清洗、數據融合、數據標準化、數據監控和數據管理。能夠大規模自動采集、清洗、歸類、關聯所有結構化數據，形成統一數據視圖，提高行業知識圖譜構建效率。
Raptor，非結構化文本治理產品。一種基于深度學習模型的非結構化文本治理產品，采用深度學習模型和主動學習技術，支持外部NLP模型，可快速、高效地完成數據標注。
通過這兩大工具，能夠幫助收集、整理、匯聚數據。
HARTS，關聯知識挖掘產品。基于各行業的基礎信息、標簽特征、軌跡行 為、交易記錄、通聯事件、圍欄卡口等數據，通過規則引擎、機器學習、圖挖掘等多種計算方法，分析、挖掘和推理出多元化對象之間多維度的關聯關系，用于行業大腦的知識積累、符號計算和智能推理。
除去數據采集、數據治理之外，明略科技也在基于大數據和AI技術構建行業知識圖譜，即知識圖譜數據庫蜂巢（NEST）。
明略科技的知識圖譜數據庫蜂巢，是將機器大腦中的知識庫、人工智能應用的基礎設施，基于創新性的混合存儲技術，向下對接多種形式的結構化/非結構化數據融合為統一的多維度關聯知識圖譜，向上為業務應用提供基礎的圖譜查詢能力和復雜的圖譜分析計算能力。
據悉，蜂巢將所有數據以實體、關系、事件、文檔 的形式存儲，形成包含二維關聯信息、時空信息、歷史狀態信息、隱性關聯信息、非結構化模糊關聯多個層次的大知識基礎， 結合多元化檢索、復雜圖譜分析、在線關系挖掘等技術，為業務應用提供了兼具深度和廣度的高性能知識服務。
蜂巢核心功能
基于蜂巢，明略科技還構建了可視化知識分析平臺SCOPA。該平臺支持海量數據圖譜的高效存儲、分析與挖掘，可以根據業務場景和數據圖譜特點，提供關系網絡分析、時空軌跡碰撞、實時多維檢索、信息比對碰撞、智能協作系統、實時數據接入、智能交互等功能。
知識圖譜構建雖然能夠降低工業數據模型對大數據的依賴，然而就工業領域數據量不足與知識圖譜構建其實在一定程度上存在相互制約關系。工業互聯網整體起步較晚，行業領域碎片化嚴重，使得工業領域知識圖譜的構建缺乏數據、缺乏先驗知識。
丁偉慶告訴雷鋒網，明略科技知識圖譜的數據來源主要有兩方面：
第一，重要的技術、管理人員，在行業所獲取的知識、經驗和能力后，把這些內容數字化，作為行業知識圖譜重要的數據來源之一；
第二，管理數據，例如設備運行故障處理的日志等材料，由此積累形成的行業強相關的規則、經驗。
明略科技最早入局的是安防領域，因而知識圖譜的構建也是從安防領域開始。據丁偉慶介紹，明略科技在公安領域構建的知識圖譜已經應用多年。
公安系統主要是利用知識圖譜提高整體破案效率。我們在公安系統中的整個知識圖譜，把多源異構的數據，例如，人、事、地、物的數據、姓名、身份、出行記錄、住宿記錄、通信記錄等數據結合起來，再根據破案的需求，通過邏輯判斷，快速縮小嫌疑犯的范圍，在有限的時間內鎖定嫌疑犯，從而縮短破案時間。
具體到工業領域的知識圖譜的構建，丁偉慶告訴雷鋒網，知識圖譜在工業領域使用的邏輯是一樣的，將諸如維修手冊、工人維修經驗、網絡上關于設備維修的方法的數據進行提煉，形成知識圖譜。通過知識圖譜對多源異構的數據進行分析提煉，形成針對某一類設備的智能維修知識圖譜。“我們針對工業領域部分設備已經有實際客戶案例。”
在知識圖譜使用過程中，對數據和經驗的收集是不斷迭代形成的。具體是根據使用過程用戶反饋，進行不斷調整。
與此同時，丁偉慶特別強調，明略有很多在行業里面浸染多年，對行業的業務、行業的規則都很熟悉的行業專家，這些行業專家不是簡單地只知道行業知識，而是本身必須跨界的能力，很強的學習能力，是相對混合型的人才。
圍繞大數據、AI技術，明略科技分別構建起數據中臺和AI中臺，基于此，在不同行業可以構建各自的業務中臺。與此同時，明略科技構建的明智系統也已經迭代到2.0版本，擁有語音識別、機器視覺、自然語言文本處理、結構化數據治理、規則引擎等技術能力。
明智系統2.0產品體系
2018年9月，明略科技推出明智系統2.0版本。“相較2017年發布的明智系統1.0版本，2.0版本在多源異構數據治理能力、AI分析能力、精確度，以及兩個系統之間的協同能力都有所提高。另外，這一版本打通了從感知到認知，再到行動的系統，形成了AI閉環。”
明智系統2.0的產品邏輯是用符號打通感知和認知，構建AI驅動的數據治理平臺，并以感知智能技術為基礎，構建完整的行業人工智能大腦——蜂巢NEST。
具體而言，
明智系統2.0通過“符號的力量”完成對于行業數據中所蘊含知識的抽取、融合、推理、和沉淀等一系列過程，打通感知智能；
此外，明智系統2.0還強化了認知智能，將多元異構數據通過動態索引及知識分析技術進行充分融合，在此基礎上開展邏輯推理及復雜運算。基于語義的分析檢索等各類場景應用也可以通過“明察”引擎進行加速完成。
明略科技正是以此支撐起明略科技業務平臺，支撐起其行動系統。具體明略科技業務平臺架構如下圖所示：
明略科技業務平臺架構
據明略科技官方信息顯示，明略科技深度參與國家發展改革委于2019年批復的增強制造業核心競爭力關鍵技術產業化項目（即：軌道交通行業的國家級示范工程項目）車輛智能運維系統R.I.S.E平臺。
明略科技參與了RISE平臺車聯網系統的多源異構大數據平臺和核心車聯網技術系統構建。前者，主要是將車輛實時的傳感器數據，非結構化的視頻、圖片數據，融入平臺，作為數據管理的核心支撐整個車輛智能運維系統；后者主要是通過物聯網和大數據技術的結合，使用數據網關、行為解析以及實時處理的技術，實現車輛智能運維分析。
據悉，通過已經落地實施的車聯網系統，上海申通地鐵原來每天要做的日檢工作，通過信息化手段，實現每8天一檢，大大減輕運維工作量。截至8月底，RISE平臺中的車聯網系統已在上海申通地鐵11條線路的部分車型部署上線。
工業互聯網，為中國工業企業帶來了什么？
目前可見的是，包括國家政策、經濟環境、市場需求、企業痛點都在朝著利好工業互聯網發展的方向進行。企業升級轉型，工業互聯網成為必然選擇。
“國際上，數字化、網絡化到智能化，相對而言是一個串聯的進程。在中國，我們不能完全照搬國外的情況，因為中國有很多中小企業數字化做得還不夠好。中國企業應該利用中國的后發優勢，按照并聯的方式，加速智能化進程。”
工業互聯網初期，一百個企業有一百個不同的發展思路。明略科技希望通過構建數據中臺、AI中臺，通過打通感知、認知、行動系統，實現AI閉環落地，這也是明略科技的HAO智能理論。而在這樣的道路上，既需要不斷有行業高質量數據為其數據中臺輸血，也需要有AI技術能力為其AI中臺提供底層技術能力。
從丁偉慶的介紹中可見，前者，明略科技通過與行業合作伙伴合作、培養行業專家，以及跨功能、組織的多元異構數據共享進行數據匯集、治理和共享；后者，明略科技在2018年7月成立了明略科學院，從事AI基礎技術能力的研發工作，為AI中臺持續供血。
在這樣的技術體系和產品體系下，明略科技已經開始落地工業互聯網項目。“明略科技將這套產品應用到工業互聯網已有兩年，目前明略科技在工業互聯網領域布局主要聚焦在交通、電力、制造業三大垂直領域。”
此外，值得注意的是，在8月29日開幕的2019世界人工智能大會上，繼BAT，科大訊飛，商湯后，科技部再次公布國家新一代人工智能開放創新平臺，明略科技也名列其中。
盡管如此，就當下國內工業發展現狀而言，要構建起工業領域完整的知識圖譜，要實現丁偉慶口中的以并聯方式跨過工業數字化進程，進入智能化時代，顯然還有很多問題要解決，還有很長的路要走。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
