2019年，工业互联网成为产业互联网的核心地带。
值得注意的是，这次“革命”将彻底改变此前互联网不曾深度触及的传统行业的生产结构，甚至思维方式。这也使得各国政府颇为重视，我国也围绕工业互联网的发展发布过多个政策性文件，包括国家发展改革委、工业和信息化部、中央网信办、教育部、证监会等十五部门于近日联合发布的《关于推动先进制造业和现代服务业深度融合发展的实施意见》，再次为工业互联网阶段性发展再指路。
上有政策引导，产业跟进自然也就顺利一些。就国内来看，2018年-2019年，经过此前几年物联网技术在消费领域的持续发展迭代，工业互联网也迎来第一波小高潮，千家企业入局工业互联网，数字化、联网化、智能化成为行业焦点，与此同时，诸多问题也逐渐凸显出来。
如何解决标准协议问题，快速实现工业设备互联、数据打通?
如何构建企业数字孪生、知识图谱，这些又如何在传统企业中广泛应用?
边缘计算、5G两项技术如何应用到工业互联网方案构建中解决实际问题?
如何通过政策引导、借助国内产业集群特点，快速推进中国特色工业互联网平台、方案落地?
在消费物联网得到广泛应用的深度学习算法，如何应用到数据量和数据质量截然不同的工业环境?
工业互联网中又该如何玩转 AI?
……
这些关乎工业互联网进一步发展的问题，雷锋网通过前期深度调研，并在2019年11月22日，在《2019全球AIoT产业·智能制造峰会》上，汇聚产业领军企业及专家，进行了深度探讨。
雷锋网：工业互联网是否对5G有强需求？具体二者在哪些技术点上的结合会产生强需求应用？
邬贺铨（中国互联网协会理事长、中国工程院院士）：工业互联网首先是工厂中的一些生产设备需要联网。对于新工厂，生产设备可以用光纤进行连接；对于一些老的工厂，光纤很难布设进去。此外，工厂中除了固定设备，实际上还存在诸多运动设备，诸如AGV、无人小车、机器人，以及工人头上戴的头盔都是“运动设备”。因此，工厂中需要大量用到无线技术。
但是现有的无线技术中，WiFi之类技术本身并不是为工厂设备联网而设计，这些技术本身的容量、抗干扰能力都不够好。而工厂中的马达、电火花这些干扰是一般消费领域应用不容易遇到的，所以基于这种种原因，目前全球工厂的设备通过无线连接的只有6%。
5G是为适应工业互联网而设计的，它的抗干扰能力、低时延等特性非常适合工业应用。
5G在工业互联网中会起到什么作用？
首先，5G可以提供一个大带宽、高可靠、低时延的连接。让工厂设备可以连上网。
其次，5G为工业互联网提供了一个人工智能和物联网之间无缝融合的技术。工厂中有很多传感器，传感器收集的大数据我们希望用人工智能来挖掘，实际上5G提供了一个人工智能和物联网之间的一个无缝融合的技术。在工业环境中，数据传输时间很长的话，就无法实现实时响应，只有通过有大带宽、低时延的5G，才能将工业互联网收集的大数据及时送到云端。
第三，5G本身也是人与物的一个融合技术。现在工厂很多时候工人都会带上5G+8K的VR眼镜/头盔，将工人看到的东西与本身真实工作紧密结合起来，这是在没有5G的时候不可想象的。因为VR/AR需要的时延是毫秒级的，只有「5G+边缘计算」才能满足这样低时延的应用。
实际上工业互联网在我们国内已经喊了有几年了，现在来看，5G来临正好为工业互联网带来了一个很好的无线网络。过去应该说还没有很合适的无线网络。
所以，我认为现在5G的到来，预示着工业互联网也有一个很快的体现。
现在的IoT基本上是把所有可连接的物体实现互联，现在是通过5G连接起来上云（这就是现有的IoT的架构）。
雷锋网：如何理解AIoT，及未来网络？
崔曙光（香港中文大学（深圳）理工学院执行院长、未来智联网络研究院院长、深圳市大数据研究院常务副院长、IEEE Fellow）：从学术角度来讲，什么叫AloT呢？就是通过AI赋能IoT的不同层面，为它增加智能控制功能。例如你可以把AI用作物理层，在连接层面可以有一个本地化AI，5G网络本身可以加AI，有一种说法是5G+AI就是6G了，这是我们国家重点研发计划做的事情。云本身可以智能化，AI+云也是未来云技术的走向，如果你把AI赋能到各个层面，各个IoT的层面就变成了AloT。
5G一些核心技术只是刚刚开始，离成熟还是很远，如果想要在现有的5G技术上再前进一步怎么办？这就涉及到我们的主题，我们希望通过数据驱动的模式，把AI引入到5G变成准6G或者是6G的技术，希望能够轻松达到这些要求，甚至达到另一个10倍的提高，这就是未来十年从学术界我们要做的事情。
雷锋网：如何理解工业互联网/产业互联网和AIoT？
王建民（清华大学软件学院院长、信息学院副院长、大数据研究中心执行主任）：总地来说，世界变了，制造业变了。这是哈佛大学2014年非常著名的一个论断，就是信息技带来了产品的革命，产品升级是全球制造业发展的必由之路。制造不仅仅看一个产品，要看整个产品的运营的生态，并且是跨界的，开始就是一个拖拉机，后来带上天线，最后要和天气的数据、种子的数据、农业灌溉的数据联系起来，这才是现代农业、也是现代的工业，也是现代的服务业，现代工业革命已经模糊了第一、二、三产业。
今天的AloT我认为就是这五个阶段的融合，一个是物联网阶段的数据采集，另外一个是信息化阶段的全类型数据的管理，然后到原来称为BI的报表，然后到当前AI当中的机器学习，今天我们讲的AloT就是把这些技术的一个综合的应用。
雷锋网：目前，工业物联网发展尚且处于初期阶段，要实现数字化、智能化的大规模落地应用，还有哪些问题需要进一步得到解决？
Karel Eloot（麦肯锡全球资深董事合伙人、亚洲运营咨询业务及物联网负责人）：我想当我们谈论物联网和工业物联网时，我们都会考虑技术可持续发展。但最终，它不仅仅与技术相关，不仅仅是技术的支持和应用。在公司转型、城市转型、我们工作模式转型中，30%的挑战可能来自于技术本身，而70％的挑战更来自于我们自身。
这仍然关乎人类的工作方式，例如围绕公司员工将这些新的工作方式融入到日常工作中，融合应用新工具，以及融合应用全新的解决方案到员工实际工作中。具体而言，当下工业物联网面临最大的挑战有以下两点：
第一，人类需要学习新技能，以及人类最终在工业物联网中的角色定位；
第二，工业物联网依赖于一套垂直贯穿的技术堆栈。从设备端的传感器开始，采集数据、管理数据、分析数据，通过在各类应用设备中使用大数据技术以改变人类的工作方式。
因此，它是一条需要将拥有不同能力的不同解决方案进行融合应用的产业链。一家公司很难在所有事情上取得成功，这是为什么各类公司之间需要合作的原因。这也是为什么我们可以看到整个生态系统不断发展壮大，这之间拥有很多节点，在这些节点上不同公司可以同时相互合作，诸如云厂商、解决方案厂商等的合作。不同的公司和不同的能力整合在一起，最终可以提供端到端的解决方案，真正的挑战是人类工作方式的转变。
因此，人类的技能提升、企业的合作关系在这其中将显得尤为重要。
雷锋网：当下企业数字化转型面临的关键问题是什么？
朱骁洵（西门子中国研究院院长、物联网服务事业部总经理）：企业最终目标是要实现数字化转型，但是如果你在战略、文化、人事、组织架构上没有做好铺垫工作的话，只改一条产线是没有任何用处的。
这也是西门子自己这么多年做转型经历的一条路。企业要实现数字化转型，首先要是全方位的战略规划，其次是将它落实到各个职能部门。
雷锋网：数字化技术在具体落地项目中会遇到哪些实际问题？
谢东（IBM副总裁、大中华区CTO）：IBM某一客户在进行工厂数字化改造时为产线安装了摄像头，通过摄像头采集数据进行产品质量检测，然而在实际应用过程中，质量并没有达到要求。后来通过换另外一种类型的摄像头显著提高质检质量。
这实际是一种反向思维。我们在理论研究过程中，通常是研究给了某些数据，如何训练一个高质量（识别率）模型。但在实际工程应用中有时候需要反向思考：为了进行这样一个分析，数据采集系统需要用什么传感器来采集数据。
对于厂商而言，我们为了得到这样的一个AI系统，也许我们可以设计不同的传感器，而这就属于工程问题。
雷锋网：如何看此次工业互联网的变革和思维？
蔡奇男（研华工业物联网事业群中国区总经理）：过去的互联网思维是传统的IT思维，这一次的工业互联网不可以完全用互联网思维来考虑，必须是产业（互联网）思维。
一个企业要向智能化发展，要向智能制造转型，第一步就是工业现场的数据采集。
雷锋网：对中小型制造企业来讲，他们对工业互联网的有怎样的需求？
谢海琴（海尔数科CEO、COSMOPlat工业互联网平台CTO）：我们认为用户不在大小，而是在于我们能为他们做什么，改变什么，带来多少差异化。
这部分的企业用户，从体量上来说，并没有很大的营业额，比如只有几个亿或几千万，但是当他们在某个点上非常需要我们的时候，我们就会选择和他一起合作，这个是我们非常乐意做的事情。
一些包装行业的客户，我们就先从生产订单和减少采购这种浪费比较多的环节开始，改善这个点我们可以给他带来很大的价值，不一定现在就给他加上很大的机械设备，帮助他提高工厂的自动化程度等。因此，具体情况会根据客户的需求来调整。
雷锋网：阿里为何提出“工业大脑”，如何实现产业联动？
曾震宇（阿里云智能副总裁、数据智能总裁）：我们提出“工业大脑”的概念，是希望以数据为中心，把工业企业的各种各样的数据，从整个产品生产流程、生命周期的数据全部进行汇聚融合，用数据的方式去建模，上层去构建工业数据的中台。工业数据中台之上再用智能的算法把数据的价值充分挖掘出来，不仅用数据揭示过去，而且可以帮助我们去指导生产，上传各种各样的智能化的应用。所以我们提出，用工业大脑的方式提出工业智造的功能，通过算法加数据帮助我们提升智能制造的水平。
雷锋网：如何看当下工业互联网中的“AI算法”？
黄胜（树根互联CTO）：树根互联现在会做数据分析、做AI算法，但其实在当前阶段，AI算法并不是行业最需要的。
在当下工业领域中，从提高工业效率上来讲，将数据接上来，基于基本采样数据做一些基本的分析，通过基本的统计分析、查询分析，就已经可以把工业效率提高很多。”黄胜告诉雷锋网，“其次，当数据量积累到足够大之后，才可能实现深度挖掘和分析，而不是一上来就讲大数据、做深度挖掘，其实这更是一个学术和媒体讲得比较多的概念。
基本上，查询性分析已经可以带来很大的价值，这一块首先要做好。
工业互联网是一个产业命题，也是一个技术性命题，如今国内有千家工业互联网企业，各家技术、产业侧重点又有所不同，雷锋网特别针对今年工业互联网中的AI算法、云服务、通用平台、知识图谱、柔性生产、预测维护几大核心技术及产业落地点，寻找AI+工业互联网最佳落地实践，寻找工业互联网核心地带的“教头们”。
具体此次「AI最佳掘金案例年度榜单」中的“AI+工业互联网”奖项设置如下：
最佳工业互联网AI算法奖；
最佳工业互联网云服务奖；
最佳产业服务通用平台奖；
最佳行业知识图谱构建奖；
最佳柔性生产应用落地奖；
最佳预测维护技术创新奖。
本届评选已正式启动，欢迎行业企业报名参与（关注微信公众号“雷锋网”，回复关键词“榜单”参与报名。详情可咨询微信号：xqxq_xq）。
正在生成分享图...
nebula