引領 AIoT 未來的嵌入式創新
簡而言之
- 關於工業人工智慧（AI）和物聯網人工智慧（AIoT）主題的兩份新的物聯網分析研究報告估計，到 2026 年，AIoT 市場將達到 1022 億美元。 （報告1，報告2）
- 四種趨勢正在推動這項技術：（1）新軟體工具的可用性，（2）簡化人工智慧解決方案的開發，（3）將人工智慧注入遺留應用程式，以及（4）人工智慧硬體的進步。
為什麼這很重要
- 製造軟體和硬體提供商，有機會將基於人工智慧的功能注入現有產品中。
- 明智地採用這些解決方案的製造商，正在目睹效率的提高、產品品質的提高，和更順暢的流程。
AIoT 在製造業的採用正在增加。
根據最近釋出的 252 頁《2021-2026 年工業人工智慧和物聯網市場報告》的資料，工業環境中的人工智慧採用率在兩年多一點的時間裡，從 19% 上升到 31%。 除了 31% 的受訪者在營運中，全部或部分推出人工智慧技術外，還有 39% 的人目前正在測試或試用該技術。人工智慧採用率的增加可以全面見證，但在能源垂直和加工行業，如石油和天然氣或化學品行業尤其強大。高價值資產、大量營運資料和依賴數百個引數的流程的組合，有助於這些行業的強有力採用。常見的工業人工智慧應用，包括維護（例如預測性維護[PdM]）、預測性品質控制、使用機器視覺進行故障檢測、人工智慧最佳化庫存管理，以及基於人工智慧的生產規劃和最佳化。
人工智慧正在成為全球製造商和能源公司的關鍵技術，物聯網分析預測，工業人工智慧解決方案市場，將顯示出 35% 的強勁疫情後複合年成長率（CAGR），到 2026 年市場將達到 1021.7 億美元。
什麼是工業人工智慧和工業 AIoT？
工業人工智慧 = 與工業企業的實體操作和系統相關的人工智慧。人工智慧驅動的系統，可以自動化和重塑基本的工業流程，包括產品開發/製造和供應鏈/現場營運。
工業 AIoT = 工業人工智慧的一個子集，指的是工業企業在物聯網型別資料來源上執行的人工智慧。
越來越明顯的是，在未來幾年，真正的人工智慧（不僅僅是簡單的統計資料）將在許多製造業務和相關應用中變得普遍存在。
根據我們的研究，四個關鍵組成部分正在推動人工智慧在工業環境中的廣泛採用。
驅動程式1：工業 AIoT 越來越多的軟體工具。
近 400 家供應商提供 AIoT 軟體。 在過去兩年裡，加入工業人工智慧市場的軟體供應商數量大幅增加。在研究期間，物聯網分析確定了 634 家為製造商/工業客戶提供人工智慧技術的供應商。在這些公司中，389 家（或 61.4%）提供人工智慧軟體。
新的人工智慧軟體平台專注於工業設定。除了 Uptake、Braincube 或 C3 AI 等軟體擴充套件外，越來越多的營運技術（OT）供應商，正在提供專用的 AI 軟體平台。2019 年，當物聯網分析開始覆蓋工業人工智慧領域時，這些公司的專用人工智慧軟體產品很少。從那時起，許多 OT 供應商透過為工廠生產線開發，和提供人工智慧平台形式的人工智慧軟體解決方案，進入人工智慧市場。例子包括 ABB 的 Genix 工業分析和 AI 套件、Rockwell Automation 的 FactoryTalk 創新套件、施耐德電氣的自主生產顧問平台，以及 TangentWorks 的 InstantML 到西門子的 MindSphere 平台等最近的特定附加元件。其中幾個平台針對廣泛的用例。例如，ABB 的 Genix 平台提供先進的分析，包括預建的應用程式和服務，用於營運績效管理、資產完整性、永續性和供應鏈效率。
新發布的 172 頁的《2021 年工業人工智慧軟體平台供應商景觀報告》深入研究了其中 12 家供應商。
Hyperscalers 正在將他們的產品擴充套件到工廠生產線。包括 AWS、微軟和谷歌在內的超大規模人員，開發新的特定於案例的軟體工具，也推動了人工智慧軟體工具的可用性的提高。例如，2020 年 12 月，AWS 釋出了Amazon SageMaker JumpStart，這是 Amazon SageMaker 的一項功能，為最常見的工業用例（例如 PdM、電腦視覺和自動駕駛）提供一套預建和可客製化的解決方案，只需點選幾下即可佈署。
特定於用例的軟體解決方案正在推動可用性的提高。特定於案例的軟體套件，如專注於預測性維護的軟體套件，正變得越來越普遍。物聯網分析觀察到，由於資料來源的多樣性，和預先培訓模型的使用，以及資料增強技術的廣泛採用，使用基於人工智慧的 PdM 軟體解決方案的供應商數量，在 2021 年初增加到 73 家（詳情請參閱《2021-2026年預測維護市場報告》）。
驅動因素2：人工智慧解決方案的開發和維護正在簡化。
自動機器學習（AutoML）正在成為一種標準產品。 由於機器學習（ML）相關任務很複雜，ML應用程式的快速成長，產生了對現成的 ML 方法的需求，這些方法可以在沒有專業知識的情況下使用。由此產生的研究領域，目的在實現 ML 的漸進自動化，稱為 AutoML。各種公司正在利用這項技術，做為其人工智慧產品的一部分，幫助客戶開發 ML 模型，並更快地實現工業案例。 例如，2020 年 11 月，SKF 宣佈了一項基於 AutoML 的產品，該產品將機器工藝資料，與振動和溫度資料相結合，以降低成本併為客戶啟用新的商業模式。 同樣，今年年初，C3 AI 宣佈在 C3 AI Ex Machina 中提供 AutoML。
「手動建構 ML 模型，需要廣泛的領域專業知識，和大量時間用於試錯。即使對專家資料科學家來說，選擇培訓功能、[a]模型型別以及最佳化準確性的模型的特定配置，也是困難問題。自動化 ML 消除了這種繁瑣的實驗過程，為商業專家和資料科學家節省了時間和麻煩。」
– Matt Connor，專注於 C3 AI Ex Machina 的高階產品經理
機器學習操作（ML Ops）簡化了模型管理和维护。ML Ops 的新學科目的，在簡化製造環境中的人工智慧模型維護。人工智慧模型的效能經常隨著時間的推移而下降，因為它受到工廠內幾個因素（例如資料分發和品質標準的變化）的影響。因此，模型維護和 ML 操作，對於滿足工業環境的高品質要求是必要的（例如，精度低於 99% 的模型可能無法辨識危及工人安全的行為）。 近年來，許多新創公司加入了 ML Ops 領域，包括 DataRobot、Grid.AI、Pinecone/Zilliz、Seldon 和 Weights & Biases。 老牌公司在其現有的人工智慧軟體產品中添加了 ML Ops 功能，包括微軟，該微軟在 Azure ML Studio 中引入了資料漂移檢測。此新功能，讓使用者能夠檢測導致模型效能下降的輸入資料分佈變化。
驅動程式 3：人工智慧正在注入現有應用程式和案例中。
傳統軟體提供商正在新增人工智慧功能。除了現有的大型橫向人工智慧軟體工具（如 MS Azure ML、AWS SageMaker 和 Google Cloud Vertex AI），電腦化維護管理系統（CMMS）、製造執行系統（MES）或企業資源規劃（ERP）等遺留軟體套件，現在可以透過注入人工智慧功能，獲得顯著提升。例如，ERP 提供商 Epicor Software 正在透過其 Epicor 虛擬助理（EVA）在其現有產品中新增人工智慧功能。智慧 EVA 代理用於自動化 ERP 流程，例如重新安排製造作業或執行簡單查詢（例如，獲得產品定價或可用部件數量的詳細資訊）。
工業用例正在透過使用 AIoT 進行升級。透過向現有硬體/軟體基礎設施新增人工智慧功能，幾個工業用例正在得到加強。品質控制應用中的機器視覺就是一個生動的例子。遺留機器視覺系統，透過配備專業軟體的整合或離散電腦處理影象，該軟體評估預定引數和閾值（例如高對比度），以確定物體是否表現出缺陷。在許多情況下（例如，具有不同佈線形狀的電子元件），假陽性的數量非常高。然而，這些系統正在用人工智慧復興。例如，工業機器視覺提供商 Cognex 於 2021 年 7 月釋出了一種新的深度學習工具（Vision Pro Deep Learning 2.0）。 新工具與遺留的視覺系統整合，使終端使用者能夠將深度學習與傳統視覺工具，結合在同一應用程式中，用於要求苛刻的醫療和電子環境，這些環境需要精確測量劃痕、汙染和其他缺陷。
「隨著深度學習在工廠站穩腳跟，我們看到許多應用程式需要的，不僅僅是傳統的願景或深度學習 —— 它們都需要最好的解決方案。」
–Joerg Kuechen，Cognex視覺產品高階副總裁
驅動程式 4：工業 AIoT 的硬體正在改進。
自 2019 年我們上一份工業人工智慧報告以來，人工智慧硬體不斷髮展，還有更多專用產品來支援工業AIoT用例。
人工智慧晶片正在迅速改進。 嵌入式硬體人工智慧晶片已經快速發展，有多種選項，可以支援人工智慧模型的開發和佈署。例子包括 NVIDIA 最新的圖形處理單元（GPU）、A30 和 A10，它們於 2021 年 3 月推出，適用於人工智慧用例，如推薦系統和電腦視覺系統。另一個例子是谷歌的第四代張量處理單元（TPU），它是強大的特定於應用程式的積體電路（ASIC），在特定人工智慧工作負載（例如物件檢測、影象分類和推薦基準）的模型開發和佈署中，效率和速度可以達到 1000 倍。
使用專用人工智慧硬體，將模型計算時間從幾天減少到分鐘，並被證明在許多情況下改變了遊戲規則。
強大的人工智慧硬體，可以透過按使用付費模式立即獲得。超大規模者不斷升級其伺服器，以便在雲端提供運算資源，以便終端使用者能夠實現工業人工智慧應用程式。例如，2021 年 11 月，AWS 宣佈了其最新的，基於 GPU 的例項 Amazon EC2 G5 的一般可用性，該例項由 NVIDIA A10G 張量核心 GPU 提供支援，用於廣泛的 ML 應用程式，包括電腦視覺和推薦引擎。例如，檢測系統提供商 Nanotronics 利用亞馬遜 EC2 例項進行基於人工智慧的品質控制解決方案，以加快加工工作，並在微晶片和奈米管製造中，實現更準確的檢測率。
結論和展望
人工智慧即將上市，它將普遍存在於新的應用程式中，如基於人工智慧的PdM，並作為現有軟體和用例的增強。大型企業正在推出幾個人工智慧用例並報告成功案例，大多數專案的投資報酬率都很強。總的來說，雲、物聯網平台，和強大的人工智慧晶片的崛起，為新一代軟體和最佳化提供了一個平台。
你現在應該怎麼做？
對於製造軟體和硬體提供商來說，是時候全面評估人工智慧和 ML 的使用，以增加你現有的產品組合（例如，透過引入智慧助理、模擬工具或預測分析）。這種人工智慧增強可能是變革性的（正如基於人工智慧的機器視覺的引入一直在品質檢查中）。
對於製造商來說，是時候用明確的工業人工智慧願景，完善你現有的工業 4.0 或工業物聯網策略，並決定如何獲得人工智慧技術（例如，來自雲提供商的硬體與內部專用人工智慧硬體，或與人工智慧軟體新創企業的合作，與建立內部人工智慧團隊）。製造商還需要找到關鍵問題的答案：我們願意與誰共享資料以改善營運？我們如何在車間實現人工智慧的接受？我們如何使員工在日常任務中，使用基於人工智慧的應用程式？
讓我們的研究指導你。我們最近編寫的 2 份市場報告，目的在為工業人工智慧技術的供應商，和使用者提供市場、關鍵案例、技術、採用者觀點等的即時概述 —— 所有這些都有許多示例和案例研究。
更多資訊和進一步閱讀
你有興趣瞭解更多關於工業人工智慧，和 AIoT 的資訊嗎？
物聯網分析釋出了兩份關於該主題的出版物，作為我們對物聯網平台和軟體（物聯網軟體工作流程）的持續報導的一部分。
1. 工業人工智慧和 AIoT 市場報告
《2021-2026 年工業人工智慧和 AIoT 市場報告》是一份 252 頁的綜合報告，評估了工業人工智慧和 AIoT 市場。 它還包括對兩項工業人工智慧終端使用者調查結果的全面總結、技術概述、約 630 家公司的供應商格局、對工業人工智慧商業模式的深入分析、詳細的案例分析和 6 個案例研究，以及對 11 個當前趨勢和 2 個挑戰的討論。它是物聯網分析對物聯網軟體/平台（物聯網軟體工作流程）持續報導的一部分。
- 工業人工智慧是如何定義的？
- 工業和非工業人工智慧解決方案的主要區別是什麼？
- 自 2018 年以來，工業人工智慧和 AIoT 市場是如何演變的？
- 工業人工智慧和 AIoT 市場有多大，在各個維度（透過提供型別、地區、行業、案例）的成長速度有多快？
- 有多少心創企業加入了市場，他們的資金細節是什麼？
- 哪些公司在市場上處於領先地位（透過發行型別，包括市場佔有率）？
報告樣本為你提供了可用分析（大綱、關鍵幻燈片）的整體概述。樣本還提供了有關該主題的額外上下文，並描述了分析方法。你可以在此處下載樣本：
2. 2021 年工業人工智慧軟體平台供應商景觀報告
2021 年工業人工智慧軟體平台供應商景觀報告，包括對 12 家選定的 OT 軟體供應商的深入分析，這些供應商提供工業人工智慧解決方案，包括終端使用者的使用資訊，以及工業人工智慧市場中，12 家供應商和其他幾個供應商的滿意度反饋。本報告中提供的資訊基於廣泛的二次研究，以及 2021 年 4 月至 11 月期間對供應商和終端使用者的訪談和調查。
本報告提供了以下問題（除其他外）的答案：
- 12 個選定的工業人工智慧軟體平台供應商的工業人工智慧策略是什麼？
- 這些軟體供應商的工業人工智慧解決方案的元件是什麼？
- 工業人工智慧市場上這些軟體供應商的技術合作夥伴是什麼？
- 這些軟體供應商在人工智慧平台，和解決方案的使用和滿意度方面，如何相互比較？
- 這些人工智慧平台供應商，如何銷售他們的人工智慧產品？
還有更多...
樣本：
報告樣本為你提供了可用分析（大綱、關鍵幻燈片）的整體概述。 樣本還提供了有關該主題的額外上下文，並描述了分析方法。 你可以在此處下載樣本：
0 comments:
張貼留言