首页 / 快报详情

产业快报

一手行业资讯,原创热点解读
订阅快报

当互联网巨头染指工业制造,优势放大还是缺点暴露?

  这是一场将自己变成实质上公共事业企业的战争,制造业不过是一个分战场。互联网大厂「染指」制造的醉翁之意在于底座(IAAS以及工业PAAS)能力的输出,通过强有力SaaS软件直接服务最终用户并非常态打法。

  这也造就了互联网大厂解决方案的开放与协作,与传统制造业巨头的互联网方案的封闭、「舍我其谁」的架势,形成鲜明对比。他们试图从基层核心技术和「用多少服务给多少钱」的商业模式,大大降低制造企业使用新技术的门槛。

  不过,代表性企业在与制造业的结合过程中发展方向各有特点,结合的程度也有差别。

  2020年见证了制造业的骤停,也见证了他的反弹迅速。德勤在一份最新制造业趋势展望中发现,制造业正加剧数字技术投资,以便更好地「罩住」不确定性。

  作为市场规模增长最快的传统产业,制造业企业认为,工业AI平台能让他们以更低的成本应用AI,是AI在工业领域的落地和普及的必要条件。与互联网大厂合作填补能力空白,也成为主要选择之一。

  与之相应,互联网大厂也不再满足于等待企业提出需求再设法支援,而是更加主动地推出解决方案。

  去年年底,亚马逊史无前例地一口气推出五项直接用于工业领域的机器学习服务,坦言要降低缺人才、缺钱中小制造商采用新技术的门槛。

【工业 PaaS:「兵家必争」】

  工业PaaS是实现工业智能关键,需要解决一些关键基础问题。

比如,实时性、软硬件与模型适应性问题,需要通过芯片、架构与编译器的发展来解决;至于模型可靠性、深度学习可解释性、数据与场景适应性则,则依靠算法层面的研究解决。

  以第一个基础性挑战为例。训练框架上,Tensorflow、Caffe 等框架已能满足工业训练应用需求。

  例如,油田服务公司贝克休斯(Baker Hughes)基于 TF,利用深度学习算法进行震动预测、设备预测性维护、供应链优化和生 产效率优化。

  阿里工业大脑全面支持 TensorFlow、Caffe 等架构,已广泛参与到新能源、 化工、重工业等不同制造领域。中国航天科工集团的工业互联网平台基于 Tensorflow 进行轴承预测。

  推理框架方面,端侧推理框架无法满足工业终端计算需求,需定制化开发。不过,随着工业终端智能化功能与计算需求的不断提升,端侧推理框架需求较为紧迫。

  谷歌、腾讯、百度和华为等已经开发出主要面向手机端的推理框架,极大地提升了移动终端的计算智能能力,未来具备向工业领域渗透可能性。

  谷歌 TensorFlow Lite 深度学习框架现阶段首先支持安卓和 IOS,同时在工业领域应用普及度也较高。百度 Paddle-mobile 深度学习框架支持包括 ARM、NPU、GPU 等多种硬 件平台,且重视在工业领域的延伸 / 合作,更可能在工业领域发力。

👇查看原文获取更多信息
阅读原文来源:36Kr
分享本篇快报
扫码添加企业微信,每天推送行业快报