因为ChatGTP的惊人体现,原本曾经趋于平淡的AI,又火爆起来。毫无疑问,人类曾经进入了AI时代,AI将渗入到各行各业,渗入到生存与工作的每个方面。这是一场新的工业革命,很多工作都将隐没,但也会产生很多新的机会,而新的机会肯定属于把握AI或会应用AI技术的人。

因为 TDengine 作为一款时序数据库(Time Series Database)次要用户群是传统工业用户,遍布制作、能源、化工、矿山、汽车等泛滥行业,因而我有机会接触很多这些畛域的客户,中国的、美国的,我都有很宽泛的交换。AI的突飞猛进,让这些产业的人比IT人更加焦虑,每次交换,都会聊到AI的话题,怎么利用AI技术降低成本,进步传统产业的效率。

但通过我一年多的察看、思考,发现传统产业要能尽快、低成本、低危险的享受到AI的红利,还有很多坎要过,次要要看采取什么样的策略。周末有闲暇工夫,将本人的思考整理出来,分享给大家。

打消数据孤岛

AI的根底是大数据,须要有足够的数据样本,能力训练模型,能力根据数据做出商业决策。然而对于传统产业而言,这个大数据的前提就不容易实现。

传统产业的IT、OT建设参差不齐,无论中国还是美国,大部分企业的数字化建设远落后于互联网类型的企业。以我最近打交道的美国发电企业为例,他们很多用的还是PI System,而且还是很老版本的,Aveva对Process Book都不反对了,但还在应用,因为PI相当稳固,而且能满足他们生产要求,他们也就没有更换的能源。但这个老零碎是齐全独立的,是一个数据孤岛。一个发电团体总有几十个甚至几百个电厂,每个电厂用的软件,或版本都很难统一。而且因为商业的并购、分拆的起因,导致各种零碎并存,各种软件供应商都有,而更换的老本与危险很高,因而很难对立。加上当初清洁能源的倒退,光伏、风力发电的零碎与传统的电力又不一样,因而复杂度更高。

在这种状况下要让AI赋能这些传统产业,首先要做的就是将分布各处的各种零碎、包含各种版本采集的数据进行汇总,打消数据孤岛。但因为各种零碎存在,有老掉牙的自动化零碎,也有最新的数采零碎,各种工业协定都存在,数据汇聚还不是简略的汇聚,还须要对各个数据源的数据进行荡涤、加工、解决,能力进入对立的平台。而每个数据源都不一样,因而数据汇聚是一个脏活、累活,还不产生间接的经济效益。然而数据汇聚如果不做,AI赋能谈都不必谈。

建设数据分享平台

数据总是提供给各种利用,包含各种AI利用应用的,而且这些利用有外部,还有内部合作方的利用。比方新能源汽车采集大量的数据,它包含电机、电控、电池数据,甚至还有用户行为数据。这些数据不仅外部不同的部门须要应用,看如何通过数据分析晋升汽车品质,改善驾驶与乘车体验,同时泛滥第三方须要这些数据,比方电池供应商、电机供应商,他们也须要用这些数据来进行剖析,有些数据还要上报政府监管部门。因而如果不建设好弱小的数据分享平台,将无奈应答外部、内部以及监管部门的需要。

但分享就牵涉到数据的隐衷与平安问题,利益相干方应该只能看到它被答应看到的数据。比方电池供应商只应该获取脱去用户个人信息后的电池数据,而且只能看到本人的电池数据,还不能看到同一汽车主机厂其余电池供应商的数据。为了爱护隐衷,有的数据甚至要加工后能力提供,而不是间接提供原始数据。为进一步减少安全性,数据领有方还必须能随时管制利用拜访的时长,拜访的数据的时间段等。

大多数场景下,数据的分享能够是批的形式进行,定时获取一次就行。但有的场景是须要实时获取的,比方工业上总心愿做实时的异样检测。一旦检测到新的数据,就须要立刻告诉相干的利用。能够预感,实时的数据分享需要场景还会越来越多。

因为利用林林总总,新的利用、新的合作伙伴天天涌现,这个分享还必须有足够的灵活性。系统管理员收到开明分享的申请后,做个简略的配置,分享就能立刻失效,而无需进行开发或简单的配置。

因而企业要能让AI赋能,数据汇聚后,还必须建设有弱小、平安而又灵便的数据分享平台。

无缝对接的开放系统

数据汇聚后,企业当然能够开发本人的AI利用,做更好的异样监测,实时报警,并为产能、老本、设施保护等提供更好的预测,而且这些都是基于整个公司层面的数据做出的,而不是局限于一个电厂或一个制造厂,让决策者有更好的宏观整体把控。

但传统企业要组建本人的AI开发甚至数据分析团队,都是相当不容易的。因为AI开发以及数据分析的人才,还很稀缺,你须要与阿里、华为、腾讯、百度这些企业竞争,在美国,则是与谷歌、微软、苹果、亚马逊等竞争。不仅他们的薪资构造、工作形式与传统产业相差太大,而且即便退出,因为对产业自身的常识理解不够,往往半年甚至一年都难施展出作用,导致投入产出不成正比。

那么最好的形式就是间接采纳第三方的AI利用,将本人领有的数据平台与第三方AI利用对接。而且为缩短周期,能够间接应用对方提供的云服务,这样就大幅减小了购买或协调资源以及部署所须要的工夫,能够立刻上线。同时云服务个别是按时长或用量免费,而无需提前领取一大笔洽购费用。这样能很快看到成果,看是否能满足要求,大幅升高了决策老本。

但AI利用提供方很多家,服务质量也参差不齐,那么作为领有数据的企业,要做到的就是保障本人数据平台的开放性,任何利用都能够通过规范的接口获取数据,这样就能去除AI利用与数据平台对接的阻碍,各种利用零碎都能与数据平台无缝对接。只有想尝试某个AI利用,一周甚至一天之内就能够看到成果,大幅提高决策效率。因而如果数据平台具备很好的开放性,那么让AI赋能,就像商场买衣服一样,能够左挑右拣,直到本人称心为止,不是苦楚,而是一件赏心悦目的事件。

个别的平台或软件都会宣称本人是凋谢的。但从我集体的教训来看,只有风行的用户量大的软件或零碎,开放性才不会有问题,而且所有的利用都会与它对接。就像咱们开发的TDengine,因为开源,装置量曾经超过27万,而且它还有规范的JDBC接口,反对SQL,能与简直所有的可视化、BI工具对接。

AI的将来

与互联网一样,AI并不能取代传统产业,能源、制作、汽车、矿山这些行业仍旧存在,但AI能赋能、晋升这些产业,进步生产效率,为传统产业注入新的生机。不拥抱AI的企业将会失去竞争力,逐渐被淘汰。

AI曾经弱小,但对于传统产业而言,还有两个有余。一是要求的算力过大,导致老本过高,对于利润很低的传统产业,难以承受。另外一方面,当初的ChatGPT,依赖的都是历史数据,而工业场景,更须要的是对实时数据的剖析。因而AI在工业场景还有很多挑战以及晋升的空间,但这个挑战应该交给AI的钻研人员。

传统产业要做的是,将散布于各地的数据汇聚起来,建设一个凋谢的、能够平安、灵便共享的数据平台,能与泛滥的第三方的AI工具或服务无缝集成,在无需大量的资金和人力投入下,在简直没有决策危险的前提下,能迅速验证并享受AI带来的红利。

以我本人为例,我本人开办的TDengine是一个专为物联网、工业互联网定制的大数据平台。TDengine不是以AI为核心技术的公司,但在AI的时代,咱们的惟一抉择就是全面拥抱AI。为帮忙泛滥的传统产业数字化转型、能让AI赋能,过来的一年,咱们投入了微小的人力反对开发PI System, MQTT, OPC等各种工业数据接口,反对与各种BI、AI工具对接,而且在阿里云、AWS、Azure、GCP上推出全托管的云服务。无需大量资金投入、无决策危险下,短时间内你就能够试用开明,并与AI利用、泛滥的剖析工具、可视化工具集成,体验大数据以及AI的魅力。

“Run! Don't walk. You are either running for food or running from being food!" 。咱们唯有奔跑,能力不被AI时代摈弃。

陶建辉
2023年6月3日于加州湾区