如果要問2019年物聯網圈的熱門詞匯有哪些？AIoT必須擁有姓名！

AIoT即AI+IoT，指的是人工智能技術與物聯網在實際應用中的落地融合。一方面，IoT所產生的龐雜數據只有AI才能夠有效處理；另一方面，對于AI至關重要的數據也只有IoT能夠源源不斷的提供，

經過數十年摸索，越來越多的行業及應用將AI與IoT結合在了一起，AIoT已然成為包括制造業、交通、建筑、能源、電力、教育、物流、零售在內的各大傳統行業智能化升級的必由之路。

但是，轉型和升級是一條漫漫長路，許多行業眼望著AIoT的時代紅利而跟不上步伐，而有些行業已經領跑在這條智能化賽道的最前端。從當前來看，搭上AIoT這趟快速列車的領跑者非制造領域莫屬。為什么這么說？因為AIoT的本質在于通過人工智能技術分析物聯網收集的數據，從而產生洞察，而制造領域恰恰為AIoT價值果實的成長提供了最為肥沃的“土壤”。

舉例來說，工廠里的每一臺設備都是一個塞滿數據的寶箱，每一條產線都是一條流淌著數據的小河，多年生產經營活動的歷史文本更是一個堆滿數據的圖書館。根據思科統計，采礦業的操作每分鐘可以生成高達2.4 TB的數據，而每個便利店每小時產生0.01 TB數據，每個汽輪機每小時產生0.4 TB數據，每個自動化工廠每小時產生1 TB數據，每個海上鉆井平臺每小時產生1-2 TB數據。

隨著聯網設備規模的迅速擴大，工廠所產生數據規模正以極高的速度發生“膨脹”。過去，這些數據往往因為人工處理效率的低下而被白白浪費；而AIoT的出現恰如其時，讓傳統制造業企業能夠真正的將固有數據價值最大化，真正開啟數字化轉型之路。

如今，AIoT技術已經在制造領域得到了廣泛的應用：

■?簡化設計仿真：當前的仿真系統要求用戶對仿真優化算法和仿真建模工具有較深的了解，非仿真專業人員很難優化大量運行參數，利用AI可以幫助設計人員快速做出選擇。比如吉利，原本需要經過很多次的汽車碰撞實驗，現在通過AI技術可以大大縮短仿真時間。

■?助力數字化排產：工廠中排產過程必不可少，排產的特性是小批次、多邊界、多約束，而人工考慮的約束條件常常是不完善的，所以導致排產效率較低，AIoT可以很好的解決這一問題。比如上汽在傳統沖壓車間，將手工排產轉變成數字排產，減少了物料的存放，快速響應了生產需求，提高了生產效率。

■?預防性維護：數字化雙胞胎借助安裝在實體工業設備上的傳感器數據和仿真手段來映射產品的實時狀態、工作條件或位置，用于預防性維護。GE公司管理的數字風場，就是利用了這樣的技術，預先發現問題，能夠提升20%的效率。

■?優化供應鏈：制造企業的產品銷售很多是經過代理商的，難以直接獲得最終用戶的情況，AIoT技術在此過程中能起到很好的助力。聯想利用全球數據中心掌握的數據，根據國際市場狀況，與寶鋼合作建立了鋼鐵的銷量預測系統，預測精度是92.2%，庫存周轉期減少20%。

■?更多新的應用、新的場景、新的模式正被工業制造的創新者不斷開創、挖掘、實踐。

面對AIoT的新藍海，工業領域的傳統巨頭們自然不會“甘于人后”。

西門子正在與華潤電力合作，通過AI技術，幫助華潤電力實現發電機組的數字化連接、提高機群透明度，進行資產診斷和運營優化，從而幫助提高電廠的運營效益，由此建成了中國首個數字化電力遠程運營中心。

施耐德電氣推出了首個專注于變頻系統業務的人工智能機器人 “小嚴”，“小嚴”基于自然語言識別技術，增加了專注變頻系統相關專業知識，將以嵌入施耐德電氣變頻顧問的形式，24小時全天候在線響應用戶關于變頻系統業務的咨詢需求。

研華科技為實現物聯網與人工智能時代下運算力決定AIoT效能的需求，將攜手英偉達提供從端到云的AI解決方案，將人工智能與物聯網中的各項技術及智能系統進行充分融合，提高AIoT的高運算表現，加速產業智能落地。

PTC則于今年的LiveWorx數字化轉型大會上推出了集成AI技術的Vuforia引擎8.3版，該引擎能夠利用AI技術提高目標識別功能，提高3D AR模型定位的準確性（即使在光線不好的情況），以及更自然的AR用戶交互。

霍尼韋爾Tridium推出開放式軟件框架平臺——Niagara Framework?，它可用于開發、集成、連接和管理眾多的物聯網協議、網絡、智能設備與系統。經過20年積累實踐，Tridium已有超過80萬套技術平臺在不同領域穩定運行，包括智能建筑、基礎設施管理、工業控制、連鎖商業、安防、智能電網、能源、制冷、暖通空調等。