在大數(shù)據(jù)行業(yè)應(yīng)用中，工業(yè)領(lǐng)域除了傳統(tǒng)制造業(yè)巨頭，涉足的創(chuàng)業(yè)公司不多，是相對冷門的方向。究其原因，其一，對工業(yè)業(yè)務(wù)理解是巨大門檻；其二，工業(yè)應(yīng)用定制化程度高，一個細(xì)分問題對應(yīng)一個算法模型，繁雜程度可見一斑。但總體來看，工業(yè)市場空間巨大，數(shù)據(jù)分析需求強(qiáng)烈，全球化趨勢明顯，愛分析認(rèn)為工業(yè)領(lǐng)域是大數(shù)據(jù)行業(yè)應(yīng)用的優(yōu)質(zhì)賽道之一。

昆侖數(shù)據(jù)憑借技術(shù)實(shí)力較早入場工業(yè)大數(shù)據(jù)，在能源、電子制造等領(lǐng)域取得快速發(fā)展。昆侖數(shù)據(jù)獲客的打法簡單明快，項目落地切實(shí)高效，獲得多個行業(yè)標(biāo)桿企業(yè)認(rèn)可并達(dá)成戰(zhàn)略合作，傾力推動中國工業(yè)智慧升級。

指導(dǎo) | 凱文

撰寫 | 關(guān)蕾

昆侖數(shù)據(jù)成立于2014年底，由陸薇帶隊的原IBM大數(shù)據(jù)團(tuán)隊創(chuàng)立，一直深耕工業(yè)大數(shù)據(jù)領(lǐng)域，是該領(lǐng)域的翹楚。

創(chuàng)業(yè)之初，昆侖數(shù)據(jù)沿襲之前在IBM的市場路線，主營業(yè)務(wù)為提供工業(yè)大數(shù)據(jù)平臺產(chǎn)品，支持海量高通量工業(yè)數(shù)據(jù)應(yīng)用的規(guī)模部署。

在市場實(shí)踐中，昆侖數(shù)據(jù)逐漸認(rèn)識到中美市場的差異，中國工業(yè)領(lǐng)域大數(shù)據(jù)應(yīng)用仍處于早期，在提供技術(shù)平臺之前，首先需要幫助企業(yè)解決業(yè)務(wù)價值、實(shí)施路徑等問題，因此后來拓展了產(chǎn)品線，支持企業(yè)從業(yè)務(wù)問題診斷、專題試點(diǎn)到規(guī)模部署的完整體驗(yàn)。

工業(yè)大數(shù)據(jù)的興起晚于互聯(lián)網(wǎng)大數(shù)據(jù)，目前國內(nèi)出現(xiàn)的創(chuàng)新公司并不多，仍處于跑馬圈地的早期階段。昆侖數(shù)據(jù)的打法是，從行業(yè)標(biāo)桿客戶切入，逐步服務(wù)其上下游企業(yè)，以“點(diǎn)-線-面”的方式拓展，在某一細(xì)分行業(yè)里先深再寬，以提升細(xì)分市場占有率和影響力。

由于工業(yè)數(shù)據(jù)存在多樣性、專業(yè)性和復(fù)雜性等特點(diǎn)，要求入場的大數(shù)據(jù)服務(wù)商具備深度的行業(yè)理解。愛分析認(rèn)為，相對于正逐步開源的數(shù)據(jù)分析算法，尋找合適的應(yīng)用場景、獲取持續(xù)不斷的數(shù)據(jù)源才是最重要的兩個難點(diǎn)和挑戰(zhàn)。

目前，工業(yè)大數(shù)據(jù)主要涉及以下三類數(shù)據(jù)源：

第一， 企業(yè)經(jīng)營相關(guān)的業(yè)務(wù)數(shù)據(jù)，來自于企業(yè)內(nèi)部的ERP、 CRM、SCM等管理系統(tǒng)，滿足企業(yè)的日常管理需求；

第二， 機(jī)器設(shè)備數(shù)據(jù)，一部分來自于設(shè)備制造管理的數(shù)據(jù)，以MES系統(tǒng)數(shù)據(jù)為代表，通過數(shù)據(jù)分析優(yōu)化生產(chǎn)流程、提高產(chǎn)量，一部分來自于設(shè)備運(yùn)行參數(shù)及傳感器數(shù)據(jù)，通過數(shù)據(jù)分析提升效率、控制風(fēng)險；

第三， 企業(yè)外部數(shù)據(jù)，包括相關(guān)的環(huán)境、氣象、上下游供應(yīng)商數(shù)據(jù)等，配合前兩類數(shù)據(jù)完成設(shè)備的數(shù)據(jù)建模。

相比于互聯(lián)網(wǎng)大數(shù)據(jù)，工業(yè)大數(shù)據(jù)有非常強(qiáng)的目標(biāo)性，需求十分明確，以產(chǎn)品全生命周期管理為例，一個設(shè)備的智能運(yùn)維通常需要若干個小型的模型，完成不同的功能?；ヂ?lián)網(wǎng)大數(shù)據(jù)則相對中心化，圍繞著一個主題應(yīng)用場景做更豐富的功能開發(fā)和更深的應(yīng)用挖掘。

昆侖數(shù)據(jù)創(chuàng)始人陸薇解釋說，互聯(lián)網(wǎng)大數(shù)據(jù)類似一個巨大的星球，工業(yè)大數(shù)據(jù)則更像一條星系，由數(shù)個小星球匯聚而成。

由于工業(yè)業(yè)務(wù)的個性化特點(diǎn)，現(xiàn)階段工業(yè)大數(shù)據(jù)公司一般會鎖定細(xì)分領(lǐng)域提供定制化的業(yè)務(wù)模式，但底層平臺產(chǎn)品具有較高的通用性，在跨領(lǐng)域之間也具有很強(qiáng)的參考意義。

愛分析認(rèn)為，定制化的業(yè)務(wù)模式雖然不能改變，但選擇在單個行業(yè)縱深的戰(zhàn)略打法值得肯定。

從工業(yè)大數(shù)據(jù)產(chǎn)業(yè)鏈上判斷，傳統(tǒng)大數(shù)據(jù)和工業(yè)自動化產(chǎn)業(yè)，以IBM、Microsoft、GE、SIEMENS等為代表的巨頭公司利用先發(fā)、資源、技術(shù)等優(yōu)勢，將在產(chǎn)業(yè)鏈上占據(jù)重要環(huán)節(jié)，大量新興初創(chuàng)公司憑借開源技術(shù)，結(jié)合個別細(xì)分領(lǐng)域的業(yè)務(wù)認(rèn)知力，或?qū)⒊蔀榧?xì)分領(lǐng)域的重要支撐力量。

國內(nèi)市場中，昆侖數(shù)據(jù)是較早介入工業(yè)大數(shù)據(jù)領(lǐng)域的創(chuàng)業(yè)公司之一，并與金風(fēng)科技、中石油、臺達(dá)電子等工業(yè)龍頭企業(yè)建立了戰(zhàn)略合作關(guān)系。

傳統(tǒng)工業(yè)巨頭似乎格外關(guān)注本行業(yè)內(nèi)技術(shù)創(chuàng)新型公司，國外工業(yè)物聯(lián)網(wǎng)公司路徑也不謀而合，其中新銳公司Uptake的快速成長與機(jī)械大亨Caterpillar關(guān)系密切，Caterpillar是其種子客戶，二者不僅長期保持合作，更是參與了Uptake兩輪融資。

與傳統(tǒng)巨頭戰(zhàn)略合作，創(chuàng)業(yè)公司在技術(shù)、資源等方面收益頗豐。

目前，中國工業(yè)企業(yè)對大數(shù)據(jù)理解很多還停留在概念層面，仍需大量教育市場工作。昆侖數(shù)據(jù)采取的打法是先幫企業(yè)用戶做痛點(diǎn)診斷，通過基于業(yè)務(wù)以及數(shù)據(jù)的雙重診斷報告幫助企業(yè)梳理需求；再選擇其中有代表性的問題做試點(diǎn)方案，再次明確方案的可行性、為用戶測算投資回報、為其提供科學(xué)決策的數(shù)據(jù)價值依據(jù)；最終延伸至規(guī)模部署階段，做企業(yè)系統(tǒng)性的大數(shù)據(jù)平臺建設(shè)和全面部署。

昆侖數(shù)據(jù)在創(chuàng)立之初就明確選擇了工業(yè)領(lǐng)域。陸薇畢業(yè)于清華大學(xué)，計算機(jī)系博士，是IBM中國區(qū)培養(yǎng)的第10位全球技術(shù)高管、杰出工程師。她帶領(lǐng)團(tuán)隊研發(fā)物聯(lián)網(wǎng)領(lǐng)域產(chǎn)品，主旨在實(shí)現(xiàn)設(shè)備數(shù)據(jù)的商業(yè)價值，是初具成果的工業(yè)大數(shù)據(jù)業(yè)務(wù)雛形。

近日，愛分析專訪了昆侖數(shù)據(jù)創(chuàng)始人兼CEO陸薇，精選部分與讀者分享。

實(shí)行客戶落地三段論，聚焦工業(yè)四大痛點(diǎn)需求

愛分析：與其它類型大數(shù)據(jù)相比，工業(yè)大數(shù)據(jù)需要對業(yè)務(wù)的深刻理解，昆侖數(shù)據(jù)為何選擇工業(yè)方向切入？

陸薇：創(chuàng)立昆侖數(shù)據(jù)之前，我在IBM研究院管理大數(shù)據(jù)研發(fā)。2009年，我?guī)ьI(lǐng)團(tuán)隊參加IBM全球重大研發(fā)計劃，專注物聯(lián)網(wǎng)方向，把物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)收集到云端，做存儲、分析，產(chǎn)生價值，解決問題，與現(xiàn)在選擇的領(lǐng)域一脈相承。

做項目的過程中，我們看到物聯(lián)網(wǎng)市場逐步興起，萬物互聯(lián)是必然趨勢。而且，這項技術(shù)有獨(dú)特性和領(lǐng)先性，通過反復(fù)驗(yàn)證，市場需求反饋強(qiáng)烈。

隨后，項目進(jìn)入IBM公司戰(zhàn)略層面。受制于當(dāng)時的公司體制，產(chǎn)品并不能以最符合市場需求的形式呈現(xiàn)，注定在市場競爭中出現(xiàn)嚴(yán)重后果，于是我們決定出來自己做。

愛分析：從2014年12月成立至今，是否嘗試過別的方向？

陸薇：我們一直專注在工業(yè)領(lǐng)域，在技術(shù)思路和產(chǎn)品上做過一些適度調(diào)整，一直在更迭演進(jìn)。

愛分析：目前的打法是什么？

陸薇：對很多工業(yè)企業(yè)來說，第一個問題是回答大數(shù)據(jù)到底能為其帶來什么價值，其次是如何跟企業(yè)業(yè)務(wù)結(jié)合，給予行之有效的實(shí)施路徑。

我們?yōu)榭蛻艚鉀Q問題實(shí)行三段論。

第一步，給業(yè)務(wù)做診斷。如果企業(yè)想引用大數(shù)據(jù)，但又不知如何下手，我們會進(jìn)場做業(yè)務(wù)診斷，系統(tǒng)地梳理業(yè)務(wù)形態(tài)，找到痛點(diǎn)，確定可以用大數(shù)據(jù)解決的問題。通常，診斷需要一天，診斷報告需要一周。

第二步，做試點(diǎn)。診斷之后，客戶確認(rèn)這個問題很重要，且數(shù)據(jù)完備度好，我們會做方案試點(diǎn)。

第三步，做部署。通常，對試點(diǎn)效果認(rèn)可度高的行業(yè)標(biāo)桿公司，會走到全面部署實(shí)施的階段。

愛分析：做試點(diǎn)是一個比較偏重的模式，是否占用過多人力成本？

陸薇：工業(yè)領(lǐng)域特點(diǎn)決定了這個商業(yè)模式，只有這樣，才能真正幫助企業(yè)迅捷地實(shí)現(xiàn)數(shù)據(jù)價值落地。剛開始有點(diǎn)慢，我們目前標(biāo)準(zhǔn)是，十周完成一個試點(diǎn)。隨著案例、模型逐漸增多，以后會越做越快。

愛分析：做試點(diǎn)會有哪些收獲？

陸薇：做完試點(diǎn)，有幾件事就明確了：一，技術(shù)可行性，問題能否通過數(shù)據(jù)解決；二，投入產(chǎn)出，比如通過我們的模型可以提高多少產(chǎn)量，多少折現(xiàn)價值；三，明確解決這個問題，和哪些因素相關(guān)。

下一步，企業(yè)可以根據(jù)算出來的可行性、價值、投入產(chǎn)出，做科學(xué)決策，我們也可以做價值定價。

愛分析：如何進(jìn)行價值定價？

陸薇：我們的理念是數(shù)據(jù)價值大于數(shù)據(jù)平臺價值。我們不是單純賣一個平臺產(chǎn)品，而是解決了實(shí)際問題，有額外的價值產(chǎn)出。

工業(yè)企業(yè)很直接，兩三年內(nèi)能收回投資的，就愿意投入實(shí)施。

愛分許：如果試點(diǎn)完了，也沒有梳理出需求，會有哪些維度去判斷投入產(chǎn)出的問題？

陸薇：試點(diǎn)之前，為了保證試點(diǎn)效果，雙方要確立共同的目標(biāo)。包括共同認(rèn)可問題的重要程度、共同同意的分析方法、共同配合的團(tuán)隊、共同同意的時間表等。一定是客戶得重視，得配合，才能提高成功率。

愛分析：從平臺切入應(yīng)用，通常為客戶解決哪些實(shí)際問題？

陸薇：通常工業(yè)大數(shù)據(jù)有四大類應(yīng)用：提質(zhì)、增效、降耗、控險?？仉U一般在高危行業(yè)，比如化工。

愛分析：這四類應(yīng)用從數(shù)據(jù)分析方法或算法模型上有通用性嗎？

陸薇：方法上有通用性，但模型是個性和共性的結(jié)合。

第一，工業(yè)大數(shù)據(jù)一定是個性化的，每個應(yīng)用領(lǐng)域都不同。即使同款產(chǎn)品，使用不同的設(shè)備生產(chǎn)，獲取的數(shù)據(jù)也不同。第二，底下平臺產(chǎn)品是有共性的，比如傳感器數(shù)據(jù)可以算一種數(shù)據(jù)類型。第三，有些不同行業(yè)也可以相互參考，比如生物制藥和化工。

以后會越做越快，找相近的問題，在既有的模型上，用新環(huán)境下的數(shù)據(jù)重新做訓(xùn)練。

兩個產(chǎn)品一個服務(wù)，“點(diǎn)-線-面”拓展戰(zhàn)略

愛分析：對外產(chǎn)品以什么樣的方式輸出？

陸薇：我們有兩個平臺產(chǎn)品，一個叫K2Sigma，是昆侖數(shù)據(jù)自己運(yùn)營的公有云服務(wù)，支持?jǐn)?shù)據(jù)應(yīng)用的診斷和試點(diǎn)階段；另一個叫KMX，支持規(guī)模部署階段，支持公有云和私有云兩種部署方式。

此外，我們還提供數(shù)據(jù)科學(xué)服務(wù)，我們的數(shù)據(jù)科學(xué)家可以深入企業(yè)一線與業(yè)務(wù)專家一起解決問題。未來，我們還將在一些復(fù)制性強(qiáng)的應(yīng)用領(lǐng)域提供應(yīng)用產(chǎn)品。

愛分析：會去幫企業(yè)做底層的數(shù)據(jù)治理嗎？

陸薇：不會一開始做全面的數(shù)據(jù)治理，企業(yè)數(shù)據(jù)治理項目非常耗時。

我們推薦小步快跑，快速實(shí)現(xiàn)。先找到業(yè)務(wù)切入點(diǎn)，再圍繞切入點(diǎn)把東西做出來。但我們有一個架構(gòu)原則，保證以后在增加和擴(kuò)容時，不至于要推翻重來。采取漸進(jìn)的方式，從一個需求點(diǎn)出發(fā)，上下打穿，逐漸擴(kuò)充。

愛分析：做模型驗(yàn)證時候主要用的哪些數(shù)據(jù)？

陸薇：機(jī)器數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)，以及一些第三方數(shù)據(jù)，包括天氣、地理等數(shù)據(jù)。

愛分析：常用的第三方數(shù)據(jù)源如何獲得？

陸薇：一些是企業(yè)采購的數(shù)據(jù)源，一些是公共數(shù)據(jù)源。目前以企業(yè)數(shù)據(jù)為主，未來計劃在平臺上提供更多的公共數(shù)據(jù)服務(wù)。

愛分析：這樣看來，也不完全對標(biāo)Uptake。

陸薇：對，Uptake做PHM（故障預(yù)測與健康管理）多一些，我們不限于這個。

愛分析：重點(diǎn)關(guān)注的是哪些細(xì)分行業(yè)？

陸薇：我們做的最多的是能源，像風(fēng)電、石油，能源企業(yè)數(shù)據(jù)完備度比較高。其次是精密制造，比如電子，關(guān)注質(zhì)量、產(chǎn)量的應(yīng)用。

愛分析：昆侖數(shù)據(jù)在細(xì)分領(lǐng)域、場景應(yīng)用上，提供多元化的解決方案，而并不是選擇聚焦在一個細(xì)分領(lǐng)域，或一個解決方向上，是如何考慮的？

陸薇：我們最早的出發(fā)點(diǎn)是做一個通用的工業(yè)大數(shù)據(jù)平臺，后來發(fā)現(xiàn)只有這個平臺不能直接解決客戶問題，一定要這個平臺上面有能解答業(yè)務(wù)問題的分析應(yīng)用。在選擇分析應(yīng)用時發(fā)現(xiàn)，不同企業(yè)又有各自獨(dú)特的關(guān)注點(diǎn)，隨著對行業(yè)與用戶需求的更深入理解與價值挖掘，應(yīng)用也能逐步自成體系。

2C是做爆款應(yīng)用，一個公司做一個應(yīng)用，可以比較專注，像打造一個巨大的星球。但2B里面，工業(yè)有很多門類，每個門類有不同場景，像打造一個星系，由若干小星球匯聚而成。當(dāng)然，我們只會選擇有限的幾個高價值星球聚焦。

愛分析：您認(rèn)為昆侖數(shù)據(jù)的技術(shù)壁壘產(chǎn)生在哪些地方？

陸薇：首先，我們的平臺產(chǎn)品針對工業(yè)數(shù)據(jù)的特點(diǎn)有一系列的專有技術(shù)，例如帶工業(yè)語義的查詢、數(shù)據(jù)版本和完整性管理等等。此外，這個領(lǐng)域，經(jīng)驗(yàn)積累很重要。我們積累一部分在數(shù)據(jù)模型，一部分在對工業(yè)領(lǐng)域的理解，比如對生產(chǎn)工藝流程的理解，也會變成模型的一部分。積累逐漸增多，就會形成很大的壁壘。

愛分析：下一步公司整體戰(zhàn)略是什么？

陸薇：一方面是繼續(xù)按照三步走的方式走下去，不斷打磨產(chǎn)品，提升效率，把產(chǎn)品做好。

另一方面，商業(yè)上按照點(diǎn)線面拓展。由工業(yè)龍頭企業(yè)切入其上下游，大數(shù)據(jù)跨越企業(yè)的邊界，支持整個產(chǎn)業(yè)鏈。不僅解決單個企業(yè)內(nèi)部的問題，會幫企業(yè)搭建一個服務(wù)上下游產(chǎn)業(yè)鏈的數(shù)據(jù)平臺，讓數(shù)據(jù)在產(chǎn)業(yè)鏈上流動起來，把數(shù)據(jù)的價值無限放大。

主要成本在研發(fā)， 四類人才協(xié)作共贏

愛分析：銷售模式以直銷為主還是渠道為主？

陸薇：我們目前是直銷加上合作伙伴。

愛分析：通?？蛦蝺r是什么量級？服務(wù)的客戶量有多少？

陸薇：客單價取決于階段，試點(diǎn)項目一般幾十至百萬上下，部署看規(guī)模，幾百萬到上千萬不等。

愛分析：客戶量與銷售額的增加與人員擴(kuò)張有直接關(guān)系嗎？

陸薇：不太直接。在公司初期，產(chǎn)品剛剛研發(fā)出來的時候，效率不是那么高，后來隨著產(chǎn)品的穩(wěn)定，隨著項目的增多，效率越來越高。人均產(chǎn)出會穩(wěn)步增長，因此人員增長和銷售額增長的關(guān)系不是線性的，比如業(yè)務(wù)翻一倍，不需要人翻一倍。

愛分析：整體團(tuán)隊規(guī)模有多少人？是怎樣的結(jié)構(gòu)？

陸薇：目前80多人，包括60人研發(fā)。

愛分析：這個領(lǐng)域?qū)θ瞬诺囊笥心男┨攸c(diǎn)？

陸薇：我們需要四類人。

第一，懂行業(yè)的業(yè)務(wù)分析師，能夠用行業(yè)的語言與客戶交互，了解實(shí)際問題，并變成數(shù)學(xué)問題。

第二，數(shù)據(jù)科學(xué)家，根據(jù)數(shù)據(jù)和數(shù)學(xué)問題，做算法和建模。

第三，數(shù)據(jù)工程師，負(fù)責(zé)數(shù)據(jù)整理、清洗，包括寫小程序。

第四，應(yīng)用開發(fā)工程師，在部署時把算法開發(fā)成能用的系統(tǒng)，做產(chǎn)品化封裝，有時也通過合作伙伴或應(yīng)用集成商。很多時候，我們做的應(yīng)用會變成客戶某個系統(tǒng)的一個外腦。

例如，MES系統(tǒng)是企業(yè)做制造執(zhí)行的管理系統(tǒng)，我們會從其中讀取數(shù)據(jù)，給它加外腦，幫它做智能判斷、決策、預(yù)測，但結(jié)果要返回給它，再控制機(jī)器。

新工業(yè)革命全球化，探索場景是挑戰(zhàn)

愛分析：您認(rèn)為，工業(yè)大數(shù)據(jù)和互聯(lián)網(wǎng)大數(shù)據(jù)有哪些區(qū)別呢？

陸薇：第一，數(shù)據(jù)類型不同，消費(fèi)互聯(lián)網(wǎng)大多是人產(chǎn)生的數(shù)據(jù)，如文本、圖片、視頻、社交行為，是半結(jié)構(gòu)化、無結(jié)構(gòu)數(shù)據(jù)。工業(yè)領(lǐng)域大多是機(jī)器數(shù)據(jù)、設(shè)備工況、周邊環(huán)境、人機(jī)交互等數(shù)據(jù)。

第二，這兩類數(shù)據(jù)上的分析應(yīng)用也不盡相同。一個的典型應(yīng)用是推薦、信用分析等，另一個做頻譜分析、故障預(yù)測等應(yīng)用，這是兩個截然不同的領(lǐng)域，需要用完全不同的技術(shù)。

愛分析：除了能源領(lǐng)域，您看到還有哪些領(lǐng)域信息化程度比較高？

陸薇：流程制造業(yè)的信息化程度較高，像冶金、化工，自動化程度高，數(shù)據(jù)比較全。離散制造業(yè)高精尖一點(diǎn)的，信息化程度也很好。

愛分析：跟金風(fēng)科技是如何合作的？

陸薇：我們目前在幫助金風(fēng)建設(shè)集團(tuán)的數(shù)字化轉(zhuǎn)型平臺。在全面建設(shè)之前，我們先做了三個試點(diǎn)項目來驗(yàn)證數(shù)據(jù)的價值，一個是對風(fēng)優(yōu)化，實(shí)現(xiàn)發(fā)電效率提升，做完之后驗(yàn)證，平均一臺風(fēng)機(jī)每年可以多發(fā)電一萬多元，金風(fēng)有兩萬多臺風(fēng)機(jī)，全面部署后一年就可以增收兩個多億，數(shù)據(jù)的價值赫然出現(xiàn)。

另一個是大部件故障預(yù)警，比如傳動裝置齒形帶有時會斷裂，斷了之后葉片不受控，嚴(yán)重會毀塔，我們通過大數(shù)據(jù)分析做到提前90個小時預(yù)警，掃塔概率降低30%。

還做了葉片結(jié)冰檢測，我們通過數(shù)據(jù)分析判斷單個風(fēng)機(jī)的結(jié)冰狀況和程度，制定準(zhǔn)確的運(yùn)行方案，用數(shù)據(jù)做決策。

愛分析：大數(shù)據(jù)和人工智能在行業(yè)應(yīng)用中是分不開的，昆侖數(shù)據(jù)用到哪些AI技術(shù)？

陸薇：舉個例子，生物制藥中提升產(chǎn)出藥品的效價，需要從藥品發(fā)酵罐的歷史控制數(shù)據(jù)中挖掘出和效價的關(guān)聯(lián)模型。藥品發(fā)酵罐的性能會隨著時間推移發(fā)生變化，今天工作很好的模型，可能明天就不好用了。所以需要根據(jù)持續(xù)進(jìn)來的數(shù)據(jù)進(jìn)行模型的自學(xué)習(xí)、自訓(xùn)練、自優(yōu)化，這就是人工智能技術(shù)在工業(yè)里面的典型應(yīng)用。

我們認(rèn)為人工智能技術(shù)本身不神秘，像現(xiàn)在流行的人工智能算法，包括深度學(xué)習(xí)都開源了。

首先，技術(shù)本身不是問題，挑戰(zhàn)在于找到合適的場景，使其產(chǎn)生很大的作用。第二，需要持續(xù)的數(shù)據(jù)喂算法，讓算法越做越好，海量的數(shù)據(jù)遠(yuǎn)比算法重要。

愛分析：工業(yè)大數(shù)據(jù)在國內(nèi)處于什么階段？

陸薇：我覺得剛剛興起，到大范圍應(yīng)用還需要過程，正好適合創(chuàng)業(yè)公司和市場共成長。

大數(shù)據(jù)屬于信息技術(shù)，新技術(shù)的蔓延過程一定是先從第四產(chǎn)業(yè)開始，以互聯(lián)網(wǎng)技術(shù)為主的產(chǎn)業(yè)；再到第三產(chǎn)業(yè)服務(wù)業(yè)，比如金融、電信、零售等，信息化技術(shù)高，IT應(yīng)用多；然后再到第二產(chǎn)業(yè)；最后才到第一產(chǎn)業(yè)，農(nóng)業(yè)。我覺得不僅僅是大數(shù)據(jù)，任何一個IT技術(shù)，被采納都是這樣的過程。

大數(shù)據(jù)最早從互聯(lián)網(wǎng)上起來；再到金融，像Fintech；這一兩年開始，到工業(yè)界；國外也是一樣的，也處于早期。

愛分析：未來幾年這個行業(yè)的發(fā)展趨勢，您怎么判斷？

陸薇：我覺得在至少未來5到10年，空間足夠大。

首先，工業(yè)4.0，新工業(yè)革命是全球性趨勢。在這個階段，各個國家都在做升級，是產(chǎn)業(yè)發(fā)展的必然。另外，中國制造業(yè)發(fā)展遇到很大的挑戰(zhàn)，有很強(qiáng)的市場需求。

（ifenxicom），回復(fù)“ 昆侖數(shù)據(jù) ”即可獲得完整版報告。

愛分析熱文

新龍榜

新龍榜TOP125

新金融

企業(yè)服務(wù)

其它