回到我在91年进入美国NSF，大家都知道他是比较中立的，做出来的东西全世界分享，完全是公开的。91年克林顿在任，官员的责任就是做20年之后的事。每天吃饭谈20年之后的事，95年我派到日本，先进产业研究院，就是日本的工研院，我带去日本的项目就是把互联网用在机器上面，这个就是美国的第一个互联网+。因为那个时候日本是用远程抓机器是用卫星，95年我代表NSF，这篇文章是唯一可以找到最早的一篇文章，我做发动机和电梯的远程，道理是一样的。那个时候的速度，那个时候的建模一定是这个东西，为什么要建模，因为不可能靠数据做决策，不够的，一定要（英文）做决策，这两个为什么放在一起，当初这么做出来的。

 

　　后来2000年我在98-2000年在美国做研发总监，2000年之后当教授，做了智能维护中心，这个中心全世界100多个企业，诞生了很多的企业。我今天就讲中国的高铁和中船。

 

　　最近这几年，当我写第一本书的时候，也是滴水湖这边写的，2015年开会，当时上海交大办了先进产业研究院的工业大数据，讲完之后说把书写出来，这个书是15年的案例，2001年-2015年的案例整合起来，后面包括智能制造，云上的工业智能，最新的工业人工智能下个月出。

 

　　今天讲工业互联网，基本上是按照历史看有几个转型做法。一种做法就是像互联网公司说我也可以加上一个应用，变成互联网+，互联网+金融，互联网+零售，我用人脸辨识看顾客拿了多少次，多少次不买，根据零部件的喜好把他技掉。这些是叫做工业互联网与智能转型模式，带动制造后边的关系，这个叫新制造，工业+互联网，汽车、钢铁、风电，他本来做产品的，有问题就加互联网，远程监控你，不行就关掉。我的质量+互联网，生产线连在一起，把整个质量的问题找到，我就可以解决生产线的问题。这个成功率很高。

 

　　为什么要做互联网，一定有几个原因，因为人是事情的核心。麦克风是演讲的目的，所以人和麦克风要互动，麦克风不会告诉人要做什么，需要人有系统管理这个物。这个系统就是我们讲的今天，一般不懂的人他可以告诉我，他不会直接告诉你，工业互联网是管理系统，不是一个高大上，或者说工业互联网我们今天要做的一定是解决顾客最大的痛点，工业互联网的公司要准备好看到最丑陋的一面，否则不要去做。这个里面数据的技术，包括分析的技术，包括平台技术，包括OT技术，这都是很重要的东西。今天讲到DT，AT，PT，OT，这几个T现在谈得最多是PT，我是平台公司，你和我合作就可以解决了。这是梦想和幻想，做平台的公司一定自己已经成功，自己有一个平台，让我的问题解决，甚至两个不认识的人在平台上解决。我们现在很多企业把平台当成阳台用，有什么东西放平台用，平台基本上云是一个平台，有6个S，分享存储，分享网络，分享计算机，这个是基本的，最重要的是分享资源，不是自己有一个东西，你用了别人可以用。分享服务，分享生态，可以带动其他很多做生态的东西，机器有问题，传感器公司，维修公司都可以在这里，但是数据在我这里，所以谁先拿到数据，这个数据是客人的不是你的。所以这个到底是谁的数据，这个地面来讲，这个变成今天互联网的战场。

 

　　因为用户和价值是在这边产生的，只是看别人愿意不愿意用你的。

 

　　比如说轴承APP，我通用工作的时候，1983年我们有一个查理专家系统，他只要耳朵一听机器，就知道轴承的内环坏了，再一听，轴承本身外环不好，内环和外环和滚珠频率不一样，特征不一样。为什么需要人去看？绿色就是正常的，白色是外环，黑色是滚珠，蓝色是内环，这个很稳，开始绕了就是外环问题，我们需要37年专家的问题用一个振动信号，噪音信号直接出来。你可以全世界用，或者数据捐给美国的NASA网站去查一下，现在已经超过3万次下载。我不久前部捐出去了。我要形成一个APP，任何人只要告诉我什么样的轴承，什么样的速度，我直接自动帮你判断什么问题。黏性和弹性，小轴承大轴承都可以用。我们做工业大数据，工业人工智能，ABC是基础，D要高，才可以帮助顾客找到他不了解的问题。重要是用户和价值驱动。这个是最重要的目的。

 

　　现在数据质量怎么看？发动机起飞了，还是船，高铁，数据很多，第一个可以找到高铁，滚珠轴承，中国的高铁是跑300公里一小时，中国是200公里以下的轴承自己可以做，200公里以上中国不能做，都是进口的。因此要知道可以不可以用，数据拿到了，很多公司说我有很多数据，我们花了6个月的时间，你们的数据不能用，你没有背景资料，这个已经是上亿的产业，因为很少公司可以做这个事。这个要做人家不能做的事，这个里面数据本身是断裂，因为拿来的时间不一样，拿来做的方法也不一样，数据的背景不一样，轮船当成天气的背景，飞机起飞的时候高度、风速都没有。不了解天气的资料，发动机懂再多也做不出来，所以三个B。第二是三个R，数据的来源性，可以不可以用历史数据，同类型的数据做比较呢？第二能不能可以找到关系，可以找到还不了解的问题，什么样的风速，什么样的湿度，风电叶片会结冰。甘肃不会结冰，到安徽会结冰，因为天气湿度不一样，路况和车子的平稳度什么关系，都不知道，因为数据没有归类。所以人很难做决策。

 

　　我们2017年信通院（音译）办的，我给他们建议办一个工业互联网，美国2008年开始竞赛，怎样看风电会不会结冰，当时1600个团队，最后选了12个团队，6个团队做皮带损伤，6个团队做风电结冰，富士康有3个团队，你们做手机怎么搞这个东西，因为他们说做大数据很强，不搞风电可以预测出来，我就更了解富士康，慢慢发现，这个里面我们可以合作很多，就协助他们做工业互联网。

 

　　后来我到富士康捐出这个数据之后，华为用云平台，一个是物流，一个是刀具，就是苹果手机刀具怎么断裂怎么损耗可以预测出来，全部都是高校来参加，没有企业界。中国企业界自己独当一面搞工业互联网真的很难，第一没有时间，第二没有环境，数据给你分析时间都没有。有的说我有，你有工具，但是没有顾客的数据，有顾客的数据的没有工具。

 

　　人工智能八几年开始使用，最近改变几年国内炒作特别大，他们可以从互联网+到工业互联网，到云再到CPS，再到人工智能连续做。纳米1993年的时候做，纳米搞了将近20年，现在博士生都找不到工作，纳米还谈吗？没有钱。AI再搞十年也没有钱，因为做不出东西怎么有钱。大家要清楚一个领域不能炒过了，中国的钱现在远大于全世界，但是人脸辨识全去了，转换声音全去了。简单的取代之后省的不多，这个地方是人工智能最大的挑战，有的人说拿面包算多少钱，老是看同样的节目，不高兴。

 

　　所以未来我们人工智能投资的可能性，可成长性，但是可用性很难验证，我可以用好还需要你投资吗？我直接找客户马上用了为什么要你投资。以前搞机器人(15.430, -0.01, -0.06%)，机器一故障半个小时，你损失的钱你来赔。所以机器人一个个死。我可以用你的，但是如果判断损失你要承担，我不敢，那叫什么人工智能。数据和人工，这个要让人和更聪明，这个是让机器更聪明，但是数据环境会变，不是固定的，要辨别出来什么地方出问题。所以用在很多方式里面解决一个系统工程，怎么验证这个系统可以不可以用。所以当初工业人工智能，维基百科是我写的。人工智能是认知科学，我怎么用人的图象自然语言，用在医疗还是辨识，所以他的成功率是有的，但是怎么让他的成功率不受到任何的变化的干扰。国外的人工智能并不是解决一个奇幻的问题，问题解决完之后，可以重复解决很稳定，可以传承下去。

 

　　比如说我退休，有人取代我，但是比我以前稍微好一点，但是好不到哪里去，所以不同的专家不一样，人工智能用训练的方式可以做，但是每次零部件要更换，系统有变化都要重新做，老系统和新系统无法自动覆盖。所以必须要做自动调整，他可以一直做调整。这个里面需要这种东西。我们要看哪一种方式适合解决什么问题。

 

　　第一个中国船舶(19.580, -0.05, -0.25%)案例，我要做中船互联网，因为韩国做，韩国第一，那个时候中国还不是第一，要做什么，要做船的监控，泵，轴承，船最大的问题就是耗油性，当时根据船舶的位置每天角度的变化，根据阻力可以找到关系，现在整个团队出来了，已经民营化了，我们做的时候可以一年省掉6%的油费。第一条智能船是2017年12月6日正式成立，不是卖船。可以卖船的管理和服务。有几个人听过宽度学习？他是我们经验犯错出来的，很多东西在运转，有很多风电在运转，但是要监控每个风电吗？高铁有两个转向架，每个转向架有4个电机，一比就可以很快知道哪一个风电好不好。

 

　　阿斯同（音译）高铁，高铁在动，很多的数据从轮毂出来，高铁十几节，一节有两个转向架，很长，我们当时做了整个群的监控，这个里面根据速度变化爬坡加速减速找到类似性，就可以找出哪一个好哪一个不好。中车我知道哪一个电机不好，哪一个节车箱什么问题，一比较就出来了，再看哪一个电机不好。有一天比如说中车的车子出来之后，动车和谐号，哪一节信号一出来一比知道哪一个节哪一个电机不好，集中在这个电机和其他的电机做比较，哪一个最差，把整个的系统变得可以做整个集成，中车可以很快找到不好的电机，这个就是宽度学习。

 

　　下一个案例就是讲电池，电动车也是一样，特斯拉有2000多个电芯，我们上海交大先做，电池充放电的时候会变，我要找到电池是哪一个电池，在云上面直接做运算，不要存数据，云上就完成。充电的时候就知道电池什么问题。那个时候韩市长特别来看，未来的电池信息基地，建模，这个就是我们讲的智能大数据，2010年开始做的，现在有十个专利，我们等企业碰，碰了之后找他们。然后用云做电子的很少，只有两个。

 

　　我们讲工业互联网的案例，我们去年协助富士康申请了灯塔工厂，全国有17个，因为富士康有17万的机床，18000条线，如果要做这个事，数据量是足够大，要靠人群做，数据量大，所以工业云怎么把边缘上智能化加强。物端不用这么快，做故障或者远程，不需要马上做决策的东西。我们用了很多工业互联网软件预测生产当中的问题，问题可以预测出来，最后关灯工厂，目的并不是把人去掉，是把人的忧虑去掉，富士康目前有8个熄灯工厂。目前全世界有16个，今年有7个，第一年有9个，今年7个富士康和西门子总共16个，海尔是去年。基本上最重要就是集中在边缘端，未来怎么看。

 

　　最后我们现在有一个问题，人工智能找不到人，请不起人，留不住人。我们建立一个产业学院，专门培养人才，我帮富士康做的时候只有30多人搞AI，现在有1000多人。

 

　　传统人工智能是传统科学，永远不会停，但是工业人工智能比较解决过去的问题和未来的问题，人工智能不能解决过去的问题，但是工业人工智能一定要解决过去的问题，高铁、车辆、风电，深度学习，宽度学习都要有。