或許這就是為什么在沒有IIoT提供關鍵幫助的情況下，企業很難在工業4.0帶來的大規模數字轉型中能夠生存下來的重要原因。而人工智能（AI）和IIoT這兩種技術的結合，能有效管理并充分利用數字化生產過程中產生的海量數據，把工業過程控制提升到一個全新的高度。

IIoT數據管理必須具備的4個能力

隨著數字化浪潮在工業領域的滲透，大數據已成工業數字化的入口。根據IDC的統計，2019全球數據量達到42ZB，預計2022年將達到163ZB，復合年增長率高達57%。而工業數據在工業領域的應用場景也在不斷增加，賽迪智庫的統計數據表明，2019年中國工業大數據市場約為146.9億元，預計未來將保持30%以上的高增長。也就是說，當企業開始著手在其工業系統中部署IIoT時，他們面臨的第一個挑戰就是如何從IIoT系統檢索數據，并使其用于制造過程的實時分析和決策。為確保數據管理解決方案能夠達到IIoT的要求，下面4項功能需要重點關注：

多功能連接處理各種數據的能力。物聯網系統有各種標準，產生的數據需遵守各種協議，如MQTT、OPC、AMQP等。此外，大多數物聯網數據以半結構化或非結構化格式存在。因此，數據管理系統必須能夠連接到所有系統并遵守各種協議，以便能夠從這些系統接收數據。同時，該解決方案還要支持結構化和非結構化數據。

豐富的邊緣處理能力。一個好的數據管理解決方案應該能夠過濾掉來自系統的錯誤記錄，它還應該能夠使用元數據（metadata），如時間戳或靜態文本等來豐富數據，以支持更完善的數據分析。

大數據處理和機器學習能力。由于物聯網數據量非常大，因此在執行實時數據分析時系統必須保持超低延遲，以便可以實時處理數據。

實時監控能力。物聯網數據的獲取和處理是一個持續的過程，因此，數據管理解決方案應該通過可視化提供實時監控，以便隨時顯示流程在性能和吞吐量方面的狀態。

人工智能如何影響工業物聯網？

在討論這一話題之前，我們先來看一看專家級研究機構對人工智能和物聯網這兩種技術前景的判斷：根據Markets&Markets的預測，到2025年，人工智能將成為一個價值1,900億美元的行業。IDC則認為，2019年40%的數字化轉型計劃是由人工智能推動的。Business Insider預測，到2025年，物聯網設備將超過640億臺，而2018年約為100億臺。因此，麥肯錫給出了這樣的預估，到2025年，物聯網有可能產生4萬億至11萬億美元的經濟價值。

從以上數據看出，人工智能和物聯網這兩項已經存在幾十年的技術理念在正確的時間和地點重新崛起，它們打破了傳統的行業規范，并將引發一場數字革命，將18世紀的傳統工業革命帶入21世紀的工業4.0。隨著人工智能的融入，工業物聯網的性能將得到極大提升。

人工智能正在成為工業智能化的大腦

在數據、算法、算力等基礎要素得到充足發展后，人工智能有了實現的基礎。與此同時，人工智能的發展也為制造業的發展帶來良機，并從多個維度全面提升了工業制造的水平。目前，人工智能已經在工業領域的多個應用場景得到應用，比如智能生產場景的工業視覺檢測以及設備管理領域的預測性維護。

在預測性維護過程中，利用現有數據，人工智能算法可以在機器需要維修之前確定何時實施預防措施。用于視覺檢測的計算機視覺也是一項可以降低成本和提高效率的關鍵技術，當提供正確的訓練數據和硬件時，機器學習（ML）算法在視覺檢查方面比人類更精準更有效，例如，寶馬公司已經在使用這項技術來確保其汽車零部件的質量控制。

在全球范圍內，制造企業越來越注重提高機械和系統的效率，降低生產成本。隨著半導體技術的進步，以及價格合理的傳感器和處理器的普及，IIoT的采用率將會不斷提高。據Grand View Research的分析，2020年，全球IIoT市場規模約為2,161.3億美元。

現在，工業部門正在加速向智能和自主的工業流程邁進，物聯網設備的數據收集達到了前所未有的規模。當大數據、人工智能和物聯網匯集在一起時，為先進的物聯網數據分析解決方案創造了一系列機會。在此過程中，人工智能特別是深度/機器學習技術，為管理和分析海量感知數據提供了強有力的支撐。

研究機構MobiDev的一份報告預測，到2025年，人工智能和物聯網的價值將超過260億美元。他們還證明，人工智能將物聯網數據的效率提高了25%，將行業分析能力提高了42%，無論是物聯網中心還是在邊緣網絡，人工智能都發揮了重要作用。比如，在一家工廠的裝配線上，通過使用人工智能目視檢查可進行質量控制，可有效降低制造過程中的制造缺陷率。

AI + IIoT解決方案

受到半導體和電子設備技術的進步、云計算平臺使用量的增加、IPv6標準化，以及各國政府對IIoT相關研發活動的支持等諸多有利因素的影響，融合了人工智能的IIoT解決方案和市場增長迅速，根據Markets&Markets最新的市場研究報告，全球IIoT市場規模預計將從2021年的767億美元增長到2026年的1061億美元，到2026年，人工智能在這一領域的營收預計將達到167億美元。

在這個大趨勢下，各大技術廠商也已將在厲兵秣馬，以創新的技術和產品推動AI + IIoT解決方案的落地。

TI單芯片嵌入式機器人方案提供去中心化的AI模型 AI+IIOT解決方案

一段時間以來，機器人自動化一直是制造業中的一項革命性技術，但是在未來幾年中，將AI集成到機器人中有望改變整個行業。咨詢公司埃森哲的調研表明，到2035年，AI的年度經濟增長率會翻一番，將勞動生產效率提高40%之多，還會在人類與機器之間產生一種新的混合關系并導致工作性質發生改變。

隨著傳感器技術的進步，再加上能夠將這些傳感器數據融合在一起的嵌入式系統，如今的機器人擁有越來越出色的感知和意識。在TI的嵌入式機器人參考設計中，為使AI在系統中發揮應有的作用，在推理期間必須能夠實時地融合傳感器數據。因此，設計人員需將ML和深度學習模型放在邊緣，而將推理部署到嵌入式系統中。

為此，TI提供了一系列嵌入式處理產品，包括支持邊緣AI的器件，這些產品適用于本地化決策、機器學習并可以輕松部署的實時網絡。其中，Sitara AM57x處理器是在邊緣運行AI的處理器典范：

這些處理器以SoC這種單芯片的形式集成了許多用于整個嵌入式應用的必要組件，包括顯示、圖形、視頻加速和工業聯網等功能，還可以連接如視頻、飛行時間（ToF）、激光雷達（LIDAR）和毫米波（mmWave）等多個傳感器，有些還包括以C66x數字信號處理器內核和嵌入式視覺引擎子系統形式呈現的專用硬件，旨在加速AI算法和深度學習推理。

配備有Sitara AM57x處理器的TIDEP-01006參考設計是一款自主機器人設計模型。在該系統中，毫米波雷達傳感過程中的點云數據由Sitara AM57x處理器進行處理。Sitara AM57x處理器搭載機器人操作系統（ROS），是總體系統控制的主處理器。

另外，該方案還支持具有IWR6843封裝天線的毫米波傳感器，這樣能降低設計和制造成本，簡化系統設計，使傳感器尺寸更小并縮短產品上市時間，為具有AI屬性的全自主機器人設計提供了很好的切入點。

Renesas Electronics RZ/V2M實現低功耗和實時AI處理 AI+IIOT解決方案

在工業與基礎設施監控攝像頭等應用中，對具有實時、基于AI的人像和物體識別功能的需求正在迅速增長。Renesas Electronics RZ/V系列微處理器（MPU）搭載了其獨有的圖像處理AI加速器——DRP-AI（DRP：動態可配置處理器），RZ/V2M是該系列的首款產品，它可在嵌入式設備中以超低能耗實現實時AI推理。

此外，RZ/V2M還集成了圖像信號處理器（ISP），能以每秒30幀的速度處理4K像素圖像。RZ/V2M極大地擴展了AI在嵌入式設備中的應用范圍，在智能工廠中，機器人可與人類安全地協同工作。

結語

人工智能具有獨立的、智能的管理自身及其應用程序的能力。在過去十幾年的技術突破中，幾乎沒有什么能達到人工智能與工業物聯網結合起來對工業部門的影響程度。根據德勤的統計調查與預測，人工智能在中國制造業的應用前景十分廣闊，預計2020年應用規模在252.2億元左右，到2025年將達到2057.6億元，復合增速在40%以上。

通過將人工智能算法集成到工業物聯網基礎設施中，可以對整個機械設備進行訓練并實現自動化，從而實現工廠智能化管理和運行。也許現在我們還不能看到廣泛的AI+IIoT應用，相信再過幾年，人工智能和物聯網在工業領域的應用將會越來越普遍。

審核編輯：郭婷