溫度達(dá)到3000°F的熔融金屬?gòu)匿撍髦翝茶T機(jī)，經(jīng)過(guò)冷卻形成滾燙的橙色板坯。過(guò)去70年，這一過(guò)程發(fā)生在全球各地的鋼廠中，已經(jīng)重復(fù)數(shù)十億次。

從表面來(lái)看，現(xiàn)代工業(yè)可能變化不大，但一場(chǎng)變革悄然上演：制造商正在向線上轉(zhuǎn)變。過(guò)去十年，傳感器成本大幅下降，讓企業(yè)能夠在各個(gè)生產(chǎn)階段采集數(shù)據(jù)。

目前，有150億臺(tái)機(jī)器連接了互聯(lián)網(wǎng)；到2020年，這一數(shù)值將超過(guò)500億臺(tái)。麥肯錫預(yù)測(cè)，到2025年，“智能工廠”的產(chǎn)值將高達(dá)3.7萬(wàn)億美元。

這些現(xiàn)代制造商不斷產(chǎn)生海量的數(shù)據(jù)，需要借助人工智能才可以從這些數(shù)據(jù)中挖掘出價(jià)值。

正如數(shù)據(jù)科學(xué)家Alp Kucukelbir所說(shuō)：“只靠人類掌握的專業(yè)知識(shí)，根本無(wú)法梳理出想要的洞察。機(jī)器學(xué)習(xí)可以從大量雜亂的數(shù)據(jù)集中，揭示人類難以或者無(wú)法發(fā)現(xiàn)的模式和規(guī)律?！?/p>

看到這個(gè)機(jī)會(huì)，Kucukelbir與其他人一起創(chuàng)立了Fero Labs，這家公司的平臺(tái)把傳感器數(shù)據(jù)從工廠推送到云端，然后用機(jī)器學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行處理。他們的軟件能夠提供有關(guān)如何提高工業(yè)產(chǎn)量、預(yù)防成本高昂的機(jī)器故障以及減少浪費(fèi)的洞察，所有這些都有利于提高產(chǎn)品質(zhì)量和降低成本。

Fero Labs首席執(zhí)行官Berk Birand解讀“企業(yè)為什么需要機(jī)器學(xué)習(xí)這樣的高級(jí)分析技術(shù)”

運(yùn)用傳感器后，鋼鐵公司每年可以節(jié)省數(shù)百萬(wàn)美元的成本，因?yàn)檫@樣做可以減少鐵合金（一種昂貴的材料）的用量并防止“氧化鐵皮”（一種有害的鋼鐵氧化）。Kucukelbir表示，F(xiàn)ero Labs能預(yù)測(cè)“氧化鐵皮”，準(zhǔn)確率高達(dá)78-100%，可使這種現(xiàn)象減少15%。

大多數(shù)制造商已經(jīng)部署了傳感器，但能夠充分利用傳感器的制造商非常少。Fero Labs的一個(gè)客戶在一家鋼廠里安裝了1200個(gè)傳感器，但經(jīng)常使用的只有5個(gè)。在建立人工智能平臺(tái)時(shí)，F(xiàn)ero Labs只是把以前未使用的信息傳至人工智能算法，就能使傳感器數(shù)據(jù)的利用率提高40倍，無(wú)需安裝任何新設(shè)備，即可全面了解工廠活動(dòng)。

但實(shí)時(shí)運(yùn)行這些巨大的工作負(fù)載需要強(qiáng)大的計(jì)算能力。Fero Labs采用英特爾至強(qiáng)處理器來(lái)加快算法速度，這幫助他們?cè)诳蛻粝到y(tǒng)正式上線之前改進(jìn)了機(jī)器學(xué)習(xí)模型。

Fero Labs只是英特爾與眾多生態(tài)伙伴攜手推動(dòng)制造業(yè)轉(zhuǎn)型的一個(gè)代表。而除鋼鐵行業(yè)之外，人工智能在其他領(lǐng)域甚至能帶來(lái)更大的回報(bào)。

弗若斯特沙利文咨詢公司 (Frost & Sullivan) 工業(yè)自動(dòng)化高級(jí)研究分析師 Nandini Natarajan 表示：“我相信，汽車、航空和石油天然氣行業(yè)將是人工智能技術(shù)的主要受益者?！边@些制造商都有復(fù)雜的供應(yīng)鏈，涉及數(shù)以千計(jì)的各類零部件和專用工具。

任何延遲、故障或錯(cuò)誤都可能導(dǎo)致生產(chǎn)“單元”中斷，而生產(chǎn)單元是精益制造系統(tǒng)中的獨(dú)立裝配點(diǎn)。只有人工智能可以預(yù)測(cè)各個(gè)生產(chǎn)單位之間的復(fù)雜交互，從而實(shí)現(xiàn)零部件、人力、工具和維修請(qǐng)求自動(dòng)化，最大限度地提高效率。

信息技術(shù)與創(chuàng)新基金會(huì) (Information Technology and Innovation Foundation) 全球創(chuàng)新策略專家Stephen Ezell稱，未采用數(shù)據(jù)驅(qū)動(dòng)型戰(zhàn)略的制造商將會(huì)掉隊(duì)，“如果您墨守成規(guī)，堅(jiān)持老一套做法，并且沒(méi)有能力實(shí)現(xiàn)制造流程的數(shù)字化，您的成本很可能會(huì)上漲，產(chǎn)品的上市周期可能會(huì)拉長(zhǎng)，您向客戶提供獨(dú)特附加值的能力也會(huì)大打折扣。”

在英特爾公司首席執(zhí)行官科再奇看來(lái)，AI戰(zhàn)略決定每家企業(yè)的未來(lái)勝負(fù)，“每家公司都應(yīng)當(dāng)制定人工智能戰(zhàn)略，刻不容緩。隨著數(shù)字化革命進(jìn)程的加快，數(shù)據(jù)越來(lái)越多、越來(lái)越復(fù)雜、越來(lái)越多樣，企業(yè)必須迅速做出關(guān)鍵決策。為了駕馭數(shù)據(jù)洪流，企業(yè)需要人工智能戰(zhàn)略，否則就會(huì)落后于時(shí)代?！?/p>