AI战略决定每家企业的未来胜负

温度达到3000°F的熔融金属从钢水包流至浇铸机，经过冷却形成滚烫的橙色板坯。过去70年，这一过程发生在全球各地的钢厂中，已经重复数十亿次。

从表面来看，现代工业可能变化不大，但一场变革悄然上演：制造商正在向线上转变。过去十年，传感器成本大幅下降，让企业能够在各个生产阶段采集数据。

目前，有150亿台机器连接了互联网；到2020年，这一数值将超过500亿台。麦肯锡预测，到2025年，“智能工厂”的产值将高达3.7万亿美元。

这些现代制造商不断产生海量的数据，需要借助人工智能才可以从这些数据中挖掘出价值。

正如数据科学家Alp Kucukelbir所说：“只靠人类掌握的专业知识，根本无法梳理出想要的洞察。机器学习可以从大量杂乱的数据集中，揭示人类难以或者无法发现的模式和规律。”

看到这个机会，Kucukelbir与其他人一起创立了Fero Labs，这家公司的平台把传感器数据从工厂推送到云端，然后用机器学习算法对数据进行处理。他们的软件能够提供有关如何提高工业产量、预防成本高昂的机器故障以及减少浪费的洞察，所有这些都有利于提高产品质量和降低成本。

Fero Labs首席执行官Berk Birand解读“企业为什么需要机器学习这样的高级分析技术”

运用传感器后，钢铁公司每年可以节省数百万美元的成本，因为这样做可以减少铁合金（一种昂贵的材料）的用量并防止“氧化铁皮”（一种有害的钢铁氧化）。Kucukelbir表示，Fero Labs能预测“氧化铁皮”，准确率高达78-100%，可使这种现象减少15%。

大多数制造商已经部署了传感器，但能够充分利用传感器的制造商非常少。Fero Labs的一个客户在一家钢厂里安装了1200个传感器，但经常使用的只有5个。在建立人工智能平台时，Fero Labs只是把以前未使用的信息传至人工智能算法，就能使传感器数据的利用率提高40倍，无需安装任何新设备，即可全面了解工厂活动。

但实时运行这些巨大的工作负载需要强大的计算能力。Fero Labs采用英特尔至强处理器来加快算法速度，这帮助他们在客户系统正式上线之前改进了机器学习模型。

Fero Labs只是英特尔与众多生态伙伴携手推动制造业转型的一个代表。而除钢铁行业之外，人工智能在其他领域甚至能带来更大的回报。

弗若斯特沙利文咨询公司 (Frost & Sullivan) 工业自动化高级研究分析师 Nandini Natarajan 表示：“我相信，汽车、航空和石油天然气行业将是人工智能技术的主要受益者。”这些制造商都有复杂的供应链，涉及数以千计的各类零部件和专用工具。

任何延迟、故障或错误都可能导致生产“单元”中断，而生产单元是精益制造系统中的独立装配点。只有人工智能可以预测各个生产单位之间的复杂交互，从而实现零部件、人力、工具和维修请求自动化，最大限度地提高效率。

信息技术与创新基金会 (Information Technology and Innovation Foundation) 全球创新策略专家Stephen Ezell称，未采用数据驱动型战略的制造商将会掉队，“如果您墨守成规，坚持老一套做法，并且没有能力实现制造流程的数字化，您的成本很可能会上涨，产品的上市周期可能会拉长，您向客户提供独特附加值的能力也会大打折扣。”

在英特尔公司首席执行官科再奇看来，AI战略决定每家企业的未来胜负，“每家公司都应当制定人工智能战略，刻不容缓。随着数字化革命进程的加快，数据越来越多、越来越复杂、越来越多样，企业必须迅速做出关键决策。为了驾驭数据洪流，企业需要人工智能战略，否则就会落后于时代。”