岁末年初，又到了我们一年一度的回顾与展望时间—大到对全球以及中国工业AI行业发展的回顾与展望，小到对工业AI行业中公司发展的回顾与展望。今年的回顾与展望，我们汇总了如下问题：2021年，公司在工业AI领域有怎样的进展？公司对2022年工业AI的发展有怎样的愿景？过去一年工业AI行业发展有哪些热点问题？新的概念？新的进展？工业AI的未来将面对怎样的技术与应用挑战？如何看待过去一年中国工业AI行业发展？将面临怎样的挑战？在工业AI的生态系统中，公司提供怎样的解决方案？发展愿景？面临哪些挑战？如何解决？回复我们的既有头部大厂、创新公司、行业协会，也有深耕中国几十年的外企，从中可以一窥中国工业AI行业的发展现状，让我们对未来中国工业AI行业发展前景更加充满信心！

2021年，公司在工业AI领域有怎样的进展？

京百度网讯科技有限公司  百度智能云工业能源产品研发总经理黄锋：2021年对于百度智能云来说是极为关键的一年。5月18号，我们发布了百度智能云开物，作为百度在AI+工业互联网的整体品牌。在这个品牌的整体框架下，我们的三个工业AI产品的主要板块：工业视觉智能、工业数据智能和工业交互智能均有了跨越式的发展。

在工业视觉智能方面，工业智能质检除了在3C、汽车等核心行业继续深化场景、进行规模化复制之外，在一些重点行业，例如化纤行业取得了突破性进展。百度智能云开物与化纤龙头恒逸石化合作，首创化纤AI智能外检一体机，支持15.5公斤重丝锭在线检测，每锭丝锭高达20亿以上像素的数据，检测节拍控制在2.5秒内，解决了困扰产业界多年的难题。

在工业数据智能方面，我们将工业大数据与AI相结合，为国家“双碳“目标的实现贡献AI力量，通过智能水务调度系统用水量进行预测，基于用储量的预测来智能调控泵机的运行状态，在保证用水稳定的同时降低设备能耗，从而可使整体人员效率提升5%以上，制水/供水单位能耗下降8%

工业交互智能方面也迎来了产品智能化升级；远程协同实现了AI智能案例及记录功能，将协同过程所产生的知识数据盘活，为企业所循环利用，降低知识获取的门槛，持续的提升基层员工的能力水平；标准作业指导产品结合工业智能视觉平台的AI能力，除了支持对作业流程的智能编排，更实现了人工装配的检验自动化，帮助提升装配效率，减少失误损失。

而在各个技术栈融合应用方面，我们安全生产的方案从单纯视频识别到强化多模态深度学习和多源数据分析，首次提出跨模态预训练模型，实现了安全生产全要素覆盖。安全生产事件响应效率提高5~8倍，复杂安全生产事件预警准确度整体提升8%。

天泽智云CEO孙昕：经过五年的实践探索，2021年，天泽智云聚焦“1+2+X”战略，形成了独特的工业AI可持续发展之路。其中“1”是天泽智云自主研发的工业人工智能平台—模力工场，模力工场正在成为工业智能跨领域的“新基建”基座，沉淀最宝贵的工业资产，助力客户实现“零宕机、零浪费、零次品”三个“零”的业务价值。“2”指的是躬身入局风电新能源、钢铁两大示范行业，深挖行业痛点和需求，并基于模力工场打造了无忧风电产品矩阵与无忧钢铁能耗优化整体方案，引领行业智能化变革。“X”则指的是在石油、化工、轨道交通、半导体等领域，通过模力工场赋能，与行业伙伴或头部企业进行开放性的合作，探索更广阔的行业应用场景。

Imagination产品管理总监Gilberto Rodriguez：我们看到我们的2NX人工智能（AI）引擎现已全面投入生产，并被用于多种应用；在这一过程中，Imagination为广大的客户提供了支持。

我们将继续投资致力于我们一流的、用于异构系统的神经计算软件开发套件（NC-SDK）解决方案，并不断支持Android系统中的更新。我们还增加了对百度飞浆（PaddlePaddle）框架的支持，来落实以中国市场优先的应用部署。我们的3NX人工智能引擎现已被集成到我们在中国的先导性客户的芯片中，并将部署到多个应用。

此外，我们通过投资和开展Imagination大学计划（Imagination University Programme）项目，使我们的产品和技术不断得到更多应用。在该项目中，Imagination充分利用自身积累了25年的经验，来帮助世界各地的教师在教学实验室和学生项目中使用我们的技术。

Synergies CEO张宗尧：Synergies于2021年发表了最新一代的JarviX 数据分析全流程平台，其具备两大特色；一是透过无代码NLP介面，让工业运营端使用者仅需中文输入就可进行数据分析，并获得Gartner Market Guide评选为世界前40名增强分析平台。二是JarviX为端到端的全流程平台，从数据管理、探索到应用程式的建立，目前已经在金属加工等多种製造业领域验证能快速产生效益，也在今年获Gartner Market Guide 评论为大中华地区具代表性的工业AI新创之一。

瑞萨电子中国工业自动化事业部高级总监徐征（Johnson）：工业AI一直是瑞萨电子比较关注的领域。2021年，瑞萨电子继续深耕了嵌入式AI应用，将DRP和SOTB技术融合到e-AI方案，为工业领域提供新的附加价值。今年，我们相继推出了多款高性能的MCU/MPU、电源等产品，并且基于瑞萨自身的MCU/MPU、内存接口和工业电源等产品线，打造了多款面向工业的“Winning Combo”产品组合，可帮助工业设备高效、可靠、经济、安全地实现AI应用。

在产品方面，我们推出了通用64位MPU RZ/G2L和RZ/V2产品群，旨在为包括工业在内的广泛应用提供更强大的AI处理能力。目前为止，瑞萨共有七款RZ/G2和两款RZ/V2 MPU，可为客户提供从入门级到高端设计的卓越扩展性。11月，我们全新推出的工业温度级DDR5和DDR4寄存时钟驱动器，可面向要求严苛的边缘计算、汽车、工业4.0和5G等应用提供支持。

在成功产品组合方面，我们基于RZ/A2M MPU，推出了适用于安保系统的边缘计算解决方案、工业条码扫描仪解决方案以及图像传感模块解决方案，这些方案可提高工业生产的效率和安全性。另外，我们基于RZ/T1嵌入式人工智能解决方案，可在工业作业中，提前进行故障预判，最大程度地提高生良品率和生产效率，并降低故障带来的损耗。不仅如此，我们推出的多协议工业以太网方案，可有效解决IT/OT所面临的复杂的网络层困境。

当然，2021年瑞萨电子在工业AI领域的投入是巨大的，取得的成绩也是可喜的。未来，我们将围绕着AI、安全和可靠性、以及数字&模拟&电源融合和云原生这四个核心技术持续推进。

深圳市盛路物联通讯技术有限公司董事长杜光东：2021年初，盛路物联与安徽省工业信息化研究院合作，参与安徽省工业互联网顶层设计和安徽省工业互联网标准制定工作。在安徽省工信院的统一协调下，盛路物联与国盾量子进行了技术交流，三方共同认识到DDA+量子秘钥分发具有强关联性，具有很强的技术互补性，有可能成为安徽省工业互联网的核心支撑技术。在安徽省工业互联网建设的计划中，工信院协调安徽省工业企业资源，盛路物联利用DDA-IOT物联网大数据云平台，根据国家工信部的统一要求，建设安徽省工业互联网安全生产监管平台（应用工业互联网技术监管生产安全）和数据支撑平台（汇聚分析数据，优化安全生产监管手段）；提供DDA无线技术实现机器设备、计量仪表、传感器的可靠连接；将量子秘钥内嵌DDA模块，实现机器设备、计量仪表、传感器的安全连接。促进安徽省工业互联网项目在全国处于领先地位。

深圳灿态信息技术有限公司总经理宋勇华：我们是工业互联网公司，专注在MES数字化领域，与AI有整合性需求，比如视觉检测，AR/VR等检测数据采集和虚拟显示等场景应用。

寄云科技CEO 时培昕博士：2021年，在国家政策导向和市场需求引领的双重驱动下，“AI+工业互联网”融合发展的浪潮澎湃向前，在我国制造业由“大”谋“强”关键阶段中发挥了重要作用。“工业智能化升级”已经成为关乎企业生存和长远发展的“必答题”。

作为一家具有强大数据智能基因的工业互联网厂商，寄云科技一直以来积极推动物联网、AI、大数据、5G等技术在工业领域的创新应用与探索，特别是在工业数据智能领域，寄云科技打造了行业领先的以数据智能为核心的NeuSeer工业互联网平台，并以“连接+洞察+优化”为理念，推出工业物联网平台、工业大数据平台、工业智能应用为主的核心产品线，为众多工业客户提供从数据采集、数据治理和存储、数据分析和人工智能建模，以及应用开发在内的完整工业互联网解决方案，提供包括设备可靠性、产能、质量和安全等多方面指标的预测和优化能力，为传统工业场景插上智能的翅膀。据全球权威咨询机构IDC最新发布的中国数据智能/数据平台生态图谱报告显示，寄云科技作为活跃的市场主要参与者入围图谱。

公司对2022年工业AI的发展有怎样的愿景？

Imagination Gilberto Rodriguez:我们正在将我们功能强大的汽车产品组合扩展到工业领域，为工业应用提供可靠的、具有最佳PPA（功耗、性能和面积）的解决方案；这些工业应用主要关注具有中端性能的解决方案，它们可提供从0.5 TOPS（每秒万亿次操作）到12.5 TOPS的运算能力。该解决方案的主要应用场景是使用各种卷积神经网络算法进行视频和雷达的处理。

我们深知在工业环境中，“面积和功耗”是极其奢侈的因素，因此在有限的功耗和面积预算内提供高性能是我们2022年发展战略的一个关键点。

Synergies 张宗尧：2022年工业企业将面临新的话题和新的挑战，Synergies将持续透过标准化及模组化的产业应用，搭配对运营端友善的JarviX操作介面，让不同的公司能成功转型。

瑞萨电子中国徐征：工业智能化的道路正在以肉眼可见的速度发展，特别是在疫情爆发后的这几年，我们真切的感受到了AI在工业领域发挥的巨大作用。未来，随着越来越多智能化设备的投入工业生产和日常生活中，各个设备端、云端、大数据、物联网将会更加融合，届时，智能化发展必将迎来一个新的阶段。

瑞萨电子在2022年将继续关注性能、功能、制程技术、能源效率和可靠性等多个方面，通过先进的微处理器和微控制器等产品立足于终端智能，从需求出发协助制造商开发出可满足智能工厂应用所需的实时性，安全性和连接性。

华硕电脑全球副总裁智能物联网事业群共同总经理张权德：在华硕发展的大蓝图里，希望建立一个可适用于各个场景的完整AIoT生态系平台，这个平台将会是整合信息技术(IT)、运营技术(OT)、人工智能技术(AI) 和物联网技术( IoT) 的所有服务及应用，还包含了从端点的分布式计算与服务到云端运算服务的完整规划，同时也利用数字技术和数据技术，甚至是设计思考来协助生态系里的合作伙伴做数字转型，进而达到数位双生水平。此时，才有机会看到“可程序化”、“可连结性”及“可学习化”串联在一起的优势，最后真正变成一个智联网的世界。因为是以“使用者”为中心作为出发点，所以可以带给无论是商业、工业用户还是一般消费型客户更大的价值，产生真正新的数字经济。综合上述的研发力、创新力、运筹力、生产力及运作弹性，实现工业4.0 以用户为中心发展的制造即服务(MaaS，Manufacture as a Service)的目标，客户不论在线上或线下对样品参观后下单订制规格，研发随即弹性设计整合，产线立即排入生产，通过智能工厂/智能制造在排期内全自动化生产交货。

华硕借由发展新的AIoT竞争力，不但可以推动现行PC或手机等消费型电子产品之外的商业新型态，还可成为新一代的智能解决方案及服务的供应者，通过生态合作，协助供应链建立智能制造能力，提升华硕工业或消费性电子产品的质量。同时还可以开创前所未有的客户与伙伴关系，进而成为智能物联领域 (华硕三大目标市场智能制造、智能医疗和智能零售)的“物联研制中心” (Embedded Foundry)，不仅成功导入单一解决方案，还要能推出完整优化的整厂解决方案。

 深圳灿态宋勇华：2022年我们会在标杆客户原有数字化工厂基础上增加数字孪生的应用，结合AI技术和大数据的场景分析，为用户提供更好的数字孪生全景管理模式。

 深圳盛路物联杜光东：2022年，盛路物联将加快工作进度，进一步落实安徽省工业互联网安全生产平台和前端设备入网连接工作。完成一定的设备连接数后，与全国、广东省、深圳市的工业互联网开发和集成单位合作，将更多比较成熟且有效的行业工业互联网解决方案引入安徽省。与工业互联网生态合作伙伴共同将安徽省成功的经验和系统，复制到其它省份或地区。

过去一年工业AI行业发展有哪些热点问题？新的概念？新的进展？

蕴硕物联技术（上海）有限公司创始人崔斌：过于的一年，工业AI向细分领域纵深发展，一些“专精特新”企业纷纷涌现并展现出强大的技术竞争力和商业价值，过去在消费领域通用AI技术无往不胜的打法，在制造业里遇到了一个个细分场景的滑铁卢，AI与制造业的结合，充分体现了跨界融合的新维度创新难度，是制造业数字化转型的巨大挑战，但又是对细分制造业深耕多年的行业人才最公平的创业机遇，因为只有对制造机理的充分认知掌握并有能力建立数字化可解释的AI模型，才能形成杀手级应用。

在技术层面，强调云端交付的SaaS模式在头部和规模化制造业企业已经遇冷，边缘计算获得行业认可并开始大行其道。

天泽智云CEO孙昕：进入后疫情时代，一方面，各行业数字化转型的需求越发强烈，人工智能在工业垂直细分领域的探索明显加快，工业智能技术与细分行业的生产特点、流程、工艺的融合程度加深，更加贴近行业实际需求。举个例子，在对降低运维成本有着极高要求的风电行业，工业AI技术已经渗透到从关键部件的数据采集到故障预警，再到故障消缺的各个环节，形成风电运维技术业务双闭环。

另一方面，工业4.0新兴独角兽Uptake、C3.ai纷纷将提供工业通用的AI能力做为核心价值主张，可跨行业跨领域的工业AI平台成为支撑工业智能从碎片化向系统化演进的关键。通用的工业AI平台以模型为驱动，以工程化体系和低代码为特征，能够降低应用开发成本，提升长尾场景开发效率，化解工业AI落地时面临的数据难变现、隐患难预见、转型难启动、经验难传承的挑战。

日电信息系统（NEC）（中国）有限公司总经理戴高敏：2021年作为疫情的第二年，疫情比预想的要长期化，但是世界还在不断发展，技术还在不断更新。在此环境下，中国2021年上半年的GDP已经达到美国的75%，但是我们国家在某些高尖端领域还存在一定的差距。个人认为从工业大国向工业强国转型是我们国家目前最核心的任务。

关于如何转型，2021年最热的就是“数字化转型”，从智能工厂到数字化工厂，数字化营销。

如果说智能制造更多以IoT/AI，工业大数据为核心技术。而数字化转型，则在这些技术基础上更融合了云计算、区块链、AR/VR等各种先进ICT技术。其中人工智能也从工业AI检测，设备预测等各种单方面运用，向工业大脑方向发展。

2021年工业AI检测、图像识别、设备预测分析等运用已经渐渐成熟。当然精度、实施以及后续维护成本还是一定程度上制约相应解决方案的推广。标准化、软硬件一体化是未来的推进方向。

而2021年最火词就是“元宇宙”，简单讲就是基于各种数字化技术的虚拟世界。而工业领域，尤其数字孪生早以有很多案例。但是离真正的工业虚拟世界还存在一定的距离。自动销售、自动设计、自动生产、自动维护等都需要一个或者多个强大的工业大脑的支持，其中的核心技术就是工业AI。只有工业AI技术的发展，才能真正意义上实现数字化转型。

MathWorks 中国区行业市场经理李靖远（Jason）：1.元宇宙无疑是今年最火热的半导体行业词汇之一。5G通讯技术的进步以及新基建的快速发展为元宇宙奠定了技术基础，而软件定义硬件的趋势则在不断地推动元宇宙的发展。在工业AI领域，企业对生产设备和工厂的数字化控制需求，促进了工业软件和硬件的结合，增强了人通过数字化平台感知世界、链接世界的能力，体现了虚拟和现实的结合。

2人们对环境问题越来越重视，碳达峰\碳中和也成为企业要承担的社会责任之一。一方面企业可以通过管理生产设备，降低自身碳排放量。另一方面可以利用可再生能源，如购买电力，储能等方式调整企业的能源结构。MATLAB可以设计、实现和验证控制系统，开发和部署状态监控和预测性维护软件，帮助企业对生产流程进行管理，为系统开发人员提供一个建模仿真和设计验证的平台环境。

The Open Group 亚太OPA联席主席孙必云：虽然人工智能在制造业中应用必须清楚地定义，但AI可以支持的应用程序类型几乎没有限制。当边缘和云以正确的方式被利用，并确保与其他系统的连接，可能性几乎是无限的。从2009年左右开始，人们开始谈论第四次工业革命、工业物联网等相关概念。然而，回想起来，第二次和第三次工业革命在很大程度上只是用基本上重复预先被“编程”的机器和计算机取代了人类的肌肉和体力劳动。尽管第四次工业革命提高了数字化水平，但直到最近，即使是受教育程度最高的机器和计算机也没有做出类似于人类的决策。现在，随着人工智能进入工厂，我们终于开始使用数字技术来取代“肌肉”，还有大脑。

根据权威机构市场研究表明，在过去一年，目前人工智能在制造场景在市场上的分布尤其突出。如质量检测、维护应用、仓库物流，在企业及软件的应用、以及能源管理等等。大多数专家都认为，尽管人工智能将深入到工业和其他应用中，并且已经启动了一下“倡导性”的案例，但人工智能在今天的制造业中仍然是一项“利基”技术。

质量检测的应用

据权威调研，制造业中超过一半的质量检查都涉及视觉确认，这是人工智能很容易达到的目标。这里的一个挑战是，在生产中越来越小的批量和更高的偏差下，执行所需的质量检查，而专家知识和人工智能支持的结合是正确的解决方案。工业界面临的主要挑战之一是“知识的编码”。这意味着将工程师和其他人的经验和知识以书面或其他形式记录下来，以便在整个组织中共享。

预防性维护应用

在机械应用中，预防性维护是人工智能应用的最大实现领域，它可以带来明显的成本降低。在大多数成功案例中，允许基于资产图谱进行实时、主动的资产管理。另一个痛点是需要遵守的事后检查工作流程(这是一项恼人且耗时的工作，但却是必要的文档工作)。在这里，人工智能可以帮助和支持维护人员，因此他们可以专注于关键的增值工作。

在企业级软件的应用

从MES到ERP，人工智能在提高系统可用性方面越来越受欢迎。除了预先生成的界面和报告，人工智能还可以帮助回答诸如“使用了多少材料?”，如与ERP的进一步集成允许完全自动化的物流，也可以使用更小的批量。情境化是这里的关键。

在一些制造业头部企业应用案例中，基于云的学习和数字孪生不仅缩短了项目时间，还通过故障分析、预防性维护和优化，提供了一个全生命周期的服务机会。

能源管理

在离散制造过程中减少浪费是减少能源消耗的最好方法之一，因为废料减少了，没有能源浪费生产错误的零件。此外，监测和预测质量，使平稳和能量优化的工作流程。

这些例子都表明，虽然大多数应用程序本身并没有真正取代人类的脑力，但它们肯定支持这一点。至少在可预见的未来，人工智能不太可能取代人类解决问题和创造性思维，但它将补充人类解决问题和创造性思维的能力，特别是在具有清晰和专用案例的应用领域。

Imagination  Gilberto Rodriguez:Imagination长期以来一直都在提供需要高可靠性和高性能的产品，工业和汽车领域对这两种特性有着显著的需求。人工智能在工业领域的爆炸式增长，与业界对产品应具有的高可靠性和稳健性的期望相伴而生，这就是我们投入在行业标准和监管方面的先期工作所具有的重要意义。虽然ISO26262是一项针对汽车行业的标准，但它是由ISO61508标准衍生出来并密切相关，因此我们用于部署IP的基本流程和质量体系，使我们能够通过完善设计范式来满足这些期望。Synergies 张宗尧：随着少子化现象趋于严重，可以预见工业领域的人才将越来越缺乏，过去由资讯部门管理的数据及分析，随着无代码AI平台的导入与带动，数据科学以及应用开发将越发平民化，平民数据科学家也将大量的出现。这样的工具及作法可以有效解决过去数据分析及AI发展最大的人才与组织瓶颈问题。一旦企业中参与分析及开发软体的人越多，数据的价值就越大，产生的应用就越多，应用越多，专案发展的速度就越快。

瑞萨电子中国徐征：过去一年，对于工业AI领域的热点，第一个方面是技术需求，即如何打通企业与企业、数据与数据之间的壁垒，在保障数据隐私的同时，能够使各个设备之间实现无差别互联。我们知道，从本质上讲，工业AI是一个完整的综合性方案，其需要在用户参与、数据收集、算法设计、预测与改进等环节之间建立起一条完整的良性闭环。因此，在网络化、智能化时代下，解决信息融合问题对于工业AI日后的发展至关重要。

除了各个企业在技术方面的突破，碳中和是过去一年最火热的话题之一，也是各大企业迫切想要实现的目标，企业需要利用AI和大数据，精确解决工业生产中的质检、分选、安全、物流仓储问题，实现工艺优化、节能减碳、降本增效。在这个方面，瑞萨正在系统地实施提高设备效率，变频器控制，并且根据生产量的变化优化工厂运营。此外，在瑞萨电子的一些工厂中，我们正在尝试利用可再生能源如通过太阳能电池板产生的电能作为一项重要的电能补充，以达到节能减排的效果。

奥宝电子（深圳）有限公司亚太区工业4.0项目经理王勇：如果要问2021最大的感悟是什么？我的回答一定是 “数” 与 “实” 之间深度融合与整合；从最初的概念化到脚踏实地的产出成果，无需过多的描绘，我们正在见证历史的长河留给我们应有的痕迹。

工业AI作为一种全新的解决方案正在帮助工业企业产生价值，我们庆幸能参与到人工智能解决方案建造浪潮中来，并能够回归本质的发现需求和创造价值，我们无需过多讨论其中的细节或者发展泡沫，工业企业需要有效的解决方案这点毋庸置疑，工业AI只要朝着服务于人类和普惠于大众的心态，必能成就大未来！当前的“进化”状态不管是好是坏都是其原本的样子，这或许不是最优的，但一定是最适应当下的解决方案！

深圳市盛路物联杜光东：2021年1月13日，国家工信部发布《工业互联网创新发展行动计划（2021-2023年）》，提出5项发展目标，明确11项重点工作任务。从国家需求角度极大促进了工业互联网的发展，明确工业互联网的基础是实现设备标识解析和设备连接入网。所有带有标识且联网的设备，实时上传状态数据。工业 互联网云平台根据这些数据，进行提高资产性能管理分析（AMP）和运营优化服务，帮助用户优化资源配置和 业务流程，减少风险并实现产线100%无故障运行。

您认为工业AI的未来将面对怎样的技术与应用挑战？

蕴硕物联崔斌：第一个挑战，来自于AI与细分场景的深度融合，鱼龙混杂百花齐放的局面还将持续2年左右的时间，但真正有价值的AI应用内必须要有制造机理的深度支撑，才会获得长久的生存并形成细分市场的垄断性地位；

第二个挑战，在于商业模式，如何摆脱传统项目型、工程型的“巷战”商业模式，走向订阅式收费，决定了未来工业AI领域的市场繁荣速度和发展空间。

The Open Group 亚太OPA孙必云：对许多最终用户来说，实现AI应用程序仍然是一个相对较新的概念。与任何新技术或策略一样，从概念验证到生命周期管理的每一步似乎都令人生畏。

就人工智能而言，由于它是一项跨专业和领域的技术，必须同时满足工厂底层工人、数据科学家、企业高管和许多其他干系人的需求，尤其在制造业，这些挑战甚至被放大了。有时，这些团体的利益和目标可能有很大的差异，留下许多鸿沟需要弥合。

任何与数据打交道的人都知道，必须对数据进行清洗和准备，使其能够用于分析。对于那些没有足够幸运的流程来准备数据的人来说，这个流程可能会消耗大量的时间和资源，恰恰同时由此决定项目是否能够成功。

ACT International数字工业软件数字制造全球业务拓展战略总监郭心博士：今天的工业机器人已经可以开始利用 2D 或3D 摄像机捕捉实时数据，并快速做出决策。它们能够执行零件/产品检测、随机零件抓取、装配和布线等工业任务；而隐藏在这些复杂技术背后的“大脑”，是传统的机械自动化技术、机器人控制技术和新兴的人工智能（AI）技术的结合。比如说利用深度神经网络（DeepNeuroNetwork）构建的机器学习算法，与传统编程不同的是，这类结合机器学习技术的机器人系统控制算法通常不依赖于传统的控制逻辑，而是通过对机器人提供良好的任务结果范例，针对特定任务对其进行训练。

纵观这些年工业机器人的发展，其在推进工业自动化的进程上功不可没。然而，传统工业企业习得新动作并非易事。就工业机器人而言，基于深度神经网络的机器学习需要持续探索的变量空间非常之大，因为，设备的姿态，处理的产品，配合的工装夹具加上与环境的交互方式无以穷尽，而这就意味着海量的数据、繁重的标注工作、和长时间的神经网络培训。

MathWorks中国区李靖远：首先工业场景对软件平台性能有着极高的可用性（通用性、稳定性）要求，所以软件平台不仅需要有很强的计算能力，还要有丰富的行业经验可以借鉴，才能方便开发人员系统设计。MATLAB有丰富的函数库和工具箱，均是在行业中不断应用，优化的结晶，具有很强的实际应用经验，更贴合管理者应用。无需重写代码或学习大数据编程和内存溢出技术，也能快速实现自己的设计思考框架。

其次，在低功耗的和小面积的限制下，如何尽可能提高边缘计算效率，也是企业需要面对的挑战之一。MATLAB中AI模型生成的代码可直接部署到现场级（边缘）和云级设备中，并利用代码生成优化技术和硬件优化库，调整代码以满足嵌入式设备和边缘设备的低功耗特性或者企业系统和云的高性能需求。Imagination  Gilberto Rodriguez:因为机器学习可支持更多的自动化应用、可预测维护和更高的整体效率等功能，所以现在工业AI有很多的发展机遇。随着应用和可能进入的领域越来越广泛，选择合适的硬件加速平台成为关键，以便在可提供的性能范围内轻松部署“任何”应用。随着AI计算成为主要的计算工作负载，它也成为了制定选择条件时首先要考虑的功能。

Synergies 张宗尧：我们说到人才的缺乏。资料科学家的人才缺乏，需要无代码的工具。老师傅的人才也将遇到断层，所以转型要趁现在，不然到时候有了好的工具，却没人可以去主导产业知识。

但是同样的，资料也缺乏。好的资料。现在数据清洗的过程很耗费人力，所以我们专注在垂直整合，让这件事变得简单容易，非技术背景的运营端使用者也能快速上手用AI分析做决策，从一个普通生产管理的员工变成生产资料分析师，为员工加值，他们也不会再对数字化转型害怕与反弹。

瑞萨电子中国徐征：未来工业AI所面临的第一个挑战就是如何释放技术价值。我们可以想象的到未来的工业生态中，必定是IoT技术、AI技术、大数据技术以及传感技术的高度融合，以此来为智能化技术实施提供可靠的感知基础。但是我们目前的实际应用中依然大量依赖于以人的决策和反馈为核心，这就导致系统中有很大一部分的潜在价值并没有被释放出来。因此，摆脱人类认知和知识边界的限制，让机器自主学习并为决策支持和协同优化提供可量化的依据是未来工业领域所面临的一个重要问题。

第二个挑战就是如何在设备的操作灵活性、视觉、听觉等方面着重升级，以更好地协同人工进行操作，追平人工优势。据了解，目前有一些工厂，每天需要接收300万零部件，生产1900辆整车。但在这个庞大的生产车间内工人依旧是组装生产线上不可欠缺的部分。这个实例表明了，AI在工业场景的助力是有限的，如何突破这些限制是也工业AI主要的挑战。

华硕电脑张权德：AIoT智能物联着眼于人工智能与硬设备的技术面向完成物联网智能化的目标，目前已陆续完成多个工业智能制造、商业智能零售、以及智慧医疗单点个案，华硕更希望能带着AIoT大联盟进入更多场景完成重要跨平台智能物联方案的部署。目前陆续完成概念验证(Proof of Concept)的阶段性任务，甚至像智能健康手表都已进入放量出货的商转阶段，但智能物联需要进一步进入客制化验证 (Proof of Customization)，适用智能物联的场景条件不同，利用智能物联产出的产品及要求也大相径庭，我们下个阶段就是要进入到“客制通用化”，简单的来说就是华硕所推出的解决方案借由简单方案中所提供的参数调整，就能适用在各类不同的场域跟场景，不需重新开发另一套专用的解决方案。

在推动阶段性目标过程中，华硕计算机等各类产品线产品研发单位就能依各个专业项目投入项目协作开发，这也是AIoT智能物联网产业的特色，既需要个别技术的深度，也需要各类领域的广度，这里说明了AIoT智能物联运用跨部门AI软件研发合作，凭借大集团在硬件设计能力与零附件采购的优势，以创造完整智能物联解决方案。

然而智能物联在场景中部署时，需要更多垂直领域专家的参与，此时便突显集团甚至于跨集团中各产业佼佼者参与的重要性的，并能创造出生态系的运作，加深这块市场的深度发展。

杉岩数据CEO陈坚：工业5.0浪潮下，智能制造是新一代信息技术与制造技术的深度融合，工业视觉是典型场景之一，通过各类传感器和机器视觉设备，并借助AI、大数据等技术对数字信号进行处理和分析，实现智能化的产品质检、识别、定位等目标。智能存储的应用，助力工业制造实现自动化、信息化、互联网化、智能化。

产业升级的前提是技术的升级，机器视觉+AI组合是当下智能制造产线升级的“当红炸子鸡”，特别是半导体制造、电子3C、汽车制造等领域应用越来越广泛。智能制造利用AI技术替代人工进行产品质检，随之产生了海量的图片数据，一些制造业用户每天产生百TB和数千万文件数量的图片数据，检测对象的多维度、精度高等特点对检索有很强的需求，比如以生产线、工序号、时间、良/次品、物料ID等为检索手段。

为了建立产品质量追溯系统，图片数据需要较长时间的保存，海量的图片数据存储使传统存储面临很大挑战，尤其是在图片的检索中，文件系统只能基于文件名进行检索，检索效率低，在这种新场景下给用户使用带来不便。若不解决底层数据的存储和处理，应用效果只能是纸上谈兵。

在新智能制造的环境下，工业视觉在产品质量管理的流程中扮演相当重要的角色，工业视觉不仅提高检测效率和准确度，进一步提升产出功率与降低查验人员的作业负荷，还可让产品的出货质量更稳定。因此，随着智能制造的发展，工业视觉也迎来了新的应用需求，专业的知识体系及解决方案迫在眉睫。

奥宝电子（深圳）王勇：工业AI持续发展，在不同的行业于不同的方式升级迭代：从机器视觉、智能决策、机器人到语音语义用不同方式融入到生活与工作中，工业AI已不是时髦用语，它是生活与工作的一部分，是一种解决方案。

工业AI在工业里的体现还是瞄准降本，提质和增效的方向去帮助工业企业解决当前所面临的问题，从而让人工智能解决方案即刻产生价值，这样的新兴技术才能在工业企业里扎根并逐步让用户接受与认可，用户无需理解是机器学习还是深度学习，只需从需求出发，解决实际问题并能安全可靠的落地，这样的工业AI一定是好的解决方案；工业企业不相信概念，需要务实的解决方案！工业AI解决方案正在逐步从各个分支渗入到企业中，比如机器视觉智能降点、智能物流、机器学习与自主决策等这些实用的解决方案正在工业企业里落地生根。

工业AI解决方案还需要时间去完善；这与数字化基础连接，工业数据和效果验证紧密结合，没有数字工厂的底座效应和对行业的深度理解很难普及工业AI；同时行业教育和对新兴技术的生态培育需要工业企业的协助，没有肥沃的土壤，工业AI不会长成参天大树。

深圳市盛路物联杜光东：工业的本质是利用材料、能源、设备、人力、信息进行物质生产的过程。工业互联网将大幅改善劳动条件，减少生产过程人工干预，提高生产过程可控性，打通企业各个流程，实现从设计、生产、销售到服务各个环节的互联互通，并在此基础上实现资源的整合优化，降低材料、能源损耗，提高设备、人力效率，根本性提升企业生产效率和产品质量。因此，将机器设备、计量仪表、传感器连接到一个IP网中，实现设备之 间信息交换、数据共享，是工业互联网必须要解决的问题，同时也是近年工业互联网发展过程中最大的瓶颈。主要面对的挑战是IT和OT的有效深度融合。将生产现场设备连入IP网难点在于IT和OT达成共识需要大量的时间和实验；生产现场机台设备多种多样，标准化难，采集方案难；工厂经过多年发展，不同品牌、不同年代的设备，协议五花八门，互不兼容；碎片化严重，导致单一产品数量少，协议打通难，造价高，开发周期长，产品不稳定； 高端精密设备对国外仍存在比较强的依赖度，各种因素导致对进口设备的深度采集需要比较长的过程。

爱投斯智能技术（深圳）有限公司创始人李儒强：工具化与通用化是未来工业互联网的发展趋势—当前工业面临的机遇和挑战，从国家政策和国际发展态势来看，产业数字化、智能化未来将是工业产业升级，提升工业水平实现弯道超车的关键因素，而用于数据采集、子系统接入、工业应用开发的关键则是物联网平台。

工业因其设备、子系统和业务流程的复杂性，在管理上有极高的要求，数字化改造升级的试错成本也是巨大的。工业互联网经过这几年的发展，竞争也日趋白热化，分工也越来越细，使集成项目中从感知层到应用层，每个环节分别都有了专业厂家提供服务。由于场景定制化强，不便于项目复制，为了进一步降低边际成本，这些厂家在产品演化方向上逐渐趋于一致，即在各自的细分领域做通用化和工具化。

到了2021年，细分领域逐渐出现的通用化、工具化产品，拟解决定制化、复制难的问题，比如：在设备数据采集、特别是子系统接入中有爱投斯（IOTOS）物联网中间件平台等。

从竞争格局上来看，设备侧和应用侧作为靠近客户的两端，大量厂商涌入，产品同质化非常明显。中间的接入侧再分为视频、系统、设备，会发现集成项目中最常见的“子系统”，因接入繁琐、低效、复用性差成为瓶颈，整体形成了两头大、中间小的沙漏形状。设备系统接入方面的通用化和工具化，未来将成为工业互联网，乃至整个产业数字化中集成项目实现标准化的基础。

如何看待过去一年中国工业AI行业的发展的优势、不足？将面临怎样的挑战？

北京百度网讯黄锋：过去一年中国工业AI在工业互联网、企业数字化转型的东风之下迎来了又一波发展的浪潮。我们看到了在以机器视觉为代表的解决方案开始快速普及，从传统光学模组厂商、相机厂商、设备厂商均开始构建人工智能能力，表明人工智能的部分应用市场已经开始成熟，客户认知开始形成，行业的发展已经驶入快车道。

但是与此同时，我们也要看到整个产业发展的两个最大的挑战：

第一，缺少针对中小客户的人工智能解决方案。现在从目前市场来看，行业、区域、大中小企业两极差距与分化严重，部分能力较高、意愿较强的大型企业已经开始尝试人工智能的落地实施，而且开始进行自有AI能力的建设；而部分地区和企业，尤其在中小企业，处在数字化、信息化和智能化的更迭期，数字化和智能化的程度比较低，而且预算比较有限。但是中小企业对于人工智能技术较为渴求，对于通过人工智能去提升企业效率，提升产品质量有较大需求。这需要我们努力去探索降低人工智能产品的价格门槛和使用门槛，提供物美价廉易用的人工智能产品，归根结底还是要实现技术突破

第二，除工业视觉之外的场景较为分散。这个特点带来的一个比较大的问题就是复制性较差，定制化程度较高。作为人工智能的解决方案提供商来讲，很多厂商都在做工业数据智能类似的产品。但是大家的场景各不一样，现阶段看起来均以项目制为主，可复制性及可扩展性都有待进一步探索。这也要求我们这些厂商一方面沉下来，扎根到工业现场场景中去解决实际问题，另一方面拔出来，形成对某类场景抽象化的易用型产品，助力整个产业使用人工智能。

 蕴硕物联崔斌：蕴硕物联提供的是直接可用的细分场景的具体AI算法及工业APP，由于小快灵的展现形式让制造业客户能一目了然，近阶段获得了较好的发展和乐观的未来展望预期，同时我们将提供各类让用户获得更好参与感的自助式专家分析工具，让用户能用自己的知识自己动手做出一个自己想要的AI应用模型，如何更加开放并构建一个知识共享社区，是我们将要面对的挑战。

天泽智云孙昕：中国具有全球最完整且规模最大的工业体系，是工业AI发展的最佳土壤。但现实是需要服务的工业场景分散复杂且多样，传统IT技术简单粗暴地与工业业务强结合往往会面临“落地难”的问题。另一方面，当前可供建模的数据量普遍匮乏且质量不高，缺乏工业知识与机理，仅靠数据驱动的模型很难具备较好的泛化能力。未来我们需要的是一个纵横全能的工业AI平台。纵向上，要求平台要有一定的深度，在各个行业领域沉淀下来特质属性；横向上，平台也要有一定的广度，不断从各个纵向维度提取共性与价值，逐渐迭代出跨行业、跨领域的工业AI通用能力。这是打破工业场景碎片化瓶颈的必经之路，也是未来工业AI能否迎来规模化发展的关键。

瑞萨电子中国 徐征：瑞萨电子一直关注中国在工业领域的发展，并且非常看重中国市场，我认同中国是工业强国的说法，首先基于庞大的人工与工业规模，中国造就了全球最大的工业需求市场，同时也为工业AI的发展带来了无限的可能性。与互联网时代不同，在AI产业上，中国一早就通过前瞻性地布局，将AI当成国家战略，并且为了支持工业AI技术的快速发展，国家也不断有相关的利好政策出台，这也为中国工业AI发展提速。过去一年，在工业AI方面，有不少相关企业迅速崛起，他们有能力、也有干劲，让我非常看好。

但工业智能化并不是一蹴而就的，其需要一个长期发展的过程。目前中国处于的便是工业智能化一个重要转型期，因此，若想长足发展，还需要持续加强在自主研发核心技术和培养相关复合型人才方面的实力。

爱投斯李儒强：数据采集和子系统接入繁琐成为难题—在我国的工业制造企业中，已经联网的设备大约仅有20%，而80%的设备还存于不联网的状态，而这80%的存量设备的数据采集问题就是工业互联网平台的工作难点！设备的种类多、品牌多、组网协议多、工业协议多、子系统接口多，一个项目、一个平台必定会接触不同的设备、不同的协议和接口，而目前在国内和国际市场上还没有一个统一标准产品，也成为了我国工业互联网发展的重中之重，难中之难！

资源分配不均，中小型企业无力承担数字化升级—工业制造的改造升级是国家发展的战略方针，在政策推行的过程中，摸着石头过河，无疑成本巨大，能够承担的必然是国有企业和大型民营企业，同时国家在政策导向、财政补贴、技术指导等方面给予足够的支持，在有资金有技术有人员的情况下，会倾向于选择一些实力强但成本高的大型物联网平台公司。而为项目而生的物联网平台带有私有属性，很难复制到其他不同类型的项目，对于大型企业来说也是一个高昂的支出。

但是我国绝大部分还是一些中小型企业，工业数字化、信息化最后的落实还是要在这些企业，然而政府的支持必然是有限的，企业自身也很难承担，从而造成我国工业数字化发展受阻。

深圳盛路物联杜光东：工业互联网的需求趋势和国家决心都已非常强烈，但具体落实工作并不顺利，特别是具体项目的投入产出效率不是很直接，多数行业的工业互联网的运行逻辑有待进一步细化，创新效果有待进一步验证，导致多数的应用单位处于观望态度。

在工业AI的生态系统中，公司提供怎样的解决方案？发展前景如何？面临哪些问题？如何解决？

北京百度网讯黄锋：首先是工业质检软硬一体解决方案。在结构件外观缺陷检测环节中，以视觉智能平台替代人工检测，采用全自动质检，使用以AI训练为核心的工业视觉智能平台，实现包括数据标注、模型训练、模型评测、模型下发的主要功能。以端云一体的模型训练、预测模式，实现对模型准召率不断优化提升的闭环。最近一年我们集中科研力量对该解决方案进行了技术攻关，开发了针对中小企业应用的软硬件轻盈版本，大幅降低软硬件集成的时间，实现敏捷部署，同时降低了硬件采购成本和模型开发成本，在我们看来是应用AI赋能中小企业的一个跨越式产品。

其次是安全生产解决预警平台，该平台基于百度领先的工业视觉、大数据等AI技术，针对企业生产过程中人的不安全行为、物的不安全状态和环境的不安全因素，建设快速感知、实时监测、综合分析、超前预警、辅助决策和应急联动的一体化安全生产监测预警平台，助力企业打造本质安全生产环境。

再次是工业数据智能平台，专注于工业制造领域，以数据和知识为核心的模型训练、服务平台，能够提供描述类、诊断类、预测类、决策类模型的生产和应用能力。用户可以通过对数采与其它系统而来的数据进行定义、分析和处理，可以低代码或无代码地运用机器学习和强化学习等算法，融合制造工艺、专家经验等，形成面向状态监控、设备预测性维护、工艺参数优化、节能降耗等业务应用场景的模型、服务和应用，从而帮助企业实现数据孤岛打通、降本增效的最终目的。

最后工业交互智能方面，我们具有AR眼镜硬件平台提供了AR眼镜自主定制能力，并搭载 AR工业行业智能应用，在远程指导、维修培训、协同作业，智能装配，巡检等多个场景下，使交互方式更加轻量化和智能化，为企业提供了更具个性化的软硬一体解决方案。

天泽智云孙昕：以上讲到未来工业AI生态系统中的平台建设应该是纵横结合的。天泽智云自主研发的工业人工智能平台模力工场™，能够赋能工业企业打通数据采集、边缘计算、数据管理、分析建模、系统部署，到工业AI应用的链路，端到端加速数据到模型，再到智能决策与执行的转化过程。模力工场立足于解决工业行业客户的共性关键问题，积累并提炼了大量具备强通用性的算法，持续沉淀丰富的场景化核心技术，包括机理与数据驱动融合建模、领域特征增强、深度模型轻量化边缘部署等。

同时，以模力工场™为核心，天泽智云打造了包括核心部件故障预测与健康管理WindProphet、智能运维管理系统OMS、风电数字孪生平台在内的无忧风电产品矩阵，从风机、风场和集团等不同维度提供智能服务。无忧钢铁解决方案则通过对钢铁制造过程工艺设备开展实时运行监测、故障诊断、能源调度管理，帮助钢铁企业切实做到提质增效、降本减耗。

但任何一家企业都不可能具备无限多的工业领域知识。要解决工业场景碎片化问题，需要构建可持续发展的工业AI生态体系，工业客户、合作伙伴、终端用户凝聚形成合力，不断将多行业领域知识和经验转化成可复用迭代的算法模型资产，最终打造出中国工业模型库，赋能行业纵深创造并落地贴合业务的工业智能应用，推动我国工业高质量发展。

我们很欣喜地看到，在国家“十四五“规划和“双碳”目标下，工业企业的数字化智能化转型进程明显加快。在我国从制造大国向制造强国转型的历史机遇期，工业AI大有可为。

日电信息系统（NEC）（中国）戴高敏：我们公司以DX（数字化转型）为核心，打造以互联互通和核心价值的企业数字化转型平台，以云计算，大数据，人工智能为核心技术，通过微服务技术实现了ERP，MES，SRM，CRM等各种垂直领域的解决方案的有机融合，也可以灵活组合，对企业数字化转型提供强有力的支撑。

ACT International郭心博士：在ACT International，将机器人应用与人工智能中的深度学习技术（DeepLearning）和强化学习技术（Reinforcement Learning）结合应用是我们探索的重要方向。这样一来机器人就能够通过与其周围环境进行交互以习得相关行为，而且还能推广到新的应用场景。利用深度学习技术，通过对传感器数据的准确标注，可通过训练算法让系统理解零件或产品的种类和位置。而强化学习则是通过试错法利用奖励进行学习的过程，让机器人探索其环境，获得尝试不同行为获得的不同结果，并在产生最佳结果时生成奖励以示成功，来让系统自动生产最优化的机器人工艺动作。

如果利用物理训练环境进行这种尝试的话，解决一项任务就需要长时间的数据采集、标注和无数次的尝试，从时间上来说不具备实际可行性，而且通常会对造价高昂的机器人设备和产品造成损害的风险为了解决上述问题，在虚拟仿真环境下对机器人的数字孪生进行训练，便是一举多得的新方法。目前，ACT International正在利用与产品和生产系统的数字孪生相连的虚拟仿真环境，使用机器人的数字孪生实现深度学习和强化学习训练。

在此虚拟环境中，摄像机向机器人提供的数据必须准确，最好能够模拟物理相机在真实工作状况下的输出，配合计算机自动化的完美标注和不间断的训练，可达到深度学习最佳效果。我们认为配合视觉传感器应用的机器人仿真器还需要具备以下关键特征：

1、物理仿真，能够模仿机器人与其环境以及环境中其它物体之间的交互动态特性。根据所处理的材料（有弹性的零件/可弯曲的零件，如线缆、橡皮筋或布料），重力和摩擦力等等，可能需要额外提供专门的物理仿真模型。

2、虚拟摄像机（2D或3D），按照实际摄像机型号规格进行配置。需要考虑工厂的工作环境，比如光照、扬尘、相机传感器的噪声等对传感器数据的影响。虚拟摄像机应当生成逼真的图像，具备适当的材料机理与照明条件。这包括模拟摄像机规格的典型属性，如视角和像素噪声。

3、易于直观进行情景设置的框架，这个过程非常具有挑战性，因为大多数仿真器和强化学习算法的运行对编程、机器学习和物理建模等领域的技能要求较高。为解决这一挑战，ACT International在尝试将长期积累的知识与算法以及仿真模型一同整合至基本构造块或曰“技能”中，而该等构造块可以进行拖拽式排序，以实现复杂目标的低代码机器人编程。

MathWorks中国区李靖远：针对产品开发阶段，基于模型的设计调度系统逻辑可以实现对机器的精准控制，加强产品定制化程度；而MATLAB和Simulink可以实现数字孪生，对假设分析进行仿真，以真实数据调节设备运行，进行异常检测，故障隔离，帮助企业缩短产品生命周期，抢先一步占领市场。

在产品生命周期管理阶段，现有的产品生命周期管理，很少能够实现精准的预测，因此往往无法对隐藏在表象下的问题提前进行预判。MATLAB为预测性维护和运营优化设计人工智能 (AI) 算法，帮助客户更有效的了解设备的使用情况并提供更全面的决策支持，降低能耗，提高效益。

华硕电脑张权德：工业AI正由以往的 Embedded 嵌入式运算往AIoT智能物联整合发展，而这正是目前华硕所具备的核心向外延伸的最佳领域和最大机遇，不论是在制造、医疗、零售、交通等，智能物联都还未被充分导入应用，换句话说全球市场是非常大的，华硕希望积极推动AIoT大联盟，让每一个产业或技能的专家都能对智能物联有所贡献，为改善人类生活而努力。

在新的数字转型过程中，我们缺乏是时间和经验，虽然华硕拥有专业的软硬件人才及累积的 30 年资源与研发能量，但是我们不熟悉各垂直整合场景的领域知识，除了自己通过各种管道跟客户和不同层级的系统集成商(System Integrator)学习外，也希望通过投资并购的方式加速AIoT的布局与进行。

过去工业计算机 IPC 厂商相对是保守的，真正厉害的是这些 IPC 厂商的客户，或者称系统整合商，这些 SI 是最有 Knowledge 的，知道如何告诉这些IPC 厂商做甚么可以满足终端客户的需求，所以华硕如果要做，就要知道如何与系统集成商充分合作，积极建置工业AI 智能装置。

为了加速AIoT的发展，我们需要在现阶段与华硕有互补的系统集成商互相合作，以发挥华硕硬件、软件、AI 产品研发能力及技术，同时也可以补足领域知识、关键客户链接，甚至是智能制造基地的建置。

Synergies 张宗尧：Synergies的目标很明确，我们想打造一个针对非IT/DS端的无代码AI大数据分析工具，来帮助工业转型。Gartner也预言2025年会有一批平民资料科学家起来，成为协助企业创造数据价值的主力，并为企业省去大量沟通成本、提升效率。但是分析总在资料之后，企业缺乏数据，或者说好的数据。预期将透过资料前处理的合作将资料垂直整合，已经开始与多家ERP/MES等设备厂商合作。Imagination Gilberto Rodriguez:用于工业应用的AI算法的来源非常多样化，我们的使命是通过将我们的NC-SDK集成到开源生态系统中来为生态系统赋能，从而使我们的客户、第三方开发人员和最终用户能够协作去开发高效的解决方案，并最大限度地加快产品上市时间。

杉岩数据陈坚：在工业AI中，作为一家软件定义存储专业厂商，杉岩AI机器视觉海量存储解决方案，一方面解决了数据存储分散管理不便、数据本地保存单点故障风险、扩容以及存储数据性能及检索效果差等问题；另一方面基于对象存储特性，高性价比的弹性扩容让存储平台不再有性能瓶颈，同时灵活的数据管理策略能够让存储文件得到更好的利用降低丢失风险，不仅如此，杉岩数据对象存储中独特的融合了图片压缩、转换以及数据打标签、智能检索等智能化功能，更加方便上层智能应用的数据调用，真正做到“AI in MOS，MOS for AI”。

截至目前，杉岩数据已服务如联测优特半导体、信维通信、帝晶光电、美的集团、广汽丰田、雷赛智能等数十家制造业用户。未来，杉岩数据将以行业用户需求为导向，怀敬畏之心做存储，帮助用户实现数据管理方便、快速扩容、高性价比、高可用性等价值需求，在赋能智能制造的路上继续贡献自己的一份力量。

爱投斯李儒强：在《工业互联网白皮书》发布多年以前，我们就已经认识到会存在的问题，爱投斯（IOTOS）经过多年的研发和项目经验的积累，研发出能够跨语言、跨平台解决多设备系统接入难问题，以及聚焦采集接入+数据展示+应用扩展于一体的物联网中间件平台和专注于子系统接入的通采引擎智能硬件产品，作为工具化、通用化的产品，也支持图形应用框架的扩展（类似于APP扩展）。不仅仅局限于工业领域，在楼宇、园区、能源等都可以适用。

基于目前市场的情况，爱投斯专注于提供一个工具化、通用化且小而精的物联网中间件平台，而不是为项目而生。前期我们做了大量的积累，很多开发工作我们已经做好了，将开发的门槛和开发成本大大降低、效率也提高了很多，所以我们可以来服务这些中小企业厂家，他们所付的资金和人力成本也非常小，也能做到复制可扩展。这就是我们为产业数字化的升级改造提供的解决方案。

深圳灿态宋勇华：AI行业在过去一年里，主要是场景化的落地，在工业的真实场景中找到它的应用价值，并结合整个工业互联网连接起来，在工厂的数字化过程中扮演者重要角色，增加了智能的分量。

我们在工业AI 的生态系统中，会聚焦在数字工厂整体解决方案，打通从客户订单到车间生产、仓库备料、码头收货、供应链优化等完整的工厂数字化体系。向下整合工业传感设备采集、向上结合大数据AI算法做工业的预知预测预判，从数字工厂走向智能工厂。

寄云科技时培昕博士：工业互联网是助力企业数智化转型的强力引擎，而工业大数据是制造业数字化转型与智能化升级的关键点。也正因为深刻看到智能制造的核心是数据，应用是导向，基础是平台，寄云科技NeuSeer工业互联网平台实现了向上连接各类企业应用，向下实现IT/OT深度融合，将海量的工业实时数据与众多生产业务系统进行融合处理，并通过机理模型与人工智能结合的智能分析，构建起包括“预测性维护”、“异常检测与智能诊断”、“实时生产决策”、“安全生产管控”在内的多种智能应用，为工业企业提供基于数据智能和数字孪生的数字化转型方案。

工业大数据价值潜力大幅激发，特别是在高度自动化所带来对海量数据处理和数据智能分析的强烈需求，寄云科技有针对性打造了NeuSeer数据建模与分析平台，持续专注大数据挖掘与可视化分析的全流程建模。有效对接海量工业数据，快速构建数据模型和数据对象，支持拖放式、零代码、敏捷式的算法模型开发，支持海量数据预处理、机器学习和人工智能建模分析以及模型在线部署能力，帮助工程技术人员快速从繁杂的数据中，通过智能的建模分析，有效挖掘数据价值，为工业企业构建智能分析决策体系。

当下，工业智能化升级是我国工业“转型升级”的重要契机，也是我国由制造大国向制造强国转型的重要手段。在新一年里，寄云科技将以NeuSeer工业互联网平台为“底座”，立足核心技术研发，聚力拓展新应用场景，通过释放自身在工业互联网领域积累的技术优势，助力夯实制造业发展行稳致远的根基，为中国制造强国、网络强国建设发展添砖加瓦。