从每年高校、研究机构单方面开发一个项目开始,到开放资源发布源代码,这是中国一步步构建的科学发展架构。从国内发展初期的专利库建设,到智能化数据传输架构,到openlayers的leader和应用开发,再到更多基础架构的发展,中国在ai与传统行业的结合中起到了关键性的引领作用。推动核心ai基础架构,深度融合,实现前沿性突破数据集到云到端的一体化解决方案高校、企业自行设计、建设ai基础架构,设备之间、项目之间的互通交流是关键。
业界解决方案并不局限于某个特定ai芯片、某类算法或某种架构,这些解决方案在规划、算法算力等方面有大量重合和共性,某些关键环节和难点也有明显差异。基于大数据人工智能平台的资源撮合体系的完善支撑,可以大大提升算力、算法开发效率。工业界“遍地开花”,互联网公司数量众多多元化的ai算法在一定程度上解决了部分产业基础需求。企业级ai产品及解决方案提升机会有限,更多需要ai教育投入。关键是找到强关联性的方向:人工智能在信息和知识处理与传输上对产业的价值实体提出新的需求,而人工智能将成为智能制造、智能教育和物联网三大新产业发展方向的基础。这才是企业发展ai重要驱动力,也是人工智能发展的前沿。
第三方云在中国是个早期阶段,更多的是基于开源的服务优势。大数据、云计算、sdn、智能信息化等软硬件方面已经开始全面覆盖,云计算和大数据成为了一个行业的标配,有较强的基础和需求关联。2017年“工业云”争夺战已经上演,全球已经推出来百家产品和解决方案。受益于ai的兴起,工业互联网在很多垂直领域迎来发展机遇。其中,为制造商服务的工业软件将逐渐成为工业领域的基础设施。针对在仿真、生产场景中进行生产参数调整、优化,变成在仿真、生产场景下变化需求的定制ai解决方案将成为未来的潮流,而在场景设计方面具有经验的工业软件将成为选择的关键。
而更为重要的是,ai产业的发展将是以上这些关键成为基础;此外,云计算支撑在人工智能时代中的作用也重要,同时,ai自动化也是未来一定会增强的。通过工业互联网等设备连接到工业自动化:工业互联网设备的多样化使互联网重要的能力成为基础,无论ai怎么发展,都是通过互联网传输数据的服务。传统的工业领域即日常生活中的智能家居领域,例如微信小程序、小米手环,均采用了工业互联网相关的云计算和ai技术。如何更好的连接工业自动化的设备、将ai的分析/传感、ai大数据应用起来,也是未来很关键。