■IT时报记者 王昕
当物联网爆发之后,人们发现我们手里的数据很多,但有价值的信息却依然少得可怜。
如果企业不掌握一门或几门物联网世界的语言,读不懂传感器带回的海量数据,那么物联网将只是一个聒噪的存在。
物联网甚至都算不上一种纯粹的技术创新,那是人们透过云计算、人工智能、机器学习、区块链、边缘计算再一次认知世界的过程。
IBM认为,万物互联之后的下一步是万物洞察,物联网的真正变革在于将物联网创造的新连接、新数据变成一股新鲜血液融入企业生产和人们生活的肌体。
这是一次升级,或者再造。
IBM的物联网底牌
“据Gartner公司预测,到2020年,物联网互联的‘设备’将超过200亿台。因此,弄清楚传感器产生的数百万个数据至关重要。IBM凭借其平台、安全性、区块链、天气数据和认知计算能力,在物联网领域独树一帜。”IBM大中华区总经理Jeff Rhoda表示。
数据显示,IBM在物联网领域的投资额达到了惊人的30亿美元。今年年初,业界顶级的、可容纳1000名研发专家和设计师的全球物联网总部中心也在德国慕尼黑落成。IBM在170多个国家和地区与6000多家客户有着物联网领域的合作,来自汽车、能源、航空、机场、公用事业等领域的全球头部企业中70%以上均是IBM的物联网客户。
路途还很遥远,数据显示,当今物联网产生的数据80%都未被妥善收集和利用,大量数据以非结构化的形式存在,且通常在前60秒就会丢失,人们和企业在纷繁涌入的数据面前还显得有些手足无措。所以,IBM将自身在物联网领域的使命定义为,拯救那些“沉睡于黑暗”的数据,并为之带来光明。未来的研发设计是面向互联互通并由软件驱动世界的,产品的研发应符合物联网世界的需求。
如果说IBM公司董事长罗睿兰将认知计算定义为IBM当前的最核心战略和愿景,那么“认知物联网”则是再贴切不过的新词组和新概念,因为万物互联并不是最终目的,帮助人类重新认知世界才是物联网的使命和价值。
IBM在物联网领域的底牌可以被定义为人工智能技术+行业经验,作为在云计算、区块链和人工智能领域积累大量先驱经验的探路者,这几项关键性技术的储备帮助IBM在物联网领域显得如此与众不同,区块链使物联网变得更加坚实可靠、Waston则是能读懂海量行业物联网数据的大师。行业经验是IBM的又一张底牌, 正所谓“隔行如隔山”,没有行业的经验,企业根本无法理解庞大数据代表的意义。即使再牛的数据科学家面对一堆机器语言时也会无从下手,至少需要花费几个月才能完全理解这些数据的意义,但懂行业的 IBM却可以信手拈来。
难倒船运巨头的“paper work”
如果通过物联网和区块链技术,可以将婴儿疫苗从生产到运输的全过程都无法篡改地实时记录下来,那么把这些数据呈现在妈妈们的手机上岂不是更好?IBM的答案是:为什么不呢!
蒙巴萨港是非洲东海岸最大海港,也是肯尼亚花卉出口荷兰的重要基地,而当所有鲜花被装进马士基的巨型集装箱,并穿越大洋来到鹿特丹时,却经历了堪比“金融级别”的严格监控。
过去,鲜花从蒙巴萨港起运需要3个不同机构签字,一共6份文件,分别描述货物的原产地、化学处理、产品质量等信息。一个环节信息丢失或审批延迟都会导致货物滞留港口,整个运输过程需要一个多月的时间。期间,花卉集装箱产生了近200条信息,出乎所有人意料的是,处理集装箱运输文件和信息的成本竟然是实际运输成本的2倍。
马士基是全球最大的集装箱航运巨无霸,但却对这样的“paper work(文案工作)”十分头疼。IBM告诉马士基,物联网+区块链是解决这个难题的绝佳方法。
IBM帮助马士基建立了一个全球性的防篡改系统,用于实现贸易工作流程的数字化并追踪货运全过程。借助物联网技术,鲜花的温度和湿度信息在整个运输全程被物联网传感器采集。当船舶靠岸时,信息将会通过物联网技术回传到区块链上,自动触发所对应的智能合约,从而判定鲜花是否合格,这极大提高了交付效率和质量监控水平。
IBM Watson物联网事业部研发和产品战略总经理Chris O’Connor认为,尤其在电力、食品、飞机制造等关键性领域,这些行业需要通过物联网数据来进行真伪验证,而区块链对数据的不可篡改的验证特性将为这些行业带来巨大的价值。
中国有了数十万部物联网电梯
如果通过物联网技术我们可以实时获知电梯的载客(货)量,那么是否可以设计一种按用量付费的租赁式的电梯服务呢?IBM的答案是:为什么不呢!
在伦敦的Leadhenhall Building大厦(全球最大规模、最快速的观光电梯组合)、沙特阿拉伯麦加的Makkah Clock Royal Tower Hotel酒店(全球最高的酒店)、纽约的麦迪逊广场花园……每天,全球110万部通力(KONE)电梯和扶梯帮助超过10亿人移动。通力集团大中华区新梯设备业务总监Tuomas Oijala觉得很自豪,“我们对于整个世界都有很大影响。”
但作为一家拥有107年悠久历史的公司,通力的电梯还能更伟大吗?Tuomas Oijala觉得毫无疑问,而且事实上,即便乘坐电梯这样数十年来几乎不变的、看似尘封的使用体验也将因为物联网和Waston的加入变得让人目瞪口呆。
Tuomas Oijala介绍,“我们下一步正考虑给客户提供独一无二的体验。例如,一个用户到了电梯里,电梯可以识别出你是谁,有什么样的喜好,特定的时间会到哪个楼层;或者乘坐电梯的人可以直接呼叫电梯,把他送到想要的楼层。”
目前,通力远程监控服务都已被投放至目标市场,在未来几年内,使其连接至云端的电梯和自动扶梯数量将急剧增加。
“我们全国大概有将近一万名维修技术人员为电梯做维护保养。”通力电梯养护负责人徐晓东说,原来传统电梯维修需要2个小时或更久,但在给电梯加上了物联网模块之后,“我们会对故障进行提前分析,快速解决问题,将维修时间缩短至半个小时。”
对通力电梯这样的公司来说,IBM Watson物联网副总裁兼首席市场官Deon Newman认为,可以利用物联网来提升他们的运营,借此来实现数字化的转型,并通过数字化降低业务的成本,提升产品的质量,原来他们作为制造商是跟客户分割开来的,因为当中还有销售商、服务商等,但是现在他们有机会直接跟客户和体验联系起来,甚至提供快速的差异化价值给客户,并带来更多新的商业机会。
《IT时报》记者了解到,通力电梯的物联网模块已经通过“后装”形式进入全维度的电梯维护市场,智能模块可以通过速度、噪声等多种信息获知电梯的工作状态,并通过3G、4G、WiFi、蓝牙等各种通信手段上传数据至管理方。
一个毫秒级的“超级检验员”
如果通过物联网智能系统可以自动检测出液体中的杂质,那么我们能要求将医院的输液包也进行一次安全检查吗?IBM的答案是:为什么不呢!
中国深圳,一家电子厂与周边的许许多多厂子一样都在日夜不息地生产手机,但与众不同的是,这家手机厂的检测员数量不到其他工厂的一半,因为他们雇佣了一位新的人工智能质检员。
IBM电子行业全球智能制造解决方案总经理邓钦介绍,目前国内许多制造业厂商在质量检测过程中依然主要依靠手动,“大的产品用眼睛看,小的用显微镜看,这就是制造业的真实现状。”
邓钦进一步解释,设想一下,如果有一台或多台光学监测设备,环绕产品拍摄高清晰度照片,再配合上人工智能技术,厂商可以提前定义所有的缺陷类型,并描述出来,如果发现质量问题,瞬间就可以被检测出来。
更厉害的是,人工智能是一个具备深度学习能力的系统,它的强大之处是,厂商的开发者不用再重复编写和修改检测程序和代码,因为机器有了学习能力,遇到新的缺陷和问题,会自己学习掌握,不用人工调整;而且机器的检测速度非常之快,达到了毫秒级的水准,远远超过人工。
据介绍,在汽车、液晶面板、医药、家居等行业,上述技术已经得到了很好的应用。使用厂商清晰地感受到了IBM 人工智能系统的强大学习能力,随着检测准确度不断提高,人工智能质检员对传统检测人员的替代效应愈发显著,企业的开支得到了显著的降低。
技术对于制造的意义是非凡的,企业从提高良品率上得到的只是一个数字,但却是走向数字化、拥抱人工智能的第一步。IBM大中华区工商企业总经理陈怀宇介绍说:“ 企业想实现数字化转型,一定是阶段性的,认知质量检测就是一个切入角度。”
“无人超市”的创新令人兴奋
如果在一家大型超市中,让导购员佩戴物联网身份标识,那么消费者能够像飞机上呼叫空姐那样,随时用手机呼叫导购员来到自己的身边吗?IBM的答案是:为什么不呢!
在美国的一个体育场馆内,NBA篮球赛如火如荼地进行着,前来看球的观众们兴奋地利用手机拍照或者登录社交网络,与此同时,一家零售商通过监测手机数据得知前来观赛的观众们多久参加一次体育活动,购买食品的频率有多高,他们喜欢怎样的服饰,并以此来改进其销售行为。
在IBM零售与消费品行业战略与合作伙伴全球副总裁Chirstopher wong看来,无论是大型超市,还是普通商店,消费者数据、产品数据、员工数据、设施数据(仓储等)的获得都已经不是难事,“现在的挑战是,有了这些数据以后,零售业者如何去做,这也是我们为什么要将物联网和人工智能技术融合进来的原因。”
显然,面对互联网的冲击,传统零售业并没有坐以待毙。“要把消费者在网上做的事情复制到实体店里。”Chirstopher wong非常赞赏一些零售商当下提出的新理念,现在很多零售商会采用人脸识别或人群检测技术来统计多少人进店了,频率有多高,哪些商品被他们放进了购物车,这就与网商对消费者行为的分析非常相似,“无疑利用物联网可以模拟出更多在线购物的效果,例如通过视觉传感器知道人们是怎样走动的,又或者消费者也可以通过手机扫码获得不同的购物体验。”
对于国内刚刚兴起的无人超市,Chirstopher wong觉得这是非常振奋人心的创新,是很好的物联网技术应用场景之一。他提醒,不管是无人超市还是无人店,根本的目的不是为了节约人力成本,而是为了给消费者带来更多便利。
转载请注明出处。