Jay Lee：大家好，我想今天講一些案例，因為我的一本新書馬上要出來，《工業(yè)人工智能》，今天主要給大家介紹為什么要重新定義工業(yè)人工智能，和互聯網什么關系。我想工業(yè)互聯網里面經驗每個人都不一樣，每個企業(yè)做法也不太一樣，但是重點一樣，一定要為客戶解決不能解決的問題，或者顧客可以靠你完成得到價值的問題。不管賣魚還是賣清酒還是輪船高鐵的目的是一樣的。
回到我在91年進入美國NSF，大家都知道他是比較中立的，做出來的東西全世界分享，完全是公開的。91年克林頓在任，官員的責任就是做20年之后的事。每天吃飯談20年之后的事，95年我派到日本，先進產業(yè)研究院，就是日本的工研院，我?guī)ト毡镜捻椖烤褪前鸦ヂ摼W用在機器上面，這個就是美國的第一個互聯網+。因為那個時候日本是用遠程抓機器是用衛(wèi)星，95年我代表NSF，這篇文章是唯一可以找到最早的一篇文章，我做發(fā)動機和電梯的遠程，道理是一樣的。那個時候的速度，那個時候的建模一定是這個東西，為什么要建模，因為不可能靠數據做決策，不夠的，一定要（英文）做決策，這兩個為什么放在一起，當初這么做出來的。
后來2000年我在98-2000年在美國做研發(fā)總監(jiān)，2000年之后當教授，做了智能維護中心，這個中心全世界100多個企業(yè)，誕生了很多的企業(yè)。我今天就講中國的高鐵和中船。
最近這幾年，當我寫第一本書的時候，也是滴水湖這邊寫的，2015年開會，當時上海交大辦了先進產業(yè)研究院的工業(yè)大數據，講完之后說把書寫出來，這個書是15年的案例，2001年-2015年的案例整合起來，后面包括智能制造，云上的工業(yè)智能，最新的工業(yè)人工智能下個月出。
今天講工業(yè)互聯網，基本上是按照歷史看有幾個轉型做法。一種做法就是像互聯網公司說我也可以加上一個
應用，變成互聯網+，互聯網+金融，互聯網+零售，我用人臉辨識看顧客拿了多少次，多少次不買，根據零部件的喜好把他技掉。這些是叫做工業(yè)互聯網與智能轉型模式，帶動制造后邊的關系，這個叫新制造，工業(yè)+互聯網，汽車、鋼鐵、風電，他本來做產品的，有問題就加互聯網，遠程監(jiān)控你，不行就關掉。我的質量+互聯網，生產線連在一起，把整個質量的問題找到，我就可以解決生產線的問題。這個成功率很高。
為什么要做互聯網，一定有幾個原因，因為人是事情的核心。麥克風是演講的目的，所以人和麥克風要互動，麥克風不會告訴人要做什么，需要人有系統(tǒng)管理這個物。這個系統(tǒng)就是我們講的今天，一般不懂的人他可以告訴我，他不會直接告訴你，工業(yè)互聯網是管理系統(tǒng)，不是一個高大上，或者說工業(yè)互聯網我們今天要做的一定是解決顧客最大的痛點，工業(yè)互聯網的公司要準備好看到最丑陋的一面，否則不要去做。這個里面數據的技術，包括分析的技術，包括平臺技術，包括OT技術，這都是很重要的東西。今天講到DT，AT，PT，OT，這幾個T現在談得最多是PT，我是平臺公司，你和我合作就可以解決了。這是夢想和幻想，做平臺的公司一定自己已經成功，自己有一個平臺，讓我的問題解決，甚至兩個不認識的人在平臺上解決。我們現在很多企業(yè)把平臺當成陽臺用，有什么東西放平臺用，平臺基本上云是一個平臺，有6個S，分享存儲，分享網絡，分享計算機，這個是基本的，最重要的是分享資源，不是自己有一個東西，你用了別人可以用。分享服務，分享生態(tài)，可以帶動其他很多做生態(tài)的東西，機器有問題，傳感器公司，維修公司都可以在這里，但是數據在我這里，所以誰先拿到數據，這個數據是客人的不是你的。所以這個到底是誰的數據，這個地面來講，這個變成今天互聯網的戰(zhàn)場。
因為用戶和價值是在這邊產生的，只是看別人愿意不愿意用你的。
比如說軸承APP，我通用工作的時候，1983年我們有一個查理專家系統(tǒng)，他只要耳朵一聽機器，就知道軸承的內環(huán)壞了，再一聽，軸承本身外環(huán)不好，內環(huán)和外環(huán)和滾珠頻率不一樣，特征不一樣。為什么需要人去看？綠色就是正常的，白色是外環(huán)，黑色是滾珠，藍色是內環(huán)，這個很穩(wěn)，開始繞了就是外環(huán)問題，我們需要37年專家的問題用一個振動信號，噪音信號直接出來。你可以全世界用，或者數據捐給美國的NASA網站去查一下，現在已經超過3萬次下載。我不久前部捐出去了。我要形成一個APP，任何人只要告訴我什么樣的軸承，什么樣的速度，我直接自動幫你判斷什么問題。黏性和彈性，小軸承大軸承都可以用。我們做工業(yè)大數據，工業(yè)人工智能，ABC是基礎，D要高，才可以幫助顧客找到他不了解的問題。重要是用戶和價值驅動。這個是最重要的目的。
現在數據質量怎么看？發(fā)動機起飛了，還是船，高鐵，數據很多，第一個可以找到高鐵，滾珠軸承，中國的高鐵是跑300公里一小時，中國是200公里以下的軸承自己可以做，200公里以上中國不能做，都是進口的。因此要知道可以不可以用，數據拿到了，很多公司說我有很多數據，我們花了6個月的時間，你們的數據不能用，你沒有背景資料，這個已經是上億的產業(yè)，因為很少公司可以做這個事。這個要做人家不能做的事，這個里面數據本身是斷裂，因為拿來的時間不一樣，拿來做的方法也不一樣，數據的背景不一樣，輪船當成天氣的背景，飛機起飛的時候高度、風速都沒有。不了解天氣的資料，發(fā)動機懂再多也做不出來，所以三個B。第二是三個R，數據的來源性，可以不可以用歷史數據，同類型的數據做比較呢？第二能不能可以找到關系，可以找到還不了解的問題，什么樣的風速，什么樣的濕度，風電葉片會結冰。甘肅不會結冰，到安徽會結冰，因為天氣濕度不一樣，路況和車子的平穩(wěn)度什么關系，都不知道，因為數據沒有歸類。所以人很難做決策。
我們2017年信通院（音譯）辦的，我給他們建議辦一個工業(yè)互聯網，美國2008年開始競賽，怎樣看風電會不會結冰，當時1600個團隊，最后選了12個團隊，6個團隊做皮帶損傷，6個團隊做風電結冰，富士康有3個團隊，你們做手機怎么搞這個東西，因為他們說做大數據很強，不搞風電可以預測出來，我就更了解富士康，慢慢發(fā)現，這個里面我們可以合作很多，就協助他們做工業(yè)互聯網。
后來我到富士康捐出這個數據之后，華為用云平臺，一個是物流，一個是刀具，就是蘋果手機刀具怎么斷裂怎么損耗可以預測出來，全部都是高校來參加，沒有企業(yè)界。中國企業(yè)界自己獨當一面搞工業(yè)互聯網真的很難，第一沒有時間，第二沒有環(huán)境，數據給你分析時間都沒有。有的說我有，你有工具，但是沒有顧客的數據，有顧客的數據的沒有工具。
人工智能八幾年開始使用，最近改變幾年國內炒作特別大，他們可以從互聯網+到工業(yè)互聯網，到云再到CPS，再到人工智能連續(xù)做。納米1993年的時候做，納米搞了將近20年，現在博士生都找不到工作，納米還談嗎？沒有錢。AI再搞十年也沒有錢，因為做不出東西怎么有錢。大家要清楚一個領域不能炒過了，中國的錢現在遠大于全世界，但是人臉辨識全去了，轉換聲音全去了。簡單的取代之后省的不多，這個地方是人工智能最大的挑戰(zhàn)，有的人說拿面包算多少錢，老是看同樣的節(jié)目，不高興。
所以未來我們人工智能投資的可能性，可成長性，但是可用性很難驗證，我可以用好還需要你投資嗎？我直接找客戶馬上用了為什么要你投資。以前搞
機器人(15.430, -0.01, -0.06%)，機器一故障半個小時，你損失的錢你來賠。所以機器人一個個死。我可以用你的，但是如果判斷損失你要承擔，我不敢，那叫什么人工智能。數據和人工，這個要讓人和更聰明，這個是讓機器更聰明，但是數據環(huán)境會變，不是固定的，要辨別出來什么地方出問題。所以用在很多方式里面解決一個系統(tǒng)工程，怎么驗證這個系統(tǒng)可以不可以用。所以當初工業(yè)人工智能，維基百科是我寫的。人工智能是認知科學，我怎么用人的圖象自然語言，用在醫(yī)療還是辨識，所以他的成功率是有的，但是怎么讓他的成功率不受到任何的變化的干擾。國外的人工智能并不是解決一個奇幻的問題，問題解決完之后，可以重復解決很穩(wěn)定，可以傳承下去。
比如說我退休，有人取代我，但是比我以前稍微好一點，但是好不到哪里去，所以不同的專家不一樣，人工智能用訓練的方式可以做，但是每次零部件要更換，系統(tǒng)有變化都要重新做，老系統(tǒng)和新系統(tǒng)無法自動覆蓋。所以必須要做自動調整，他可以一直做調整。這個里面需要這種東西。我們要看哪一種方式適合解決什么問題。
第一個中國船舶(19.580, -0.05, -0.25%)案例，我要做中船互聯網，因為韓國做，韓國第一，那個時候中國還不是第一，要做什么，要做船的監(jiān)控，泵，軸承，船最大的問題就是耗油性，當時根據船舶的位置每天角度的變化，根據阻力可以找到關系，現在整個團隊出來了，已經民營化了，我們做的時候可以一年省掉6%的油費。第一條智能船是2017年12月6日正式成立，不是賣船。可以賣船的管理和服務。有幾個人聽過寬度學習？他是我們經驗犯錯出來的，很多東西在運轉，有很多風電在運轉，但是要監(jiān)控每個風電嗎？高鐵有兩個轉向架，每個轉向架有4個電機，一比就可以很快知道哪一個風電好不好。
阿斯同（音譯）高鐵，高鐵在動，很多的數據從輪轂出來，高鐵十幾節(jié)，一節(jié)有兩個轉向架，很長，我們當時做了整個群的監(jiān)控，這個里面根據速度變化爬坡加速減速找到類似性，就可以找出哪一個好哪一個不好。中車我知道哪一個電機不好，哪一個節(jié)車箱什么問題，一比較就出來了，再看哪一個電機不好。有一天比如說中車的車子出來之后，動車和諧號，哪一節(jié)信號一出來一比知道哪一個節(jié)哪一個電機不好，集中在這個電機和其他的電機做比較，哪一個最差，把整個的系統(tǒng)變得可以做整個集成，中車可以很快找到不好的電機，這個就是寬度學習。
下一個案例就是講電池，電動車也是一樣，特斯拉有2000多個電芯，我們上海交大先做，電池充放電的時候會變，我要找到電池是哪一個電池，在云上面直接做運算，不要存數據，云上就完成。充電的時候就知道電池什么問題。那個時候韓市長特別來看，未來的電池信息基地，建模，這個就是我們講的智能大數據，2010年開始做的，現在有十個專利，我們等企業(yè)碰，碰了之后找他們。然后用云做電子的很少，只有兩個。
我們講工業(yè)互聯網的案例，我們去年協助富士康申請了燈塔工廠，全國有17個，因為富士康有17萬的機床，18000條線，如果要做這個事，數據量是足夠大，要靠人群做，數據量大，所以工業(yè)云怎么把邊緣上智能化加強。物端不用這么快，做故障或者遠程，不需要馬上做決策的東西。我們用了很多工業(yè)互聯網軟件預測生產當中的問題，問題可以預測出來，最后關燈工廠，目的并不是把人去掉，是把人的憂慮去掉，富士康目前有8個熄燈工廠。目前全世界有16個，今年有7個，第一年有9個，今年7個富士康和西門子總共16個，海爾是去年?；旧献钪匾褪羌性谶吘壎?，未來怎么看。
最后我們現在有一個問題，人工智能找不到人，請不起人，留不住人。我們建立一個產業(yè)學院，專門培養(yǎng)人才，我?guī)透皇靠底龅臅r候只有30多人搞AI，現在有1000多人。
傳統(tǒng)人工智能是傳統(tǒng)科學，永遠不會停，但是工業(yè)人工智能比較解決過去的問題和未來的問題，人工智能不能解決過去的問題，但是工業(yè)人工智能一定要解決過去的問題，高鐵、車輛、風電，深度學習，寬度學習都要有。