随着数字化浪潮在工业领域的渗透，大数据已成工业数字化的入口。根据IDC的统计，2019全球数据量达到42ZB，预计2022年将达到163ZB，复合年增长率高达57%。而工业数据在工业领域的应用场景也在不断增加，赛迪智库的统计数据表明，2019年中国工业大数据市场约为146.9亿元，预计未来将保持30%以上的高增长。也就是说，当企业开始着手在其工业系统中部署IIoT时，他们面临的第一个挑战就是如何从IIoT系统检索数据，并使其用于制造过程的实时分析和决策。为确保数据管理解决方案能够达到IIoT的要求，下面4项功能需要重点关注：
多功能连接处理各种数据的能力。物联网系统有各种标准，产生的数据需遵守各种协议，如MQTT、OPC、AMQP等。此外，大多数物联网数据以半结构化或非结构化格式存在。因此，数据管理系统必须能够连接到所有系统并遵守各种协议，以便能够从这些系统接收数据。同时，该解决方案还要支持结构化和非结构化数据。
丰富的边缘处理能力。一个好的数据管理解决方案应该能够过滤掉来自系统的错误记录，它还应该能够使用元数据（metadata），如时间戳或静态文本等来丰富数据，以支持更完善的数据分析。
大数据处理和机器学习能力。由于物联网数据量非常大，因此在执行实时数据分析时系统必须保持超低延迟，以便可以实时处理数据。
实时监控能力。物联网数据的获取和处理是一个持续的过程，因此，数据管理解决方案应该通过可视化提供实时监控，以便随时显示流程在性能和吞吐量方面的状态。
人工智能如何影响工业物联网？
在讨论这一话题之前，我们先来看一看专家级研究机构对人工智能和物联网这两种技术前景的判断：根据Markets&Markets的预测，到2025年，人工智能将成为一个价值1，900亿美元的行业。IDC则认为，2019年40%的数字化转型计划是由人工智能推动的。Business Insider预测，到2025年，物联网设备将超过640亿台，而2018年约为100亿台。因此，麦肯锡给出了这样的预估，到2025年，物联网有可能产生4万亿至11万亿美元的经济价值。
从以上数据看出，人工智能和物联网这两项已经存在几十年的技术理念在正确的时间和地点重新崛起，它们打破了传统的行业规范，并将引发一场数字革命，将18世纪的传统工业革命带入21世纪的工业4.0。随着人工智能的融入，工业物联网的性能将得到极大提升。
人工智能正在成为工业智能化的大脑
在数据、算法、算力等基础要素得到充足发展后，人工智能有了实现的基础。与此同时，人工智能的发展也为制造业的发展带来良机，并从多个维度全面提升了工业制造的水平。目前，人工智能已经在工业领域的多个应用场景得到应用，比如智能生产场景的工业视觉检测以及设备管理领域的预测性维护。在预测性维护过程中，利用现有数据，人工智能算法可以在机器需要维修之前确定何时实施预防措施。用于视觉检测的计算机视觉也是一项可以降低成本和提高效率的关键技术，当提供正确的训练数据和硬件时，机器学习（ML）算法在视觉检查方面比人类更精准更有效，例如，宝马公司已经在使用这项技术来确保其汽车零部件的质量控制。在全球范围内，制造企业越来越注重提高机械和系统的效率，降低生产成本。随着半导体技术的进步，以及价格合理的传感器和处理器的普及，IIoT的采用率将会不断提高。据Grand View Research的分析，2020年，全球IIoT市场规模约为2，161.3亿美元。现在，工业部门正在加速向智能和自主的工业流程迈进，物联网设备的数据收集达到了前所未有的规模。当大数据、人工智能和物联网汇集在一起时，为先进的物联网数据分析解决方案创造了一系列机会。在此过程中，人工智能特别是深度/机器学习技术，为管理和分析海量感知数据提供了强有力的支撑。
研究机构MobiDev的一份报告预测，到2025年，人工智能和物联网的价值将超过260亿美元。他们还证明，人工智能将物联网数据的效率提高了25%，将行业分析能力提高了42%，无论是物联网中心还是在边缘网络，人工智能都发挥了重要作用。比如，在一家工厂的装配线上，通过使用人工智能目视检查可进行质量控制，可有效降低制造过程中的制造缺陷率。
AI+IIoT解决方案
受到半导体和电子设备技术的进步、云计算平台使用量的增加、IPv6标准化，以及各国政府对IIoT相关研发活动的支持等诸多有利因素的影响，融合了人工智能的IIoT解决方案和市场增长迅速，根据Markets&Markets最新的市场研究报告，全球IIoT市场规模预计将从2021年的767亿美元增长到2026年的1061亿美元，到2026年，人工智能在这一领域的营收预计将达到167亿美元。
在这个大趋势下，各大技术厂商也已将在厉兵秣马，以创新的技术和产品推动AI+IIoT解决方案的落地。
TI单芯片嵌入式机器人方案提供去中心化的AI模型
AI+IIOT解决方案一段时间以来，机器人自动化一直是制造业中的一项革命性技术，但是在未来几年中，将AI集成到机器人中有望改变整个行业。咨询公司埃森哲的调研表明，到2035年，AI的年度经济增长率会翻一番，将劳动生产效率提高40%之多，还会在人类与机器之间产生一种新的混合关系并导致工作性质发生改变。
随着传感器技术的进步，再加上能够将这些传感器数据融合在一起的嵌入式系统，如今的机器人拥有越来越出色的感知和意识。在TI的嵌入式机器人参考设计中，为使AI在系统中发挥应有的作用，在推理期间必须能够实时地融合传感器数据。因此，设计人员需将ML和深度学习模型放在边缘，而将推理部署到嵌入式系统中。为此，TI提供了一系列嵌入式处理产品，包括支持边缘AI的器件，这些产品适用于本地化决策、机器学习并可以轻松部署的实时网络。其中，Sitara AM57x处理器是在边缘运行AI的处理器典范：这些处理器以SoC这种单芯片的形式集成了许多用于整个嵌入式应用的必要组件，包括显示、图形、视频加速和工业联网等功能，还可以连接如视频、飞行时间（ToF）、激光雷达（LIDAR）和毫米波（mmWave）等多个传感器，有些还包括以C66x数字信号处理器内核和嵌入式视觉引擎子系统形式呈现的专用硬件，旨在加速AI算法和深度学习推理。配备有Sitara AM57x处理器的TIDEP-01006参考设计是一款自主机器人设计模型。在该系统中，毫米波雷达传感过程中的点云数据由Sitara AM57x处理器进行处理。Sitara AM57x处理器搭载机器人操作系统（ROS），是总体系统控制的主处理器。
另外，该方案还支持具有IWR6843封装天线的毫米波传感器，这样能降低设计和制造成本，简化系统设计，使传感器尺寸更小并缩短产品上市时间，为具有AI属性的全自主机器人设计提供了很好的切入点。
Renesas Electronics RZ/V2M实现低功耗和实时AI处理
AI+IIOT解决方案在工业与基础设施监控摄像头等应用中，对具有实时、基于AI的人像和物体识别功能的需求正在迅速增长。Renesas Electronics RZ/V系列微处理器（MPU）搭载了其独有的图像处理AI加速器——DRP-AI（DRP：动态可配置处理器），RZ/V2M是该系列的首款产品，它可在嵌入式设备中以超低能耗实现实时AI推理。
此外，RZ/V2M还集成了图像信号处理器（ISP），能以每秒30帧的速度处理4K像素图像。RZ/V2M极大地扩展了AI在嵌入式设备中的应用范围，在智能工厂中，机器人可与人类安全地协同工作。
结语
人工智能具有独立的、智能的管理自身及其应用程序的能力。在过去十几年的技术突破中，几乎没有什么能达到人工智能与工业物联网结合起来对工业部门的影响程度。根据德勤的统计调查与预测，人工智能在中国制造业的应用前景十分广阔，预计2020年应用规模在252.2亿元左右，到2025年将达到2057.6亿元，复合增速在40%以上。通过将人工智能算法集成到工业物联网基础设施中，可以对整个机械设备进行训练并实现自动化，从而实现工厂智能化管理和运行。也许现在我们还不能看到广泛的AI+IIoT应用，相信再过几年，人工智能和物联网在工业领域的应用将会越来越普遍。
