预测性|在碎片化工业场景中,有没有包打天下的AI模型?( 六 )


上文介绍的高炉煤气智能平衡系统是钢铁行业应用工业 AI 的典型项目 , 项目上线后的一年中 , 该山东钢铁企业持续对 AI 技术模型进行研究 , 采用与煤气平衡系统建设类似的方法论 , 深入挖掘生产部门需求 , 在系统上不断丰富功能 , 开发了更多环保指标监测、加热工艺分析的可视化工具 , 为各工序主操提供全方位的用气决策辅助 。 以煤气平衡系统为代表 , 数字化智能化生产的理念在该企业逐渐生根发芽 。
工业智能平台的优势就是随着项目的增多 , 平台上积累的模型就会逐渐丰富 , 而这些模型就是工业智能应用中最宝贵的知识资产 。 随着针对通用设备的模型和算法不断积累 , 在每个碎片化场景中都能找到可以迁移复用的模型 , 平台也就更加通用 , 适应于更广泛的场景 , 最终根本性的解决碎片化问题 , 「今天看到的碎片化问题 , 将来一定没有这么多碎片化 。 」

预测性|在碎片化工业场景中,有没有包打天下的AI模型?
文章图片

目前 , 天泽智云的大多数工业智能项目 , 一期工程只需要 4-6 个人的小团队 , 在 4 个月的时间内就能把一个从零开始的工业智能项目完全落地到企业中 。
「虽然我们现在每天都会面对新的场景 , 但只要结合行业经验 , 把对的数据采集好 , 用我们沉淀的行业经验和算法模型去落地 , 很快就能看到效果 。 」孙昕说 , 与用户合作过程中 , 优先制定清晰的合作框架 , 确定要解决的问题 。 通常 AI 项目上线一年创造的价值 , 就能帮客户收回一期投入的成本 。
工业 AI 虽然不像传统 C 端业务那样高速增长 , 但贵在稳定 , 且随着技术的逐渐成熟 , 应用的不断推广 , 市场将会越来越大 。 风电行业的后运维市场规模就超过了 300 亿 , 目前的年复合增长率是 25% , 钢铁行业的能耗每年有 600 亿市场 , 化工也是几百亿 。
「我认为坚定走工业 AI 这条路是没有错的 。 」自 2017 年以来 , 天泽智云的年平均增长接近 100% , 对于工业 AI 市场的未来 , 孙昕很乐观 。

推荐阅读