月份：2021年9月

在物联网中，智能设备和机器通过网络进行连接。例如，在智能工厂中，可以使用人工智能技术等工具在流程的各个节点收集数据，并控制和优化流程。

目前物联网智能解决方案已成功应用于多个领域，如消费类产品、医疗、农业综合企业、智能家居、零售、工业4.0和工业物联网(IIoT)等，其中，我们的工业相机是智能物联网中重要的组件和产品，主要用于及时精准地收集图像数据，便于后端软件算法实时处理这些数据，为您的应用增加价值。

无处不在的物联网

智能工厂正在推行基于AI的“零缺陷生产”技术，并且使用“预防性维护”来进一步减少停机时间。在物流流程中，物联网解决方案也可以提高效率并缩短交货时间。新的智能家居应用正在通过网络互联来深度融入我们的私人生活；医疗领域的新型诊断技术正在不断增加；同时更高的自动化水平也可以帮助减少农业领域的资源耗用。

多项先进技术推动物联网飞速发展

现在，越来越多的芯片和相机为一系列的物联网和工业物联网应用提供了大量数据。自学能力以及模块化长期自主地发挥着重要作用。为了实现让物联网变得更智能、更高效、更灵活的目标，后续的技术重点在于如何快速有效地对收集的数据进行实时分析：即通过边缘计算和5G技术缩短延迟。现在，工业人工智能(AI)和新的机器学习(ML)算法为提高生产效率迈出了一大步，实现了新的商业模式和应用。

当今时代，AI不只仅存在于科幻小说中，而是成为互联世界和“工业4.0”中真实且重要的组成部分。现代的边缘计算解决方案可支持在数据收集点直接进行数据分析。与此同时，5G技术正在加快数据传输，减少延迟，并加快实时数据交换。借助OPC UA，关于机器之间通信的统一通信协议也正在进入应用场景。云解决方案有助于存储数据乃至在评估数据时提供各类应用和机器学习（ML）模型。

计算机视觉在物联网中的挑战和发展机遇

计算机视觉技术在物联网应用中的现状

■ 带宽有限；“传统的”图像处理

■ 对资源和能源要求高

■ 高延迟

■ 无通信标准

■ 存在安全漏洞

未来的物联网与计算机视觉技术

■ 通过高性能的边缘计算技术来减少数据量

■ 通过新技术提高能源效率

■ 通过深度学习/AI快速评估图像，借助5G技术降低延迟

■ 通信标准：适用于计算机视觉的OPC UA

■ 通过更具经济效益的数据交换技术来提高安全性

历史表明,网络安全威胁随着新的技术进步而增加。关系数据库带来了SQL注入攻击,Web脚本编程语言助长了跨站点脚本攻击,物联网设备开辟了创建僵尸网络的新方法。

而互联网打开了潘多拉盒子的数字安全弊病,社交媒体创造了通过微目标内容分发来操纵人们的新方法,并且更容易收到网络钓鱼攻击的信息,比特币使得加密Ransomware勒索软件攻击成为可能。

近年来网络安全事件不断曝光,新型攻击手段层出不穷,安全漏洞和恶意软件数量更是不断增长。2019年VulnDB和CVE收录的安全漏洞均超过了15000条,平均每月高达1200条以上,2019年CNCERT全年捕获计算机恶意程序样本数量超过6200万个,日均传播次数达824万余次,涉及计算机恶意程序家族66万余个。

根据研究集团IDC的数据,到2025年联网设备的数量预计将增长到420亿台;有鉴于此,社会正在进入“超数据”时代。于是,在数据算法大行其道,人工智能方兴未艾的今天,我们也迎来了新一轮安全威胁。

先想象一个超现实场景:未来的恐怖袭击是一场不需要炸弹、铀或者生化武器的袭击,想要完成一场恐怖袭击,恐怖分子们只需要一些胶布和一双健步鞋,通过把一小块胶布粘贴到十字路口的交通信号灯上,恐怖分子就可以让自动驾驶汽车将红灯识别为绿灯,从而造成交通事故。

要了解人工智能的独特攻击,需要先理解人工智能领域的深度学习,深度学习是机器学习的一个子集,其中,软件通过检查和比较大量数据来创建自己的逻辑,机器学习已存在很长时间,但深度学习在过去几年才开始流行。

人工神经网络是深度学习算法的基础结构,大致模仿人类大脑的物理结构。与传统的软件开发方法相反,传统软件开发需要程序员编写定义应用程序行为的规则,而神经网络则通过阅读大量示例创建自己的行为规则。

当你为神经网络提供训练样例时,它会通过人工神经元层运行它,然后调整它们的内部参数,以便能够对具有相似属性的未来数据进行分类。这对于手动编码软件来说是非常困难的,但神经网络却非常有用。

但由于神经网络过分依赖数据,从而引导了神经网络的犯错,一些错误对人类来说似乎是完全不合逻辑甚至是愚蠢的,人工智能也由此变成了人工智障。例如,2018年英国大都会警察局用来检测和标记虐待儿童图片的人工智能软件就错误地将沙丘图片标记为裸体。

当这些错误伴随着神经网络而存在,人工智能算法带来的引以为傲的“深度学习方式”,就成了敌人得以攻击和操控它们的途径。于是,在我们看来仅仅是被轻微污损的红灯信号,对于人工智能系统而言则可能已经变成了绿灯,这也被称为人工智能的对抗性攻击,即引导了神经网络产生非理性错误的输入,强调了深度学习和人类思维的功能的根本差异。

此外,对抗性攻击还可以欺骗GPS误导船只、误导自动驾驶车辆、修改人工智能驱动的导弹目标等,对抗攻击对人工智能系统在关键领域的应用已经构成了真正的威胁。

根据今年7月在法兰克福发布的工业机器人市场数据显示，中国连续八年来保持全球最大的市场，也是增速最快的市场，2018年的1/4，就是占据25%左右，然后到2019年的1/3，今年占到44%，中国市场占到全球市场实际规模越来越大。

随着工业机器人的发展，中国机器人由小众产品和行业成长为资本市场里一条较为粗壮分支，工业机器人发展之路势不可挡。

提及工业机器人，就不得不提富士康早年提出的“百万机器人”计划。

在2011年，郭台铭就曾公开的表示：到2014年，富士康要装配100万台机械手臂，在五到十年内完成首批自动化的工厂。

可当时的技术背景下，机器人的精准度与稳定性还不足以让机器人可以完全的替代人工操作，2014年时，富士康工厂内很多复杂工序仍需人工操作，富士康的“百万机器人计划”最后没能如期完成。

实际上，尽管富士康的“百万机器人”计划暂时失败，但富士康在整个工厂的自动化上做的十分出色，已经成功改造了多家“黑灯工厂”。以深圳的“黑灯工厂”为例，单条生产线减员接近90%，但生产效率却提升了30%，库存周期降低15%。其中，产能提升18%，人力耗用减少84%，实现每百万营收制造费用降低11%，管理费用降低8%。

对此，我们不难看出，工业自动化有着高生产率、高质量、信息准确性高、高安全性等优点，可以解决企业用工成本高，企业利润低，在市场上很难有竞争力的问题。

那，如今“百万机器人”计划能否实现？

纵观我国工业制造业现状，不难发现，我国正在进行劳动密集产业转移。同时，富士康也在进行产业转移，仅2020年末，富士康便在越南投入15亿美元。

既然自动化如此实惠，那么劳动密集产业转移是为了什么？仅仅是为了保护环境吗？

实则不然，更多的是为了那边的廉价劳动力。

部署全自动化生产线不是可以帮助企业降本增效吗？为什么还需要人工作业呢？

全自动化生产线初始成本高昂

苹果在 2014 年推出 12 寸 MacBook 时试图打造一套全自动化的生产线，为此它在中国的代工厂投入了数百万美元资金，然而理想与现实的差距让人感叹，因为流程不规则、机器人故障，生产线一直处于拥堵的状态，初始投入使用的一年内还一直需要人工干预才能保证生产。这直接导致了苹果发布 MacBook 延迟了六个月，用机器人代替工人剩下的钱远远不及额外的花费。

由此可见，对于任何一个企业而言，搭建一套完整的全工业机器人生产线所带来的成本是巨大的。

这让很多企业难以承担如此高昂的初始成本。

除了金钱的成本之外，还需要投入人才、技术和时间的成本。

实际上，一条完整的全工业机器人生产线它所能做的事情比我们想象中的还要少。

工业机器人并不能代替人工进行复杂且多变的工艺。对于一个企业而言，每条生产线的需求都不尽相同，在产品更新换代之后，需要重新搭建一条新的生产线的可能性极高。

而这不是在控制中心进行代码更迭如此简单的事情，更多地情况是：为了制造一个构件，企业需要去给生产线上的每台机器人更换零部件甚至需要重新设计一个机器人。

举个例子来说，当一条生产线需要更换生产产品时，人工往往只需要耗费半天时间来进行培训即可，可对于一条全自动生产线而言，则需要研发人员耗费大量的时间进行机器设计、更换、装配以及测试。对于企业而言，时间成本往往比资金成本更重要。

由此可见，自动化实施的全方面部署并不是一个单向的提升过程，而是一个产业方向的全面提升。

行业具有周期性，产品迭代速度过快

像是3C行业，自动化改造难点在于产品生命周期较短，技术更新快，产品以多批次、小批量为主，且自动化生产线的柔性不如传统流水线，一旦产品更新换代，自动化生产线就需要重新规划布局。

部分行业具有特殊属性

像是水泥企业，全面进行“机器换人”就有违其具有社会属性的行业定位。不少水泥企业被当地招商引资进入本地时，解决当地就业是一个重要的因素。这让部分企业在进行全自动化替换时很难实行落地。

当然企业作为社会经济的主体，抛开盈利空谈社会责任不是长久之策。从实际来看，机器效率普遍高于人力，在相应的岗位上取代也是合理的。

生产中采纳成本更低的方案本身就是社会的进步，社会没必要支持落后生产力，“机器换人”可谓是社会发展的必然现象。

但目前我国80%以上的企业还是把机器人作为低端机械设备和机械装备研发，没有真正把智能、网联和数据作为机器人开发，低技术、低品质、低价格、低端应用的“四低”是我国大方向上的整体态势。

尽管机器人一直在向灵活性、灵巧性方向发展，但目前我国机器人厂商在研发工业机器人时更多的仍是工业机械臂，这导致工业机器人的灵活性仍是一块短板。

而即便机器人已经相当智能，结合上文所述情况，也很难做到机器人全面代替人工。

甚至，我们可以说的绝对一点，机器人全面代替人工是一个伪命题，根本就不会有这样的事实存在，人作为一种生产主导元素将永远的存在下去。

据外媒报道，如果我们要过渡到一个由可再生能源驱动的世界，高效的长距离电力运输是至关重要的，因为可再生能源的供应–如风力和太阳能发电厂以及水力发电大坝–往往位于远离城市的地方，而城市才是需求大的地方。高压直流电(HVDC)电缆是有效的长距离传输电力的手段。

带有保温层的HVDC电缆可以埋在地下或铺设在海床上，这可以大大扩展网络，目前许多项目正在进行中，连接世界各地。如在欧洲，NordLink项目将连接挪威南部和德国，HVDC电缆项目是能源转型(energiewende)的重要组成部分，德国的总体计划是转向更环保的可持续能源供应。

“对于我们来说，为了应对全球快速增长的电力需求，高效和安全的HVDC电缆是不可少的组成部分。可再生能源的供应可能会波动，因此能通过长途网络传输电力是确保稳定可靠配电的必要条件，”该研究的领导者、查尔默斯理工大学化学和化学工程系教授Christian Müller说道。

在运输过程中，应尽可能少的能量损失。降低传输损耗的一种方法是增加直流电压水平。

“然而传输电压的增加会对HVDC电缆的绝缘产生不利影响，”Chalmers理工大学电气工程系的研究专家Xiangdong Xu说道，“如果绝缘材料的导电性得到充分降低，则就可以处理由此产生的更高的电场应力。”

现在，研究人员提出了一种降低绝缘材料导电性的新方法。

这种材料可以使电缆的导电性降低三倍

这种新材料的基础是聚乙烯，它已经被用于现有高压直流电缆的绝缘。现在，通过加入非常少量的–百万分之五–的共轭聚合物聚poly(3-hexylthiophene)，研究人员能将电导率降低三倍。

这种添加剂也被称为P3HT，是一种被广泛研究的材料，考虑到所需的微量，这为制造商开辟了新的可能性。其他可能被用来降低电导率的物质是各种金属氧化物和其他聚烯烃的纳米颗粒，但这些物质需要的数量要高得多。

“在材料科学方面，我们努力使用尽可能少的添加剂以提高它们在工业上的使用潜力和更好的回收潜力。事实上，只需要非常少量的添加剂就可以达到这种效果，这是一个很大的优势，”Christian Müller说道。

这一发现可能会促进一个新的研究领域

共轭聚合物如P3HT过去已经被用于设计柔性和印刷电子产品。然而这是它们第一次被用作添加剂来修改商品塑料的性能。因此，研究人员相信，他们的发现可能会带来许多新的应用和研究方向。

Christian Müller说道：“我们希望这项研究能真正开辟一个新的研究领域、激励其他研究人员考虑设计和优化具有先进电性能的塑料以用于能量传输和存储应用。”

与有线或以前的无线设施相比，支持5G的工厂将有能力维持更多传感器的连接。

随着5G进入世界，网络运营商和制造商都表示，发挥其潜力只是时间问题。制造商尤其对新兴标准提供的增强的机器对机器功能持乐观态度。

这是今年早些时候Heavy Read与Wind River联合发布的一项针对141家网络运营商和企业的调查结果。企业受访者认为LTE或Wi-Fi无法满足他们当前的工业需求，只有12%的受访者对LTE的性能表示满意，2%的受访者认为Wi-Fi是一种有效的通信协议。显然，人们认为5G更适合工业应用。超过四分之一(28%)的人认为5G的性能优势“将迫使其使用”工业网络需要无线的地方。与此同时，他们对5G技术持观望态度。58%的大多数人表示，5G所声称的理论优势仍“需要在实践中得到证明”。

5G时代才刚刚开始，”Heavy Reading分析师、该研究的作者加布里埃尔·布朗(Gabriel Brown)表示。大多数运营商受访者预计，到2023年，5G将成为主流移动服务。相当多的企业(36%；40%的消费者)认为这将在今年年底实现。布朗指出:“移动网络架构中的这种新连接使运营商能够提供更高性能的服务——特别是低延迟服务——这在4G上是不可能或不切实际的，也无法从大型、集中的数据中心有效地提供。”

与此同时，正如普华永道最近的一份报告所证实的那样，医疗卫生事件危机可能正在加速企业对5G技术的采用。普华永道的作者报告说：“5G在进一步自动化工厂车间并将新服务融入各种产品方面的独特优势将使其成为后医疗卫生事件时代的必备品。”然而，他们表示，完全实现5G环境的好处可能需要时间。 “尽管5G承诺具有高度的可靠性，但对于任何无线系统来说，工厂车间都是一个众所周知的困难和嘈杂的环境。将5G实施为一个完全封闭的系统是可能的，但这可能意味着失去通过在云中维护关键计算过程而获得的速度和灵活性。”

可能会出现成本问题

普华永道警告说，工业5G实施也可能受到网络、传感器和修改基础架构投资所产生的成本的阻碍。

普华永道的作者继续说，这一成本需要通过5G实现的生产力提升来抵消，这可以通过仔细规划来实现。 “当集成到工厂解决方案中时，5G更快的速度、更低的延迟和更大的带宽理论上应该使公司能够增加他们的工厂；通过最大限度地减少维护所需的停机时间并加快对生产线的更改。与供应链的更大整合将减少补充零件干预措施的延误。”

Heavy Reading调查涵盖了企业中的汽车和工业部门，反映了5G推出的乐观计划。在汽车行业的受访者中，领先于互联互通的举措包括车载信息技术、导航和信息娱乐，以及驾驶自动化和大规模电气化的进展。当被问及哪种“车对一切”(vehicle-to-everything，C-V2X)应用将主导部署时，车对网络(vehicle-to-networks，简称C-V2X)应用以56%的比例领先。排在第二位的是车辆到基础设施的比例，为36%。车辆对车辆(V2V)得分几乎同样高，为35%。然而，大多数人(64%)并不认为5G对自动驾驶至关重要。

在各行各业的受访者中，大多数人认为嵌入式监控对基础设施的重要性大于对应用程序本身的重要性，也大于对获取业务洞察力的重要性。嵌入式监控最重要的用途是边缘云基础设施的“安全”，大多数(56%)受访者认为这是“极其重要的”。其次是“性能”(44%)，其次是“业务洞察力”(33%)和“应用分析”(19%)。布朗表示，认为5G在直接业务改进中有价值的比例相对较低，“意味着受访者将在应用程序和业务洞察层拥有另一种专用工具。”“然而，这些仍然很重要，而且响应并不排除边缘基础设施监控可以将数据提供给这些工具，并有助于业务洞察。”

普华永道的研究人员对5G的推出将对工业运营产生重大影响持乐观态度。”通过消除有线连接的需要，5G将以更大的灵活性补充高速制造环境。而5G功能工厂的丰富性，将有能力维护比有线或以前无线设施多得多的传感器连接，提供了连接任何东西的潜力。”

经常和企业打交道，总能听到各种各样的故事。有些在谈笑过后，难免让人心生感慨。今天我们要和大家分享的故事，源自一家大型企业。

任务：降能耗

今年7月，gongkong®️应邀赴某企业交流学习“智能制造”和“精益生产”。在会后的交流环节，公司精益部的陈工无意中谈起了这么一件事……

该企业的厂区是近几年新建的，生产线和设备全部采购自世界500强企业。在进行设备选型时，便充分考虑到了未来一段时间内设备的先进性和稳定性。

企业的能源主要来自于煤炭，是当地的高耗能企业，每年的煤炭支出更是一个以“亿元”计量的天文数字。但是即便采用了清一色的世界名牌产品，煤炭消耗仍然居高不下。

为了进一步降低企业能耗，实现节能管理，陈工所在的精益部便接到了一个重要任务：寻找合适的能源管理供应商，把能耗降下来。

叫停：能源管理难！

作为不差钱的甲方，既然设备和控制系统都是世界大厂产品，能源管理供应商也必须是同一水平。

但是“理想很美好，现实太骨感”。

首先，该企业找到了业内著名的能源管理A公司，考察之后，双方很快就签订合同，项目分两期执行，周期一年。

按计划，如果能源管理一切顺利，那么后续的数字化工厂改造升级也会交给他们。一切都在朝着既定目标稳步前行，但在方案落地时，问题出现了。

不知是事先太乐观了，还是在高耗能行业的knowhow比较少。虽然A公司派了一个小组常驻，但6个月过去了，一期还没有完成，先进的技术也不能完全落地，困难一个接着一个，直到双方对二期项目都没了信心。

有鉴于此，他们及时叫停了二期工程，只让A公司完成一期（数据采集和分析）就好。

今年上半年，他们又与业内另一家头部企业D公司签订了数字化工厂改造协议。D公司一直宣传数字化转型的一个标志就是能耗管理，但是D公司却放弃了该企业的能源管理业务。

听了他们的小故事，我们也感到非常吃惊。这两家公司在业内赫赫有名，软硬件通吃，如果连他们都不敢接，其他公司还有机会吗？这里面到底出了什么问题呢？

不擅长、不了解、不达标

国内制造业整体水平在国际产业分工中还处于中游偏下的位置，国内的节能产业大多还停留在“设备节能”，特别是设备改造节能的水平。

A、D公司都是以硬件见长，软件为辅。可是这家公司的设备已经使用的都是国际领先的了，改造设备之路不可行，只能通过工艺流程和行为管理的挖潜达到节省能源的目的，而这可能并不是A、D公司所擅长的领域。

既然A、D公司干不了，他们就把目光转到专业做能源管理和工业互联网的公司。有的公司在官宣资料上说能够为企业节约30%的能源消耗，但深度接触后，也只能是“一声叹息”。

陈工说，他们的要求并不高，初期只要有1%的节约就可以。但有的公司甚至不谈具体需求，上来先问“有没有政府补贴”。还有的虽然说得天花乱坠，有“多少个成功案例”，但谈到有1%的KPI硬核指标时，便顾左右而言他。

当下，“能源管理”已经成为工业互联网功能中的一部分，甚至有了一个更高大上的名字“全生命周期管理”。所有涉足工业互联网的公司，无一例外都会谈谈能源管理，而且涉足多个行业，可以说是“没有不懂的行业，没有做不成的事”。

如上图所示，这是一个主做工业互联网的公司所涉足的行业。可以看到他所提供的行业解决方案非常广泛。但这家公司是从3C企业孵化出来的，你能相信他们会有“飞机”、“钢铁”、“石化”等领域的知识吗？具备很强行业属性的“工业互联网”如何做？

微信图片_20210906170559.png

再来看这张截图，这是一家从工程机械领域孵化出来的工业互联网公司的广告语，如果你是企业老板，会放心地交给他们去做“工业互联网”吗？

说到这里，不禁想起来前几年的MES热，当时国家在全力推动企业的数字化转型，也投入大量资金支持。人人谈MES，家家都关注，催生了MES的虚火。有的企业甚至没有对内部的需求做好调查，就仓促上马，结果可想而知。项目完成之后也就成了摆设。

例如，一家公司投资2000万上的MES系统，只在有客户谈业务和领导视察时使用，墙上的大屏幕不断闪烁的数字，科技感十足，但对企业的帮助呢？几乎为零。

点评

针对这个真实的案例，我们特别邀请了“学习华为三部曲”作者、华为原中国区规划咨询总监——邓斌先生，谈谈他的看法。

本案例深刻勾勒出一个见怪不怪的现象——一旦某个热门话题兴起，业界瞬间冒出“行业解决方案”玩家，而且这些玩家绝大多数不是该行业的从业人士在担纲，却叫嚣着“所有的生意都值得重做一遍”。

用跨界思维来拯救这个行业？言下之意是这个被拯救的行业原有的从业者智商都太低了？但几年之后，潮退了，收拾残局的却还是原来的那群从业者，让人感慨不已。

华为是一家持续拥抱新事物的企业，但其当家人任正非有一句著名的论断：“大建议，只鼓励；小改进，大奖励”。

任何行业都有knowhow，只有摸着石头过河的人，才会越来越敬畏。我们所面对的不是PPT上的工业互联网，而是车间里的工业互联网，哪怕能耗节约1%，都是要付出极度艰辛的努力，遑论打造20个行业级平台、赋能81个工业细分领域的跨行业跨领域。

to B生意和to C生意截然不同，客户不是向我们买一瓶饮料，每一次变革和改进，客户需要搭上非常多的隐性成本，包括拥抱新技术的信心、把握战略机会的时间窗、因变革而影响原有业务的平滑度等等。客户如此重托，我们唯有战战兢兢，求真求实，敬畏行业，敬畏客户，敬畏专业。

——邓斌

在文章结束时，那家公司依然在寻找能源管理供应商。而那些做工业互联网和能源管理公司的网站上，也用大大的Slogan告诉我们，“只有你想不到，没有我们做不到的”。