IDC董宝元
人工智能与工业互联网的结合是大势所趋，现在只是刚刚开始。
工业上也有IT技术，包括传感器、执行器、监控与数据获取系统SCADA、制造执行系统MES、可编程逻辑控制器PLC。工业上OT技术包括材料、机器、方法、测量、维护、管理、模型，这两者需要结合，否则工业互联网还是“两张皮”。
人工智能AI与工业互联网IIoT、大数据分析、云计算和信息物理系统的集成将使工业以灵活、高效和节能的方式运作。工业人工智能中需要融合数据技术（DT）、分析技术（AT）、平台技术（PT）和运营技术（OT）等技术。
工业领域主要以企业私有数据库为主，规模有限，要实现人工智能与制造业的深度融合，就必须要在制造业领域加强数据获取与整合，企业必须切实做到数字化转型，大力发展工业互联网。
调查显示，人工智能在工业领域的渗透明显较慢。
根据中国信通院2018年9月发布的报告，在各类垂直行业中，人工智能渗透较高的领域包括医疗健康、金融、商业、教育和安防等。其中，医疗健康领域占比居前，达22%；金融和智能商业领域占比分别为14%和11%。但在制造业和工业领域，却面临着融合不足的挑战。
人工智能在工业落地之所以缓慢，一方面因为相比于数据算法的迭代，硬件升级创新相对周期较长，从而导致滞后。另一方面，工业中应用人工智能要格外小心，因为工业中使用的人工智能与消费领域的人工智能有本质区别。
工业人工智能是一门严谨的系统科学，它专注于开发、验证和部署各种不同的机器学习算法，以实现具备可持续性能的工业应用。因此人工智能应用于工业，必须根据制造业的具体场景进行定制，简单照搬模板化的人工智能解决方案并不可行。
安防智库
工业互联网这个题目很大，包括的内容比较多。不同的人理解也不一样。
这里说一下工业互联网的一个应用模型：柔性供应链，以及柔性供应链和人工智能的关系。
柔性供应链
柔性供应链，实际上是对现有固化供应链的一种升级。
现有的工业工业链，是通过固化的模式运行的：
- 预计销售规模
- 预计生产规模
- 订购原材料
- 安排生产计划
- 生产
- 出库交付
虽然计划也会随着实际市场需求进行调整，但调整的频率和深度，都是非常有限的。
这有两方面原因：
1、对市场的预测不准确，预测周期过长
2、生产的预测不准确，生产周期过长
那么柔性供应链，就要优化这两个问题。
在市场预测方面，传统是通过人工报表形式来进行的。传递效率慢、预测精度低、数据维度少。
人工智能
这时，人工智能技术可以对市场预测进行优化。
现有的方式是建立大数据仓库。将所有可以搜集到的，可能影响市场需求的数据因子，全部考虑在内。
然后设计预测模型和不断拟合优化。
人工智能技术，可以处理远超人工的数据集合和关系。理论上可以更加精准的产生市场预测模型数据。
当预测模型数据产生，并且验证有效后，就可以引导后期的生产更加符合市场的需求。
同理，生产的预测和生产工序本身，也可以建立数据模型。结合不同生产地区、生产节点、生产损耗等数据，帮助人们设计更加低成本高效率的生产模型，并且应用在实际的生产场景中。
智汇元
一、智能化的使命
工业化的使命：让生产与运输成本变得可控，持续下降。
智能化的使命：让渠道成本变得可控，持续下降。
二、工业化面前的黑龙，渠道成本失控
三、两个世界，两个渠道
传统渠道：生产者提供基础设施。
智能化渠道：消费者与用户提供基础设施，智能手机、电脑是零成本的基础设施。
三、群体开放式创新由消费者驱动
消费者通过休闲时间完成集结，把自己的智能手机变成整个社会的、公共的、股权共享的基础设施，
渠道的源头成本会清零，衍生成本会不断下降，变得可控。
四、消费者控股智能软件和机器的三部曲
1、新渠道；2、新智能运输与出行体系；3、智能化生产体系。
在消费者主导的新渠道之上，
汇聚的消费款（100%）=投资款=智能机器的所有权+智能机器提供的产品与服务=股权（100%）+提货权（100%）。
传统市场，消费者消费只获得产品与服务，因此，我们可以把增量部分先分掉，变为建设新渠道的动力。
