5G

AIOT:踏上万亿市场的征途

在2019华映资本x36氪未来大会上,天云大数据、源清慧虹、优微科技三家5G时代下的技术创业公司创始人,进行了一场以《AIOT:踏上万亿市场的征途》为主题的圆桌对话。

2019年06月27日
  • 5G
  • 物联网

在2019华映资本x36氪未来大会上,天云大数据、源清慧虹、优微科技三家5G时代下的技术创业公司创始人,进行了一场以《AIOT:踏上万亿市场的征途》为主题的圆桌对话。从芯片科技、设备监测,到促进BI模式—AI模式的转变,让我们一窥AIOT的未来。

爱分析合伙人兼首席分析师李喆受邀担任圆桌对话的主持人。

李喆 爱分析合伙人

李喆 爱分析合伙人(主持)

雷涛 天云大数据CEO

吴猛 源清慧虹CTO

滕敏堂 优微科技联合创始人

从数据、物联网到边缘计算, 5G影响什么?

李喆:5G成熟、商业化,势必会使数据传输、设备上云/上物联网以及平台连接产生新的场景。从各自业务的出发,各位对5G新趋势有什么看法?5G成熟后会为公司带来哪些新机会?

雷涛 天云大数据CEO

雷涛:生产资料的核心是产生数字资源,数字资源在商业模式的催生上有三个趋势:

第一,IOE时代的核心,加工的数据还是流程的副产品,诞生了大体量的IBM、Oracle等;

第二,人产生的数据,BAT时代,Google、Facebook等出现;

第三,今天的5G时代,万物互联以后,会产生新时代的标志,也就是机器产生数据、人的行为产生数据、知识产生数据等,巨大的红利时代开启。

这是从数据的角度认知到的5G的价值。

吴猛:5G我可以理解为管道变粗的过程,低时延、低功耗、高带宽、高覆盖等。物联网在讲边缘计算和边缘智能,还有AI的云端的智能,之间相连就是靠这个管道,4G已经能够解决相应问题,但是5G会让这个管道更粗、更快。

对于物联网,我觉得5G会支持更高端海量的铺设,产生更高量的数据,数据处理以及如何和专业领域的知识结合在一起形成应用是值得思考的。但是5G也不是万能的,对于无线传感领域来说,制约它的是信号传输的速度和功耗。

滕敏堂:5G带来了大链接和高速率,能够激活物联网65%的新市场。物联网已经存在很长的时间了,最重要的瓶颈是链接,而传统的链接是基于固网或者是Wifi、蓝牙或者是2G、3G、4G。导致物联网的应用非常受限。5G可以很好地解决这个问题,以NB-IOT和Lora为代表的低功耗管网技术,使我们真正进入千亿级的市场。

从芯片的角度看,巨量链接数的接入,会使终端云端数的处理产生瓶颈,催生了另外一个技术方向,边缘计算。边缘计算必须在性能和成本之间做到平衡,这是我们的发力方向,在物联网的细分市场做尝试。

抽象VS个性, 数据中台与厚云薄端  

李喆:数据中台的概念现在人人都提。从三位的角度,怎样看待传统企业是否该搭建数据中台,以及数据中台怎样驱动企业的数据增长?

雷涛:中台概念源自美军,十几个游击兵碰到敌方大部队的时候依然可以战胜,是因为强大的中台作支撑,后面有远程控制,有炮火、无人机等。这涉及到边缘计算能否替代厚云薄端。中台的概念更强调怎样快速地支撑多样的、高并发的服务。

对于传统的中台,阿里提的是大概念。从发生了什么,到为什么会发生,到将会发生什么,到最好发生什么,我们看到新的商业流程可以在一个数据中台中被完整地构建出来。核心就是厚云薄端,更多智能集中在中台里,快速迭代前端的应用。

吴猛 源清慧虹CTO

吴猛:数据中台本质上是抽象,前端包括各种灵活的场景,我们将一些共性的东西抽象到后台,以炮火支援的形式,快速地应对各种前端面临的各种问题。

面临这种类似的需求场景,抽象几乎是必然的,即系统级的解决方案。中台上也会连接各种的SaaS,或者说行业应用。每个行业都要采集和处理数据,但是它们有各自的不同逻辑。那么我们把一些个性化的部分往前端推,而将共性的部分沉淀下来,变成数据中台。

滕敏堂:我理解的数据中台,是将数据进行标准化、格式化,变成能被设备或者是计算机正确识别的数据。物联网会带给我们海量数据,而实际上真正有用的数据非常少,重要原因是数据的差异性,即数据的格式、来源、定义不一致。如果真正使数据能够做到标准化和一致,云端就可以利用和识别更多的数据,减少数据垃圾。

AIOT无限应用, BI向AI进发

李喆:目前芯片在国内是一片红海,请问滕总,前端芯片怎样切入市场,以及未来的规划是怎样的?

滕敏堂 优微科技联合创始人

滕敏堂:目前我们做的主要是在前端(边缘)的芯片,第一代产品从USB快充这个应用领域切入。我们不可能去做一个通用的CPU,那是巨头的天下。物联网领域目前选择的切入点是传感器市场,把一些传感器硬件的逻辑做到芯片里。

一个典型的应用,就是传统水电表的改造。目前传统抄表的一种改造方式就是照相,通过照片图像传到中心,由人员或计算机去识别。但如果前端芯片集成OCR算法,就可以直接识别数字、字母,极大地减少数据传输量。

另外一个未来方向,是机器故障的预监控,这也是基于国家的工业4.0战略。通过前端的传感器采集震动信息,传统做法是把巨量的信息传输到中心,从中提取出频谱信息,然后比较频率,看看机器是否存在潜在的问题。如果我们能把傅里叶算法集成到芯片里,就能本地直接采集、处理频谱信息,极大地减少数据流量。

李喆:源清慧虹去年完成了泸州隧桥群的项目,过程中主要面临哪些方面的挑战?未来还有类似的规划吗?

吴猛:泸州是四川的地级市,有3-4k的节点数。我们在三个月的时间内把测点部署好,成功联网并将数据读取然后应用。

整套体系达到了规模化应用的程度。未来,重点一是优化传感器方案,二是优化无线传输方案,三是要进入其他行业,比如说新能源、轨道交通行业等。除此以外我们还有新能源、风电和轨道交通行业的应用,有一些是很蓝的蓝海,比如说古建筑、木塔、水电大坝。各行各业的需求比较差异化,这对我们来说也是一个挑战。

李喆:雷总怎么看从BI到AI的趋势,未来BI市场会逐步消亡吗?

雷涛:BI向AI升级是大的方向,但BI不会被淘汰,整个企业运营包括前、后端,后端还是需要统计级的指标,前端精准化推荐由AI端提供。在这个过程里,AI扮演执行的角色,BI是洞察的角色。

就像老电影《摩登时代》里,卓别林所扮演的机械工人就像BI时代的状态,不断地在生产线上拧螺丝,他看到的是洞察,他做了动作,他不知道生产线背后生产的是牙膏还是玩具,但是在AI时代,用机器人来替代拧螺丝的卓别林,整个算法是人设计,但是结果是机器控制。这是从洞察到执行,对于企业而言,这是巨大的商业超车的路径。

AIOT时代, 这些领域乘风而起

李喆:回到我们的落脚点AIOT,请各位以一两句话,说说2019年看好AIOT在哪个行业的落地。

雷涛:生产相关的都是重点行业,我们的工作是研究怎样预测地表一万米以下发生了什么,不是通过传感器,而是通过已知传感器标注的数据来预测。这是巨大的生意变化,从生产预测生产收益的变化,也是我们对2019年抱有的最大期待。 

另外还有两个重点,一个是我们和石油大学联合投资的人工智能研究中心,主要研究对能源类物联网数据做大量的智能表达;另一个是跟国家级的研究机构,去做生物医药方面的基因编辑。

吴猛:我们目前专注于基础设施,做得比较多的是交通领域、桥梁隧道等,在近期看好轨道交通。因为中国“基建狂魔”的称号不是白叫的,并且现在有很多新老桥梁有待监测,市场广大。

滕敏堂:目前大部分的AI芯片还是面向后端,或是面向手机、类手机层次。面向前端的AI芯片,尤其是物联网的轻量级AI芯片是空白,所以我们希望向这一方向发展。