查看原文
其他

投入数十亿美元,深度解码 IBM 20 年制造业布局

王金旺 雷锋网 2019-12-13

▲点击上方 雷锋网 关注


最近几年,IBM在制造业的投入越来越多。

 文 | 王金旺 

雷锋网按:2013年,德国汉诺威工业博览会上提出了一个新概念,工业4.0。

随之而来的是,德国预计投资2亿欧元,推动以信息物理系统(CPS)为基础,以生产高度数字化、网络化、机器自组织为标志的工业革命的计划。

没有人会想到,这一在德国提出的概念时隔三年会进入中国并酝酿生根,成洪水猛兽之势。

对于素有世界工厂之称的中国,据国家统计局2018年4月末公布的统计数据显示,全国工业行业规模以上企业数量超过37万家,即使这样的数据,相较上一年同期减少了6000多家。

与此同时,诸多跨国企业再次看到了中国工业市场的巨大空间,以及数字化转型的热情,盯上了中国市场这块“肥肉”。

“未来3年的发展,将会决定未来10年的国家竞争力,把数据驱动的工业互联网当作未来的国家基础设施工程,毫不为过。”IBM大中华区董事长陈黎明曾就工业互联网发展感慨称。

显然,IBM作为当下时代技术输出型服务型企业的头部厂商,也同样意识到了工业互联网带来的机遇。

工业互联网中的IBM


2014年3月31日,美国通用电气(GE)“纠集”了一批美国巨头企业在当地成立了工业互联网产业联盟(IIC),这一联盟最初名单上只有五家企业,除去通用电气自身以外,另外四家是:AT&T、Cisco、IBM、Intel。

其中,IBM作为与Intel同一重量级的互联网企业代表,也被纳入到这张当时只有一张纸条大小的名单中。

在此之前,IBM早期的一项技术发明也为其在工业界安身立命奠定了基础。这项发明就是当下工业界应用广泛的工业传输协议标准之一,MQTT。

1999年,IBM发明了MQTT,可能很多人不知道什么是「消息队列遥测传输」(MQTT的中文名),但是MQTT的通用度甚至不亚于OPC。具体官方给出的定义是,

MQTT协议是为大量计算能力有限,且工作在低带宽、不可靠网络下的远程传感器和控制设备通讯而设计的即时通讯协议。

随后,2013年,结构化信息标准促进组织OASIS成立了MQTT技术规范委员会;2014年,MQTT正式成为OASIS推荐的物联网信息传输协议标准。

而IBM真正对外宣称在物联网、工业互联网领域集中布局,其实是在两年后。

2015年3月,IBM宣布成立物联网事业部(IBM Watson IoT)。这个时间点比英特尔将嵌入式事业部更换为物联网事业部的时间点晚了两年,但这时的物联网仍处于萌芽阶段,尤其对于工业互联网而言,真正的战役还远未开始,尽管大战前夜的较量已经暗波涌动。

成立物联网事业部同时,IBM还对外宣称:在接下来4年将投入30亿美元用于该领域研究,包括投入超过2000名研究员、软件开发者和咨询师服务于这一项目。要知道,德国的工业4.0计划最初提出时预计投资也只是2亿欧元(以现在的汇率折算约为2.2亿美元)。

尽管IBM物联网事业部成立于2015年,但其主要产品Bluemix云平台其实早在两年前(2013年6月)就已经开始部署。2014年,IBM再砸10亿美元用于进一步提升这一基于Cloud Foundry的云计算平台Bluemix的能力。这一平台对IBM的重要性,以及IBM对物联网这一新兴技术的关注度也显而易见。

就IBM Bluemix而言,如果追根溯源的话,倒是与西门子的MindSphere、GE的Predix同样都基于当时号称业界第一个PaaS开源架构的Cloud Foundry。

平台部署一:IBM Bluemix进化史


论及IBM Bluemix,其实从2013年提出到2017年之间,一共经历过两次比较大的业务整合,最终形成一个集IaaS、PaaS、SaaS能力为一体的综合性云平台。

首先,Bluemix是一个PaaS云(计算)平台(这也是IBM对Bluemix最初的定位),拥有IBM软件能力、第三方服务及开源技术,其中包括120多种工具与服务,横跨大数据、移动应用、Watson、分析、整合、DevOps、安全与物联网等各个领域。

PaaS云平台要提供服务,需要有IaaS层云提供支持。IBM为了支持其Bluemix这一布局,当时出大手笔收购了众多云服务提供商,其中就包括在2013年的一项关键收购案。

2013年6月,IBM以约20亿美元收购了当时排名第五的美国云服务提供商SoftLayer,收购后, SoftLayer与IBM SmartCloud合并形成IBM的一个全球平台新部门。

这一收购对于IBM在云计算、物联网的布局来说有着重大意义,与此同时,SoftLayer作为Bluemix的云服务架构重要支撑之一,基于SoftLayer的云服务模型,IBM开始构建SoftLayer平台上的OpenStack生态圈。而这些都将成为未来Bluemix的核心能力。

2013年12月,IBM再次投入12美金,在全球范围内建设15个新的云服务数据中心(此前SoftLayer原有13处数据中心)。

2014年,IBM收购数据库即服务DBaaS提供商Cloudant,据悉,Cloudant DBaaS平台利用SoftLayer云计算平台创建了一个全球性的数据传输网络。与此同时,IBM将PowerSystem与SoftLayer关联,将PowerSystem作为一个按需的基础架构平台提供给用户;Watson业务也由SoftLayer托管。

这里值得多提一句的是,在此前后,IBM在云计算领域还发起过其他多起收购案,包括:

2012年,IBM以13亿美元收购人力资源软件商Kenexa;

2013年6月,IBM收购网络分析软件开发商Coremetrics;

2013年11月,IBM收购移动设备管理(MDM)解决方案供应商Fiberlink;

2015年,IBM又先后收购了私有云服务商Blue Box、云视频服务商Clearleap。

外加IBM自己构建的企业私有云管理平台解决方案P4 Cloud,模块化云平台PureCloud,用于企业级工作负载优化设计的CMS,以及用于移动部署的Worklight,IBM构建起了自己的云计算帝国。

由此也可见,IBM在云计算领域将自己的触角开始不断深入,通过收购、整合、技术研发等一系列动作在云计算领域持续扩大布局。据IBM财报显示,2016年,IBM云计算业务营收70亿美元,收入占比为7.5%,增幅超过60%。

至于,原本就是为Bluemix提供云服务支持的SoftLayer,随后在2016年10月被IBM并入到Bluemix,也并没有太多业内人士感到惊讶。

至此,Bluemix云平台架构及能力基本成型。该平台以Cloud Foundry、容器服务、微服务、OpenStack四项核心技术提供物联网、区块链、移动开发应用能力。除去提供PaaS层相关能力外,向下延伸,可以提供IaaS能力,诸如提供基于Cloud Foundry的能力部署、基于容器能力部署和基于OpenStack虚拟机能力部署;向上延伸,提供SaaS层能力,包括认知、分析、物联网、安全等方面等方面的服务能力。

值得注意的是,IBM Bluemix进入中国市场要较西门子的MindSphere早四年,早在2015年10月14日,IBM与中国最大的中立IDC服务提供商世纪互联合作,Bluemix云平台也开始在中国落地。

对此,IBM大中华区董事长陈黎明当时表示:“中国正处于数字经济转型的大潮之中,政府推出了‘互联网+’、‘中国制造2025’等一系列战略,将IT科技和产业的发展放到了前所未有的战略高度。‘大众创业、万众创新’的指导方向为广大的创新者、开发者带来广阔的发展空间。

现在看来,显然,IBM再一次预测到了中国物联网及工业互联网发展的大势。

2107年11月,IBM再次对自己云业务进行整合,Bluemix并入IBM Cloud,不过此次的更名只是简单的品牌整合和业务整合,并没有更多改变。当时官方给出的说法是,“我们正将Bluemix品牌与IBM Cloud品牌合二为一,因为它们已成为了同义词。

其实,IBM Bluemix的提出还有另一个时代背景和行业转变。

随着移动互联网时代进一步深化,开源技术、APP、云计算逐渐成为主流趋势,个人开发者成为一股不可忽视的力量。作为以服务世界500强等大型企业及政府机构的IBM对于开发者的态度也开始转变。

“BlueMix是IBM第一次全面性面向开发者,”IBM大中华区云计算事业部战略和合作伙伴发展总经理詹海萍在2015年北京的IBM云计算体验周上总结称。

平台部署二:IBM Watson IoT平台架构


提到IBM在物联网领域的布局,或许更多人知道的是IBM Watson,而非Bluemix。

其中部分原因在于,Watson机器人在2011年在美国危险边缘(Jeopardy)真人秀中以77147分的成绩战胜两位人类选手赢得100万美金,随后一举成名,也使得Watson这一品牌名声远扬。

前文提到,2015年3月,IBM宣布成立物联网事业部,这一事业部正是以Watson命名,IBM Watson IoT。

2016年10月,IBM公开宣布将投资2亿美元在德国慕尼黑设立IBM Watson IoT事业部的新全球总部,这一总部也在5个月后正式投入使用,包括Avnet、BNP Parabis、CapGemini和Tech Mahindra等公司在内的首批入驻企业在此配置开发团队,成立认知联合实验室。

与Bluemix类似,IBM Watson IoT平台的定位也是物联网领域的通用平台,应用范围包括医疗、智慧城市、能源/电力、汽车、电子等领域。

上图为IBM Watson IoT平台的基础架构。这一平台以认知智能著称,主要应用云计算、边缘计算、区块链等技术,在自然语言理解、机器学习、非结构化数据处理等能力上有突破和应用。

与当下众多物联网应用平台类似,IBM Watson IoT平台也是在设备连接层、平台层、应用层、行业解决方案层四层进行布局,可以实现诸如物联网设备的连接、配置和管理,可视化归集整理,认知计算,实时分析,区块链技术应用等能力。

据IBM官方2019年给出的IBM Watson IoT最新应用案例,在与山特维克矿山与岩石技术公司(Sandvik Mining and Rock Technology)合作过程中,通过应用平台的OptiMine® Analytics能力,进行预测性维护、优化、分析和学习地下数千英尺操作的设备情况并与之保持通讯。

此外,据官方信息显示,这一平台也有应用于诸如航空发动机等高价值设备的预测维护。

得注意的是,西门子MindSphere在2016年12月也曾官宣引入IBM Watson Analytics工具和其他工具,以增强其这一工业互联网操作系统的分析能力、数字化整合能力。

人工智能3.0:可信AI


除去在平台侧、业务侧的显而易见布局外,IBM在技术侧、理论侧也在不断部署,以此来为平台构建提供持续迭代升级的支撑体系。

其中,IBM尤其注重AI技术研发和工程应用。

在WAIC 2019上,IBM重点解释了其可信AI的最新进展而这也与中科院院士、清华大学人工智能研究院院长张钹教授提出的“建立可解释、鲁棒性的人工智能理论和方法,发展安全、可靠和可信的第三代人工智能技术”不谋而合。

在此之前,人工智能走过了以「符号推理」为特性的「第一代人工智能」,当下正在盛行的则是以「深度学习」为特性的「第二代人工智能」。

IBM副总裁、大中华区CTO谢东博士介绍称,IBM讲的可信AI主要包括可解释性、稳健性(抗攻击性)、公平性、透明性四方面特性:

可解释性。现在所用的AI算法,特别是以深度神经元为代表的算法,先天就有不可解释性。我们认为AI系统所提供的决策或建议不应该是一个不可解释的黑箱,而应该能够被用户和开发者所分析、理解;

稳健性。现在很多人工智能系统很脆弱,例如人脸识别系统,如果对人脸有部分遮挡,或在某张图片上叠加部分噪声,人脸识别系统将难以准确识别,甚至会识别错误,我们认为AI系统应该安全、可靠,不会被篡改,也不会受被“污染”的训练数据集影响;

公平性。在训练人工智能系统时,可能会由于人类先天的偏见或部分数据缺失导致最终AI算法模型存在偏见,我们认为AI系统应该采用不带偏见的数据集和模型,从而避免对于特定群体的不公平;

透明性。例如,AI系统可以被透明化管理,其开发、部署、维护等可被追踪,能够在生命周期范围内被审核等。

针对于此,IBM对外推出AI Explainability 360、AI Fairness 360、Adversarial Robustness 360三项开源项目,官方就这三项开源项目给出如下注解:

  • AI Explainability 360,IBM在2019年7月发布的一个开源的先进算法集合,它使用一系列技术来解释AI模型决策;

  • AI fairness 360,IBM在2018年8月发布的一个全面的开放源码工具集,包含度量和算法,用于检查和减轻AI中不必要的偏见;

  • Adversarial Robustness 360,IBM在2017年5月开源的用于检测模型及对抗攻击的工具箱,可以帮助开发人员加强AI模型被误导的防御性,让AI系统更加安全。

制造业在数字化转型过程中当下主要面临数据量小、数据质量低的问题,同时对AI算法模型的可解释性有高要求。对此,谢东也就IBM在制造业中的客户应用案例向雷锋网举例:

我们工程师团队在为某客户做质检项目时,通过仪器对金属板扫描,进行缺陷检测。

当我们的工程师团队完成这样的AI算法模型构建后,客户会问,“AI是如何判断出金属板有缺陷的?

我们工程师团队会回答,“我们的AI算法是通过人工智能视觉系统、通过识别图像的特征来判断的。

然后对方再追问,“人工智能系统是发现了什么特征,又是怎么根据这些特征作出判断的呢?

其实我们现在是回答不了这些问题的,而这些问题在真实场景中,尤其制造业中,用户一定是会问的。

为此,IBM主要做了两方面工作:

第一,提供了一些工具(包括前文提到的开源项目),使得算法具有可解释性,以及解决小数据集的训练问题;

第二,提供筛选AI算法及数据集的工具。

与此同时,在制造业中,实际还会存在诸多工程问题。对此,谢东就IBM遇到的实际案例向雷锋网解释:

IBM某一客户在进行工厂数字化改造时为产线安装了摄像头,通过摄像头采集数据进行产品质量检测,然而在实际应用过程中,质量并没有达到要求。后来通过换另外一种类型的摄像头显著提高质检质量。

这实际是一种反向思维。我们在理论研究过程中,通常是研究给了某些数据,如何训练一个高质量(识别率)模型。但在实际工程应用中有时候需要反向思考:为了进行这样一个分析,数据采集系统需要用什么传感器来采集数据。

对于厂商而言,我们为了得到这样的一个AI系统,也许我们可以设计不同的传感器,而这样就属于工程问题。  

方法论:“车库创新”入中国


前文提到,IBM在技术侧,可信AI的技术部署,而在理论侧,IBM此次在WAIC 2019上强调了其IBM Garage(IBM车库创新)方法论。

8月31日,中国首个IBM Garage(IBM车库创新)正式在佛山市三水区挂牌成立。

2014年,IBM在美国旧金山开设第一家IBM Garage,通过使用IBM的各项技术,为全球B端用户提供基于混合云和人工智能的企业数字化转型方案。

据官方数据显示,目前IBM已经为包括ADP、美国航空公司、Hertz、加拿大新斯科舍省政府、上海宝钢包装在内500家的政府和企业提供数字化解决方案。

“在企业级客户市场中,IBM现在可以说是经验和方法论的集大成者。”IBM 大中华区数据与人工智能研发中心总经理朱辉在WAIC 2019上接受媒体采访时表示。

作为百年技术服务型企业,IBM确实在方法论上有自己自豪之处,Garage是IBM为应对当下快速创业、迅速迭代、敏捷修改的时代特点而引入的方法论。

IBM Garage结合快速创业、迅速迭代、敏捷修改的特征及IBM自身的技术形成的方法,其中,朱辉重点强调“利用合适的人员、合适的技术,通过一种全新的工作方式,来与客户进行共同创新。

据朱辉介绍,IBM Garage在帮助企业实现数字化转型过程中主要工作流程包含以下三步:

第一步,进行一个共创未来(Design workshop)的讨论,将整个产业所在生态系统中的各方合作伙伴,以及不同领域相关技术代表、初创企业汇聚到一起,共同进行推动企业可持续发展、迎接下一步挑战、寻求新的核心竞争力此类话题的探讨和创意设计;

第二步,借助一个敏捷开发的方法,我们与客户进行共同创新和研发。通过MVP(最小化可行产品)来检验相关的应用和业务案例,并将得到验证的MVP推进到日常运营和工作流中。由小开始,快速验证,及早发现错误、做出调整。在此基础上,通过市场验证后,使整个产品交付周期缩短到两到三周;

第三步,在市场初步验证基础上,IBM与客户进一步探讨推动市场增长和产品的能力的规模的拓展,并运用DevOps工具和技术实现持续交付与运营。 

最终通过这样的循环探索,逐渐搭建出针对特定场景的一个有弹性、可扩展解决方案。

8月31日,中国首个IBM Garage正式在佛山市三水区挂牌成立。据称,“自6月30日签约至今两个月的时间内,IBM团队已经在山水区走访了30多家团队,选出5家企业作为首批重点合作对象。

而这项举措,也是IBM除去面向世界500强大型企业及政府单位,面向个人开发者之后,再次在企业,尤其是制造业企业数字化转型当口,继续加注为中小企业提供解决方案。

IBM深入智能制造的明棋暗卫


随着制造业数字化、智能化转型逐渐成为全球趋势,作为企业技术服务型的IBM,近年来在制造业的投入和布局也逐年增多。包括IBM在物联网上的IBM Cloud、IBM Watson IoT通用云平台构建,还是诸如可信AI、IBM Garage的技术线、方法论的持续布局和工程化落地,都已经深入智能制造,深入制造业各个领域领域,甚至在中国市场也已有一方格局。

以当下制造业最为关注的数据和AI角度来讲,从数据存储、处理、管理、清晰、治理、大数据分析、BI、机器学习、模型部署,作为一个产业解决方案供应商,IBM都有相应研究,提供相应工具,以支撑起IBM在当下制造业企业数字化转型过程中的各类方案。

从二十年前的MQTT,到当下的可信AI、IBM Garage在制造业中的工程化应用,IBM面对第四次工业革命从各层面部署了明棋暗卫,这些部署影响着当下部分企业的命运,同时也是IBM在对自身定位不断调整中,试图寻迹下一个时代的中心地带。



推荐阅读

▎余承东:华为P40或将首发鸿蒙系统;小米将发布5G手机;新iPhone背部Logo改为整体居中

华为麒麟990来了!首款5G SoC集成103亿个晶体管

▎语音助手“窃听”用户,AI芯片能解吗?

▎卢伟冰:为什么我们要保留电视开机广告

上新!「AI投研邦」现已上线CCF GAIR 2019峰会完整视频与各大主题专场白皮书, 包括机器人前沿专场、智能交通专场、智慧城市专场、AI芯片专场、AI金融专场、AI医疗专场、智慧教育专场等。「AI投研邦」会员们可免费观看全年峰会视频与研报内容,扫码进入会员页面了解更多,或私信助教小慕(微信:moocmm)咨询。

你还在看吗?

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存