数字化转型太太太难？AI、IoT 重拳出击！
据IDC预测，2021年全球会有5.5万亿美元投资在数字化转型。企业数字化转型正成为许多中国企业的核心战略，据IDC与浪潮联合发布的《2019年数据及存储发展研究报告》显示，2019年中国数字化转型IT支出首次超过非数字化转型IT支出，占比达到51%。
但在实践的过程中，一些传统行业由于数字信息化低、相关行业积累少，给企业和开发者带来一定的挑战。如何用数字化的方式来帮助提升企业提高劳动生产率，寻找新的协作方式，扩大经营范围？
对此，CSDN（ID：CSDNnews）专访八位制造业、媒体、农业、物流的行业领袖与技术专家，共同探讨数字化转型实践案例与思考：
AI＋IoT，打造智慧新农业
在探索伊始，慧云信息遇到重重困难与挑战：
一是农业本是传统行业，农业的数字化转型在近5~10年时间，并没有太多的积累。特别是国内是以小农经济为主，和国外的大农场有区别。因此不管是用户的需求，还是产品的模式、商业的模式，都是慧云信息一步步地探索与踩坑。
二是农业的信息化相对基础薄弱，普通的农民使用智能手机、信息化系统的经验不足。如果采用传统的工业信息化、服务业信息化的思路去做软件、做系统，可能做出来的东西不一定适合农民使用。如何怎么做出农民愿意用、方便用的东西？是慧云信息需要深思的。
三是农业生产的复杂性。作物长得好不好，影响因素非常多，以前农业很多是靠人的经验判断来做决策和执行，谈不上数据化、构化。技术如何模拟人类的思考方式？处理各种复杂条件的变量？我们让机器能够像人一样思考，然后才能够做出真正去帮助人，或者说代替人的数字化产品。
四是农业的生产环境较偏远，在部署硬件设备等基础设施时，需综合考虑设备部署的简单性、维护的方便性、运行的稳定性，以及24小时全天候在室外抗击极端气候的性能等。
针对以上挑战，慧云信息从以下方面入手解决：
第一，由于智慧农业是产业互联网的一部分，要做好产业互联网，需对产业有一定的理解深度。在智慧农业领域深耕的近10年时间里，慧云信息随着对用户需求的理解加深，调整自身的产品策略：从最早的纯农业信息化管理软件，到利用物联网技术来自动化执行，再到利用人工智能实现数据化的决策。
第二，以前决策模式都是以人为主的，如今利用人工智能技术来做出一些用机器去代替人来做决策的产品，这些产品可以模拟人的思维，代替传统的专家去帮用户做决策的系统。
第三，在硬件和基础设施上，随着物联网新技术的发展，不管是网络技术还是能源的供给技术，可以做出低功耗、完全无线连接的硬件设备。在部署过程中，不需要网线和电线了，便于安装与维护，适合于农业生产。
解决思路有了，那么如何选择落地的技术和平台呢？
第一，在物联网技术上，一开始慧云信息完全是靠自己写所有的代码，可能对稳定性、安全性的考虑没有特别详尽，对于设备的兼容能力也受到一定限制。
随后慧云信息采用基于微软的IoT Hub后，大大地提高了设备的兼容性、设备运行的稳定性：以前可能只能支持10万级的传感器，通过IoT Hub后，可支持百万级的传感器同时在线稳定运行，大大加快了扩展新第三方传感器类型的时效。
另外，由于农业生产现场经常会遇到网络不稳定的情况，设备控制模型如何能在无网络的环境下正常运行？这是一大技术难点。慧云信息采用了Azure IoT Edge，如此一来，网关设备也具备了边缘计算能力，从而解决AI模型离线运行的问题。
第二，在人工智能上，通过微软Azure Machine Learning服务来提高慧云信息在超参调优、算法选择、模型判断等的效率。仅是超参调优，就提升了将近50%的效率。
此外，利用AutoML自动优化算法，选择最合适的算法来建立模型，可以把慧云信息以前需要一个星期才能做完的工作缩短到两三天完成。
还有，慧云信息通过ONNX（Open Neural Network Exchange，开放神经网络交换），更容易统一不同计算框架下的模型标准，从而更好地支持模型的跨平台应用。
随着数字化转型速度加快，关于智慧农业，慧云信息有了更深的体会：
以前的智慧农业更多是关注执行层面，用机器去代替人到地里面去干活，如自动化灌溉、无人机喷洒等，以IoT技术为主。
但如果从完整的智慧农业链条来看，除了执行层面外，还有非常重要的决策层面：
虽然现在人不用到地里边去灌水、打药，但底什么时候灌水、灌多少水量？应该防治什么样的病虫害，需要打什么样的药，什么时候打药……当下这些需要做决策的事情是由有经验的人做决策。
尽管在执行层面实现了一定程度的自动化，但如果决策层面始终以人为中心的话，就会导致整个农业生产因人而异——每个人的决策不一样，导致难以实现真正的标准化农业生产，很难去扩展农业技术服务。
智慧农业的下一步发展，一定要融入数据科学，把传统的以人为中心，靠人的经验来做决策的模式，变成以数据为中心。通过科学的数据分析、数据处理和数据决策，做出更客观、更容易复制的数据化决策。
如此一来，数据科学的融入就必须引入AI技术。因此接下来，智慧农业的发展是决策和执行并进，不光是物联网技术，还得和AI技术结合在一起，变成AIoT，这才是智慧农业未来发展一个重要的方向，也是慧云信息如今专注的——不仅仅是解决执行层面自动化的问题，更要解决决策层面数据化的问题。
AI 检测、质量追溯，改革制造业品控！
在创业伊始，洪朴信息本希望用数据分析和人工智能技术来帮助企业，但由于数字化转型还未成为风潮，洪朴信息在探索中遇到重重的挑战：一是企业的数字化程度普遍有限，虽大都号称“拥有海量数据”，但实际上大部分是没法采用；二是有企业对于AI或数据分析本身认知不足，沟通成本较高；三是由于数据分析解决方案本身具有较大的不确定性，客户条件、客户场景的不同都可能会导致解决方案效果不理想，所以当时的数据产品落地较难。
“这个行业还未成长到轻松能够完成解决方案的状态，我们也吃了很多的苦头。”洪朴信息刘龙泽回忆道。
如今随着行业对于数据分析和数字化转型的重视程度越来越高，更多的参与者加入产业链的各环节来补齐整条产业链，洪朴信息得以简单地完成最擅长的工作，从而为用户解决问题：
在制造业里，品控是极为重要的一环。在过去，由品控员手工质量检测，人力成本高。
最后谈及时下火热的5G话题，微软（中国）首席技术顾问管震认为5G的高带宽、低时延、超可靠、密度能让工业互联受益匪浅。如今我们在4G场景里，习惯了数据的采集、上传、运算、推理都是固定的串行的路线和架构，这可比作二维空间；未来我们在一个高密度、点与点之间的链路隔空都非常可靠、移动性还很强的5G网络下，常规设计就可以不再遵从原来的串行路线，而是换成神经元与神经元连接的三维化立体空间，可以不断合并、裂变，再连接，产生新维度数据集合的过程，可以想象的空间就变得巨大无比。
工业企业除了通过先进的工业互联网解决方案提升自己生产实际的产品的能力之外，在这个过程中还生产了“数据”这样一个新工业品，这是工业企业数字化的动力和未来。
告别重复高强度劳动？物流机器人驾到！
第二，劳动力短缺将为物流行业带来巨大挑战。据德勤人才报告显示：过去的十年中，中国的劳动力成本上升了五倍。伴随着人口老龄化和人口红利的消失，人力成本将不断上升，而人力成本上升为劳动密集型供应链带来巨大的压力。与此同时，年轻一代逐渐不愿意在仓库中从事重复性高又繁重的工作。人口老龄化、人工成本高以及招工难的问题都将让物流行业面临严峻的劳动力短缺挑战，物流行业亟需智能化和自动化转型。
第三，不可预测的市场需求变动和业务波动将迫使企业供应链更加柔性化。随着个性化的需求越来越多，产品生命周期越来越短，企业需要更快、更敏捷地响应终端消费者的需求。
所以极智嘉以智能物流为切入点，利用大数据、云计算和人工智能技术，采用“机器人互联网+”来提升物流运营效率。
极智嘉在探索的过程中，发现传统物流的挑战重重：传统的人工供应链敏捷度低，在面对需求的涨跌时无法灵活应对。依赖人工会因为招工难、成本高等问题导致劳动力紧缺、快速批量上岗难，且人工易出错，准确度低，海量商品处理困难。而半自动化的刚性供应链，资产投入巨大，扩容成本高风险大。刚性自动化作业对于复杂场景的适配慢，难以适应快速变化产品策略。最重要的一点是，刚性供应链的建设周期长，升级迭代慢。
对此，极智嘉采用“柔性智能化”策略来应对，柔性供应链的敏捷度高，能够灵活应对需求涨跌，颗粒度小易扩容，促销爆量亦可快速出货。能准确应对复杂操作，数字化作业应对海量产品种类与策略迭代。其建设周期短，升级速度快，便于企业部署柔性智能化。
例如，某大型电商零售于2016年8月正式上线运营极智嘉的“货到人”机器人系统，在6000平米的仓库中部署了120台机器人。整套系统从实施部署，到正式上线运营历经仅2个月的时间。部署完成后，该电商拣选效率可达人工效率的3倍，机器人仓库人力比之前节省了70%，效果显著。
在助力物流行业数字化转型的探索中，极智嘉构建起自己的机器人管理系统RMS。这是一套多智能体调度和任务管理平台化系统，实时处理移动机器人集群的路径规划、交通管理、任务分配、产能优化、可视化状态监控、地图维护和共享、多机型协同调度、安全急停等任务。RMS提供支持云端和本地部署，提供开放标准的API和SDK，为物流企业引入大规模移动机器人应用，提供坚实的底层保障。 其核心优势有：
• 大规模调度：可调度上千台机器人并发，任务执行高效准确；
• 混合调度：可支持SLAM和二维码等多导航类型机器人在同一地图中混合运行，多机型协同；
• 集群路径规划：实时优化路径，交通拥堵管理等多种处理机制，保证多机器人系统的路径高效；
• 智能库区管理：可根据需求灵活配置，从区域、楼层、多仓等多个维度管理。
据IDC预测，到2021年，45％的移动机器人部署将通过RaaS(Robot-as-a-Service, 机器人即服务)进行，在组织上会影响多个业务部门。
沈沐表示，RaaS类同IaaS、PaaS、SaaS。从技术角度看，RaaS把资源和能力虚拟化，实现动态分配和配置，能够弹性调整，达到资源利用效率的最大化。从本质上看，RaaS把机器人管理软件的SaaS、以及机器人硬件两者整体做为一个资源，进行动态地按需分配。
如今依靠微软Azure云的IaaS和PaaS服务、Azure的开放微服务框架和Kubernetes的服务、IoT Hub的技术，极智嘉实现了整个软件和硬件的动态分配和配置的技术支撑体系。
供应链升级改造中，RaaS能通过灵活的商业合作模式，快速实现供应链的升级改造：
1、RaaS减少初始投资、降低运营成本：根据物流企业的需求灵活投资和拓展，而且不需要配置维护管理团队。
2、效率高、准确率高、响应快速，缓解劳动力短缺：例如在满负荷运作的情况下，极智嘉单工作台拣选效率是传统仓拣选效率的4倍至5倍。
3、柔性程度高：机器人智能仓储服务可任意规模启用、模块化拓展、柔性延伸；并且根据客户业务特点灵活配置方案，按需部署，随时扩展或增减货架、机器人、工作台。
4、系统迭代快：企业不需要招聘研究人员就可应用最新的技术，不局限于自己当前的技术能力就可享受系统迭代更新和机器人供应商提供的服务升级、增值。
非结构化数据井喷？AI＋BI重拳出击！
在CSDN 《2019-2020 中国开发者调查报告》中，64%的企业尚未实现智能化（其中14%的企业无信息化）。对此，慧科表示，当前企业面临的数字化及大数据应用更多的难点和挑战是在面对纷杂的非结构化大数据上。
例如某全球知名大型的B2C类企业为了更好的辅助产品战略、营销决策、客户运营等，这需要更清晰地了解众多消费者的反馈、画像、品牌活动表现、竞品多维度信息、热门话题、流行趋势等非结构性数据信息。
但是要真正满足这些需求并不容易，面临媒体选择建议、数据收集、整合、 多维度的AI 应用、新型商业分析平台构建等多个挑战。慧科综合利用沉淀多年的数据整合处理经验，多维度的NLP AI 技术以及BI平台构建等综合能力来帮助企业构建一个从全媒体的数据湖到应用可视化呈现的端到端的全链路大数据综合方案来帮助企业，并获得较好的成效。
全媒体营销大数据全链路解决方案
目前慧科的AI大数据产品主要是面向MarTech和FinTech两大领域，基于海量全媒体大数据、人工智能技术、专业的数据科学模型、高可用的SaaS及DaaS产品，为企业提供多类场景的智能数字化解决方案。在这背后，微软Azure提供有力的技术加持：全面性的技术覆盖、简洁易用的云平台管理和高时效的数据处理，来帮助慧科进行SaaS平台、DaaS交付、渠道合作、本地化部署等多元商业合作方案的推进。
目前慧科拥有的中文全媒体数据库，涵盖超过 57 万个数据来源、850 亿条存量数据，每日新增960万条以上数据。2014 年成立了Wisers AI Lab （慧科讯业人工智能实验室），在全球获得多个奖项。
除此之外，为了更好满足多种企业的不同需求，慧科打造了自己的“慧科中台”，让数据以统一、实时的方式集成到平台，应用到不同的前端产品中。能实时处理数据，毫秒级处理延时、查询数据。还能多维度数据分析和结果输出，采用高性能智能问答引擎，快速展示数据。在安全性上，拥有企业级安全认证，从源数据、数据处理、数据存储及平台等分层分级的安全认证。