作者： huang.yanli

一年一端午，一岁一安康！在端午节来临之际，为表达公司对每一位员工的关爱之情，延续以往“每逢佳节福利到”的贴心传统。

公司提前为全体员工发放了精美的端午节福利，浓浓的关怀融入到缕缕粽香之中，让大家在安心、踏实工作的同时，也能感受到家一般的温暖！

人生就是一场赛跑

龙舟也不例外

公司的成长就像划龙舟

我们一刻也不会停

久经熬煮

让每一位员工都成为出“粽”的青博人

山东青博工业科技有限公司祝大家 端午安康 阖家团圆！

全球数字孪生市场规模快速增长。根据 IDC 数据，2020年全球数字孪生市场规模为52.2 亿美元；

预计 2021 年，全球数字孪生市场规模将达到 74.7 亿美元，同比增长 43.1%；预计 2025年整体市场规模将达到264 亿美元，2021-2025 年的 CAGR 为 37.19%，行业有望持续良好发展。

IDC 预测，2022 年，中国将有 30%的城市开始使用数字孪生的数字空间规划工具，以加快社会经济从疫情中逐步复苏；2024 年，中国约 40%的城市将通过人工智能及数字孪生技术实现现实世界与虚拟世界的融合，提高城市运行效率。

数字孪生——工业生产的“宠儿”

随着数字孪生不断宣传推广使用下，国内企业也纷纷布局数字孪生技术市场。数字孪生技术迅速成为工业生产的宠儿，自然是因为它有助于生产。中国工程院院士谭建荣曾在题为“新基建、数字经济与数字孪生：关键技术与发展趋势”的主题演讲中指出，数字孪生应用于工业领域，能够实现资源调配、智能化生产，显著提高生产效率。

制造业数字孪生——数字工厂

数字孪生工厂是对现实工厂3D形态的完全模拟。与真实的生产环境1：1对应，大到整个工厂园区，小到车间里每台设备和每一个生产动作，都映射在数字孪生工厂上。通过车间数字孪生系统逐级展示车间、产线及单机三个层级的总信息。无需到车间，在手机、电脑等电子设备上就能看到生产现场一举一动。如车间基本信息，包含产能、能耗和异常报警信息等。简言之，它展现了人类对复杂系统的掌控力。

在数字孪生的应用中，管理人员能够看到每一个车间的工作情况，只需要点击对应空间进行“拖” “拉” “拽”等简单交互，就能定位到生产线的每一个细节。此外，数字孪生也降低了工人看懂数据的门槛。“它不需要你有什么CAD的经验、也不需要有太多专业知识。” 说得明白些，就算是厂里只会拧螺丝的工人也看得懂。

数字孪生将车间工作简单化，帮助工厂实现多端预警，降低工业事故、停产停机的发生概率；提高资源利用率,让企业更经济、更环保。可见，数字孪生在企业中的应用是非常有效、有用且有必要的！

如今，欧美全面布局数字孪生，国内政策端积极推动数字孪生发展，开展数字孪生技术产业研究，推进相关标准制定，加速行业应用推广。从全球范围来看，数字孪生的市场规模更加可观，未来企业实现数字化或成必要课题。

去年，刚好是世界著名科学家、两弹一星功勋奖章获得者钱学森先生诞辰110周年。说到钱老，想必大家都十分了解，他对我国中国航天事业的贡献是非常大的。在钱学森晚年的时候，他的另一些重大业绩对人工智能技术的推动，则远未被公众充分认知。

然而，在上世纪七十年后，钱老就凭借其战略科学家的超凡嗅觉，慢慢形成对智能时代有了一个深刻的洞察，到了1977年，那个时候钱学森担任国防科委副主任，他主张提出“要把我国已有的大量科技情报资料单位通过高密度信息储存、电子计算机检索、通信线路和终端显示设备等组成一个全国性的情报资料网”，再到了八十年代，钱学森再次看到了人工智能的巨大技术和无限潜能，他讲到：“更重要的是独立自主，就像原子弹、氢弹、洲际导弹一样，在智能机方面，一定要下苦功夫建立自己的基础”。

过了几十年以后，更多的观察者面对现在进步飞快的人工智能技术，再回想起钱老的远见更是有了更加直观的体会。假设说汽车等机电产品扩展了人类身体能力，手机等电子产品扩展了人类的视听觉感受能力的边界，那人工智能技术是起了至关重要的作用的。

现在的人脸识别、无人收费站、无人便利店、扫地机器人等等，这些我们之前想都不敢想的一些场景，现如今都变成了现实，甚至人工智能还可以拍电影，在前几年上演的科幻短片《走神》，就是一部剧本、导演、表演、配乐等一系列制作程序，很多都是由人工智能所完成的影片，只花费了两天的时间。可以想见人工智能技术有多厉害。

展望未来，人工智能还将会给人类社会带来更多的惊喜和许多难以预料的变化。

VR的定位技术现在已经发展的比较成熟了，我们平时用的这些VR设备基本上就囊括了现在所有的定位技术。

早期的VR眼镜的六自由度定位，都是靠在场地中架设额外的设备配合眼镜里的传感器来实现定位(Outsideln)，而近年来新兴起了InsideOut定位技术，则是靠头盔上的自带的摄像头拍摄外部景物，来反向估计自己的姿态，进行定位。

灯塔系统，有两个用于发射定位信号的基站，对角线放置。

基站里面有一横一竖两个旋转的发射器，会发射用于定位的不可见激光。而头显、手
柄，或者其他定位器里，则有大量对应的激光接收器。

这种机械式的定位方式基站造价比较昂贵，但简单可靠。

定位精度高(据说有毫米级，至少我自己用UNITY玩的时候，确实看到精度非常高，不像别家坐标跳来跳去)，甚至有些过剩了，可以用在专业领域。每秒大概可以完成15-30次定位，延迟是所有定位系统最低的。

与早期的 Outsideln 外部定位技术比，InsideOut定位技术可以使用户免去了复杂的
外部设备架设环节，使得VR眼镜使用上的便捷性上有了很大的提升。

星座系统(OCrift一代)。

开启了这一代VR的定位技术，各方面中规中矩，用游戏帧数来形容的话，就是60帧普通。

实际上是一种比较高级的图像识别，完整的房间规模跟踪套装包括三个红外线摄像头，分别在人身体的两侧前方各一个，以及身后一个，一共三个。

头显和手柄都有大量红外灯，在红外线摄像头下是显眼的光点(所以才叫星座)，这
些红外灯会以特定的频率闪烁，让摄像头可以分辨这是几号红外灯。

来源：苏商见闻

5G 和物联网设备（联网设备）的部署进一步推动了对边缘计算的需求，这些设备要求分析和处理能力位于数据创建位置附近。

除了物联网设备的增加之外，需要实时数据处理的应用程序的快速增长继续推动世界各地的边缘计算系统，因为边缘计算已经彻底改变了数据处理、分析和分布的方式在数百万台设备上。

随着 5G 快速无线的到来，实时处理和现场数据分析等边缘计算需求在人工智能推理、自动驾驶车辆、视频分析和处理以及机器人等应用中得到了增强。

物联网创建的数据的增长引发了人们对数据隐私、安全性、延迟挑战以及长距离传输数据的带宽成本的担忧。为了解决这些问题，在现场和实时存储、处理和分析数据的应用程序带来了对边缘计算的需求。

究竟什么是边缘计算？

简单来说，边缘计算是指在边缘处理信息。边缘计算所做的是通过分散流程来减少设备和操作之间的距离。数据的存储和计算更靠近创建数据的设备，而不是将数据传输到很远的中心位置。在收集数据的设备上存储和计算数据是为了解决可能对应用程序性能产生负面影响的延迟问题，尤其是在实时数据处理应用程序中。通过在本地执行这些过程，可以节省资金，因为需要在基于云的位置处理的数据量大大减少。

物联网设备的增长非常迅速，它们需要连接到互联网才能将数据传输到云端并从云端接收信息。大量物联网设备意味着产生大量数据，因此需要边缘计算。

例如，用于在道路上甚至办公室或工厂车间进行监控的设备，例如连接到互联网并传输实时画面的摄像机。只需网络上的一台摄像机即可轻松传输生成的数据；但是，当需要同时发送数据的设备数量显着增加（数百甚至数千）时，延迟问题将随着带宽成本的增加而出现。

为了提供解决方案，边缘计算硬件支持本地存储和数据处理。边缘网关可以处理来自边缘设备的数据，只将相关数据通过云端传回，这样可以减少带宽需求，如果是实时应用，可以将数据传回边缘设备。边缘设备包括智能手机、笔记本电脑、安全摄像头、物联网传感器、电视，甚至是连接到互联网的冰箱等设备。在边缘计算分布式拓扑中，边缘设备也被认为是边缘网关。

为什么边缘计算很重要？

边缘计算的最大优势之一是处理和存储数据的速度更快。这对于需要实时处理的应用程序尤其重要。从边缘 AI 算法生成对查询的响应所需的时间（不到 400 毫秒）中也可以看出重要性。与使用以秒为单位的云架构获得的延迟相比，这个时间要好得多。

随着云的使用，带宽成本非常高。许多企业发现，在这方面节省成本是利用边缘计算架构的一个很好的理由。

如果没有边缘计算，用于扫描面部以进行面部识别的智能手机将不得不通过云运行人工智能算法，这将需要相当长的时间来处理。随着边缘计算的部署，面部识别算法将在智能手机或边缘网络上运行。一些需要快速周转时间的应用包括自动驾驶汽车（自动驾驶汽车）、虚拟现实、智能建筑、增强现实、智能道路和智能城市。毫无疑问，随着技术的快速发展，边缘计算将在未来几十年处于技术进步的前沿。

现在，越来越多的公司在他们的系统模块中加入了人工智能，并了解了边缘处理的需求。一个例子是 NVIDIA 的 Jetson Xavier NX模块，它可以内置到机器人、无人机和其他类型的设备中。大多数人工智能算法都通过云服务运行，因为它们需要大量的处理能力。允许在边缘处理数据的人工智能芯片组还将实现更快的实时响应，尤其是对于需要近乎即时响应的应用程序。

5G的作用：

这不仅仅与速度有关，但即使 4G 速度很快，5G 也快得多。随着 5G 的出现，游戏的播放方式、电影的观看方式、行业的运营方式，甚至我们与家庭互动的方式都发生了变化。物联网将连接如此多（数十亿）设备，如智能手机、汽车、道路、冰箱、微波炉、建筑物等，从而改变我们的生活、娱乐和工作方式。5G 将通过提供极快的速度（高达 10GBps）、低延迟和增加的带宽来为这种连接性负重大责任。使用 5G 连接，将有更低的延迟、更大的可用性、覆盖范围并减少网络能源使用。

世界各地的电信公司正在安装具有更高带宽和超惊人速度的 5G 无线，这将使企业能够从云架构迁移到边缘架构。这些电信公司正在其 5G 部署中实施边缘计算，从而为众多应用（智能手机、自动驾驶汽车等）提供实时处理。

5G 将推动边缘计算进入比目前更大的领域，并将推动边缘计算，从而导致 5G 技术应用改变流量需求模式，从而成为移动数据网络中边缘计算的最大推动者。低延迟应用程序将需要边缘计算基础设施来满足其实时处理要求。其中一些低延迟应用是自动驾驶汽车、机器学习、物联网分析、虚拟现实和增强现实。尽管边缘计算的最初目标是降低远距离物联网设备的带宽成本，但对边缘计算的需求已经增长到包括对本地存储和本地处理的要求。

人工智能作为下一个前沿领域。

通常，机器学习模型托管在云上，预测请求从设备发送到基于云的 API（应用程序编程接口），同时对请求的响应也会通过互联网发回。当涉及的数据量很小时，通过互联网传输数据通常不是问题。当它涉及传输大量数据（例如高质量的视频和照片）时，可能会遇到问题。在没有网络覆盖或网络覆盖率低的地区，这种通过互联网将数据从一个位置传输到另一个位置的方法可能会造成严重问题。

如果不考虑人工智能，我们就不能谈论边缘计算应用。在边缘设备上运行这些算法就是所谓的 边缘人工智能。它只是人工智能和边缘计算的结合。运行机器学习算法需要大量的处理能力，并且可以实时进行推理。AI边缘计算本质上使用机器学习算法来处理设备在本地获取的数据。该设备无需连接到互联网即可进行数据处理。实时处理后以毫秒为单位收到响应。与在云模型中获得的相比，边缘计算模型显着降低了通信成本。

使用边缘人工智能，数据存储、数据处理和查询响应都不需要互联网连接。人工智能算法在设备上处理，机器学习模型位于边缘。数以亿计的边缘人工智能芯片将被出售，这些芯片可以在现场而不是在远程中心处理机器学习任务，这将促进边缘计算的使用。

边缘人工智能的优势

AI边缘计算最重要的优势之一是低延迟，这是 云AI 的典型限制。它是对通常机器学习架构的众多增强之一。数据通信成本也大大降低。这些是有利的，特别是在设备加载了将用于在未连接到互联网的情况下做出决策的算法的情况下。

在边缘推动人工智能

随着数据的增长速度，对本地数据计算和本地数据存储的需求变得更加迫切。速度的提高、安全性、隐私性、延迟的提高和带宽成本的降低都为 在边缘广泛采用人工智能提供了理由。

每家公司都应该投资于能够实现更可持续的数据方法的技术。边缘计算和边缘人工智能是知识利用、性能和成本之间的正确折衷。

来源：AI边缘计算图为科技

智能的真正标志不是知识，而是想象力。

近日，英特尔实验室副总裁兼紧急人工智能研究主任 Gadi Singer 介绍了这种赋予人工智能更高认知的知识构建（knowledge constructs）的数个维度，并指出一条通往更高智能机器的道路。

更高层次的机器智能的核心，可能是让知识构建帮助人工智能系统组织自己的世界观，赋予人工智能理解意义、事件和任务的能力。如此一来，机器认知将从数据扩展到知识结构，包括描述性知识、世界动态模型和起源等维度。

在学习语言时，我们要区分形式（form）和意义（meaning）：形式指的是用来表达意义的符号，也就是表面的表达。每种形式在特定的语境中都有特定的含义，而形式在不同的语境中可以有不同的含义。

正如 Bengio 和 Sch ö lkopf 等人在 “Towards Causal Representation Learning” 一文中总结的那样：” 目前机器学习的大多数成功都是源于对适当收集的独立和相同分布（i.i.d）数据的大规模模式识别。” 系统吸收可观察到的元素，如文本字符、声音信号和图像像素，并建立模式和随机相关性，同时在基于识别的任务中产生出色的结果。

越来越多的人认为，算法必须超越表面相关性，达到真正理解的水平，从而实现更高水平的机器智能。这种彻底的转变将使所谓的 System 2、3rdWave 或广义 / 灵活的 AI 成为可能。正如 Gadi Singer 在核心博客 ” 认知人工智能的崛起 ” 中所说的那样，更高水平的机器智能需要深层次的知识构建，这种知识构建可以将人工智能从表面相关性转化为真正理解这个世界。

美国国防部高级研究计划局（DARPA）的 John Launchbury 指出，在第三次人工智能浪潮中，抽象（比如创造新的意义）和推理（规划和决策）将掀起一场新革命。第三次浪潮本身的特点是语境适应，即系统为现实世界的各种现象构建语境解释模型。

知识维度中有两个维度反映了对世界的看法，一个是描述性维度，描述性维度对世界上存在的事物进行了概念性的抽象，另一个是现实世界及其现象的动态模型。

此外，故事提升了人类在共同信仰和神话基础上的理解和交流复杂故事的能力。语境和来源归因以及价值和优先级是元知识维度，这些维度带来了基于条件的有效性和知识的不断叠加。最后，概念参考是结构基础，跨维度、模态和参考而存在。

这六个知识维度结合在一起，可以让人工智能不仅仅停留在事件相关性上，而是获得更深入的理解，因为这六个知识维度的潜在概念是持续的，可以解释和预测过去和未来的事件，甚至允许计划和干预，并考虑反事实的现实——因此文中使用了 ” 深度知识（deep knowledge）” 一词。

阐明和描述机器智能所需的知识构建类型，有助于确定实现这种知识构建的最佳方式，从而实现更高水平的机器智能。

1

支持更高水平智能的六大知识维度

对于人工智能系统来说，实施人类理解和交流中观察到的知识构建可以为智能提供实质性的价值。当所有的知识类型都得到支持和组合时，实际价值会大幅增长。

1.   描述性知识：层次、分类和属性继承  

描述性知识（即概念性的、命题性的或陈述性的知识）描述事物、事件、事物 / 事件的属性以及其之间的关系。假设使用（适当的）类或概念的分层，深度描述性知识就能扩展其原本的定义。这类知识可以包括事实和记录系统。与特定用例和环境相关的事实和信息可以作为层次知识进行组织、利用和更新。

单个人工智能系统中使用的基础本体（ontology）可以使用来自策划系统的与任务相关的类和实体（例如，OpenCyc 本体或 AMR 命名的实体类型）进行播种。这种基础本体应该是可以通过神经网络 / 机器学习技术进行扩展——也就是说，获取新知识就会得到新的实体，关系和类。

2. 世界模型

世界上的现象模型让人工智能系统能够理解情况、解释输入 / 事件以及预测潜在的未来结果并采取行动。现象模型是抽象 / 概括，可以分为正式模型和近似（非正式）真实世界模型；现象模型允许在特定情况下对实例使用变量和应用程序，并允许对特定实例或更通用的类进行符号操作。

正式模型的例子包括逻辑、数学 / 代数和物理。与正式模型相比，现实世界的模型通常是经验的、实验性的、有时甚至显得有些混乱。现实世界的模型包括物理模型、心理模型和社会学模型。程序模型（” 专有知识 “）包括在这个类中。

因果模型可以帮助人工智能系统发展更上一层楼。在语境发生变化的情况下，如果与因果关系等知识模型相结合，并理解了控制原因的语境和考虑反事实的能力，那么过去的统计数据就可以有效地应用于现在从而预测未来。这些模型有助于从条件和可能因素的角度理解情况或事件。因果推理是人类思想不可或缺的组成部分，通过这种方式可以实现人类智慧级别的机器智能。

3. 故事和脚本

正如历史学家尤瓦尔 · 哈拉瑞所说，故事构成了个人和社会的文化和世界观的关键部分。故事的概念对于充分理解和解释人类的行为和交流是必要的。故事是复杂的，在一个连贯的叙述中可能包含多个事件和各种信息。故事不仅仅是事实和事件的集合，故事还包含了重要的信息，这些信息有助于发展对所呈现数据之外的理解和概括。与世界模型不同的是，故事可以被视为具有历史意义、参考意义或精神意义。故事可以代表价值观和经历，这些价值观和经历会影响人们的信仰和行为。例子包括宗教或民族故事、神话，以及在任何层次的人群中分享的故事。

4. 语境和来源归因

语境的定义是围绕着某个事件并为其自圆其说提供资源的框架。语境可以看作是一种覆盖的知识结构，调节着它所包含的知识。语境可以是持久的，也可以是短暂的。

持久的语境可以是长期的（比如从西方哲学角度或东方哲学角度获取的知识），也可以随着时间的推移、根据新的学习材料而改变。持久语境不会对每个任务进行更改。

当特定的本地语境很重要时，瞬态语境是相关的。单词是根据其周围句子或段落的局部语境来解释的。图像中感兴趣的区域通常在整个图像或视频的语境中得到解释。

持久语境和瞬态语境的结合可以为解释和操作知识提供完整的设置。

知识的另一个相关方面是数据来源（又名数据追溯），其包括数据来源、在数据传播的过程中发生了什么以及随着时间的推移数据将去往何方。人工智能系统不能假设所接收的所有信息都是正确或可信的，尤其是在被称为 ” 后真相时代 ” 的情况下信息更不可轻易相信。将信息与其来源相关联可能是建立可信性、可认证性和可追溯性所必需的。

5. 价值和优先级（包括善 / 威胁和伦理）

知识的所有方面（例如，对象、概念或程序）在整个判断范围内都有相对应的价值——从最大的善到最大的恶都有对应。可以假设，人类智力的进化包括追求回报和避免风险（比如，追求吃午餐；避免被当成午餐）。这种风险 / 回报的关联与知识紧密相连。潜在的得失具有功利价值；对于实体或潜在的未来状态，还有一种基于伦理的价值。这种基于伦理的价值反映了一种道德价值观，即 ” 善 ” 不是基于潜在的有形回报或威胁，而是基于对什么是正确的潜在信念。

价值和优先级是元知识（meta-knowledge），其反映了人工智能系统对知识、行动和结果相关方面的主观断定。这为问责制奠定了基础，应该由负责特定人工智能系统的人认真处理。当人工智能系统与人类互动并做出影响人类福祉的选择时，潜在的价值和优先级系统很重要。

6. 概念参考：消除歧义，统一和跨模态

知识是以概念为基础的。例如，” 狗 ” 是一个抽象概念——一个有多个名称（在各种语言中狗的说法都不一样）、一些视觉特征、声音联想等等的概念。然而不管其表现形式和用法如何，” 狗 ” 这个概念都是独一无二的。” 狗 ” 的概念被映射到英语单词 “dog”，以及法语单词 “chien”。” 狗 ” 的视觉特征可能如下图：

同时 ” 狗 ” 也和汪汪吠叫声对应了起来。

概念引用（Concept Reference，简称 ConceptRef）是与给定概念相关的所有事物的标识符和引用集。概念引用本身实际上不包含任何知识——知识驻留在前面介绍的维度中。概念引用是多维知识库（KB）的关键，因为概念引用融合了概念的所有表象。

Wikidata 就是集中存储结构化数据的多维知识库的一个很好的例子。在 Wikidata 中，项（items）代表人类知识中的所有事物，包括主题、概念和对象。Wikidata 的条目与这个框架中 ConceptRef 的定义相似——只有一个关键的区别：在 Wikidata 中，术语 ” 项 ” 既指给定的标识符，也指有关标识符的信息；而 ConceptRefs 只是带有指向 KB 指针的标识符。关于概念的信息则被填充在前面章节中描述的各种视图中（例如与概念相关的描述性或程序性知识）。

常识

常识知识由隐性信息组成，隐性信息是指广泛（且为大众共享）的不成文的假设，人类自动运用这些假设来理解世界。人工智能想要更深入地理解这个世界，将常识应用到情境中是必不可少的。在这个框架中，常识知识被认为是上述六种知识类型的子集。

2

理解与知识类型之间的关系

理解是智能的基础。向更高级机器智能的发展引发了一场关于 ” 理解 ” 的讨论。约书亚 · 本吉奥将拥有人类理解能力的人工智能描述为：

明白因果关系，理解世界如何运转；

理解抽象的行为；

知道如何使用以上知识去控制、推理和计划，即使是在新颖的场景中也依然拥有这种能力；

解释发生了什么 ;

out-of-distribution（即 OOD，分布外）生成。

而以知识为中心的对理解的定义是：用丰富的知识表示创建世界观的能力；获取和解释新信息以增强这种世界观的能力；以及对现有知识和新信息进行有效推理、决定和解释的能力。

这种理解观点的先决条件是以下四种功能：

具备丰富的知识；

获取新的知识；

能够跨实体和关系连接知识实例；

对知识进行推理。

理解不是二元属性，而是因类型和程度而异。这一观点的核心是知识的本质及其表征——知识结构和模型的表达能力可以促进理解和推理能力快速发展。

想象所有的人 [ 和机器 ]

正如阿尔伯特 · 爱因斯坦所观察到的：” 智能的真正标志不是知识，而是想象力。” 要真正理解，机器智能必能超越数据、事实和故事。要重建，发现和创造一个可观察属性和事件背后的宇宙模型，想象力是必要的。从人工智能系统的角度来看，想象力是通过创造性推理实现的，也就是进行归纳、演绎或溯因推理，并产生不受以往经验和输入输出相关性严格规定的新颖结果。

知识表示和推理是人工智能的一个成熟领域，这个领域处理关于世界的信息表示，使计算机系统能够解决复杂的任务。知识和推理不一定是截然不同的，而是代表了一个从已知到推断的光谱。机器理解将通过构建知识的能力辅以先进的相关推理（例如，概率推理和似是而非推理、溯及推理、类比推理、默认推理等）来得到实现。

建立在深度知识基础上的神经符号 AI

在使人工智能更有效、更负责任和更高效地为人们提供支持的过程中，我们的目标是使人工智能系统更强大，同时推动人工智能达到更高的认知和理解水平。科学家已经在处理数据、识别模式和寻找转瞬即逝的相关性方面取得了巨大的进展，但仍有必要思考哪些知识类型能赋予人工智能系统对世界建模和理解世界的能力。

当我们对人工智能获得更高层次的认知所需要的知识结构的类型有了更深的理解时，我们就可以继续在这个深度知识的基础上进行构建，使机器能够真正地理解世界。

来源：雷峰网

5 月 25 日消息，当地时间周二微软宣布，川崎成为公司“工业元宇宙”业务的新客户，其工厂员工将佩戴微软的 HoloLens 增强现实设备制造机器人。

微软的“工业元宇宙”意思是工厂工人将佩戴 HoloLens 设备生产维修设备，并管理供应链。

微软 HoloLens 设备于 2016 年首次发布。佩戴 HoloLens 的用户可以体验到增强现实功能，对于工业领域的用户而言，使用 HoloLens 还能够整合微软的云计算等技术，帮助工厂工人和管理人员更快更有效地制造产品。

微软希望通过增强现实创建出一个能复刻现实世界的数字化工作空间，从而加快维修和启动新的生产线等流程。例如，在增强现实技术的帮助下，维修人员不再亲自到现场修理损坏部件，而是可以与现场佩戴 HoloLens 的工人沟通，通过增强现实技术的视觉提示指导他们完成整个修理过程。这种技术还能够让车间管理人员远程管理新开设的生产线，这特是微软用来解决供应链问题的一种方法。

除了川崎之外，亨氏最近也宣布将在番茄酱工厂中使用微软的“工业元宇宙”方案。而波音则是微软的制造业合作伙伴。

虽然这听起来像是一种噱头，但事实上，微软客户一直在寻求元宇宙的相关技术。微软负责混合现实业务的企业副总裁杰西卡・霍克 (Jessica Hawk) 上周在接受采访时表示，工业元宇宙是未来完全沉浸式技术实现之前的一种技术体验。

“这就是为什么我认为你在这个领域能看到很多能量，”霍克说。“这些都是企业正在处理的现实世界问题…… 因此这样一个技术解决方案可以帮助解决供应链挑战，会带来非常大的影响力。”

虽然元宇宙这一概念最初来自科幻小说，描述的是人们在这样一个虚拟世界中娱乐、生活和工作的场景；但微软蓬勃发展的业务也说明，当前元宇宙概念的更多用途是与企业相关，而不是普通消费。

例如，Facebook 母公司 Meta 即将发布的混合现实头戴设备要比当前售价 299 美元的虚拟现实设备更贵，营销目标也是那些希望远程工作但能感觉“身临其境”的人。事实上，Meta 公司推出的第一个元宇宙产品也是一个应用程序，可以让用户在虚拟现实环境中举行会议。

但不同的是，微软已经在元宇宙方面领先一步，公司实际上是向其他企业出售混合现实技术，同时也为开发人员提供他们需要的工具，从而自行构建元宇宙体验。

霍克表示：“我们的战略认识到，人们将在各种设备和平台上体验元宇宙，也的确从中看到了各种差异性。”

元宇宙产品也可以通过 2D 屏幕运行。微软去年在聊天应用 Teams 中添加了新功能，让用户可以数字化身的形式出现在其中。这些功能将来也可以应用到 HoloLens 设备和其他平台上。

“我们真的很兴奋，因为这是一个开启如此多创新的时刻，”霍克说。“今天我们认识到一些东西，我们也认识到还有很多我们没完全意识到的东西。所以这对我们来说是一个非常激动人心的时刻。”

 来源：网易科技

人类一直在收集数据以更好地了解周围的物理世界。如今，企业越来越多地想要通过数字孪生技术将数字世界与物理世界融合起来。数字孪生技术充当了这两个领域之间的桥梁，可提供物理对象和过程的实时虚拟表示。

这些物理操作的虚拟克隆可帮助企业模拟那些利用物理资产进行测试会过于耗时且昂贵的场景。虚拟克隆可帮助企业监控运营工作、执行预测性维护和为资本收购决策提供洞察力、制定长期业务计划、开启新发明以及改进流程。

在2020年9月发布的一项预测中，研究公司MarketsandMarkets表示，2020年全球数字孪生市场规模为31亿美元，到2026年将达到482亿美元，在此期间的复合年增长率为58%。

以下是目前企业如何有效使用数字孪生技术的四个示例。

劳斯莱斯公司提高了喷气发动机效率

劳斯莱斯是一家航空航天和国防领域的跨国公司，已部署了数字孪生技术来监控其生产的发动机。该公司可监控每台发动机的飞行情况、飞行环境以及飞行员如何使用发动机。

劳斯莱斯公司首席信息和数字官斯图尔特·休斯(Stuart Hughes)表示：“我们正在调整保养制度，以确保我们发动机的使用寿命得到优化，而不是手册上所述的使用寿命。”“将每台发动机视为单独的个体，其保养工作真得存在很大差异。”

多年来，劳斯莱斯公司一直为客户提供发动机监控服务，但其数字孪生功能使公司能够为特定发动机量身定制服务。该功能已帮助劳斯莱斯公司将某些发动机的维修间隔时间延长了50%，使其能够大幅减少零部件的库存。该技术还帮助劳斯莱斯公司提高了发动机的效率，而且迄今为止已减少了2.2万吨的碳排放。

休斯的建议：了解您的客户。了解如何以及为何使用数字孪生功能与了解该技术本身同样重要。休斯表示，维护工作一直非常成功，因为它可以为劳斯莱斯及其客户带来明显的好处。

“为客户带来的好处是，因为发动机在飞机上运行的时间更长，因此客户的业务中断情况变得更少，客户也可以更多地使用发动机。对我们来说，好处是我们可以优化实际维护工作的方式。”他说。

玛氏公司(Mars)通过数字孪生技术来优化供应链

玛氏是一家糖果、宠物护理和食品公司，已创建了其生产供应链的数字孪生，以支持其业务工作。该公司正在使用微软Azure云和AI技术来处理和分析由其制造基地生产设备所生成的数据。

“我们将数字化视为一个巨大的业务加速器，”玛氏公司首席数字官桑迪普•达德拉尼(Sandeep Dadlani)说。“我们不是为了数字化而进行数字化。”

在埃森哲咨询公司数字化制造和运营顾问的帮助下，玛氏公司正在使用微软的 “Azure数字孪生物联网服务”来增强其160个制造基地的运营工作。该公司正在创建软件模拟以提高产能和流程控制，包括通过预测性维护来增加设备的正常运行时间，以及减少与设备产生不一致包装产品数量相关的浪费。通过使用数字孪生结构，玛氏公司还可以生成一个虚拟的“用例应用商店”，该应用商店可以在其各业务部门中重复使用。

展望未来，该公司计划使用数字孪生数据来思考影响其产品的气候及其他情况因素，从而更好地了解从产品源头到消费者这一供应链。

达德拉尼的建议：进行尝试，接受失败。玛氏公司鼓励其员工思考并合理使用人工智能和其他新兴技术来解决问题。这是公司努力进行文化转型的一部分，即转变为一种接受尝试并期望员工从失败中吸取教训的企业文化，从而可将经验应用于未来的业务成功发展。去年12月，该公司举办了一场虚拟“人工智能节”，以庆祝在各个业务部门中部署了200个AI用例。

“如果您能很好地定义一个问题，则您就会觉得自己有能力利用人工智能解决该问题。”达德拉尼说。

TIAA协会降低了客户服务的复杂性

美国教师保险和年金协会 – 大学退休股票基金(TIAA)帮助教师管理他们的退休基金。为了降低该机构的新客户引导流程复杂性，这家非营利性金融服务提供商正在使用由一个图形数据库所支持的数字孪生。

“在TIAA协会，基于美国国税局(IRS)的所有法规，我们提供了非常复杂的退休产品，”TIAA协会董事总经理兼退休服务技术主管亚历克斯•佩科拉罗(Alex Pecoraro)说。“为了完成这些工作，我们需要具备大量的业务知识，然后我们将全部团队组织起来做这件事。”

TIAA协会的外包服务包含600多个功能，可产生超过一万亿个可能的客户配置。在部署数字孪生技术之前，专业的TIAA协会团队根据客户想要的运作模式来手动创建和测试了一些技术配置。因此，TIAA协会的员工基于他们的专业知识被高度“功能化”，这意味着员工只能处理某些类型的产品。这也使得扩大业务规模变得很难。

为了解决这个问题，佩科拉罗的团队创建了一个数字孪生，它由一个可表示600多个特征的图形数据库组成，并且控制节点用于表示复杂的分组逻辑。数据节点表示实现某一功能所需的数据字段，而关系链接表示依赖关系、验证和排除情况。

该数据库已减少了客户引导流程所需的时间和专业知识。

佩科拉罗的建议：改变您的视角。佩科拉罗表示，该项目的关键是采取一种产品采用方法，而不是将其视为一个技术配置问题。

“团队中有一个人提出了这个想法，即把我们的注意力从配置上转移到客户正在做什么以及他们正在购买什么产品上，”佩科拉罗说。“这种视角的转变非常重要。回想起来，这似乎显而易见，但当您沉浸在所有细节中时，您可能会因为只看树木而迷失在森林中。”

拜耳作物科学公司(Bayer Crop Science)通过虚拟工厂来重塑战略

拜耳作物科学公司已利用数字孪生技术为其在北美地区的九个玉米种子生产基地的每一个创建了“虚拟工厂”。种子从拜耳作物科学公司的田地里收获，经过九个生产基地进行加工和装袋，然后配送给农民。

“现在我们可以重新思考自己的业务流程。我们可以通过应用这些机器学习算法或模拟方法来重新思考自己的决策，”拜耳作物科学公司数据科学卓越中心(COE)负责人Naveen Singla说。

拜耳作物科学公司为九个生产基地中的每一个都创建了设备、流程和产品流特性、物料清单和操作规则的动态数字表示，从而使公司能够对每个生产基地进行“假设”分析。

当商业团队推出新的种子处理产品或新的定价策略时，企业可以使用虚拟工厂来评估其生产基地是否准备好调整其运营工作以交付这些新策略。虚拟工厂还可用于做出资本收购决策、制定长期业务计划、开启新发明和改进流程。拜耳作物科学公司现在可将九个生产基地10个月的运营时间压缩为两分钟，从而使其能够回答有关库存单位(SKU)组合、设备产能、流程订单设计和网络优化的复杂问题。

Singla的建议：了解业务领域知识。Singla表示，拜耳作物科学公司成功的关键是，由决策科学负责人Shrikant Jarugumilli领导的决策科学团队负责构建数字孪生——他们将多个虚拟系统连接起来，花大量时间在生产基地了解他们的运营工作，并且赢得了利益相关者的支持。

“让我们的数据科学家了解业务领域知识非常重要，这就是Shrikant的切入点，”Singla说。“他和他的团队在这些种子生产基地花了数周时间，试图了解运营情况，了解细微差别，从而他们在与领导层对话时使用的是领导所说的语言，而不是机器学习方面的技术语言。”

来源：企业网D1Net

近年来，随着计算机算力以及全球数据总量呈指数级增长、算法研究快速迭代，人工智能已经登上了科技革命的风口。高德纳（Gartner）咨询公司最新发布的技术成熟度曲线显示，目前全球处于上升期或巅峰期的新兴技术中，一半以上与人工智能有关。到2020年，人工智能预计将在全球产生约470亿美元的总收入，成为全球经济发展、科技创新及社会变革的一大驱动力。

随着人工智能走出科幻的迷雾，成为切实改变世界的革新技术，工业4.0时代的企业也逐渐认识到它对制造业转型升级的巨大价值。根据麦肯锡全球研究院预测，人工智能将为全球企业额外创造3.5万亿~5.8万亿美元的经济价值，这一数字甚至超过了德国2018年的GDP总量。同样人工智能遇上工业所能发挥的潜力让人们浮想联翩、趋之若鹜，工业人工智能也首次站在了工业舞台的聚光灯下。工业人工智能的概念最初由美国国家科学基金会智能维护系统中心提出，它作为一种系统化的方法和规则，专注于开发、验证和部署各种不同的机器学习算法，进而形成具备可持续性能的工业应用，重复、有效、可靠地解决工业问题。不过，大多数企业仍对人工智能的商用前景和投资回报心存疑虑，工业人工智能的规模化应用依然任重而道远。尽管如此，以全球“灯塔工厂”为代表的工业人工智能领军者业已证明，人工智能将重塑产品服务、生产运营、组织流程等业务场景，打造具有颠覆潜力的创新业态，成为企业发起智能制造“攻坚战”的新引擎。如今，制造业智能化曙光初现，人工智能技术竞争方兴未艾。企业必须思考自身如何“点亮”工业人工智能，才能在这场独属于“追光者”的竞赛中取得先发优势。　　

先者为王：人工智能让企业在经营竞争中如虎添翼　　工业物联网技术的广泛应用，为企业创造了海量的物联网大数据。然而，由于人脑的算力和思维范式存在上限，为传统战略运营工具的数据处理、分析和应用能力加上了一个难以突破的阈值，企业的价值创造因此面临瓶颈。人工智能作为一项“智慧”科学，其本质就是研究如何使计算机具备类似人脑的学习、推理、思考和决策能力，并借助远超人脑的算力，为工业企业带来一次端到端全价值链的智能化革命，具体包括：精准投放、打造极致个性化旅程的智能化销售；虚拟仿真和优化驱动的智能化研发；从采购到付款的“一站式”智能化采购；实时透明、动态决策的智能化供应链；以高级分析驱动生产力及质量提升的智能化生产；机器人流程自动化赋能的智能化后台；基于工业物联网和大数据的智能化售后。这些人工智能和机器学习用例在企业全价值流中不断涌现，显著提升了企业的运营水平、财务表现及竞争力（见图1）。

首先，积极拥抱人工智能技术，有助于企业显著提高生产运营水平。根据麦肯锡的预测，仅在制造业和供应链领域，人工智能引领的业务变革就将在未来额外创造近2万亿美元的经济价值。在世界经济论坛评选的全球26家“灯塔工厂”中，人工智能应用实现了工厂产出平均提升7%~10%、生产效率增加4%~17%、产品质量提升至少10%，并减少了至少50%的延迟交付和2%~4%的能源消耗。我们看到，在制造业全面优化成本、效率、质量和敏捷性的过程中，人工智能发挥了关键作用，成为继自动化和数字化技术之后，推动企业智能制造转型的全新杠杆。　　

更为重要的是，只要在人工智能领域先行一步，企业便能收获“真金白银”的财务收益。麦肯锡旗下的Analytics Quotient（AQ）数据库分析发现，人工智能领军企业相对于同类企业具有更强的收入和盈利创造能力（见图2）。而麦肯锡全球研究院的预测模型表明，即使是先行者与跟随者只是在决策时点上存在细微差异，从长期来看也会演变成企业发展的巨大差距。

AI+ 价值：以企业价值为导向，规划人工智能战略　　企业制定人工智能战略的前提，是对其工业人工智能的价值取向形成清晰认识。富士康工业互联网在人工智能领域起步之初，也曾尝试过开发前几年红透半边天的跨行业、跨价值链横向整合的工业互联网平台。但由于进度缓慢、回报不清晰，富士康工业互联网很快意识到专业领域知识的重要性。比起模型和算法，工业经验和场域验证才是决定应用工业软件产品影响的关键证据。于是，工业富联最高层重新思考并明确了自身部署工业人工智能的价值取向：立足优势行业、注重行业价值。　　此后，工业富联从深耕多年的电子制造行业出发，制定了以“VaaS”（Value-as-a-Service，价值即服务）为导向的人工智能发展战略：针对电子制造行业的价值痛点，研发智能管理、智能排配、智能监控、智能分析、机器视觉检测、智能调试等一系列智能技术应用， 以价值创造作为工业软件开发的初心，以价值实现作为工业软件产品的始终。基于这种价值导向的战略定位，工业富联很快便找到了工业人工智能的发力点，在垂直整合市场的赛道上跑得有声有色。　　

AI+ 数据：搭建从数据到洞见的工业物联网架构

　　工业人工智能在把海量数据转化为智慧洞见的过程中，离不开强大而可扩展的工业物联网架构作为保障。工业富联的工业互联网平台分为设备层、车间层和企业层，在数据采集、传输、管理、分析、应用等各个阶段针对每一层级详细设计了架构需求：明确全面、精确、统一且兼容的数据采集；确保灵活而安全的数据传输和交互；建立安全、稳定、高速、可扩展的数据管理平台；强化可视化和先进分析能力；打造以用户为核心的敏捷开发环境。如果说人工智能是企业的大脑，那么工业物联网架构就是支撑大脑思考的神经元群。正是通过完备的工业物联网架构，工业富联才得以充分驱动并释放来自数以万计的机器人、传感器和关键设备的巨大数据资源，实现工业人工智能应用的快速孵化和规模推进。　　

AI+ 人才：工匠、器匠、智匠，一个都不能少

　　推动工业人工智能，仅仅依靠数据科学家的力量显然是不够的。工业富联在探索人工智能落地的征程中领悟到，只有打造一个融合了运营技术（OT）、信息技术（IT）和分析技术（AT）等各领域人才的跨职能敏捷作战团队，才能有效赋力人工智能项目的迭代开发。其中，OT专家是团队中的“工匠”，主要负责描述业务。　　他们凭借丰富的生产和运营经验准确判断业务痛点和用户需求，在精益改善和流程优化方面发挥重要作用。IT专家是团队中的“器匠”，主要负责整合数据。他们懂得如何快速采集、清洗并整合数据，包括跨部门、跨地区的系统、设备、人员和第三方数据，为人工智能提供全面、高时效性的数据土壤。AT专家则是团队的“智匠”，主要负责生成洞见。由他们来执行算法策略设计和模型开发，在大数据的海洋中捕获具有业务意义的洞见信息。与此同时，三类人员彼此间的合作和反馈也必不可少。　　在工业富联，OT人员的业务需求决定了IT人员的数据清单；IT人员的数据质量将显著影响AT人员的分析效果；而AT人员的模型验证和调校也需要OT人员的经验输入。工业富联的成功经验表明，为了推动工业人工智能成功落地，工匠、器匠、智匠，一个都不能少。　　

AI+ 文化：讲好故事，自上而下推动全员理念变革

　　作为领导整个集团向人工智能全面转型的顶层力量，工业富联的管理者深知，只有自上而下讲述坚定不移、振奋人心的转型故事，才能推动全员持续的文化变革，将工业人工智能真正烙刻于企业的血脉之中。具体而言，工业富联从公司愿景、组织架构和文化建设三个方面，讲述了一个精彩的“工业人工智能”故事。　　首先是公司愿景。在谈到工业富联未来将走向何方时，其掌舵人不止一次明确表示：“我们要做一家智能制造和大数据公司！”AI、工业智慧和大数据也是他在各种场合频频提到的三个词。从传统的外包电子制造到创新的智能制造，工业富联对工业人工智能的赤诚之心始终未改。　　其次是组织架构。工业富联在旗下单独设立了一个工业互联网子公司，专门负责集团的智能制造以及工业物联网技术的研究和业务拓展。该子公司的负责人位列集团董事会，昭示了集团上下对于工业人工智能的重视。　　最后是文化建设。在工业富联偌大的工业园内，建于多年前的“IE（工业工程）学院”旧貌换新颜，变成了“工业互联网学院”，这使每一个员工都意识到，集团对数字化转型的决心势不可挡。同时，工业富联还专门成立了一个“灯塔学院”，致力于培养工业大数据和人工智能人才，通过理念宣贯和实践训练，鼓励每一位员工为推动企业向工业人工智能前进而提升自我，携手成为照亮未来制造业的曙光。　　

AI+ 生态：创造并引领独属于自己的人工智能“朋友圈”

　　企业的人工智能之路并非闭门造车的孤独之旅，而是结交良朋益友的共创共赢。工业富联的人工智能“朋友圈”兼具深度、广度与灵活度。在深度上，工业富联纵贯工业物联网架构，从工业应用、功能平台、系统整合、智慧产品到关键零部件，在各技术堆栈中储备了丰富的技术伙伴资源，确保逾千应用和数十万台联网设备能够稳定服务各类型用户。在广度上，工业富联积极筹划“政产学研用”的深度融合，一方面协助区域工业智能产业升级，另一方面通过联合国内外高校和研究所进行人工智能的研究和试点，以期在技术供应生态圈之外形成更加广泛的工业人工智能合作环境。在灵活度上，无论行业专家、互联网新贵还是初创先锋，都可以成为工业富联欢迎的“AI之友”，工业富联也在积极运用战略合作、投资和并购等多种方式拓展人工智能“朋友圈”。先做到技术生态纵向整合，继而推进“政产学研用”全盘融合——工业富联打造的极具品牌领导力的人工智能“朋友圈”，成为它持续保持工业人工智能竞争力的重要保障。

纵观全球，涉足工业人工智能领域的企业早已证明了这种技术的独特价值。人工智能技术在改善企业的生产力、效率、质量和成本等方面具备巨大潜力，无疑将成为赋能未来制造业的全新引擎。不过，企业的人工智能转型之旅任重道远。率先觉醒的企业必须坚定信念、勤练内功、即刻出发，在工业人工智能领域开疆拓土，力求将自己变成闪耀未来智能制造之光的灯塔。

转自：控制工程网

VR发展趋势到现在，早已被愈来愈多的人所熟识，但是提到VR行业，绝大多数人对于此事的印像将会还滞留在它是一种有意思的游戏感受上。但此项技术早已被普遍的运用来到别的领域，愈来愈多的VR虚拟现实机器设备，VR线下推广体验中心的问世让VR行业的市场前景愈来愈光辉。

伴随着VR技术的完善化，客户对VR內容的要求愈来愈高。世界各国游戏开发商在VR行业的全力资金投入，也使VR手机游戏提升了销售市场內容的丰富度。而VR手机游戏的发展趋势室内空间不管线上与线下的发展趋势室内空间都十分极大，但这也仅仅VR行业的一个刚开始。

现阶段VR技术早已普遍的运用于诸多如城市规划建设，工业仿真，名胜古迹还原等诸多领域，让实际标准中无法演习完成的事儿，都能够根据VR虚拟现实机器设备，历经VR技术开展完成，为大量的行业出示大量的将会。

以诊疗领域为例子，纽约皇室医院门诊曾应用VR技术干了全世界第一例360VR脑血管瘤医治，自2017年起，VR技术在诊疗领域也多被运用于学习培训教育，学习培训目标包含临床医学、医师、甚至患者。这也刚好证实了VR行业的市场前景有着无限潜能。

但是在VR行业中，要完成全方位商业化的普及化，VR仍存有一些待提高之处。撇开虚拟现实的技术方面，VR虚拟现实机器设备便是其一。现阶段而言，假如应用高档的机器设备必须外界出示充足的数学计算，必须别的机器设备或是是高档PC才可以运行。此外大家普遍的几种VR虚拟现实机器设备的头显绝大多数全是“有小尾巴”，过度厚重，不足便捷带上。

　　而5G技术的来临也是为VR行业插到了羽翼，为VR虚拟现实机器设备产生显著的升級提升，大幅改进机器设备界面不清楚，会出现晕眩感等的一系列困扰难题。乃至是5G和VR的进一步结合，还能够完成VR感受云空间化，已不限于运用范畴室内空间，这对VR行业而言也有着极大的实际意义。

在没多久以后将来，VR虚拟现实机器设备的配备越变越好，所展现出的虚拟现实的实际效果也就会更好，VR线下推广体验中心或许会更为广泛，VR行业的市场前景是十分让人希望的。