
人工智能是空中楼阁的原因,大数据的作用体现了
今天很多企业家反映实业不好做,做实业还不如囤房子。前几个月,有报道说一家上市公司卖了北京的两套房子才没有被ST。我一直从事互联网工作,到现在将近二十年,不擅长解读政策,所以只能从互联网的角度来看实业的发展。
互联网已经改变了整个社会和我们每个人的生活,未来五年互联网的风口和趋势到底在哪里?同时当很多互联网都在谈风口和趋势的时候,这个风口和趋势跟我们传统实业和制造业到底有什么关系?
没有大数据,人工智能就是空中楼阁
前阵子,有几个传统产业的企业家和我交流,他们和我说,最近感觉很迷惑,感觉互联网都是大忽悠。因为有人说现在从IT时代进入了DT时代,也就是大数据时代,还有人说移动互联网时代已经结束了,进入了人工智能时代。而你周鸿祎天天讲万物互联、IOT,讲物联网,到底你们谁说的对?
我想解释一下,应该说大家说得都对,都不够全面,就像盲人摸象一样,大家预测互联网方向的时候都看到自己擅长的一方面。
我们讲的DT时代、人工智能时代还要万物互联时代,实际上是三位一体的。
人工智能现在虽然很热,但实际上,人工智能在算法上的突破并不是特别大,真正的突破实际上是源自大数据。
换句话说,每个企业都在想怎么利用人工智能技术帮助企业转型,帮助企业提升客户服务水平和能力。但是,我想说,没有大数据,人工智能就是空中楼阁。人工智能不可能凭空像科幻电影里的变形金刚或者终结者一样无所不能,包括现在讨论机器会不会产生意识、主宰人类,没有大数据,这些都是空话,所以人工智能的基础是大数据。
未来蓝海:传统产业大数据价值有待挖掘
前两年大家都在讲“互联网+”,大家看到O2O、大数据、云计算这些热词,很激动,大家纷纷冲进互联网,试图学习马云、马化腾,都想做互联网,最后发现转型变成了转行,但最终会发现,基因不对。
大家要知道,传统产业的企业家你不可能去做一个淘宝、做一个微信,阿里和腾讯之所以今天能够有底气谈论大数据,是因为他们之前在互联网时代通过电商或者微信来连接了用户,为亿万用户提供了互联网基础服务,从而拿到了数据。
那么现在讲大数据,传统产业的企业家应该思考如何挖掘你的行业的大数据。现在人工智能的很多算法都是公开的,而且是开源的,因此传统产品才有可能基于大数据,通过深度学习、通过机器学习把人工智能技术跟自己所在的产业连接一起。
我觉得对于很多传统产业来说,未来五年有一个巨大的机会帮助大家获得大数据,并进行有效的应用,就是IOT,或者说物联网。
以前讲到物联网,讲到IOT,人们想到的都是可穿戴设备,比如GoPro的运动摄像机、Fitbit的手环。但物联网还有另一面,我们可以把它叫做工业互联网,或者叫产业互联网。英国《经济学人》杂志在2016年7月发表了一篇文章,题目是《伟大的融合》,指出中国正在进行制造工业的IOT化。比如,GE在上海建设了一个“数字化工场”,帮助它的客户把制造设备互联网化,就是设备和设备之间、设备和货物之间、货物和货物之间以及货物和人之间,连接在一起能够进行通信。
GE本身就是一个物联网、大数据应用的案例,比如两年前失联的MH370是波音777机型,这种机型使用了两种发动机,一种是罗斯·罗伊斯公司的发动机,一种是GE的发动机。这两家公司在飞机引擎的制造和维护过程中, 也采用了大数据分析。早在2006年,罗斯·罗伊斯就通过卫星实时监测它的3000多个引擎的数据并进行分析。通过算法的不断改进,罗尔斯·罗伊斯如今甚至已经可以通过数据分析预测可能出现的技术问题。GE使用数据分析的时间更早。从2000年开始,GE公司开始为民航客户提供一项名为远程诊断的解决方案。当这些客机在万米上空飞行时,发动机的排气温度等实时运行数据会被传感器记录,通过卫星传送回地面,GE的工程师据此判断其运行状态是否正常,并及时提醒航空公司对可能出现的故障进行诊断和维修。
国内也有利用物联网方面比较领先的案例。国内的三一重工、徐工集团在物联网应用上也做的比较先进。以徐工集团为例,现在徐工集团的机械设备中,我们常见的挖掘机、起重机中,都内置了传感器、黑盒子,可以收集各种数据,利用这些数据,徐工集团可以对设备的故障进行诊断分析,实现远程升级,甚至可以根据设备生产作业的实时数据,比如风偏、水温、液压油位等数据进行作业风险预警。
我在五道口上课的时候有两个同学,他们做的是非常传统的项目,就是帮助企业保证类似煤矿、工业项目中传送传输设备的正常运行。这些传送设备通常是由齿轮箱、齿轮组以及变速箱等设备组成。这些传送装置设备一旦停工,企业工厂就可能面临停产停工的问题。
过去传统的做法是请有经验的老师傅来推断、检修。但这两位同学,利用了物联网的思路来做这个事情。他们将一些传感器装到传送装置上,然后实时地把诸如压力、温度、噪音或者湿度等参数传输到云端。
这样,他们拿到了这个行业里的大数据,通过对这些数据的分析,他们知道每个传送带、传送装置正常的工作状态是什么样的数据,不正常的状态是什么样的数据。因此他们能提前向客户厂商提出预警,比如说哪个东西可能会坏掉,他们再提供维修和整合服务。
我觉得这个例子是典型的物联网应用,通过传感器和云端大数据,然后利用技术算法分析数据。相比原先找有经验的师傅去检修,有脱胎换骨的改变。所以,如果传统产业企业能够学习这种方式,或者找到适合自己的方式,去积攒到所在行业的大数据,才有可能进一步利用人工智能。
我觉得下一个所谓风口也好,机遇也好,物联网对于传统产业,能够将整个工业互联网,或者产业互联网变成另外一个真正巨大的蓝海的市场。跟我们今天消费互联网相比,会是完全不一样的市场。这也是很多实业,特别是中国制造业转型升级的巨大机会。
潜在网络安全问题:物联网打通网络虚拟世界与真实现实世界通道
物联网对于传统产业,对于我国制造业来说,带来升级转型机遇的同时,我们也不能忽视它带来的网络安全挑战。
当我们的企业甚至社会基础设施开始利用物联网采集各种各样大数据的时候,大数据的安全问题就变的非常重要。如果数据被泄漏,肯定会造成难以估量的损失。如果是被入侵,不法分子不窃取数据,篡改数据也会造成严重的后果。因为物联网正在把虚拟的网络世界和真实的现实世界连接在一起,网络世界的安全问题给真实世界造成很大的影响。
比如,以前的网络攻击局限在电脑里、手机里,以后无人驾驶汽车普及,这些联网的汽车一旦被黑客攻破、控制,比如快速冲向密集人群,这就会形成巨大的社会安全问题。医疗设备联网,也会对人身安全形成威胁。比如美国前副总统切尼,身体里装着心脏起搏器,为了防止远程攻击,他的心脏的无线监视器都做了特殊的改造,防止被黑客利用。
针对社会基础设施的攻击也并不是天方夜谭,实际上已经有国家遭遇过。2010年,伊朗核电站就遭遇“震网病毒”攻击,造成8000台离心机损坏,如果更严重一点,就可能造成核泄漏。
最近一次针对基础设施的攻击案例是去年12月,乌克兰水电站遭遇网络攻击,最终造成超过10万户家庭的大停电。
所以现在无论是美国还是中国,或者世界其他大国,在网络安全方面都在考虑超出虚拟世界之外的问题,网络安全防护工作,不仅仅是保护网络基础设施,而是要开始保护整个国家和社会的基础设施,包括能源、电力、交通等等基础设施。
因此,物联网时代,网络安全问题对传统实业、制造业会是挑战。对于360来说,这也是我们要做好的事情,当传统产业把工厂、生产线连到互联网的时候,360可以做保驾护航的事情。
我们从美国退市回来很重要的原因就是解决身份问题,从国外的公司变成内资的公司,我们可以给政府、给军队,包括也给很多企业提供从网络安全到物联网安全安全的保护方案。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23