基于 IIoT（工业物联网）的工业自动化新时代带来了迫切需求，现已成为数字化转型 (DT) 的主要驱动力。 它将实现巨大的优势，但与任何技术/数字运营模式的发展一样，优化这些功能也将面临挑战。 就 IIoT 而言，目前在数据扩展和运行速度方面存在的限制影响了其成功。难怪这个领域引入了“机器学习和训练”和“推理”，它们将共同实现规模化和接近实时的快速决策，并被统称为人工智能或“AI”。

人工智能概念于 1956 年由达特茅斯学院的 John McCarthy 首次提出，指的是使用计算机系统执行通常需要人类智能的任务。高阶人类任务的示例包括视觉感知、决策和语言翻译。人脑可以毫不费力地同时处理许多这些功能，而计算机历来一直在努力实现类似于人类的认知水平。

快进 55 年，尤其是在过去十年，AI 背后的支持技术（如计算机科学、芯片进步、计算能力的提高，以及现代世界中传输和处理大量通信所需的连接性）已经扭转了局面——认知任务再也难不倒 AI 了。

人工智能越来越多地应用于 B2B 领域的一个分支是机器学习 (ML)，其技术所采用的算法像织布针一样，将多个部分缝合在一起以加速计算机的学习能力。机器学习通过自我修正决策并实施成功的策略，同时随着时间的推移摒弃效率低下的模型，从而实现这一目标。它是一种功能强大的数字化转型工具，可释放工业 4.0（增强型工业物联网）的所有潜力。

这些技术在本质上是全球性的，人工智能/机器学习领域的进步对全球产业具有重要意义。显然，那些能够在人工智能和机器学习 (AI/ML) 领域领先一步的国家将在工业发展中抢占市场份额。然而，目前的情况到底怎样呢？ 领先的是？ 主要竞争者又有哪些，迈向工业 4.0 未来的关键驱动力是什么？

最近的一项研究1表明，虽然美国/欧盟一直引领着发现的时代，但日本和韩国的科技公司拥有最多的人工智能专利申请2，而中国则处于实施的前沿1。 美国专注于人工智能系统的初创企业投资、研发资金和芯片设计等关键领域，亚洲则拥有庞大的人口和相应的产业基础，可以通过机器学习促进工业自动化的发展和数字化转型。

高水平的国家战略“中国制造 2025”就是在此前提下制定的。在最初构思和定义时，预计这一战略的见效将比工业 4.0 更慢，但人工智能和机器学习技术的进步无疑正在加速工业自动化的转型，工业 4.0 及其对海量数据的处理正成为一个越来越切实可行的目标。

尽管中国可能在公共人工智能领域引入瞩目，但就目前的情况而言，真实状况如何呢？ 在台湾，ICT 和半导体产业是智能技术发展的坚实基础。其他东亚地区的重点是扩大工业和家庭机器人、自动驾驶汽车、智能医疗、智能制造和智能城市项目的应用，例如一家大型汽车开发商在富士山山脚下计划的项目。

中国的相关发展十分强劲，其背后是主导该领域的征服决心和企业家精神。具体而言，无论是在中国还是其他地方，IT 和 OT 之间差距的缩小是决定工业 4.0 成败的关键因素，而随着大大小小的工业公司都在努力提升其运营和数据计划的效率，人工智能/机器学习在方便发挥着重要的作用。简而言之，审慎的人工智能/机器学习实施将通过数据处理、分析和模式/趋势分析提高运营效率并加快处理速度。人工智能/机器学习和工业 4.0 的美妙之处当然在于它们适用于中国（以及全球）大多数的行业类型，这突显了它们的潜力和力量。

中国抓住了人工智能的机遇，并宣布了雄心勃勃的目标。在该技术领域建立重要影响力，然后迈向全球领导地位将成为国家的当务之急。政府公开表现出推动优先级和增长领导力的积极立场。

因此，中国目前似乎已把握了机遇，以充分利用人工智能/机器学习，并有望在中国互联网领导者百度、阿里巴巴和腾讯（统称为 BAT）的帮助下实现工业 4.0 的超高效生产目标。这三家企业都积极进军 AI 技术。 

在线搜索专家百度参与了三家主要的 AI 相关企业：Apollo，一个雄心勃勃的全球自动驾驶开源项目；DuerOS，一款支持语音的数字助理；以及百度 ABC，一个企业“云”平台。

2019 年 9 月，阿里巴巴发布了人工智能加速芯片含光 800。含光 800 采用 12 nm 工艺制造，包含 170 亿个晶体管，在 ResNet-50 进行基准测试时，能够每秒处理 78,563 个图像 (IPS) 和 500 IPS/W（每秒图像数/瓦特）。

腾讯因其广受欢迎且功能多样的微信社交媒体平台而闻名，并且是全球最大的视频游戏发行商。该公司于 2016 年在中国成立了 AI 实验室，后于 2017 年在美国华盛顿州贝尔维尤开设了 AI 研发中心，从事语音识别和自然语言处理 (NLP) 工作。

人工智能/机器学习背后的关键组成部分是数据，而连接性是将数据引向有意义且强大方向的“粘合剂”。如果没有驱动数据的连接，工业 4.0 的成功推进将受到限制。

无论是概念还是现实，机器学习 (ML) 在全球和地方层面都提供了极其高效的经济模型。通过机器学习，可以快速构建超大规模的数据集，然后通过算法“训练”产生见解的“推理”以支持战略决策。近乎实时的通信进步（例如，5G 的快速发展和推出）将提高人工智能 (AI) 的应用速度。

这些潜在的应用既可以细致入微且高度本地化（如同自动驾驶汽车的开发一样），也可以覆盖广泛的范围（如金融科技 (fintech) 和供应链管理 (SCM)）。最终目标是自动化和生产效率的创新飞跃。

在可扩展性方面，人工智能即服务 (AIaaS) 和机器学习即服务 (MLaaS) 已经成熟，与 SaaS（软件即服务）相比，可以提供更准确的解决方案来满足客户需求。软件和硬件进步的结合将推动计算能力、学习潜力以及数据管理的增加，这反过来又将使人工智能/机器学习在深度和多样性方面得到无缝扩展。例如，中国大力推动的 5G 技术旨在实现先进的连接、更低的延迟和更高的数据潜力，再加上在量子计算等领域所取得的进步，使其在提升人工智能/机器学习成果方面拥有计算能力的优势。

事实上，最近关于人工智能/机器学习对供应链管理影响的市场分析3得出了结论，启用人工智能的供应链效率提高了 60%，同时降低了风险和总体成本。到 2025 年，全球用于 SCM 且基于云的 AIaas 规模将达到 1.9 亿美元。在全球范围内，涉及上下文感知计算的 SCM 中的人工智能将在 2025 年达到 13 亿美元。在全球范围内，支持物联网解决方案的边缘计算中的 AI SCM 将在 2005 年达到 3.2 亿美元。

在 Molex莫仕，我们认识到人工智能/机器学习的价值可能呈指数级增长。计算机不仅能够识别模式，还能解释决策并提出新的建议。这些功能具有巨大的潜力，可以建议新产品功能，同时在增加产量前预测产品需求，以确保改善客户体验。

然而，尽管人工智能/机器学习将提高 B2B 领域中决策的效率和准确性，但我们必须认识到，数据服务、功耗和训练模型等关键因素并不等同于人类的智力、判断力和输入。在许多情况下，B2B 决策比其他领域更需要情绪化和创造性的输入。 在这方面，启用能够正确聚焦并执行的 UI 功能至关重要，以实现人工智能/机器学习将带来的好处。

人工智能/机器学习正处于大规模收集并使用数据的全球拐点。人工智能/机器学习是未来。然而，云在通信方面存在延迟，并且越来越多的人工智能/机器学习处理正在迁移到“边缘”——例如在汽车、智能手机和笔记本电脑，以及需要快速人工智能/机器学习的各种本地设备和场所。工业 4.0、IIoT 转型将需要边缘人工智能/机器学习的速度，无数本地设备必须以接近实时的速度互连互通和互操作，同时避免丢失或破坏数据包。

这是因为工业 4.0 通过源自生产过程每个阶段部署的传感器阵列的持续数据反馈，追求生产的超高效率。这产生了巨大的数据集，为机器学习提供了基础，紧随其后的人工智能推理则有助于 B2B 决策。

通过向本地、边缘和普适计算迁移，电子和半导体领域的供应商和分销商将确保数字化转型为企业战略提供人工智能/机器学习技术的巨大潜力，使其成为 B2B 层面上的转型工具箱和技能组合。

在整个设计和实施链中，连接性已变得越来越重要，因为这些数字化转型技术重新定义了系统和控制基础设施的部署和未来用途。模块化技术的进步使机器前所未有地互联。简而言之，所有设备都必须能够有效地“交谈”、通信和交互，而高效的连接对于成功迁移到工业 4.0 起着至关重要的作用。Molex莫仕在人工智能的发展中发挥着至关重要的作用，支持开发并将 AI 功能应用于客户的产品创新、质量、效率等，确保客户以有效的数据和连接性为核心实现战略目标，积极展望工业 4.0 及其后续发展。

1. 信息技术与创新基金会的研究 – https://www.scmp.com/news/china/science/article/3119115/us-leads-world-artificial-intelligence-china-catching-study – Published 25th 2021
2. 世界知识产权组织的研究 – https://www.forbes.com/sites/insights-ibmai/2020/05/21/where-asia-is-taking-the-world-with-ai/?sh=4cf541257947 – 发布于 2020 年 5 月
3. “2020-2025 年全球供应链管理市场中的人工智能——到 2025 年，全球基于云的 SCM AIaaS 规模将达到 19 亿美元”（研究和市场）。– https://www.globenewswire.com/news-release/2020/03/16/2000842/0/en/AI-in-the-Global-Supply-Chain-Management-Market-2020-2025-Cloud-based-AIaaS-for-SCM-Will-Reach-1-9B-by-2025-Globally.html