我們唯有奔跑，才能不被AI時代拋棄。

編者按：本文來自微信公眾號 愛倒騰的程序員（ID：taosdata），作者：陶建輝，創業邦經授權轉載，頭圖來源攝圖網

【資料圖】

消除數據孤島

AI的基礎是大數據，需要有足夠的數據樣本，才能訓練模型，才能依據數據做出商業決策。但是對于傳統產業而言，這個大數據的前提就不容易實現。

傳統產業的IT、OT建設參差不齊，無論中國還是美國，大部分企業的數字化建設遠落后于互聯網類型的企業。以我最近打交道的美國發電企業為例，他們很多用的還是PI System，而且還是很老版本的，Aveva對Process Book都不支持了，但還在使用，因為PI相當穩定，而且能滿足他們生產要求，他們也就沒有更換的動力。但這個老系統是完全獨立的，是一個數據孤島。一個發電集團總有幾十個甚至幾百個電廠，每個電廠用的軟件，或版本都很難一致。而且由于商業的并購、分拆的原因，導致各種系統并存，各種軟件供應商都有，而更換的成本與風險很高，因此很難統一。加上現在清潔能源的發展，光伏、風力發電的系統與傳統的電力又不一樣，因此復雜度更高。

在這種情況下要讓AI賦能這些傳統產業，首先要做的就是將散布各處的各種系統、包括各種版本采集的數據進行匯總，消除數據孤島。但由于各種系統存在，有老掉牙的自動化系統，也有最新的數采系統，各種工業協議都存在，數據匯聚還不是簡單的匯聚，還需要對各個數據源的數據進行清洗、加工、處理，才能進入統一的平臺。而每個數據源都不一樣，因此數據匯聚是一個臟活、累活，還不產生直接的經濟效益。但是數據匯聚如果不做，AI賦能談都不用談。

建設數據分享平臺

數據總是提供給各種應用，包括各種AI應用使用的，而且這些應用有內部，還有外部合作方的應用。比如新能源汽車采集大量的數據，它包括電機、電控、電池數據，甚至還有用戶行為數據。這些數據不僅內部不同的部門需要使用，看如何通過數據分析提升汽車品質，改善駕駛與乘車體驗，同時眾多第三方需要這些數據，比如電池供應商、電機供應商，他們也需要用這些數據來進行分析，有些數據還要上報政府監管部門。因此如果不建設好強大的數據分享平臺，將無法應對內部、外部以及監管部門的需求。

但分享就牽涉到數據的隱私與安全問題，利益相關方應該只能看到它被容許看到的數據。比如電池供應商只應該獲取脫去用戶個人信息后的電池數據，而且只能看到自己的電池數據，還不能看到同一汽車主機廠其他電池供應商的數據。為了保護隱私，有的數據甚至要加工后才能提供，而不是直接提供原始數據。為進一步增加安全性，數據擁有方還必須能隨時控制應用訪問的時長，訪問的數據的時間段等。

大多數場景下，數據的分享可以是批的方式進行，定時獲取一次就行。但有的場景是需要實時獲取的，比如工業上總希望做實時的異常檢測。一旦檢測到新的數據，就需要立即通知相關的應用。可以預見，實時的數據分享需求場景還會越來越多。

由于應用林林總總，新的應用、新的合作伙伴天天涌現，這個分享還必須有足夠的靈活性。系統管理員收到開通分享的請求后，做個簡單的配置，分享就能立即生效，而無需進行開發或復雜的配置。

因此企業要能讓AI賦能，數據匯聚后，還必須建設有強大、安全而又靈活的數據分享平臺。

無縫對接的開放系統

數據匯聚后，企業當然可以開發自己的AI應用，做更好的異常監測，實時報警，并為產能、成本、設備維護等提供更好的預測，而且這些都是基于整個公司層面的數據做出的，而不是局限于一個電廠或一個制造廠，讓決策者有更好的宏觀整體把控。

但傳統企業要組建自己的AI開發甚至數據分析團隊，都是相當不容易的。因為AI開發以及數據分析的人才，還很稀缺，你需要與阿里、華為、騰訊、百度這些企業競爭，在美國，則是與谷歌、微軟、蘋果、亞馬遜等競爭。不僅他們的薪資結構、工作方式與傳統產業相差太大，而且即使加入，因為對產業本身的知識了解不夠，往往半年甚至一年都難發揮出作用，導致投入產出不成正比。

那么最好的方式就是直接采用第三方的AI應用，將自己擁有的數據平臺與第三方AI應用對接。而且為縮短周期，可以直接使用對方提供的云服務，這樣就大幅減小了購買或協調資源以及部署所需要的時間，可以立即上線。同時云服務一般是按時長或用量收費，而無需提前支付一大筆采購費用。這樣能很快看到效果，看是否能滿足要求，大幅降低了決策成本。

但AI應用提供方很多家，服務質量也參差不齊，那么作為擁有數據的企業，要做到的就是保證自己數據平臺的開放性，任何應用都可以通過標準的接口獲取數據，這樣就能去除AI應用與數據平臺對接的障礙，各種應用系統都能與數據平臺無縫對接。只要想嘗試某個AI應用，一周甚至一天之內就可以看到效果，大幅提高決策效率。因此如果數據平臺具有很好的開放性，那么讓AI賦能，就像商場買衣服一樣，可以左挑右揀，直到自己滿意為止，不是痛苦，而是一件賞心悅目的事情。

一般的平臺或軟件都會聲稱自己是開放的。但從我個人的經驗來看，只有流行的用戶量大的軟件或系統，開放性才不會有問題，而且所有的應用都會與它對接。就像我們開發的TDengine，由于開源，安裝量已經超過27萬，而且它還有標準的JDBC接口，支持SQL，能與幾乎所有的可視化、BI工具對接。

AI的未來

與互聯網一樣，AI并不能取代傳統產業，能源、制造、汽車、礦山這些行業依舊存在，但AI能賦能、提升這些產業，提高生產效率，為傳統產業注入新的活力。不擁抱AI的企業將會失去競爭力，逐步被淘汰。

AI已經強大，但對于傳統產業而言，還有兩個不足。一是要求的算力過大，導致成本過高，對于利潤很低的傳統產業，難以承受。另外一方面，現在的ChatGPT，依賴的都是歷史數據，而工業場景，更需要的是對實時數據的分析。因此AI在工業場景還有很多挑戰以及提升的空間，但這個挑戰應該交給AI的研究人員。

傳統產業要做的是，將分布于各地的數據匯聚起來，建設一個開放的、可以安全、靈活共享的數據平臺，能與眾多的第三方的AI工具或服務無縫集成，在無需大量的資金和人力投入下，在幾乎沒有決策風險的前提下，能迅速驗證并享受AI帶來的紅利。

2023年1月我畫的一張“數據匯聚、分享、AI/分析”架構圖

以我自己為例，我自己創辦的TDengine是一個專為物聯網、工業互聯網定制的大數據平臺。TDengine不是以AI為核心技術的公司，但在AI的時代，我們的唯一選擇就是全面擁抱AI。為幫助眾多的傳統產業數字化轉型、能讓AI賦能，過去的一年，我們投入了巨大的人力支持開發PI System, MQTT, OPC等各種工業數據接口，支持與各種BI、AI工具對接，而且在阿里云、AWS、Azure、GCP上推出全托管的云服務。無需大量資金投入、無決策風險下，短時間內你就可以試用開通，并與AI應用、眾多的分析工具、可視化工具集成，體驗大數據以及AI的魅力。

“Run! Don"t walk. You are either running for food or running from being food!" 。我們唯有奔跑，才能不被AI時代拋棄。

陶建輝

2023年6月3日于加州灣區

關鍵詞：