各位领导，各位嘉宾：
非常荣幸参加中国大数据创新发展高峰论坛，我是来自KIT研究院的中国总经理。我们的研究院位于苏州，我今天演讲的第一部分给大家概述我们在苏州所做的工作。KIT是德国的一家理工学院，我们主要是在生产系统自动化方面开展一些实际的可行的适用于工业的研究，我们与同济大学在机器和设备自动化方面也有一些合作。刚刚讲到了工业4.0，我们的实验室也在做这方面的工作，如何使用更先进的技术促进生产发展过程中的生产力和效率。
2010年我们建立了第一个示范创新中心，并和周围各个大学进行合作，在研究和生产之间架起沟通的桥梁。这里展示的是们所期待的目标，是三大支柱，分别是研究、产业和培训。我们自己的研究方法，包括与合作伙伴共同研发出来的，把研究方法应用到中国的公司，获得更多的知识，更多先进的技术去增强智慧型发展和增强生产过程中的能力。这是以一个项目为基础的过程，它会持续发展并且对相关领域教育有一些促进作用，因此我们通过三大支柱的形成和工作,与合作伙伴紧密的进行联系，创造出长期的可持续的可实现的利益。
接下来讲讲KIT是怎么看待人工智能和人工智能的潜力在生产方面存在的挑战。人工智能的影响，尤其是人工智能将会结合大数据的技术和深度学习的技术，开辟新的途径，对于供应链来说有很大的技术参考价值，从制造和生产方面来说，有很多有用的经验是可以借鉴的，尤其是人工智能研究和应用方面，它对于工厂设备制造商和提供商、机器人的应用等都有非常大的意义。我们会用相关的方法在整个供应链当中让人工智能技术结合实际情况去使用。这对于各个行业都会有非常大的意义，尤其对于刚刚讨论的制造商或是汽车制造商等等。人工智能是非常热的话题，大家可以看到从传感器的数据收集和数据分析，整体情况下的机器学习，很多的设备都被进行良好的监管和控制。他们的效能大大提高了，在获得机器数据之后，会把数据发给相关的分析的同事，他们作为研究的一方提出更多自动化的应对措施，并且列出最优化策略的方法，基于已经收集出来的数据来实现最好的效果。在之后的维修也有很大的参考意义，过去机器可能会遇到预期之外的一些故障，但是通过这样的体系之后，我们可以更好的进行预防性的维修，增强整个的生产系统的效率，解决效率低下的问题。
接下来这一方面是关于机器人，机器人也是我们合作的项目之一，对于AI的应用还有包括整个生产过程都是有很大的裨益的，在这样的作用下，采用先进的技术，同样会有很多的传感器进行数据的收集，去提高机器的性能，收集各种各样机器的数据和建模，将人和机器之间互动加强，让自动化的过程更加灵活。这个是可视化的质量控制，同样它也有非常多的传感器，通过使用人工智能的技术，可以真正的去学习和识别原来不能识别的问题，把相关的知识和技术传递给应用者和工人，进行信息的分享。通过这样的系统，能够全面运用AI技术，为人类做出更多的贡献。对于整体的生产系统，我们能看到更多大数据的应用，可以去分享系统之间不同的缺陷，更好提高效率让工人们更加关注到底怎么样解决这些问题，而不是像以前一样关注识别问题，这对于质量控制方面会有很大的帮助，也会对整体的效率提高有很大的帮助。
关于整个的供应网络，供应网络会受人工智能的影响，包括运输等一些其他的数据收集的历程，在这些过程当中，使用AI技术可以很好的进行预测，同时还有更多的信息来帮助我们得出更好的预测的结论。在这个过程中，我们对数据进行不断的调整、收集和分析，以减少安全方面的风险，也就是到最后会减少整个供应链的复杂程度，让整个流程更加简单明了。通过这样的系统，可以有更加透明的数据分享和更及时的预防措施。通过这些例子可以看到，我们可以在更多的领域去应用人工智能技术，去应用先进的传感器和机器学习的技术。
人工智能在生产方面的应用，确实是有很多挑战的。它是以数字驱动的应用，这就会引起非常多的数据的产生，我们就被沉浸在数字化环境当中，有非常多的数据员，有非常多的以数据为基础的体系和方法，还有很多非必要的数据，就是废旧数据和不可用数据不能够直接被转化的数据。如何去增强数据的质量，增强数据的可用性，这是需要解决的一个挑战。
关于黑箱模型，它是一个不透明的模型，这个不透明会造成不同的风险和挑战，尤其是生产厂商之间，因此我们在透明度方面必须投入更多努力，去建立一个透明的模型，否则人们不会去相信这个想法，也不会去接受整个的模型生产过程仍然是滞后的。为了更好的控制生产过程，我们应该避免这种黑箱模型，应该有更加透明的模型。
计算的方面有很多的代数模型和计算模型，现在还没有到达很强的将计算模型应用到生产厂家的过程。所以，如何将先进的计算模型数据模型应用到实际场地是我们面临的现状，而目前为止还没能有效解决这个问题。如果我们真的想开展人工智能驱动的项目，80%是关于架构的建立，关于数据的处理、选择、分析，我们需要去收集数据、转化数据、筛选数据、整合数据，把各种想法进行集合，最后尽可能发挥数据的作用，这需要非常大的工作量，如果我们可以跟不同的人进行该方面领域的合作，会发现在这个过程中有很多的挫败感，因为很多数据都是之前从来没有发现的，而且在应用方面很难进行转化，在这个过程中需要投入非常多的精力和工作，才能够看到成功的结果。
我们的挑战还存在于体系内关于数据系统的理解，这也是一大挑战，其实很多的体系当中，有工程师的理解融入进去，但不是每个环节的参与者都是很好理解这个系统。从制造商的角度来说，它是需要进行全盘理解的管理，看数据是否能够在每一个环节点得被很好的理解和储存、使用和传输，每个环节之间的处理和人们对于这个数据处理的理解将是工作的重中之重。
以上只是大概介绍一下我们所面对的挑战，尤其是人工智能运用在制造行业内面临的问题，欢迎大家能够到我们在苏州的研究所参观，共同深入探讨AI的机会，以及AI运用在制造业的应用，谢谢大家的聆听。
(审核编辑: 智汇小新)
