TechForge最近采访了数据和人工智能领导者 SAS的物联网副总裁 Jason Mann ，他解释了公司如何有效利用物联网，以及该技术如何改善全球的可持续性。
您认为今年物联网领域的最新发展趋势是什么？
一个主要趋势是GenAI的不断涌现，这进一步加速了人工智能在物联网中的应用。
随着传感器的普及，产生的数据量也越来越大，人工智能对于帮助组织将原始数据转化为有价值的见解和更好的决策至关重要。很明显，GenAI 可以发挥宝贵的作用。
物联网传感器测量并收集许多重要变量的数据，例如石化厂熔炉的温度、产生清洁能源的大型风力涡轮机的振动以及城市道路网络中的交通流量。
借助人工智能和物联网，企业可以优化熔炉温度，生产出更高质量的汽油或塑料。他们可以在风力涡轮机发生故障之前预测维护问题，并通过这种预测性维护，让绿色能源持续供应给客户。他们还可以实时重新规划交通路线(通过电子标志和移动警报向通勤者发出警报)，以减少交通拥堵，保持商业繁荣，同时减少污染。
GenAI 是 AI 商业和技术大趋势中最热门的领域。物联网分析支持与 GenAI 相关的工作，例如使用大型语言模型 (LLM) 以及生成数字孪生和合成数据。
GenAI 是对旧概念的新方法。几十年来，组织一直使用模型来生成分析见解。GenAI 使更广泛的人群(具有不同的工作角色和经验)更容易获得高级分析。现在，更多人可以参与由数据和 AI 驱动的分析决策。
来自物联网传感器和物联网分析的数据增强并支持 GenAI 方法，从而提高组织的绩效和成果。我们看到制造业、能源、政府和交通运输等行业正在采用这种方法。
当然，为了最大限度地发挥 GenAI 的价值，人们需要了解它的能力和缺点。我们仍处于充分发挥 GenAI 技术潜力的早期阶段。创新型组织正在采取 AI 优先的方法。他们让各级员工都能轻松使用 AI 和 GenAI 工具，并鼓励他们将其深度融入日常工作中。
理想情况下，企业核心流程中的每个人都应该以与同事互动的方式与模型互动。这将推动快速采用，并鼓励组织提供必要且用户友好的 GenAI 工具，以克服任何结构或文化障碍。
最后，重要的是清楚地表明 GenAI 可以增强和支持人类专家，而不是取代人类专家。
物联网如何帮助组织、城市或国家实现可持续发展？
物联网分析帮助组织将来自传感器和边缘设备的数据转化为可用于做出更好业务决策的及时见解。
在政府部门，智慧城市越来越依赖物联网(AIoT)来实现可持续发展，同时应对交通减排和防洪等挑战。以下是三个例子：
卡里 – 北卡罗来纳州卡里是该州三角研究园区内一座不断发展的城镇(也是 SAS 全球总部所在地)。过去 25 年来，卡里的人口增长了三倍，如今已超过 175,000 人。大量居民涌入导致新住房、购物中心和企业蓬勃发展。
该镇使用SAS Analytics for IoT(由 Microsoft Azure 上的 SAS 数据和 AI 平台 SAS Viya 提供支持)来确保更好地保护市民免受洪水灾害的影响，新开发项目经过适当审查而不导致洪水泛滥，并保护当地流域。
伊斯坦布尔 ——伊斯坦布尔是土耳其的商业中心，过去 20 年间人口翻了一番，达到 1600 万人。这意味着大量的流量……还有数据。
伊斯坦布尔大都会市 (IMM)(该市及其周边地区的地方政府)的城市规划人员和工程师建立了交通模式模型，帮助他们更好地了解、预测和管理伊斯坦布尔的实时交通流量。
IMM 利用 SAS Viya 的人工智能和机器学习功能来分析历史交通数据和来自不断增长的来源网络的实时数据，包括交通摄像头、传感器、数据读取器、移动应用程序和支付网关。他们可以看到交通高峰的时间和地点，更重要的是，他们可以预测交通变化并采取行动。
有了这些信息，IMM 可以使用拥堵警报来预测和管理城市的交通挑战，在市民陷入交通拥堵之前提醒他们交通延误和拥堵。通过预测最佳路线，IMM 可以减少道路上空转的汽车和卡车数量并缩短旅行时间，从而减少温室气体排放。
对于公共交通，人工智能和物联网系统可以从交通和乘客数据中获取洞察，帮助 IMM 改善服务、公交线路可用性和乘客满意度，从而增加人们使用这些更环保的交通方式的可能性。
雅加达 ——极端天气导致洪水灾害增多，并加剧了洪水灾害，威胁着生命、财产和商业。雅加达是印度尼西亚首都，拥有 1100 万人口，见证了这一新现实。
虽然雅加达长期以来一直饱受洪水侵袭，但近几十年来，洪水问题尤为严重。雅加达位于 13 条主要河流交织的湿地上，毗邻爪哇海。雅加达 40% 以上的土地位于海平面以下，地下水开采导致地面下沉。再加上气候变化导致的季风增强和潮汐上升，威胁十分严重。
雅加达省政府利用 SAS Analytics for IoT 创建了一个数据和人工智能驱动的防洪系统，该系统将来自城市各处传感器的数据和天气预报汇总到智能模型中。这些模型可以预测高风险地区的水位。然后，城市官员可以向居民的手机发送推送通知，关闭防洪闸门，并在紧急洪水来临前六小时做好准备。雅加达的智能模型不仅可以防止城市遭受潜在损害，还可以保护居住在洪水易发地区的居民的生命。
(查看 Jason 最近的博客文章《物联网和智慧城市未来的清晰愿景》，了解更多物联网如何帮助城市变得更智能、更可持续的示例。)
采用物联网技术面临的主要挑战是什么？如何克服这些挑战？
太多的组织仍然认为人工智能、物联网和高级分析是统计学家和数据科学家等定量专家的领域。数据科学家。
如今，情况已不再如此。正如 OpenAI 的 ChatGPT 和 SAS 的 Viya Copilot 等工具所见，GenAI 继续吸引着企业，因为它让更广泛的人群(具有不同的工作角色和经验)能够使用 AI 和高级分析。
在制造业中，这意味着设备操作员和一线工人可以使用 GenAI 来回答重要的问题，例如“我在 3 号线上最关注的区域是什么?”和“操作 B 中最常见的故障区域在哪里?”
通过在对话层面实时地使用数据和人工智能，他们可以迅速采取行动来改进流程并最大限度地减少负面影响。
过去，如果生产线上的一台机器出现错误代码，工人必须访问多个系统才能查看代码的含义、如何修复以及以前如何处理相同的问题。借助 GenAI，所有这些数据都集中在一个界面中，因此这些工人可以快速评估和解决问题。
另一个例子是SAS 能源成本优化，该解决方案可帮助制造商减少碳足迹和能源相关成本。借助 SAS 能源成本优化，工程师只需点击几下鼠标，无需编写一行代码，即可训练自己的模型。
该解决方案的解释器采用对话式。通过文本，它们可以帮助工程师和其他人了解产品和一段时间内能源消耗的驱动因素。
企业如何理解物联网的商业价值？
通过阅读其他公司和政府成功运用这些技术的真实案例，组织可以更好地理解物联网、人工智能、GenAI 和高级分析能够带来的商业价值。并克服他们面临的许多相同挑战。
(您可以在 SAS 网站上探索更多用例研究。)
数字孪生技术如何影响人工智能和物联网的采用？
通过数字孪生，组织可以预测、模拟、实验并找到新方法来优化运营、提高工人安全、改进维护策略、减少排放、减轻洪水等。
数字孪生使用实时数据和上下文数据(例如生产计划、维护数据、工程细节)来创建真实世界系统的数学表示。这样的系统可能是单个资产，例如飞机、发电机、制造厂或仓库。这些单个资产也可以组成更复杂的系统，例如飞机机队、电网或全球供应链。
数字孪生是通过物联网技术实现的，包括联网传感器、视频源和其他智能设备。这些设备可以检测和传输有关资产和环境的大量实时数据(包括工作条件、温度、压力，甚至机器的振动)，并将这些信息输入数字孪生的模型中。
数字孪生的众多用途包括智能产品设计、资产预测性维护、制造生产优化、智能城市基础设施等。
您能否告诉我们 SAS 帮助提高企业、城市或国家可持续性的用例？
奥地利的 Wienerberger 是通过 SAS AI 和 IoT 分析实现可持续制造的一个很好的例子，该公司是整个建筑围护结构创新生态解决方案的领先供应商。该公司也是世界上最大的砖瓦制造商，在欧洲、北美和亚洲设有工厂。
维纳伯格设定了雄心勃勃的可持续发展目标，包括到 2050 年实现完全气候中和。
该公司正在寻找实现这一目标的方法，同时改善运营并降低能源成本。由于其许多高科技工厂都使用天然气作为能源，因此最近俄罗斯入侵乌克兰导致全球能源市场不稳定，这进一步激励了该公司提高整体效率。
Wienerberger 转向使用 SAS Analytics for IoT，在 Microsoft Azure Cloud 上的 SAS Viya 上运行，为其工厂运营提供数字孪生支持。SAS AI 帮助 Wienerberger 优化其制造流程，同时降低天然气使用量、减少温室气体排放并提高产品质量。
该公司于 2022 年在波兰的一家试点工厂初步节省了约 9% 的能源;如今其节省的能源占特定能源消耗的 15%。
Wienerberger 从各种来源收集数据，从遍布其制造设施的物联网边缘设备和传感器，到天气和湿度的环境数据，再到生产期间和生产后的产品抽检。所有这些数据都揭示了可能导致效率低下和不必要的能源消耗的波动。其砖块生产过程的数字孪生帮助该公司解释这些波动并找到更好的方法。
通过降低能耗和二氧化碳排放量，同时保持或提高质量和产量，维纳伯格正在将其砖厂转变为数据驱动的工厂。该公司目前正计划将 SAS 解决方案推广到其全球 200 多家工厂。
物联网的未来将会如何？
按照这一趋势，我们将看到越来越多的计算转向边缘。边缘计算增强了组织分析最接近其生成点的数据并快速做出反应的能力。例如，由 AIoT 提供支持的边缘计算解决方案可以直接快速分析来自工厂、电网、智能城市或供应链中的传感器的数据。
这种分析可以为工程师、数据科学家和商业领袖提供见解，帮助他们做出决策，从而降低能源成本、提高工人或公民的安全、提高可持续性、提高产品质量和改善生活。
边缘计算对企业非常有益，因为它提供低延迟(即以最小的延迟快速响应)、低成本的数据移动、弹性架构和对数据隐私的支持。
我们还将看到组织使用 GenAI 的新方法。例如，来自 GenAI 的合成数据将越来越多地成为数字孪生的动力。例如，生成对抗网络 (GAN) 可用于生成补充现有数据集的合成数据。当可用数据有限时，这尤其有用，可确保数字孪生对各种场景有更全面的了解。
与此相关的是，虚拟传感器是另一项新兴技术，在无法进行直接传感器测量时尤其有用。这可能是由于成本高或环境限制(例如恶劣条件、极端温度)。
SAS 在未来一年的物联网方面有何计划？
我们将继续开发特定行业的解决方案，将我们在数据和人工智能方面的专业知识与数十年的经验结合起来，提供一揽子解决方案来应对特定行业挑战。
去年，SAS 承诺投入10 亿美元开发银行、政府、制造业、医疗保健等领域的人工智能行业解决方案。
这些全新增强型物联网解决方案将整合SAS 强大而灵活的数据和人工智能平台SAS Viya，帮助企业更轻松地从其数据中创造价值。
它们将加入一系列现有的针对特定行业需求的 SAS IoT 解决方案。其中包括面向工业和制造企业的SAS 能源成本优化、SAS 生产质量分析和SAS 现场质量分析。以及面向能源和公用事业公司的SAS Grid Guardian AI和SAS 能源预测云。
