智慧物联时代,联想共建“新制造”生态平台

简介: 智慧物联时代,联想共建“新制造”生态平台

进入2018年,人工智能和云计算几乎成了整个IT业甚至全行业的话题——看看无人驾驶,看看图像识别,看看语音助手,看看各种App,你就会发现人工智能离我们每个人的生活越来越近了。

即便是PC之王联想,在Lenovo TechWorld 2018大会上,也一举推出了近20款PC以外的智能物联产品,涵盖智能家居、智能办公和智能户外等各个应用场景。

image.png

联想集团董事长兼CEO杨元庆


无疑,人工智能的基础是各种传感器和采集来的数据,通过云计算,来完成实时的分析和输出。不过,智能物联到底该怎么做?智能互联的平台到底该怎么搭?目前还没有人给出一份成熟的答卷,即便是GE,日前也迫于经营压力,不得不忍痛出售其工业互联网平台Predix。

值得一提的是,同为制造业领军者的联想,在Lenovo TechWorld 2018大会上,却展示了全新的商业模式和生态平台。


智能体验时代来临


今天,每个人都知道,人工智能是未来,而数据是智能化的关键。

实际上,当GE于2015年在全球建成4个云计算中心推出Predix 2.0的时候,就开始了每天监测分析来自全球各地部署的1000万个传感器中5000万项数据的人工智能生涯。

然而今年7月底,GE的年报显示,上一个季度的利润下降了28%;更早前的6月19日,GE被剔出道琼斯工业平均指数——在过去20年里,GE股票市值缩水超过一半。如此糟糕的业绩表现,让GE不得不出售其旗下的未来之星Predix,以图断臂求生。

事实上,无论是GE的Predix还是西门子的MindSphere平台,都采用了开放的模式,也被国内众多工业互联网平台提供商视为标杆。但是,今天的制造业,或许不仅仅是制造,不仅仅是工业化的监控数据。

有人说,“没有设计的制造是没有灵魂的制造”;也有人说,“科技赋能的两大核心,一个是效率,另一是体验”。在笔者看来,无论是设计还是效率、体验,其核心都是客户。

image.gifimage.png

联想集团执行副总裁兼中国区总裁刘军


“过去,联想不同的渠道有不同的产品线,比如线下、线上是不同的。如今,我们完全以客户为中心,线上线下完全一致,客户怎么样方便怎么来,这里的关键是联想以客户为中心梳理整个内部的流程,把所有的冲突矛盾解决掉,一起为客户来服务。”联想集团执行副总裁兼中国区总裁刘军的思路很清晰。

在梳理了销售服务体系之后,其上的产品研发层面的思路也变得更加清晰了,那就是提升用户的整体体验;而整体体验提升的核心,在智能物联时代,关键就在于各个设备之间的数据流动。


开放互联


“今天联想提出SIoT 2.0,核心是场景中设备间的交互,也就是后台数据的流动。”联想集团副总裁、中国区战略及业务拓展副总裁兼SIoT云平台及内容运营部总经理阿木解释说,“1.0基本上是App的应用驱动,但更多是个体的体验;而2.0的核心在于整体智能场景的体验,这时候就会产生明显的木桶效应——意思是只要有一个设备的联动性和服务跟不上,整个场景就会因为其存在而受到局限。”

image.gifimage.png

所谓SIoT,就是Smart IoT,意即智能物联。在阿木看来,让设备产生智能联动的关键在于真正的开放,因为任何一个用户场景,都不可能是一家一个品牌完成的。“如何能将不同品牌、不同标准,甚至是不同规格的设备在一个给定的场景当中,通过云端让用户感受到整体体验的提升,是SIoT 2.0的核心问题。”阿木认为,SIoT领域里面有一个非常突出的特点就是碎片化——产品本身的种类成百上千,非常丰富,不会像PC市场里三家厂商就占到了80%的市场份额。

很显然,这个平台不是原来的互联网平台,也不是之前所说的工业互联网的平台——这里需要的核心不是对设备的监控和运营,而是更加开放的、能够将不同品牌、不同标准、不同规格的设备和服务连接起来的平台,在某种程度上,就是改变新零售和新制造之间的协同机制和运营模式的平台。

实际上,刚刚举行的阿里云栖大会上,马云也提出了“新零售”之后,“新制造”即将来临。“工业时代考验的是生产一样东西的能力,而数据时代考验的是生产不一样东西的能力。”马云说。

这并不是空穴来风。笔者记得SAP中国区总经理李强在不久前的SAP中国峰会上举了一个例子:1990年欧美日车系平均OTD(On-time Delivery,订单交货)时间降到了20天以内,但是今天OTD回升到了40天。显然,传统的大规模流水线制造方式已经发挥到了极致;而今“新制造”,需要新的“工业互联网平台”,需要诞生新的利益分配机制。

“智能物联世界的搭建,一定要靠各行各业,甚至是跨IT、跨电子、跨家居等跨界合作来完成。”联想集团高级副总裁、个人电脑及智能设备业务产品集团总裁贾朝晖在今年4月联想成立SIoT合作社时就清晰地表明了联想未来的使命。


兼容并包合纵连横


所谓SIoT合作社,实际上就是一个更加开放的合作平台——在这个体系中,不仅有自有品牌,还有与合作伙伴联合开发的lecoo赋能品牌,也包括第三方的智选品牌。“这是一个兼容并包的开放体系,在保证用户同一管理的前提下提供服务,快速发展设备数及服务内容。”阿木解释说。

在Lenovo TechWorld 2018大会上,联想专门组织了SIoT平台及开发者大会,这在联想的历史上,似乎还是第一次。

image.png

实际上,联想把SIoT 2.0分为设备层、云平台层和服务层,把每一层之中的自有品牌、赋能品牌和第三方品牌、平台和服务进行打通。联想为此提供包括多种合作模式的IoT设备引擎、多终端“智慧联想”客户端管理控制系统、跨设备的LCUI语音引擎、端到端的联想红盾安全体系和联想线上线下一体的服务体系在内的5大基石。

值得一提的是,其中IoT设备引擎甚至为合作伙伴提供了极简的免开发支持模式,让SDK、模组和流程可以轻松在一起工作,达成1小时智能、1天交付、一周下线的惊人效率!据悉,联想智能物联赋能中心形成了北京+深圳双中心,以推动SIoT合作伙伴之间更快捷和更深入的合作。

当然,阿木所说的“兼容并包”,还不仅仅是指研发、制造,同样也指消费和商用的产品能力和销售覆盖。实际上,今年4月份联想面向消费者发布的智能物联赋能品牌Lecoo,已经与去年发布的面向商用端的智能物联赋能品牌thinkplus组成了消费、商用全覆盖的完整智能物联产品体系。

举个例子,联想的智能空气净化器,就不仅仅是面向家庭消费者,同时也面对商用办公环境。在智慧行业方面,联想已经面向智慧教育、智慧制造、智慧零售、智慧医疗、智慧交通五个垂直行业进行布局——联想在商用端通过线上智慧渠道“惠商平台”面向经销商,推动分销商模式转型为服务商模式,激活T2渠道超过11000家,从而缩短链条触达中小企业,把产品体验直接告诉商业客户。而在消费端,联想提出为设备生态伙伴提供产品、AI技术、服务、渠道和资本5大赋能。

image.png

“因为联想本身就是制造业企业,近水楼台积累了很多经验和工业大数据,如今已经开始到了输出阶段了。”在阿木看来,联想有三个非常差异化的点:首先C和B同时覆盖;其次国内、海外同时覆盖;第三,因为联想是IT设备公司,所以在设备级跨设备连通和开放合作上更加彻底。特别是在设备连接上,联想早在2015年就成立了懂的通信公司,专门进行物联设备连接能力的开发,在摩拜、汽车、风机、远程低功耗路灯管理等领域已经有了很好的落地实例。

事实上,联想和GE、西门子这两家工业巨头不同,毕竟联想起家的PC行业是一个纯开放的架构,而从PC延伸到服务器、存储和云计算、人工智能领域,联想也仍然秉承了之前一贯的开放策略。无疑,联想是一家具备开放基因的企业。

应该说,在正在到来的智慧物联时代,联想通过对Mirage AR、SIoT等智能家居产品的布局,通过多年来在PC制造领域的开放合作及生产、服务积淀,使得联想具备了开放物联2.0时代SIoT行业领导者的潜质与核心优势。

联想的SIoT合作社,实际上就孕育着制造业巨头的下一个生态平台。不是吗?

相关文章
|
机器学习/深度学习 PyTorch 算法框架/工具
训练误差与泛化误差的说明
训练误差与泛化误差的说明
1051 0
|
存储 Java API
淘宝拍立淘图片搜索接口:轻松找到同款商品!
淘宝拍立淘图片搜索接口:轻松找到同款商品!
1070 0
|
机器学习/深度学习 人工智能 算法
展望2024: 中国AI算力能否引爆高性能计算和大模型训练的新革命?
2023年是人工智能发展的重要转折年,企业正在从业务数字化迈向业务智能化。大模型的突破和生成式人工智能的兴起为企业实现产品和流程的革新提供了先进工具,引领产业迈入智能创新的新阶段。在这个新时代,企业不再仅关注如何增强智能化能力,而更加注重如何利用人工智能实现产品和流程的革新。
3687 0
|
11月前
|
缓存 安全 Linux
六、Linux核心服务与包管理
在没有网络的情况下,使用系统安装光盘是获取RPM包的常用方法。场景二:配置本地文件镜像源 (使用系统安装光盘/ISO)(检查RPM包的GPG签名以保证安全) 或。YUM/DNF包管理工具 (yum/dnf)(此处可以放置您为本主题制作的思维导图)处理依赖问题的危险选项 (应极力避免)(覆盖文件、替换已安装包)。(list) 则是列出文件。(query file) 是。(假设系统安装光盘已挂载到。信息 (verbose)。(upgrade) 选项。(all) 已安装的包。(package) 选项
753 11
|
11月前
|
安全 云计算
面向对象
面向对象三大特性——封装、继承、多态,是构建软件世界的哲学基石。封装隐藏细节,提升安全与模块化;继承实现代码复用,构建层次体系;多态增强灵活性,支持统一接口下的多样化行为。三者协同,形成高内聚、低耦合、易扩展的系统设计,不仅是编程技术,更是应对复杂性的思维智慧。(238字)
|
11月前
|
机器学习/深度学习 分布式计算 算法
【风场景生成与削减】【m-ISODATA、kmean、HAC】无监督聚类算法,用于捕获电力系统中风场景生成与削减研究(Matlab代码实现)
【风场景生成与削减】【m-ISODATA、kmean、HAC】无监督聚类算法,用于捕获电力系统中风场景生成与削减研究(Matlab代码实现)
352 0
|
小程序 安全 前端开发
【开题报告】基于微信小程序的校园订餐平台的设计与实现
【开题报告】基于微信小程序的校园订餐平台的设计与实现
1469 0
|
机器学习/深度学习 存储 算法
Python | 机器学习之SVM支持向量机
Python | 机器学习之SVM支持向量机
543 0
|
SQL 缓存 运维
链路追踪(Tracing)其实很简单——链路实时分析、监控与告警
统计分析是我们观察、应用分布式链路追踪技术的重要手段。我们既可以根据不同场景要求进行实时的后聚合分析,也可以将常用的分析语句固化成规则生成预聚合指标,实现常态化监控与告警。相对于链路多维筛选,统计分析需要明确分析对象与聚合维度。其中,分析对象决定了我们对哪些指标进行聚合操作,比如请求量、耗时或错误率。而聚合维度决定了我们对哪些特征进行统计对比,比如不同应用、接口、IP、用户类型的统计量对比。接下来,我们先了解下分析对象和聚合维度的具体概念,再介绍实时分析与监控告警的具体用法。
4849 0
链路追踪(Tracing)其实很简单——链路实时分析、监控与告警
|
NoSQL MongoDB 数据库
二.MongoDB入门-Mongodb权限管理
MongoDB入门-Mongodb权限管理