Login / Register
随着数字技术几乎连接了人类生活和工作的方方面面，我们即将迎来第四次工业革命。从汽车、冰箱到制造设备，越来越多的无生命之物正在变得“智能”。它们利用摄像头、传感器、软件和其他技术产生的数据，不仅能帮助我们完成任务，甚至还能代替我们完成任务，并且能在每次事务处理中学习如何更好地完成工作，甚至使用人工智能 (AI) 自主做出决策。
在引领这一变革性新时代的所有技术中，AI 可以说是最关键的一项技术，同时也最为复杂。
AI 可以让自动驾驶汽车实现“自主驾驶”，教会车辆安全高效地将乘客和货物从 A 点运送到 B 点，独立做出许多必要的操作、反应和决策。
AI 可帮助农场无人机决定何时给作物浇水、施肥或喷洒农药，并适量施用，以及在作物成熟时收获作物。
AI 可以让机器人与人类协同工作或独立工作，并且有望将工厂变成自行运转的线上/线下整合系统，自行管理库存、进行维修，以及在无人工干预的情况下，根据需求的变化调整生产计划。
然而，AI 要发挥作用，离不开“快”数据的支持，即数据的处理和分析不是在生成和收集后的第二天完成，甚至不是在之后的一小时完成，而是即时地、实时地完成，就像人类智能所能做到的那样。鉴于工业 4.0 深度依赖于 AI，我们甚至可以说，快数据是推动新一轮工业革命的引擎。而为这一引擎提供燃料的则是：处理能力和基于内存的庞大存储库。
历史上的三次工业革命
在人类历史的大部分时间里，人类都是使用采集的材料来手工制造所需的一切。直到大约 1 万年前的农业时代初期，才开始使用种植的材料来制作物品。驯化和利用动物当然也是革命性进步，但直至将机器引入生产过程后，工业化才真正开始。
美光的 IT 总监 Tim Long 认为，前三次工业革命可作如下划分：
- 机械化。第一次工业革命发生在 18 世纪中叶至 19 世纪中叶，历时约 100 年。其开始的标志是采用水和蒸汽作为动力来实现制造流程的机械化。
- 电气化。19 世纪末至 20 世纪初，工厂引入电力，实现了工业流水线和大规模生产。
- 自动化。20 世纪中期，包括机器人在内的数字技术走进制造业，许多以前由人类完成的任务开始自动化。20 世纪下半叶的电脑普及和 90 年代的互联网兴起使公司得以在全球范围内开展业务，而消费者只需点击一下鼠标就能满世界购物。这些革命性技术中的每一项都极大地改变了企业生产产品和服务的方式，使之比以前速度更快、成本更低、规模更大。随着企业能以更低的价格向更广泛的人群提供产品，它们还帮助企业实现了市场扩张，提高了潜在利润。
现在我们已进入工业 4.0 时代，预示着商业模式和惯例又会经历一次重大变革。互联互通是当今时代的标志。在互联时代，从汽车到电脑，从机器人到面包机，所有一切都会连接起来，它们会与彼此或与人类通信，还会通过调适来打造个性化的用户体验，实现各行各业琐碎工作的自动化。这种变革使人类能从单调的工作中抽身，专注于更加复杂的任务关键型工作（其中许多工作涉及到技术）。
人们将不再制造小工具，而是设计能自行运转的工厂。人们将不再驾驶卡车，而是给它们编程，让它们以车队形式行驶并自行解决问题。农民将不再需要耕地、种植和收割，他们会管理一系列技术解决方案来替他们完成这些工作，让自己有时间去最大限度提高作物产量。
所有这一切，整个相互依赖、相互连接的数字生态系统，都依赖于数据来为每个流程中的每一步提供指导。
数据爆炸
在世界上现有的所有数据中，大约 90% 是在过去两年内产生的。全世界的设备每天会产生 2.5 百亿亿字节（或 2.5 艾字节）数据，随着手机、平板电脑、电脑和其他互联设备的数量逐年呈指数级增长，这个数字还会继续攀升。
预计互联网用户人数在 2018 年超过 40 亿，比全球 76 亿人口的一半还多。“物联网”（指通过传感器、摄像头、应用程序、互联网、蓝牙和其他数字通信技术彼此连接并与人类相连的物体网络）上互联设备的数量预计在 2018 年达到 231.4 亿台，到 2025 年将达到 744 亿台。
这是海量的数据。对任何想要深入了解客户期望、需求和购买情况的企业来说，这也是一座名副其实的数据金矿。例如，可帮助他们改进产品和营销方案。许多公司正是以这种方式使用数据，他们会分批处理可能是几周或几个月前的数据，并分析结果，据此决定哪些方面需要优化及如何优化。大量的“大数据”存储在未开发的“数据湖”中，等待筛选和仔细检查。而很多时候根本没有人去关注它们。
如今，对数据的忽视似乎是一种可怕的浪费。这些数据湖停滞的时间越长，流动性就越差，利用价值也会越来越小。
第四次工业革命催生了数据湖，而数据湖本身却成了一种浪费。“静止不动”的数据很快就会过时。快速流动起来才是它的使命。
速度至关重要
如果您在滚滚浓烟和刺耳的警报声中醒来，您会先坐下来思考一会儿再决定离开房间吗？ 当然不会：您会立即对当下发生的事情（在这个例子中是火灾）做出反应，夺门而出。
同样，人工智能要想真正变得智能，必须能够实时或尽可能接近实时地处理信息（数据）并调整自身行为。
在工厂里，这可能意味着在检测到有缺陷或损坏的零件时，机器人立即进行更换，然后让设备继续运行。设备不能因为软件处理信息的滞后而数周或数月闲置。机器人也不应忽视坏掉的零件而继续组装，等到制造出来的产品出现故障时再回头仔细检查当初的信息。
要在互联时代保持竞争力，“快数据”至关重要。千万不能磨磨蹭蹭、犹豫不决、优柔寡断。在工厂车间，产线中断可能是灾难性的；处理速度太慢可能会导致停工，造成巨大的损失：据称，在汽车行业，每停工一分钟就会造成 2.2 万美元的损失。
显然，回溯式的“批量”数据处理虽然有助于发现趋势并做出反思性决策，但对于在工业 4.0 时代参与竞争的企业来说，是远远不够的。机器人、无人机和自动驾驶汽车等“智能”设备中嵌入的计算机必须能够在数据产生后立即以有意义的方式进行处理，就像人类大脑所能做到的那样。
以人类思考的速度处理数据
我们的大脑是如何工作的？ 信息通过我们的五感进入大脑后，会在大脑内进行处理和分析，这一过程通常能够在瞬间完成。当我们触碰到热锅时，不会去思考接下来该做什么。当我们闻到芬芳的花香时，鼻子与“玫瑰”之间也不存在任何滞后时间。
我们的大脑会以惊人的速度处理数据，包括想法、感觉、情绪。计算机计算复杂数学方程的速度比我们快得多，国际象棋可能也比我们下得好。但在接收信息和从一系列可能的反应中做出选择方面，没有什么机器能比得上人类大脑的速度和智能。至少目前是这样。
第四次工业革命有望让计算机的能力比以往任何时候都更接近人类。自动驾驶汽车要避免连环相撞，就需要在转瞬之间完成事故评估，并选择一条绕过事故路段的道路。工厂机器人需要在发生代价高昂的停工之前，检出并修复磨损的零件。当有儿童或动物跑进田地里时，无人机需要立即停止喷洒农药。
机器是否能像人脑一样快速执行这些计算，取决于处理速度和内存。工业 4.0 要求计算机能在纳秒级接收、排序和分析海量数据，秒级甚至毫秒级是不够的。为充分支持 AI，美光正在加大力度研发速度更快、效率更高的内存解决方案。
美光高级研究员 Mark Helm 表示：“我们在 AI 应用领域看到了大量机会，内存在其中发挥的作用越来越重要，而数据是 AI 时代的关键通货。”
Helm 指出，如果将执行事务性任务（如查收电子邮件或浏览互联网）的计算系统（即“传统”工作负载）的工作方式与人工智能的工作方式进行比较，很快就会发现，对 AI 而言，数据要重要得多。
Helm 表示：“这让美光有机会扮演数据保管者的角色。无论是能够以极快速度（就像人类大脑一样）将数据喂给图形处理单元 (GPU) 的美光 GDDR6 显存，还是在系统内传输数据的美光 DRAM 和 NAND 内存，美光产品都是 AI 数据的守门人。”
人工智能的未来依赖于以人类思考的速度移动的数据。一旦计算机处理数据的速度至少和人类大脑一样快，它们即会成为巨大的推动力量，推动我们的文明向前迈进一大步。美光深知，为引领人类开辟新的疆域，我们必须加快工作的步伐。“必须永远走在时代的前沿，”Helm 表示。