提升工业设备性能，智擎获九合青山投资，能成为中国版的Uptake么？
2015年，福布斯杂志评选了最热门的创业公司，依据投资者信心和投资额，这个奖颁给了一家当时还没有那么知名的公司——Uptake。这家公司成立于2014年，研发利用AI技术的端到端的工业设备故障预测平台，今年2月以20亿美元估值获4000万美元C轮融资，成为独角兽公司。
36氪此前报道的智擎，同样在2014年创立，也在做类似的事情，希望利用物联网和机器学习技术，进行工业设备故障健康预测，帮助企业降低运维成本，提升运营收入，目前已经在风电领域应用，准确率可以达到95%左右。
智擎开发了一套基于云端的系统平台，可以采集现场设备中的传感器数据，并通过自研的机器学习算法对设备健康状况进行实时（秒级、分钟级）监测、分析，并在实际问题和故障发生之前，提前预测故障的发生。
与Uptake一样，智擎也选择了从设备故障监测、预测入手。 之所以选择从这个领域入手，其中一个原因是英美日等发达国家的历史和数据已经证明，以状态监测为基础的预知维修，可以在设备失效前检测和诊断出所存在的故障，为企业带来大量的经济效益。以英国为例，政府曾对2000家工厂进行调查，数据显示，设备管理采用故障诊断技术后，诊断技术投资与获利约为1：5，某些工厂可以高达1：17。
智擎和Uptake做的事情类似，都是希望将这样的诊断预测过程自动化。一般来说，故障和异常都是历史上多次出现的， 企业往往有相关的数据，这也意味着有可能通过机器学习的方法实现这一过程的自动化。智擎研发了一套通用的故障预警模型，利用机器学习模型处理历史数据，并结合实时的传感器数据，预测设备可能出现的问题，提前通知工作人员更换即将损坏的部件，避免小故障演变为更严重故障和事故。
智擎最早的业务试点落地也是从风电领域的工业设备故障预测展开，已经与排名前两位的制造商，以及设备核心大部件制造商和风电场运营商建立了合作。现在智擎可以较为顺畅的采集到相关数据，这一点是一切预测分析的基础，对新进该领域的公司来说是越来越不容易。团队告诉36氪，经过以往的试点，目前客户的需求是比较明确的，就是基于设备数据做故障预测降低成本，具体说就是在备件完全损坏之前预测到故障、修复故障，避免部件的完全损坏和停产。 客户的需求也是从无到有，到逐渐成为刚需的。
不过团队并不打算仅仅局限于这一业务，也在此基础上进行相关拓展。目前，团队已将机器学习同行业业务进行融合，来监测设备运行的健康状态，帮助企业提升设备性能（设备性能优化APM）来提升生产的收入。
业务领域方面，智擎最早从风电行业入手，这个行业市场规模及增速可观，设备运维成本占比高，技术实现又相对较难。
数据显示，2000-2015年，全球风电装机容量从17.4GW发展到432.9GW，增加了约23倍。其中中国风电新增装机容量达到30.5GW，出新高并且连续六年领跑全球。而根据国家能源局的规划，2020年风电装机目标是2.1亿千瓦，平均每年新增装机在42GW，年均复合增速在10.9%，市场规模将达到千亿元。中国签署的《巴黎协定》更是助力风电在中国的发展。
一般来说，风电领域被动运维模式成本会占到总成本的15%-20%。目前，风机寿命一般为20年，质保期多为3-5年，2013年开始中国大量设备进入出保期，设备出现故障的概率增加。风电领域的严重大部件故障和停机不仅会削减发电利润，甚至有可能带来重大事故，造成人员伤亡 。
智擎分析，风电行业的故障预测是工业领域最难的，故障的逻辑关系也是最复杂的。每台风机上有上千点传感器，每天就会新增1000多万点的数据。对风机设备进行故障预测除了考验高维分析建模的能力外，还需要对行业对风机本身的机理有深入的了解，并不是会做数据分析、机器学习建模就能胜设备的故障预测产品和模型的开发工作。而一旦在这个领域成功，不仅能向相对简单石化、电力、工程机械、其他无人值守设备的行业去复制，也能向中小型设备延伸。
现阶段，在风电领域，智擎已经与排名前两位的制造商、多家设备核心大部件制造商达成了合作，切入点包括故障预测和设备性能优化，模型数量较去年增加了一倍达到40多个。今年末也会在石油石化行业进行试点，未来有可能进一步切入电力（输配电等）、工程机械行业、运营商的无人值守基站、生产线设备次品率预测、设备能耗管理等行业。而在美国的Uptake近期也已涉足航空燃油经济型分析与管控行业，证明了跨业务的可能性。
CEO 王曦分析，跨领域复制从技术上和业务上来说，是可以实现的，团队面向的工业领域共性比较明显，需求比较一致，使用的工业协议也比较一致； 团队此前就已经考虑从算法模型层面兼容其他的业务领域，所以跨行业的转化成本也不高；此外，除了故障预测之外，类似设备性能优化（产能优化）这样可做的场景还有不少，综合体量还是很可观的。
智擎此前已入驻了微软加速器，并获得了九合创投和青山资本的天使轮融资。创始团队兼具国内外学习工作经验、智慧城市IoT经验，以及在风电领域也具有丰富的机组调试、运维管理、设备故障监控和预测领域设计和管理经验。
在Uptake成为独角兽之前，智擎所在的工业物联网大数据领域在国内还没有那么热门。王曦分析，过去几年从国家战略到互联网人才都聚集在互联网领域，而非物联网领域，对工业领域的关注也没有那么高。而从今年年初，不少投资机构都表达了对工业物联网领域的关注。
除了Uptake， 国外也有其他公司涉足工业物联网大数据领域。大公司方面，GE推出了基于云平台的PaaS 产品 GE Predix，开发者可以基于此进行数据调用及二次开发，主要应用于能源、生产制造领域，2015年收入已经超过50亿美元。西门子在近期也推出了其工业物联网PaaS平台Mindsphere。IBM基于Spark的大数据平台提供开发和定制化的服务，主要应用于银行、消费、保险、 旅游、能源领域。此外，意大利创业公司Solair，主要做工业IOT设备，已经于2016年被微软收购，价格不详。
2015年，福布斯杂志评选了最热门的创业公司，依据投资者信心和投资额，这个奖颁给了一家当时还没有那么知名的公司——Uptake。这家公司成立于2014年，研发利用AI技术的端到端的工业设备故障预测平台，今年2月以20亿美元估值获4000万美元C轮融资，成为独角兽公司。
36氪此前报道的智擎，同样在2014年创立，也在做类似的事情，希望利用物联网和机器学习技术，进行工业设备故障健康预测，帮助企业降低运维成本，提升运营收入，目前已经在风电领域应用，准确率可以达到95%左右。
智擎开发了一套基于云端的系统平台，可以采集现场设备中的传感器数据，并通过自研的机器学习算法对设备健康状况进行实时（秒级、分钟级）监测、分析，并在实际问题和故障发生之前，提前预测故障的发生。
与Uptake一样，智擎也选择了从设备故障监测、预测入手。 之所以选择从这个领域入手，其中一个原因是英美日等发达国家的历史和数据已经证明，以状态监测为基础的预知维修，可以在设备失效前检测和诊断出所存在的故障，为企业带来大量的经济效益。以英国为例，政府曾对2000家工厂进行调查，数据显示，设备管理采用故障诊断技术后，诊断技术投资与获利约为1：5，某些工厂可以高达1：17。
智擎和Uptake做的事情类似，都是希望将这样的诊断预测过程自动化。一般来说，故障和异常都是历史上多次出现的，企业往往有相关的数据，这也意味着有可能通过机器学习的方法实现这一过程的自动化。智擎研发了一套通用的故障预警模型，利用机器学习模型处理历史数据，并结合实时的传感器数据，预测设备可能出现的问题，提前通知工作人员更换即将损坏的部件，避免小故障演变为更严重故障和事故。
智擎最早的业务试点落地也是从风电领域的工业设备故障预测展开，已经与排名前两位的制造商，以及设备核心大部件制造商和风电场运营商建立了合作。现在智擎可以较为顺畅的采集到相关数据，这一点是一切预测分析的基础，对新进该领域的公司来说是越来越不容易。团队告诉36氪，经过以往的试点，目前客户的需求是比较明确的，就是基于设备数据做故障预测降低成本，具体说就是在备件完全损坏之前预测到故障、修复故障，避免部件的完全损坏和停产。 客户的需求也是从无到有，到逐渐成为刚需的。
不过团队并不打算仅仅局限于这一业务，也在此基础上进行相关拓展。目前，团队已将机器学习同行业业务进行融合，来监测设备运行的健康状态，帮助企业提升设备性能（设备性能优化APM）来提升生产的收入。
业务领域方面，智擎最早从风电行业入手，这个行业市场规模及增速可观，设备运维成本占比高，技术实现又相对较难。
数据显示，2000-2015年，全球风电装机容量从17.4GW发展到432.9GW，增加了约23倍。其中中国风电新增装机容量达到30.5GW，出新高并且连续六年领跑全球。而根据国家能源局的规划，2020年风电装机目标是2.1亿千瓦，平均每年新增装机在42GW，年均复合增速在10.9%，市场规模将达到千亿元。中国签署的《巴黎协定》更是助力风电在中国的发展。
一般来说，风电领域被动运维模式成本会占到总成本的15%-20%。目前，风机寿命一般为20年，质保期多为3-5年，2013年开始中国大量设备进入出保期，设备出现故障的概率增加。风电领域的严重大部件故障和停机不仅会削减发电利润，甚至有可能带来重大事故，造成人员伤亡 。
智擎分析，风电行业的故障预测是工业领域最难的，故障的逻辑关系也是最复杂的。每台风机上有上千点传感器，每天就会新增1000多万点的数据。对风机设备进行故障预测除了考验高维分析建模的能力外，还需要对行业对风机本身的机理有深入的了解，并不是会做数据分析、机器学习建模就能胜设备的故障预测产品和模型的开发工作。而一旦在这个领域成功，不仅能向相对简单石化、电力、工程机械、其他无人值守设备的行业去复制，也能向中小型设备延伸。
现阶段，在风电领域，智擎已经与排名前两位的制造商、多家设备核心大部件制造商达成了合作，切入点包括故障预测和设备性能优化，模型数量较去年增加了一倍达到40多个。今年末也会在石油石化行业进行试点，未来有可能进一步切入电力（输配电等）、工程机械行业、运营商的无人值守基站、生产线设备次品率预测、设备能耗管理等行业。而在美国的Uptake近期也已涉足航空燃油经济型分析与管控行业，证明了跨业务的可能性。
CEO 王曦分析，跨领域复制从技术上和业务上来说，是可以实现的，团队面向的工业领域共性比较明显，需求比较一致，使用的工业协议也比较一致； 团队此前就已经考虑从算法模型层面兼容其他的业务领域，所以跨行业的转化成本也不高；此外，除了故障预测之外，类似设备性能优化（产能优化）这样可做的场景还有不少，综合体量还是很可观的。
智擎此前已入驻了微软加速器，并获得了九合创投和青山资本的天使轮融资。创始团队兼具国内外学习工作经验、智慧城市IoT经验，以及在风电领域也具有丰富的机组调试、运维管理、设备故障监控和预测领域设计和管理经验。
在Uptake成为独角兽之前，智擎所在的工业物联网大数据领域在国内还没有那么热门。王曦分析，过去几年从国家战略到互联网人才都聚集在互联网领域，而非物联网领域，对工业领域的关注也没有那么高。而从今年年初，不少投资机构都表达了对工业物联网领域的关注。
除了Uptake， 国外也有其他公司涉足工业物联网大数据领域。大公司方面，GE推出了基于云平台的PaaS 产品 GE Predix，开发者可以基于此进行数据调用及二次开发，主要应用于能源、生产制造领域，2015年收入已经超过50亿美元。西门子在近期也推出了其工业物联网PaaS平台Mindsphere。IBM基于Spark的大数据平台提供开发和定制化的服务，主要应用于银行、消费、保险、 旅游、能源领域。此外，意大利创业公司Solair，主要做工业IOT设备，已经于2016年被微软收购，价格不详。
本文转自d1net（转载）
