📣📣📣賀賀賀

智慧農業數位分身榮獲 2019年美國百大科技研發獎(R&D 100 Awards)

在經濟部技術處及農委會農業試驗所的支持下，資策會服創所的數位分身技術以「智慧農業數位分身Digital Twin Solutions for Smart Farming」榮獲2019年美國百大科技研發獎(R&D 100 Awards)，在全球1,000餘項創新技術軟體與服務類激烈角逐下脫穎而出，主辦單位將於12月5日在舊金山舉行頒獎典禮。

什麼是「數位分身」（Digital Twin）？

Digital Twin，有人把它翻譯為「數位分身」或「數位孿生」或「數位雙胞胎」，其意義都是指某種實體物品或系統的動態軟體模式（dynamic software model），您可以將數位分身看成是實體物件在數位世界的動態呈現，並可以如同在實體世界般的彼此互動、組合，藉以理解物件狀態、建構動態模型來回應世界真實變化，改進操作，並增加價值。這是一個結合AI人工智慧，與人類智慧HI的新興技術，國際研究機構Gartner連續三年評為全球未來關鍵十大技術之一。

應用案例： 智慧農業數位分身

目前農業雖已有許多IoT大數據，但環境藏有太多不確定因素，如氣候變遷、作物成長表現、水質變化等，縱使具備大數據但仍得依靠農民自身經驗來判斷下一步種植、養殖行為，高度倚賴農民個別經驗，不僅無法穩定供應一定品質、數量的作物，少子化的狀況下，也面臨到傳承接班的問題。

因此，資策會服創所嘗試導入「數位分身」科技於農業數位化應用，淬取與紀錄農民養殖管理行為技術，智慧農業數位分身」技術，除了保有AI根據感測器回饋，執行環境調控的自動化外，農民也可以依據經驗及現場觀察，選擇設備參數的修改，還能進行修改前的模擬預測，以做出最佳的策略方案。更重要的是在數位分身技術下，AI將動態學習農民的經驗、知識，進而達到協同運作、決策優化的效果。

#智慧農業數位分身 #美國百大科技研究獎 #資策會服創所

醞釀整整一年，西門子翻開了加速工業互聯網落地的“王牌”【物女心經】

作者：物女王（彭昭）
物聯網智庫 整理發佈

導 讀

近日，西門子舉辦了一年一度面向分析師的年會，並在會上宣佈推出Xcelerator，這是一個MindSphere與Mendix融合之後的產物。我們都知道，MindSphere是西門子的工業互聯網平臺，Mendix是西門子在2018年8月收購的低代碼程式設計平臺，他們結合之後的Xcelerator是什麼？廢話不多說，我們馬上就來解讀。

上周的文章《讓物聯網應用開發全面提速，巨頭們用了“大”招》中我曾談到，在各種物聯網平臺你爭我奪的“大戰”中，很多公司正在悄悄地打磨自己的IoT程式設計工具。

這些舉措對於物聯網來說具有深遠影響，他們都指向同一個方向：改進程式設計工具、簡化程式設計環節、降低開發成本，是加速物聯網專案落地的一條捷徑。

這周，西門子有了進一步動作，對外公佈了自己的低代碼王牌。

9月3日至6日，在紐約，西門子舉辦了一年一度面向分析師的年會，其上西門子宣佈推出Xcelerator，這是一個MindSphere與Mendix融合之後的產物。

我們都知道，MindSphere是西門子的工業互聯網平臺，Mendix是西門子在2018年8月收購的低代碼程式設計平臺，他們結合之後的Xcelerator是什麼？

廢話不多說，我們馬上就來解讀。你會看到西門子此舉對於工業互聯網發展的教科書式的借鑒作用。

文中很多資料都是西門子在年會中首次公開，你將看到：

• 拆解Xcelerator，西門子推出Xcelerator的意義是什麼？
• IIoT平臺成為驅動西門子公司下一輪增長的最大引擎，這個引擎是虛胖還是實力？
• 西門子將技術拖入“零門檻”，能否碾壓物聯網應用的複雜性？

01

工業互聯網平臺+低代碼工具=Xcelerator

Xcelerator和Accelerator（加速器）諧音，沒錯，西門子正在觸發一次工業互聯網的加速。

西門子在發佈Xcelerator之時，曾開宗明義的說：它的意義是將“劣勢”變成“優勢”，“短板”轉為“長板”。具體到製造業，Xcelerator將製造業的複雜性轉變為競爭優勢。

“Most manufacturers struggle withcomplexity and look to limit it. But those who want to be the leader in theirfield need to be able to leverage complexity as a competitive advantage.”

“大多數製造商都在努力解決和消除複雜性。但那些希望成為領軍者的企業，需要有能力將複雜性變為競爭優勢，並從中獲益。”

那麼Xcelerator到底是什麼？

Xcelerator是一個軟體產品組合，由西門子工業互聯網平臺MindSphere提供底層支援。該組合中包含產品生命週期管理軟體PLM、電子設計自動化軟體EDA、應用程式生命週期管理軟體ALM、製造運營管理軟體MOM，以及西門子工業互聯網平臺MindSphere上的SaaS應用。

簡單的說，西門子把各種軟體、服務和開發能力都搬到了工業互聯網平臺MindSphere上，然後裝入了加速引擎Xcelerator。這就意味著Xcelerator包含了用於電氣設計、機械設計、系統模擬、生產製造、管理運營和生命週期分析的各種軟體和服務的組合。

Xcelerator怎麼將製造業的複雜性轉變為競爭優勢？

為了讓所有Xcelerator的使用者都能夠方便上手，並創建可追蹤的數位執行緒（Digital Thread），Xcelerator將Mendix低代碼平臺與原有的軟體產品打通，讓任何使用者不需要程式設計經驗，就可以輕鬆利用Mendix開發環境，創建、集成和擴展現有的資料和系統。

Mendix的首席執行官Derek Roos提到，西門子將通過Mendix開放其整個軟體產品組合，而且西門子還承諾通過Mendix可以實現西門子應用軟體和任何其他品牌的企業資源管理系統ERP、客戶關係管理系統CRM或者資產管理系統的互聯互通。

具體而言，Xcelerator的殺手鐧包括三個：

• 全方位的數字孿生
• 個性化配置
• 靈活開放的生態

我們分別來說。

• 全方位的數字孿生

西門子一直在宣導數字孿生的閉環。西門子的想法是從生產和設計的資料中建立產品和性能的數位孿生，實現決策過程的閉環，從而持續優化產品設計和製造過程。

這裡有必要提到一個概念：數字執行緒（Digital Thread）。數位執行緒為數位孿生提供訪問（Access）、整合（Integrate）和轉換（Transform）的能力，目標是貫通產品生命週期和價值鏈，實現全面追溯、雙向資訊共用和價值鏈協同。

數位孿生是物件、資料。數位執行緒是方法、通道、介面。數位執行緒交換和處理數位孿生的相關資訊。

西門子給出了實施案例。以HP印表機為例，數位執行緒的運用提升了列印噴頭的冷卻效率。資料顯示，列印噴頭冷卻機的流速提升22%，列印速度提高了大約15%，產品研發速度提升75%，部件成本降低了34%。

• 個性化適配

這裡西門子強調了IIoT雲戰略，並稱已經為工業互聯網雲端解決方案準備好了可擴展的環境，可以按照用戶的需求靈活部署。

Mendix是實現個性化配置的重要一環，它提供個性化的應用程式開發，加速創新過程。

西門子還在某些軟體中引入了“自我調整UI”的功能。自我調整UI是利用人工智慧AI演算法，根據使用者的使用狀態，自動呈現下一步操作命令的功能。根據西門子的統計，自我調整UI的準確率約為95%。

• 靈活開放的生態

西門子公開了相關的生態資料。

西門子的三維建模內核元件“Parasolid”全球使用者超過400萬，三維模型資料格式“JT”會員超過130名，它們已被許多公司採用，成為了行業的事實標準。西門子的PLM相關軟體在全球已經積累了超過9萬名開發者。

隨著生態系統的發展，西門子摸索了一套與合作夥伴有效協同的方法。

比如，西門子通過與IBM的資產管理軟體“MAXIMO”連接，實現了卡車運營時間和可用性的提升，以及運營成本的降低。西門子還與BentleySystems合作，提供印刷電路生產線的運營狀況管理方案，以及電廠的綜合資產績效解決方案。

為了更好的講清Mendix和Xcelerator的關係和定位，Mendix首席執行官DerekRoos進行瞭解讀。

在被西門子收購之時，Derek就判斷Mendix與西門子的結合將掀起一場有真正價值的“資料海嘯”。在西門子分析師年會上，Derek全程幾乎只講了一張圖，就是下面這張。

根據Derek的表述，Mendix低代碼平臺將成為所有西門子雲端解決方案的主要應用平臺，西門子的用戶可以利用Mendix在任何設備、任何位置、任何雲平臺上創建應用和分享資料。西門子的各種軟體系統正在踏上利用API逐步開放的新征程，Mendix將可訪問所有系統中的資料。

Mendix低代碼平臺將會增加一個新的特定領域應用服務層（Domain-Specific APPServices Layer），並且將會與MindSphere進行集成。

今年4月，Mendix還披露了自己的“登月計畫（Moon Shot）”，推出Mendix資料匯流排（DataHub）。Mendix資料匯流排通過將資料和系統抽象為跨越整個企業的資料虛擬化層，以克服在快速構建軟體解決方案時，資料難以集成的巨大瓶頸。

目前Mendix資料主線（DataHub）服務於西門子、SAP、Salesforce、微軟和IBM，這意味著利用Mendix，用戶可以在這些雲平臺上自由的使用各種應用和分享相關資料。

從Derek的用詞中判斷，一切即將發生，只是時間問題。

02

IIoT平臺成為驅動下一輪增長的最大引擎

西門子將MindSphere定義為下一輪增長的最大引擎。

從下圖中的圈層可以看出，MindSphere工業互聯網平臺、物聯網硬體、應用和分析服務、數位化企業…層層嵌套，MindSphere位於核心地位。

從資料上來看，MindSphere在遍佈17個國家的20個垂直行業取得了應用，吸引了超過1000名解決方案開發者、資料科學家和工程師。

以細節著稱的西門子，將企業的數位化成熟之路進行了詳細的劃分。

具體包含3大階段、6個步驟…以及7種服務。

至於3大階段、6個步驟、7種服務的具體內容，此處暫且略過，以後再做解讀。

總體而言，西門子的雲服務取得了不錯的成績。APP應用數量超過23.5萬，年度經常性營收ARR增長率超過40%，客戶超過1000家，開發者大於10萬名，合作夥伴650家，接入了超過140萬台聯網設備。

從業績指標來看，在剛剛過去的2019年第三季度，西門子渡過得格外艱難。數位化業務的銷售額和訂單量雙雙下降。

業務部門 第三季度銷售量 訂單量
數位化業務 -2% -5%
智慧基礎設施 2% 2%
天然氣和電力 -5% -15%
移動設備 -2% 18%
西門子醫療保險 6% 13%
西門子可再生能源 24% 42%
工業總量 2% 7%

就行業側重來看，西門子的數位化業務涵蓋離散自動化和流程自動化兩大領域。在離散自動化領域，由於汽車、製藥和機械製造等行業的生存環境變化，西門子受到了較大的影響。

因此在未來的幾個季度，西門子勢必將增長重心轉移到石油、礦山、天然氣、造紙等流程自動化領域。

03

讓技術進入“零門檻”時代

低代碼的最大作用，是推進一次關於成本的革命，完成一次從量變到質變的昇華。

這裡的成本包含時間成本和人員成本。

這兩項成本在新技術的變革中潛移默化的提升，而且居高不下。技術的改進提升了系統的複雜度、管理的複雜性和對人員的素質需求。很多工作需要具備全方位知識的綜合技能人才，或者多位工程師共同協作才能完成。有些時候甚至要求一名工程師既懂雲平臺、又懂網路、還懂移動設備，這並不現實…

這些都是新技術應用中看不見的門檻。

因此一組矛盾越來越激化，就是各種行業需求和IT供應能力之間的矛盾，行業需求的緊迫性和IT開發週期的時滯性之間的矛盾。

這些矛盾不但需要解決，而且需要形成數量級式的變化，才能真正打通新技術為各行各業賦能之路。

為了降低物聯網的應用門檻，互聯網時代IT軟體世界中的4個最核心的成員：作業系統、程式設計語言、編譯器和資料庫，在物聯網時代都將迎來全新的形態。

從作業系統到物聯網平臺，從程式設計語言到IoT低代碼程式設計工具，這個過程正在逐步推進。

回到本文的主角Xcelerator，它將工業互聯網平臺和低代碼程式設計工具整合到了一起，試圖降低開發者的參與難度和門檻，形成開發者的協作社區，快速滿足各行各業的用戶需求。

在工業領域，工業互聯網平臺是當前的最大變革。

網路效應是平臺模式區別於其他商業模式區的關鍵特徵。

網路效應是指越多的用戶和開發者在平臺上進行交互，平臺對潛在的新用戶和新開發者越有吸引力。當這種動態的吸引機制形成自發生長之後，平臺將進入自我增長的良性週期。

網路效應包含兩種，單邊效應和雙邊效應。單邊效應是指在平臺的一側彙聚形成網路效應，開發者吸引更多開發者、用戶吸引更多用戶；雙邊效應是指在平臺的兩側彙聚形成網路效應，更多開發者吸引更多用戶，更多用戶又吸引更多開發者。

工業互聯網平臺是雙邊或者多邊平臺，平臺上角色越多，管理越複雜。制造型企業往往要在多個使用場景中操作多種軟體，極其麻煩。“工業互聯網平臺”+“低代碼程式設計工具”+“靈活的開發者生態”這一組合，是西門子針對製造業的複雜性，給出的教科書式的解決之道。

莎士比亞說，“All the world’s a stage”，世界是個舞臺。工業互聯網又何嘗不是另一個舞臺，這個舞臺是不是足夠吸引人，還得看製造企業是否願意為Xcelerator買單。

本文小結：
1. 西門子將工業互聯網平臺MindSphere和低代碼程式設計平臺Mendix相結合，推出Xcelerator，試圖加速工業互聯網的落地速度。
2. 西門子並未透露雲平臺的營收關鍵資料，只是透露了應用與開發者等數量指標，對面全球經濟環境的不確定性，工業互聯網平臺的落地難度增大。
3. 無論結果如何，“工業互聯網平臺”+“低代碼程式設計工具”+“靈活的開發者生態”這一組合，是西門子針對製造業的複雜性，給出的教科書式的解決之道，具有借鑒意義。

資料來源：https://mp.weixin.qq.com/s?__biz=MjM5MTM5ODQyMA==&mid=2651217008&idx=1&sn=16efe62fe522458e8353b669da3f3fd6&chksm=bd44d30b8a335a1d11c8115718727cec6dc3c68f8768f172421c991e4cbe98cc5eef2c2f0402&scene=21#wechat_redirect

Amazon - Dean Samuels 5G時代不會讓電信商沒有角色，而是更需要電信商的協作

早上我的手錶會記錄我的睡眠狀況傳輸到雲端，我起床後Alexa會告訴我今天的天氣如何，週末可能會有颱風，也告訴我一些AWS昨日在北京的更新。我的其他裝置也可以讓我準備好如果活動要delay我該怎麼辦重新安排行程。這些都需要AI, 網路連結等才能完成。
我是Dean Samuels，我主要的base 之前在新加坡，近日開始移轉到香港台北。
客人不會講我要AI/IOT… 客人需要解決的是他們的問題。例如政府要提供智慧城市，他們需要很多的連結、把各種服務連上網。
2019年的重要趨勢是『邊緣計算賦能化Empowered Edge』，這不是新東西，但5G跟IOT這些技術讓機器可以互相監控，你可以想像幾十億的物品資料聯網，數量級已經完全超過人類可以理解。所以需要機器學習。『數位孿生Digital Twins』就像遠傳剛提到的，可以幫助製造還有檢修查測更容易。『AI-Driven Development』『擴充實境』是連結虛擬世界與實際世界的技術，虛擬的擴充實境能改變例如醫生與病人互動的方式，可以讓智慧城市可能。 5G可以讓以上這些科技整合。讓我們講更多邊緣計算賦能化。

邊緣計算並不新，對AWS來說我們相信未來科技服務都會在雲端，但是很多應用與企業資料（例如資料採礦公司）還是沒有把東西放在雲端，我們想做的是把很多放在雲端的東西放到邊緣端。有個誤解，是雲端跟邊緣是互不相容的，但其實他們是互補的。雲端計算是中心化的，把電腦應用變成應需提供。讓我們回到邊緣計算與手機與電信，在電信的協助下，邊緣計算應用是非常廣的。邊緣計算靠5G, 機器學習（或ＡＩ）與ＩＯＴ成為可能。
為何邊緣計算很重要？首先數位轉型意味著數百億計的設備聯網，他們都將產生資料，需要做決定，還有要給予方向。根據高通的預測，聯網物品數量將以每年32%成長，到2021年將有250億的物品聯網。根據預測，在2025年前有75%的資料將產生在資料倉儲與雲端之外（目前只有20%不到的資料不產生在此處）
但是邊緣計算仍不會脫離一些基本法則，像是物理性法則、經濟性法則、以及各地的法規（像是隱私權規範），例如高頻交易，你可能會快速的賠錢。可以想像在自動駕駛時候，你也需要能在當場作決定。經濟性法則需要高可靠度的網路，但費用要可以負擔，需要高穩定性的網路。跟隱私權有關則是資料到底存儲在哪裡，在有些國家，隱私相關的資料甚至不能儲存。所以在邊緣的應用十分重要。
雲端與邊緣是互補的，當我們看Netflix的影片時候，我們不是永遠從伺服器下載，用到CDM減少延遲。我們提供AWS Greenpass, AWS Outposts, AWS Cloud 讓雲短跟邊緣互相補充。
當我們提到5G時候，不只在意速度，當然他是10倍20倍。。。下載影片快非常多。但是這不是5G的真實力量，最大的力量在低延遲。戲劇性地減少資料到你的設備的時間，從4G的20ms 到5G的4ms，延遲明顯改變。另外一個是海量的連結，你們一定都有經驗，在集會場合，聯網能力會下降，但是使用5G的時候，每平方公尺可以連接的設備是數十倍。還有可以建立你的企業聯網，例如設定你們公司的wifi ，就像傳統的無線網路。
你可以創造或訓練應用，在雲端訓練，一但機器學習的模型做好了，你可以用它在雲端做預測，而IOT則是讓你連結設備。讓我們看看Verizon的影片，我們跟他們合作，他們有時候會問在未來雲端與5G之後，電信業者還有機會嗎？但5G時代我們會比過去更需要電信的基礎建設，更多的投資、更多的連結。相同的，電信業者也需要AWS這樣的業者提供雲端與邊緣的計算，在Verizon他們跟我們合作提供聯網的設備。

5G的關鍵支柱，你首先會看到速度變快、除了手機外你的電腦不再需要wifi。而到了第二階段，有些以前因為延遲問題無法進行的，像是遠端醫療，也都可以進行了。另外是數以億計的聯網設備，在未來幾年內，5G會讓這些成為可能。
以觸覺互聯網（tactile internet)與擴充實境來說，目前的延遲速度太慢，醫生用機械手臂感受到病人的肌膚後無法及時回應，需要改善延遲速度，並且要足夠的頻寬。

AI這麼好，為什麼企業不用？太貴了，所以AWS的Machine Learning 與Deep learning讓模型訓練的時間從幾天縮短到幾小時，更容易應用、更便宜。我們的願景是把這個能力交付給每個應用者，另外一個是我們的架構讓企業在應用上更容易。我們將AI的架構做成三段，不需要太複雜的能力。我們提供的設備是Application based 的服務，使用者的學習時間最短，不需要煩惱系統架構，直接開始做模型。

IOT分析師的流程是收集資料，整理資料，分析資料。機器尋找其他的機器，偵測複雜的資訊、檢驗決策、執行任務。今日機器有大多數時間是機器互看，攝影設備看其他機器，然後通過運算做決策後決定這些機器要繼續做什麼。

我們看到5G在澳洲、美國等地推出，但五年內都還不為成為主流。目前我們的AI & IOT的應用是在4G上面，例如在農業上的使用等等。而我們期待未來的應用中，最期待的是延遲地減低，所以需要大量的邊緣計算，例如你的自動駕駛汽車，在資料收集後要交付到邊緣。而高頻交易也需要像ＡＷＳ這樣的和在火半，確保速度。而在採礦的部分，需要LTE 或者5G的企業專網。
我們有個客戶PENTAIR，他們用機器學習了解養殖的魚是否需要餵食，用這個方法可以改善他們的魚肉蛋白質。

大膽做夢，小處開工，快速建造