Erik：欢迎来到工业 IoT Spotlight，这是您从工业 IoT 思想领袖那里获得洞察力的第一站，他们正在与您的主持人 Erik Walenza 一起改变当今的业务。

欢迎回到工业物联网聚焦播客。我是您的主持人，IoT ONE 的首席执行官 Erik Walenza。今天我们的嘉宾是 Crosser 的首席执行官兼联合创始人 Martin Thunman。 Crosser 为本地或云端边缘开发了流分析和集成软件，以便为工业客户实时处理数据。在本次演讲中，我们将讨论边缘计算的趋势，以及边缘与云和本地环境的关系。我们还探索了低代码编程的潜力，使运营能够直接参与应用程序开发，并降低解决方案的生命周期成本。

如果您发现这些对话很有价值，请给我们留下评论和五星级评价。如果您想分享您公司的故事或推荐一位演讲者，请发送电子邮件至 team@IoTone.com。谢谢你。马丁，感谢您今天加入我们。

马丁：非常感谢。很高兴能上节目。

Erik：我认为你作为连续创业者和董事会成员的背景非常有趣。您能否向我们介绍一些导致您现在在 2016 年创立 Crosser 的经历？

马丁：当然。我是个生意人。我相信人们有一定的 DNA，我的 DNA 是销售。我天生就是一个销售人员，这也是我的背景。我有商业学位。但后来我在 96 年开始在思科工作。我在阿姆斯特丹的内部销售团队中基本上是尽可能低地进入思科。之后进入他们的现场销售组织，在那里呆了大约五年，离开 Cisco 01，在光纤到户领域与人共同创立了我的第一家公司 PacketFront。因此，我们为世界各地的光纤到户运营商构建硬件和软件，在五年内实现了约 3500 万欧元的收入。

公司受到 2008 年金融危机的重创，我们的客户刹车，公司无法继续其增长轨迹，因此分为三个不同的部分。但通过建立一家全球销售到全球五个不同国家的公司，这是一次奇妙的学习经历。继续前进，与其他几家初创公司一起担任挪威企业软件公司的首席执行官约 4.5 年。

然后我通过介绍认识了我的 Crosser 联合创始人，他是一名开发人员，多年来开发了一个实时分析引擎，但并不真正知道要追求什么市场。与第三个人一起，我们在市场上放眼更广阔，我们提出了一个问题。那么，尽管非常模块化、非常快速的实时分析引擎在哪里需要呢？我们很快意识到，当工业公司想要移动，并连接他们拥有的不同数据源，如机器数据、企业数据、云平台和 SaaS 应用程序时，我们了解到，在这中间，需要一个实时分析引擎。这就是我们决定启动 Crosser 并基本上追求正在进行的工业数字化转型的方式。

Erik：但是您已经提到了实时分析，您在流式分析背后有幕后工作。因此，也许我们可以作为 Crosser 的介绍，让观众快速了解我们所说的实时流分析实际上是什么意思，而不是过去几十年使用的分析，这样我们就可以就价值背后的新事物提供一些背景信息Crosser 正在推向市场的提议？

马丁：是的，我认为市场正在发生转变。而且我认为分析是一个广泛的概念，正如你所说的那样。我们所做的是我们进行流式分析，这意味着它是动态的数据。我们不存储数据。我们不关注历史趋势，这是传统分析平台一直在做的事情，随着时间的推移可视化数据。我们正在获取实时数据，因为它正在生成。我们正在实时分析它。我们正在寻找模式。我们正在根据数据创建操作，等等。所以数据概念与静态数据，这是我认为更有意义的区别。

Erik：您通常与哪些公司合作？这是一个相当水平的解决方案，任何拥有动态数据的人都可以将其用于他们的应用程序？还是您专注于非常特定的垂直行业？

马丁：科技就是科技，对吧？如果你有一个泵，并且泵是在纸浆和纸张中，或者如果它在建筑物中，或者如果它在城市中，在某个地方，机器数据看起来真的是一样的。所以在很多方面，它是非常非常水平的。但是，作为一家小公司，当你进入一个市场时，你需要在某件事上做得很好。因此，您需要在一个细分市场中建立专业知识。

因此，尽管平台是横向的，你可以接受电子贸易、流数据或银行业务，但从平台的角度来看，这是可能的。我们只专注于工业领域。所以那些是拥有生产基地和自动化设备的制造商。它是托管服务提供商、机器制造商或 OEM。这些是任何形式的典型的基本工业公司。

Erik：如果你看看工业公司，还有许多不同类型的流数据可能有用的用例，它们可以解决许多不同类型的问题。但我想你在这里也有一个重点领域，即你想使用的设备类型，或者是更大机会的情况类型，或者有更多痛苦的领域。重点应用有哪些？或者，在工业领域的流分析中，人们可能会发现最有价值的三大领域是什么？

Martin：一方面，我们希望为客户提供充分的灵活性。这意味着我们希望提供像一个大的乐高积木盒，客户可以轻松地将它们组合在一起，并构建和解决他们拥有的任何用例。该模型面临挑战。一个挑战，我们知道这已经存在了一段时间。当我们年轻的时候，我们得到了一千块乐高盒子，并被告知要建造一些东西。

但我的情况是，他们得到了这个带有所有说明的乐高星球大战预包装。他们构建了只适合这个特定用例的令人惊叹的东西和量身定制的作品。我们在这里意识到的是，仅仅提供一盒件实际上限制了我们的客户。所以我们所做的是开始打包用例，我们称之为流程升级，这基本上是一种为客户进一步简化的方法，并为他们提供想法和示例，说明他们可以用它来构建什么。

回到你的问题，前三名，我认为很多公司都是从访问机器数据开始的。只是你有不同代机器的工厂车间，有些可能有几十年的历史，有些可能是全新的。所以这本身就是一个挑战，只是掌握所有的机器数据。但下一步是协调这些数据，使数据基本上进行转换，并在此基础上采取行动。

因此，只需掌握数据，对其进行结构化，清理它，摆脱你不感兴趣的原始数据，过滤掉那些东西，然后将我们所谓的相关数据移动到文本中的下一层，这可能是到云平台到您的工业物联网解决方案或您自己的存储。因此，您可以开始分析数据并从数据中获得洞察力。但是你想要有好的数据，结构化的数据，相关的数据。这是许多人开始其工业物联网之旅的第一个用例。这是一个起点。

另一个非常常见的部分是工厂车间自动化，即机器-机器逻辑：因此，对来自一台机器的机器数据进行操作，创建触发器到下一台机器来执行某些操作。甚至闭环自动化也是另一种使用良好的解决方案。因此，基本上，获取机器数据并更改另一台机器中的设置以更改机器正在执行的任何操作，这可能是在过程中放出多少液体或其他东西。因此，自动化，将这个解决方案用作工厂车间的微型控制系统，这是另一个非常常见的应用。

然后您将机器数据与企业数据集成。因此，对机器数据采取行动，创建发送到 ERP 系统的触发器，例如，为技术人员创建自动工作订单，以便根据健康监测为机器提供服务。因此，我们今天开始公司的典型用例。

Erik：你在那里提到了几件事。跳出来的一件事是客户是否准备好一方面准备数据，另一方面准备流程。因为这里的一个典型问题是尝试使流程自动化，所以一旦您有能力在该流程被正确构建以启用自动化之前。您是否发现自己与基础设施非常成熟的财富 2,000 强类型公司合作得更多，或者是否有中型公司发现能够避免对非常繁重的传统架构的需求具有很大价值并使用物联网解决方案让事情变得更轻松？你觉得谁准备好了？然后也许我们还可以在此之后谈谈挑战，以及仅仅拥有能够理解或利用流数据的基础基础设施和流程？

Martin：实际上，我们在几周前就对此进行了分析，它基本上非常均匀地分布在我们的项目库中。所以我们有真正的全球企业，十亿美元以上的公司，然后我们有十亿或十亿，然后另一个桶中的 1 亿到 5 亿是相当均匀分布的。

我想说，即使是较大的公司，也经常从一个部门、一个工厂或某个区域的一部分开始。我认为，我们经常错误地认为大徽标意味着全球范围。大多数公司都是相当分散的。他们通过收购而成长。他们有不同的植物，生产不同的东西。这些植物通常非常自主。因此，即使是大公司，起点也大多是中等规模。即使我们看那种百亿以上的企业，起点看起来更像是一个中型企业的起点。今天我们很少看到这家大公司出来说现在我们要做一个 RFP，我们要同时在全球范围内推出我们所有的网站。

而且我认为它回到了你提到的准备状态，我们在市场上仍然相当早。公司了解当今的价值主张。我认为我们不需要其他网络研讨会来讨论为什么 [听不清 14:52] 有意义。我认为世界各地的董事会都在谈论行业的数字化转型是一个热门话题。

我认为，大流行现在发生的事情实际上加速了有关数字化转型的讨论。但是，您如何从愿景转变为 [听不清 15:23] 并获得明确的结果？我认为这就是今天的公司有点挣扎的地方。业内的每个人，我们都有很多责任帮助终端市场度过这个丛林。

Erik：当您第一次开始与新客户合作时，您是否经常发现自己需要就传感器或现场连接方面需要哪些基础设施以从设备中获取数据提供建议，或者您是否发现公司您正在使用的通常有数据，他们只是没有将其组合在一起，也许现在可以提供一种最大化价值的方式？

Martin：所以我们经常谈论 OT 和 IT 的融合与协作。我认为，OT 的人，他们通常知道他们的东西。他们非常非常善于理解如何从所有机器中获取数据。他们并不总是拥有这样做的工具，但他们知道这一点。因此，我们认为我们最终不会在这方面陷入顾问的境地。他们只是没有工具。但是，当然，在从机器中获取数据、然后理解数据以及从这些数据中创造商业价值之间存在差距。这就是我们发现自己进入大量讨论的地方。我们与客户进行了大量用例讨论，并就他们从业务或机器数据中发现价值的可能性向他们提供建议。

Erik：也许我们可以从不同的角度，从利益相关者的角度谈谈你的客户是谁。所以你已经提到，通常情况下，这是一种自下而上的方法，你可能会与工厂或特定企业合作，而不是从公司总部自上而下。但是你会吸引谁呢？这是工厂GM吗？是工程部吗？是它吗？就谁推动讨论、确定优先级而言，谁是典型的领导者？那么预算是否也来自于此？或者在谁推动顾问决策的利益相关者层面上变得有点复杂？

Martin：在企业销售中，角色总是很复杂。因此，这涉及到多个利益相关者。与企业合作的美妙之处在于没有一家公司是相同的。但总的来说，我会说这些举措是由中层管理角色推动的。所以这可能是一个聪明的工厂主管，IT主管。可能是高级自动化工程师。很多案例实际上是企业架构师，他们正在考虑将纺织品中的所有部分放在一起，这就是角色。

所以我认为中层管理是重点。但是，当然，你有工程师的手，大多数在 IT 方面，数据科学方面，以及 OT 方面。当然，我们还有预算负责人，他们有时是中层管理人员，但通常不是。所以有经济买家可能是首席信息官或工厂经理或类似的人。所以它总是混合的。

Erik：那么接下来的问题可能是这些利益相关者的目标是什么？但是，如果我们只是从高层次的角度来考虑，收入与成本，我的意思是，我现在的经验是，我们看到的大多数用例，尤其是当你谈论工厂或工业时，都专注于降低成本或降低风险，可能与 EHS 问题有关。

我们看到对与潜在收入增长相关的主题有相当多的兴趣，比如大规模定制，它可以为制造商的客户提供新的价值主张，但对这些主题的实际部署并不多。您如何看待这一点，仅仅是因为在那里更容易制作商业案例，就可以降低绝大多数成本吗？或者您是否看到部署背后的更广泛的潜在目标？

Martin：我认为降低成本是这方面的主要驱动力。当然，每个人都希望减少资产和机器的停机时间。当然，这也是降低成本的一部分。但这也是一项收入，因为如果您可以更高地利用机器，您就可以生产更多的每项资产。因此，该主题涉及收入方面。但所有增加数字化和优化通常都是为了改进流程、减少手动步骤、缩短周期时间。所以这里面还有其他方面。

此外，与一位工厂经理交谈时，他面临着一个不同的挑战。他说，看，在 3-5 年内，我 40% 的维护工程师将退休，我不知道我将如何填补这些职位。因为年轻一代，他们不想成为某个纸浆和造纸行业的维护工程师。这在 Instagram 中并不酷。所以他的挑战是我需要找到一种方法将他们的大部分工作描述数字化，否则，我们将成为一个大问题，因为我们无法填补这些职位。所以这实际上是一个有趣的方面，在这个行业的数字化方面有一个目标。

我已经与几位面临相同挑战或类似挑战的人进行了交谈，他们面临着老龄化劳动力的挑战，并且无法为这些职位招聘。

埃里克：所以工厂可能运行得很好，但由于经验丰富的劳动力将有一个生命周期，然后问题就可以了，一旦是的，这些人就退休了。

马丁：是的，他们有工程师。所以我已经存在了 30 到 40 年，他们走下车间，然后就停了下来。我说，好吧，这台机器出了点问题，因为我可以从声音上听到它。你如何取代这种经验和专业知识？他们依赖于那种技能。所以现在它们看起来不错，我们如何使用现代技术？

Erik：但是关于业务方面的最后一个问题是系统集成商的问题。您是否通常直接与您的客户互动并管理这种关系，包括我需要部署支持吗？或者系统集成商是否在这里发挥了重要作用，并帮助将 Crosser 推向市场或为您的客户定制应用程序？

马丁：我会说两者。所以我们有客户来找我们，他们已经弄清楚了技术堆栈。但他们在技术堆栈中存在一个漏洞，即边缘分析和工厂车间集成以及这些用例的自动化。我们的品牌承诺是我们启用自助服务模式。所以我们通常有一个非常简单的入职培训，我们完全在线进行，然后客户在我们的解决方案中自己使用我们的工具。我们直接参与。

但是许多客户在开始时并没有弄清楚整个技术堆栈。在此过程中，系统集成商发挥了重要作用。因为其中一些客户，他们可能没有带宽，因为他们只有他们拥有的团队，或者他们没有经验，他们希望在构建这个新解决方案时获得外部支持。

那么我应该运行什么物联网网关呢？我应该总是跑什么类型的？什么是云平台？分析什么？技术堆栈中有很多层需要弄清楚，这就是我认为 SI 和顾问在帮助方面发挥超级重要作用的地方。所以我们实际上两者都做。当客户来找我们时，我们经常直接与我们合作，或者我们与系统集成商合作。

Erik：现在让我们转向业务的技术方面。我们已经定义了流分析，如果你能在这里做同样的事情，特别是定义边缘计算，边缘计算和云计算之间的关系，也可能是我们现在考虑的边缘计算与本地服务器的关系过去几十年可能已经完成的计算。什么是边缘计算？它与云和本地服务器有何关系？那么为什么这是一个重要的发展？

马丁：所以我说，对边缘的概念有很多混淆。我被邀请参加一次会议，有一段时间在伦敦谈论边缘计算。我参加了这个小组，这是一个超级混合小组。还有一些人在谈论数据中心边缘。所以对他们来说，他们说我们是一家边缘计算公司，我们在英国有八个数据中心。

因此，出于多种原因，边缘确实在尽可能靠近数据源处理数据。这可能是出于成本原因，因为已经产生了很多原始数据。然后您可以降低 99% 或更多的成本。因此，您可以节省移动和远程资产的云成本和带宽成本。因此，在本地对数据进行预处理，这是其中的一部分。

另一个原因可能是延迟，你想要自动化，你想要非常短的延迟，没有理由向远程数据中心发送一些东西然后再返回。所以这是第三个原因。安全是一个很大的话题。很多用例，尤其是在工厂车间，都在工厂车间内，所以它在防火墙内。因此，从架构的角度来看，将防火墙外的东西带到云端再返回是没有意义的。

所以问题之一是本地分析和边缘分析之间有什么不同？在某种程度上是相同的，你在本地处理数据。但我相信现代边缘分析，我认为人们使用这个新术语的原因是我们正在利用现代云技术，但将其部署在本地边缘或工厂车间。所以这就是可扩展性。这就是简单。它采用现代技术。这是一个正在开发的新技术堆栈。

很多人都在谈论边缘是端到端解决方案的一部分，你有云，边缘是堆栈的一部分。对于一些公司来说，它是云；对于其他人来说，它是一个数据中心，如果他们还没有迁移到云端的话。但它是解决方案的一部分，它是本地传统或更旧的本地解决方案，通常是在自己的孤岛中运行的独立应用程序。

Erik：内部部署通常会是孤立的，或者是集中式服务器。我们已经看到一些公司真正强调在多个位置部署代码的能力。我们将一些代码库放在云中，我们将其中一些放在服务器上，我们还可以将其中一些放在网关甚至边缘设备上，甚至放在计算能力非常有限的传感器上。我的意思是，这有多重要？这对 Crosser 来说是你价值主张的一部分吗？或者这是您认为对边缘发展很重要的趋势？

Martin：我是一家技术公司，我想说不，一切都必须在边缘完成。但这不仅仅是简单的事实，因为这取决于每个特定客户的用例。有时在云中处理部分数据更有意义。有时在边缘本地执行它是有意义的。有时在设备本身、传感器或设备上执行此操作是有意义的。

我认为这方面的赢家实际上是最终用户，他们将为他们拥有的任何用例提供量身定制的解决方案 [crosstalk 29:25]，然后解决方案会有不同的部署选项，我认为这很好。

Erik：嗯，我们现在为什么不进入 Crosser 的技术栈呢？您将如何定义您的技术堆栈？

Martin：是的，所以我们的技术堆栈有两个主要部分。我们有我们的 Crosser 节点，它是一个实时分析引擎，可以安装在边缘网关、工厂车间服务器、某处的虚拟机上，或者也可以安装在云中的虚拟机中以进行流式分析。但通常它以某种方式处于边缘。

我认为我们所做的与其他人稍有不同的是，我们构建了一个 Crosser 云，这是一个设计和管理云。所以我们实际上已经将设计与节点本身分开了。因此，这是在云平台中使用拖放界面集中完成的，其中我们有预构建的模块。所以它基本上是工业物联网的低代码解决方案。

因此，技术堆栈中的这两部分可以协同工作。我们的 Crosser 云没有处理任何客户数据：它只是一个控制平面。它有几个优点。一个优点是您可以进行一次设计，并且一次可以部署太多。因此，如果您部署了 110 或 10,000 个运行相同类型的处理流程的节点，那么更新和推出它是一项操作。因此，您在云中进行设计和工作，并将其同时推广到所有节点。

因此，这来自我们之前提到的为电信公司和宽带运营商构建解决方案的经验。可扩展性是关键。经常被遗忘的是，只有 10% 的总生命周期成本或总拥有成本实际上是软件成本本身，即在整个生命周期内达到人工成本，这是物联网项目总成本的主要部分。

因此，我们正在尝试解决这部分问题，无论是在设计阶段，都通过一个低代码平台来支持现有的 OT 团队、现有的 IT 团队进行创新并做比他们原本可以做的更多的事情，而且还要自动化和所有这些生命周期任务部署在大规模升级和任务中进行所有这些更改并继续创新。所以这是两部分，然后是来自解决方案的部分，来自 Crosser。

Erik：正如你所说，这个低代码主题同样重要。有大量的隐藏成本通常不会因为内部成本而被考虑，对吧？因此，您进行 RFQ 并进行基准测试。对您来说，低代码意味着什么，如果我是一名 OT 工程师，没有很多 IQ 背景，那么为了能够开发或至少修改系统上的应用程序，学习曲线将是多少？

马丁：是的。因此，正如我之前提到的，我们的雄心壮志和品牌承诺是我们赋予自助服务能力。因此，如果您是 OT 或 IT 工程师，您应该能够通过学习文档和视频登录平台，在没有我们顾问支持的情况下开始学习和构建自己等。

通常，我们所做的是进行入职培训。所以我们在网上做了几个小时的培训课程，然后我们培训用户。我们甚至定期进行在线培训。因此，任何想要了解边缘分析并参加培训课程的听众，我们都有一个免费的在线课程供您注册。因此，学习一般的数据物流，当然还有跨平台的学习。

整个概念是我们有这个我们称之为模块的构建块，所以有用于数据连接的模块。所以连接到不同的数据源，在这里你通常有机器世界的 80-20 条规则。所以有几个协议支持大多数机器。所以它就像 OPC，它是 mod-bass MPTT，HTTP 与 S7 LM Bradley REST API 一样无缝，这些将涵盖大部分内容。然后还有其他几个。这是一条长尾，所有那些根据项目构建和重新确定优先级的人。

因此，连接性是用于连接和获取数据的模块。然后我们有用于进行数据转换和数据协调的模块。有用于智能逻辑的模块，因此对数据采取行动，分析和采取行动，因此有很多模块。还有空代码模块。因此，您可以将自己的代码放入其中。如果您已经构建了 [听不清 35:06] 算法并拥有 MLM 算法或模型，您可以将其与我们的预构建模块结合使用。

智能逻辑是第三组。我们对工作流程采取了行动。那么如果我发现异常怎么办？然后集成回机器、企业系统、云提供商或 SaaS 应用程序。这五组所有模块修复，然后客户选择他们想要构建他们的用例的模块，或者他们选择我之前提到的这些流应用程序作为起点，作为开始构建特定用例的模板。从我们的角度来看，非常非常不重要。

我认为我们现在正试图进一步推动这一点。我们从下一代开始，因为当然，我们将其推向市场，我们认为这是迄今为止领先的平台。但是我们已经学到了一些东西，我们可以将它们自动化并为最终用户提供更简单的体验。因此，我们将希望进一步推动这一点。与其他行业相比，这是我们在这个市场上真正的计划承诺。

Erik：这是一个有趣的话题，因为你是一家深度科技公司，简化可能是这里的关键变量。那里有很多开源机器学习技术。所以有很多非常强大的工具可供人们使用，但真正能够使用它们并使它们实用才是真正的挑战。你是这样看情况的吗？

马丁：是的，是的。它又回到了资源上。一位与我交谈过的工厂经理 Martin 告诉我，现在全世界有 150 万个软件开发人员的职位空缺。我在欧洲一个中型城镇的生产基地。那么，我将如何招募顶级开发人员来自己构建它，或者在授权代码或授权开发人员的平台之上构建呢？每年寻找和留住优秀人才的难度越来越大。

因此，人员问题和授权现有团队，你可能认为他们不具备这些能力，但授权他们实际做更多的事情，同时也有助于这种 OT 和 IT 的桥接和协作。因此，如果您考虑我们之前描述的内容，除了五个不同的步骤，即第一步，获取数据以理解数据、进行数据转换和协调，这就是 OT，即机器。

但是你有智能法律，你有算法和行动，这些可能是主题专家，也可能是数据科学家。然后，您将拥有与其他系统、企业系统、云平台、内部应用程序的集成工作流，这就是 IT 人员领域。所以他们第一次有了一个可以协作的平台，他们可以在项目的不同部分做出贡献，他们可以直观地看到其他团队成员构建了什么，这提供了很多好处。

而且，如果有人构建的东西离开，是否存在，是图形的，他们可以看到已构建的所有内容。有一些设置，例如在智能手机中进行设置。因此，每个人都可以非常简单地继承别人构建的东西。这对代码来说很难。

Erik：我有一个非常简单的观点。我根本不是数据科学家。所以当我考虑数据问题时，我会想，好吧，有一种问题可以用逻辑算法来解决。因此，一些领域专家了解逻辑，只需将其转移到算法中，然后自动化即可。然后，您会遇到大数据类型的情况，其中可能是质量问题，因此质量检测或预测性维护或类似的情况，您有很多数据点并且您有足够的故障实例，您有良好的训练数据。

因此，在不够稳定的情况下，领域专家可以进入并编写逻辑。但是也没有大量干净的常规数据可供训练，而且您拥有这些较小的杂乱数据。你能理解这个吗？然后你认为现在正在解决的大问题在哪里？是不是在你拥有大量数据但可能很复杂但你可以在那里运行机器学习或深度学习算法的领域的大数据方面更多？或者您是否也遇到过许多小数据问题，其中可能每六个月才发生一次故障，因此可能很难对这些问题进行测试，或者出于任何原因您只有非常有限的数据集来尝试找出？

马丁：是的，我认为我的看法是软件供应商在这方面，现在我们谈论人工智能和机器学习的话题太多了，这就是现在的炒作。我们相信，我们距离可以在行业中广泛使用的通用 ML 和通用 AI 的情况还很远。所以它归结为非常客户特定、非常定制和用例特定的模型。当您喜欢它是一台机器时，这样做会更容易，并且您可以找出那台特定的机器。但是，当您查看流程时，这会变得非常非常复杂。

您可以找到特定的个别用例，例如使用视觉相机进行质量检查，并在边缘处理特定警报。因此可以训练它来检测表面上的特定划痕或你有什么。但是当它变得更广泛时，它就更难了。而且我认为我们从行业方面大肆宣传这一点，我认为客户认为他们需要从 AI/ML 方面开始。但是，只要从固定算法、固定条件、固定过滤规则开始，并在机器的单个数据点上创建触发器，就可以产生很多商业价值，而无需通过整个 ML 模型和 AI 算法。

我认为最重要的是开始并把大象吃成碎片。从传感器数据来看，ML 绝对可以发挥重要作用。但这可能是一种优化。没有它，您可能会提取 80% 的业务价值。然后最后 20%，你可以使用机器学习模型。而且我认为很多公司有时会犹豫是否开始，因为他们认为他们需要拥有这些 [听不清 43:35] 的预测分析模型。好吧，在这两者之间还有其他方法可以创造商业价值。

但这绝对是一个我们寄予厚望的领域，因为当这种情况发生时它会很棒，这意味着当 ML 和 AI 算法更普遍可用时。目前业界正在采取许多举措来简化这些模型的构建。所有的大齿轮云提供商都有项目和解决方案，在几年内，快进五年，我相信构建这些低模型会容易得多。

即使你有模型，挑战仍然存在。在模型之前你要做什么？模型结束后你打算做什么？所以我们有一个我们称之为自带人工智能的策略，所以我们不帮助客户开发模型。但我们说你了解你的环境，你建立它，你找到一个合作伙伴。而且还有我们所说的边缘 ML 操作，这意味着如何将 ML 算法大规模部署到现场？因此，如果您部署了数十万个单元，然后重新训练模型并重新部署，您将如何经济高效且安全地完成这项工作？这是一个非常重要和令人兴奋的领域，我认为随着时间的推移会创造价值。但现在还没有部署太多。

Erik：在不需要超级复杂算法的生产设施中，需要付出很多努力。它只需要明智的决策，但人们已经知道如何指导决策。但是让我们马丁，看看一个具体的案例。也许您可以端到端地引导我们，这家公司面临的问题是什么？他们如何部署？并引导我们完成。如果你能提供一些细节，那么时间表是什么，这样人们就可以了解如果他们在他们的设施上部署 Crosser 会是什么样子？

马丁：当然。所以实际上，仓库自动化领域的一家德国机器计费商的首席执行官与我接触，名为 Gebhart。所以他们联系了我们，因为在他们的情况下，他们想要获得竞争优势。他们的愿景是通过拥有非常先进的现代数字连接解决方案，他们可以在人群中脱颖而出，并且可以为最终客户提供更好的体验。

所以仓库自动化，这些是你在图片中看到的很酷的机器人，在仓库的过道上走来走去，挑选东西。所以那些就像穿梭机，我相信，他们叫它们。所以他们想对这些航天飞机进行实时监控。他们通过分析振动发现，实时识别模式并预测服务需求或维护需求。

因此，他们有几个目标，第一是竞争优势，但他们还通过避免意外故障改善了客户体验，还通过定期维护窗口降低了维护成本。就像每年你的车，你需要把它带到车库，即使它没有任何问题，你每年都要做服务，因为那是里面的东西。

有了机器，假设你一年会有三个服务窗口，如果你只能有两个呢？也许这台机器很好，两台就足够了，那么你就不必为了一个服务窗口而关闭那台机器，这会增加正常运行时间，这就是金钱。许多最终客户的价值也节省了维护成本，他们面临的挑战是如何处理实时振动数据？因为振动数据是高频数据，所以出来的数据点很多。

因此他们意识到他们希望运行边缘分析以在本地进行实时处理，然后只将处理相关数据发送到他们的工业物联网平台。他们联系了我们，在一个月内他们就接受了审判。他们进行了一个月的试用，然后我们签署了协议。我们对他们进行了在线培训，然后他们开始构建他们的用例。因此，从他们的 CEO 第一次联系到我们启动该项目需要几个月的时间。

我们遇到的典型挑战是针对所有用户的，即防火墙。所以他们部署在客户站点的仓库内，也就是客户防火墙内。总是有挑战的防火墙。这些是我们的调整。我们需要告诉防火墙管理员对设置进行一些更改。但我们总是遇到这种情况，无论我们身在何处，这都是一个挑战。他们应该控制防火墙。但我们很快就会倾向于解决这些挑战。所以这就是项目，现在他们正在将其部署给他们的新客户，你只是这样做。

Erik：除了降低维护成本外，这是其中一种收入机会案例。你知道他们是如何围绕这个修改他们的商业模式或定价模式的吗？因此，例如，他们如何为维护或某种结构的业务建立客户，或者现在是否只是我们为客户提供更好的服务，并且我们降低了运营成本？

马丁：对他们来说，他们决定将此作为竞争优势。但这基本上就像汽车一样。现在整个汽车行业都在转向自动驾驶汽车。它是由特斯拉推动的，因为他们将其作为一项竞争功能推出，他们希望获得更好的最终客户体验。同样，他们希望成为提供数字产品的最前沿。不仅仅是他们的自动化平台本身就很棒。但是通过使它们数字化和完全连接，它们基本上是在定位自己。他们的目标是赢得更多的项目，这是基于此的。所以这就是他们的巨大投资回报率，远远超出了节省云成本或维护成本等。

Erik：所以我很好奇，在这种情况下，他们是把核心服务作为一种资本支出来销售，还是像运营支出服务一样销售，他们会在客户站点上部署设备，但他们会以这种方式运作服务？你知道那个型号是什么吗？

Martin：我相信它仍然是一种资本支出模型。我认为这整个基于结果的定价就像劳斯莱斯先驱天气引擎一样，几十年前，它仍然是业内许多人谈论的话题，但很少有人走这条路。所以这仍然是一个资本支出模型，

Erik：我想你会让他们朝着这个方向迈出一步，或者至少如果他们有数据并且他们真的知道这里的实际成本是多少，这会让他们更容易？

马丁：我认为这将是一个行业一个行业。有些行业会看到这种模式的优势，而另一些行业则不会看到这种模式的优势。因此，在这个市场的未来 10 年里，它肯定会非常有趣。

Erik：但是，如果有人开始想开始与 Crosser 合作，您能否让我们了解一下合理的预算是多少？也许您刚刚给出的示例可能不是理想的示例，因为它在这种情况下有点独特。但是，如果我们只是考虑一个中型工厂，并且他们想将其部署在车间以开始管理车间数据，那么启动并运行某些东西会是一个粗略的起点吗？

Martin：正如我之前提到的，我们鼓励我们的客户从小做起，然后做大做强。因此，我们当然也有与之相一致的商业模式。所以起点很低。平均起点在每年 10,000 到 40,000 欧元之间，具体取决于项目的范围。然后这取决于他们推出了多少以及有多少用例等。所以他们需要进行的投资真的非常非常小。

Erik 好吧，Martin，非常感谢您抽出宝贵的时间。我们在这里的时间。是否有任何我们未涉及的关键问题，您想与我们分享的有关即将发布的任何其他内容，Crosser 的新功能以及您想与我们分享的任何令人兴奋的事情？

Martin：我认为，正如我之前提到的，我们已经意识到低代码的力量，我们希望进一步推动这一点。我们现在还要做的一件事是由客户请求驱动的，那就是告诉我们，好的，Crosser，我们有机器数据，然后我们有所有其他数据源。

但是，如果我将企业系统用于输入，然后在中间进行所有自动化和分析，然后拥有另一个企业系统，我可以这样做吗？我可以将 Salesforce 云部署到本地 SAP 并在中间拥有自动化、逻辑和工作流吗？基本上，我们称之为智能流程自动化的组合基本上具有这种实时启用的集成，以及我们现在正在努力为我们的客户进一步简化的东西。所以这对我们来说将是下一个超级令人兴奋的部分。因此，不仅机器数据对企业，而且对企业对企业也是如此。

埃里克：嗯，马丁，我祝你成功。我毫不怀疑你会将 Crosser 打造成伟大的新兴工业科技公司之一。感谢您今天抽出时间与我们交谈，非常感谢。

马丁：谢谢你邀请我来这里。这是一种荣幸。

Erik：感谢您收看另一个版本的工业物联网聚光灯。不要忘记在 IotoneHQ 的 Twitter 上关注我们，并查看我们在 IoTONE.com 上的案例研究数据库。如果您有独特的见解或项目部署故事要分享，我们很乐意在未来的版本中介绍您。写信给我们 erik.walenza@IoTone.com。