植物工厂,制造商通常是拥抱物联网,进而推动人工智能的使用公司网络的边缘来简化工业流程,提高效率和检测维护问题才成为问题——甚至是大问题,可能迫使工厂停产。
人工智能驱动的工业物联网领域已经有了几家独角兽初创公司，比如Uptake with1.17亿美元的资金和23亿美元的估值和C3物联网2.43亿美元的风险投资和14亿美元以上的估值(C3物联网的估值并没有在其最新一轮1亿美元融资中公开更新，所以它的估值已经过时和保守)。
与此同时，AWS、戴尔和思科等现有公司正在向物联网和边缘计算投入数十亿美元。最近投资的HPE40亿美元的“智能优势”，而微软则在65亿美元用于物联网．
这一领域的竞争是残酷的，但机遇是足够大的，这里所强调的10家初创公司仍然有回旋的空间和时间来扩大规模。密切关注他们，因为在这个炙手可热的市场中，有一家或多家公司很可能成为下一家独角兽公司。
他们的工作:提供物联网分析平台，将复杂的数据流转化为简单的实时洞察
创立年份:2015
资助:来自Work-Bench、IA Ventures、Bloomberg Beta和Lux Capital的400万美元种子基金
总部：纽约。
首席执行官:Drew Conway，也是全球非营利组织DataKind的共同创始人，也是黑客的机器学习．
他们解决的问题：工业操作收集的原始数据比专家操作员自己手动观察和分析的数据还要多。很难确定哪些数据重要，哪些只是噪音。数据中重要但很小的光点很容易丢失，这可能导致性能不佳、停机甚至安全事故。在噪音中丢失重要信号最终会使工业运营付出代价，包括货币和生产率损失。
他们是如何解决的：利用机器学习和人工智能，Alluvium可帮助工业公司实现运营稳定性并提高其产量。Alluvium的旗舰产品Primer使用机器学习帮助公司将复杂、大量的原始传感器和生产数据流提取为可用的洞察力。
工业团队可以快速导航数据，以确定偏差发生的地点和时间，确定问题的来源，并决定采取什么行动。Primer基于从任何时间段(比如从昨晚到去年)收集的数据，创建一个稳定性评分分析。Primer可以帮助操作人员识别传感器、单个机器或整个设备的异常情况，从而做出必要的改变，保持操作平稳运行。
竞争对手包括:OSIsoft、C3 IoT、Uptake、Foghorn、Presenso、Falkonry和Manna
客户包括：在出版时，没有任何客户愿意公开记录。
为什么他们是值得关注的热门初创公司：Alluvium已经锁定了400万美元的种子资金，尽管他们的团队规模较小，而且有点绿色（对于早期初创公司来说并不罕见），但Alluvium已经进入了一个高增长但令人困惑的领域。在这样一个嘈杂的市场，冲积层的重点是简单。冲积层将复杂生产系统生成的数据归纳为一组非专家可以理解的指标。由此产生的“稳定性得分”提供了操作员可以用来轻松跟踪可能妨碍他们实现业务目标的关键变量的一目了然的数据点。
他们的工作:通过机器学习和其他先进的分析应用程序，帮助拥有复杂实物资产的重工业公司改善运营
创立年份:2015
资助:3500万美元。他们最近的一轮融资是2800万美元的a轮融资，于2018年上半年完成。投资者包括Sundt AS、Stokke Industri、Horizon、Canica、Strømstangen、Arctic Fund Management、Stanford-StartX Fund和Northgate Partners。
总部：德克萨斯州休斯顿
首席执行官:Tor Jakob Ramsøy，他曾担任McKinsey & Company的高级合伙人，领导全球能源实践和EMEA大数据/高级分析的技术服务线。Ramsøy也是麦肯锡挪威公司的国家经理，并领导了在斯堪的纳维亚的商业技术办公室。
他们解决的问题：工业企业在试图将机器学习和其他先进的分析应用程序集成到日常运营中时，面临着独特的挑战。这些挑战包括管理复杂的、高度工程化的实物资产;处理一层又一层积累了几十年的设备和仪器;应对不同级别的控制系统、ERP系统和数据存储，这些系统往往分散在多个运营公司、子公司、收购实体甚至第三方供应商之间。
鉴于这种复杂性，获取实时数据并将其传输到高可用性、基于云或边缘的机器学习系统并非易事。更困难的是及时推出基于该数据的模型，以便数据可以为业务决策提供信息。
一旦您完成了这一点，您仍然必须弄清楚如何在典型的工业操作中，在众多的资产和用例中，将机器学习应用程序从少数几个模型扩展到几十个或数百个模型。
他们是如何解决的：当石油和天然气、电力和航运等大型工业公司试图使用边缘分析来驱动日常业务决策时，Arundo Analytics将端到端的挑战自动化。
Arundo将机器学习和高级分析应用于边缘数据输入，将这些输入集成到日常业务运营中，并在整个企业中扩展这些应用程序。Arundo帮助公司将机器学习模型部署到云中，以创建企业级软件应用程序，然后由平台进行管理。
Arundo还为常见的工业挑战提供可配置的开箱即用应用程序，包括设备状态监测、系统异常检测和虚拟多相流量计，这是该公司与全球工业技术公司ABB共同开发和销售的。
竞争对手包括:GE Predix, Siemens Mindsphere, ABB Ability, C3IoT和Uptake
客户包括：Equinor、AkerBP、Carnival Maritime、DNV GL和INEOS
为什么他们是值得关注的热门初创公司：Arundo Analytics拥有3500万美元的风投收入，在这篇综述中所有的创业公司中排名第二。他们的领导团队在麦肯锡公司、阿克解决方案公司、西门子和其他以高科技和工业为重点的公司获得了经验。他们有一份令人钦佩的早期采用、记录在案的客户列表，Arundo开箱即用的工业应用程序帮助制造商快速克服常见的难题，如异常检测。
他们的工作:为工业应用提供人工智能驱动的预测分析平台。
创立年份:2016
资助:由Real Ventures牵头、巴尼·佩尔(Barney Pell)参与的两轮种子基金的第一轮融资已于2017年5月结束，财务条款没有披露。第二个项目于2018年7月结束，并将于本月宣布。
总部：多伦多,加拿大安大略省
首席执行官:马利克肱骨。她曾担任过克索集团的执行董事和红膝公司的产品管理总监。
他们解决的问题：典型的工业环境是数据丰富但信息匮乏。一个工厂的连接资产和动态过程每分钟可以生成成百上千个数据点，但只有不到10%的数据被用于获取见解或帮助决策。
相反，决策是根据操作员的个人经验和/或使用过时的工具做出的，这些工具无法处理来自各种来源的大量频繁变化的数据。
他们是如何解决的：Canvass Analytics的实时人工智能数据模型可识别趋势，帮助运营商了解影响其工业流程的变量。Canvass AI平台实时响应数据变化，为运营团队提供最新信息，使其能够不断调整运营，以提高质量、降低能耗并优化资产健康状况。
通过使用人工智能来自动化整个数据科学过程，Canvass AI平台简化了快速处理大量复杂数据的挑战。该平台将工业机器、传感器和操作系统产生的数百万个数据点提炼出来，并识别隐藏在数据深处的模式和关联，从而创建新的见解。这些自学习模型能够实时适应新的条件，确保运营团队在尽可能准确的数据下做出决策。
竞争对手包括:GE Predix, IBM Watson, Uptake Noodle.ai
客户包括：在文章发表之时，canvas Analytics并没有任何客户愿意公开发表评论。
为什么他们是值得关注的热门初创公司：作为一家早期创业公司，Canvass Analytics锁定了两轮种子基金，以寻求早期采用者。领导团队在Quexor Group、Redkine、Bell Canada、NorthWest Energy和CHR Solutions获得了相关经验。该公司已经建立了一个平台来持续实时接收大量数据，其AI平台使用这些数据来改进并自动化操作流程。
他们的工作:为工业操作提供机器学习软件
创立年份:2012
资助:1090万美元。2018年6月，Falkonry完成了460万美元的a轮融资。投资者包括Polaris Partners、Zetta Venture Partners、Presidio Ventures (Sumitomo)和Fortive。
总部：加利福尼亚州桑尼维尔。
首席执行官:Nikunj Mehta。在Falkonry之前，Mehta是C3 IoT的客户成功副总裁。在此之前，他曾在Oracle工作，在那里他领导的团队为嵌入在所有现代浏览器中的数据库创建了IndexedDB标准。
他们解决的问题：为了在全球范围内竞争，工业企业必须提高运营效率和/或采用新的商业模式，许多工业企业正转向数据分析来推动这一变化。
在生产或工艺操作中产生的数据，特别是时间序列数据，具有非常丰富的信息，可以提供有关生产系统和所创建产品的健康状况的可操作的见解。
机器学习非常适合分析如此大量的数据。然而，事实证明，聘用数据科学顾问的效率很低，因为他们缺乏运营团队的专业知识，因此，这类项目可能需要一年多的时间才能看到结果。
他们是如何解决的：Falkonry将特征学习和机器学习应用于由大多数离散制造和工业过程操作中的设备和生产系统生成的多变量时间序列数据。
由于信号量大、数量多，大多数工业数据在今天的运营中都没有得到利用。Falkonry操作机器学习系统能够发现数据中隐藏的模式，这些模式是人类或传统分析无法观察到的。这些模式反过来提供对操作状态的洞察，并识别在不希望发生的事件之前发出早期警告的条件。根据所监测的过程，这种早期预警可能提前数小时、数天甚至数周出现。
Falkonry表示，它的系统就像一个“盒子里的数据科学家”，这意味着不需要数据科学家，它可以由制造工程师或流程工程师快速部署。客户在部署该系统的三周内就会开始获得可操作的见解，这可能每年为公司节省数百万美元。
竞争对手包括:Cylance, Alluvium, Presenso, Seeq, Sight Machin和SparkCognition
客户包括：丰田工业设备制造、川崎重工业、Ternium、Ciner Resources和葡萄牙能源公司（EDP）
为什么他们是值得关注的热门初创公司：法尔科尼已经锁定了近1100万美元的资金。创始人兼首席执行官Nikunj Mehta曾担任独角兽物联网初创公司C3物联网的客户成功副总裁。再加上一份客户名单，其中包括丰田和川崎的工业部门，Falkonry在这篇综述中毫不费力。
他们的工作:提供连接到任何AI系统的边缘计算平台
创立年份:2014
资助:这家初创公司得到了私募股权公司(Telos Ventures)和政府(美国国家科学基金会(National Science Foundation)、国土安全部(Department of Homeland Security))的未公开资金支持。
总部：加利福尼亚州桑尼维尔。
首席执行官:荣格。此前，他是Brocade和Cisco的工程主管。
他们解决的问题：随着物联网趋势的发展，产生的数据量变得如此之大，以至于边缘的人工智能处理正在从一种“必须拥有”的物联网功能过渡到一种必须具备的物联网功能。
然而，由于计算资源有限，处理边缘数据是困难的。这就是为什么那么多人工智能物联网供应商试图首先将数据推到云上，这在许多工业应用中并不实际。
他们是如何解决的：Interactor的物联网边缘软件使公司能够将最新的人工智能技术应用在边缘，而无需任何冗长的部署工作。Interactor充当位于边缘设备和云之间的小型物联网网关。Interactor将技术相互交互和/或集成所需的所有组件和微服务抽象到一个小型(约50MB)可执行文件中。
使用Interactor，开发人员和操作人员可以轻松集成他们选择的人工智能，并将智能应用到更接近设备的地方，以获得更快的响应时间。
交互式物联网边缘软件可以在任何物联网网关或服务器上运行，它包括预打包的设备配置、安全和身份验证、消息传递、设备可见性、日志记录和错误处理。
竞争对手包括:AWS Greengrass、Microsoft Azure Edge、EdgeX Foundry和PTC Kepware
客户包括：思科、松下、马来西亚政府和MacroBlock
为什么他们是值得关注的热门初创公司：扶少团尚未公布融资细节，但其支持者包括一家风投公司和美国国土安全部(Department of Homeland Security)。