音频文字.

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 Webee 的首席执行官兼首席运营官 Lucas Funes 和 Cecilia Flores。 Webee 作为一个直观的 IoT 和 AI 解决方案构建器，允许组织使用在几个小时内实施的易于部署的解决方案重新构想其运营。在本次演讲中，我们讨论了低代码平台在减少部署物联网系统的时间和成本方面的重要作用，我们还探索了边缘数据和机器学习的各种用例，以提高可持续性、效率、安全性和整体盈利能力。

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。

Lucas，Cecilia，非常感谢你们今天加入我们。

塞西莉亚：谢谢。很高兴来到这里。

卢卡斯：谢谢你，埃里克。我的荣幸。

Erik：在我们进入公司、业务和技术之前，我很想多了解一下你们俩。所以你成立了Webee，现在是八年前吧，是吗？我认识你们的联合创始人。在成立公司之前你们认识吗？我想你在某种程度上做到了。但这像是一种长期的友谊吗？是在斯坦福一起工作吗？背后的故事是什么？

Cecilia：所以我们早在 2013 年就创立了这家公司。我们最近认识了对方。我的背景主要是企业方面的。我可以从内部看到技术为企业带来了多少价值。出生于企业家的卢卡斯，他更多地来自工程方面的物联网想法，但当时并没有很多人谈论它。

所以我着迷于互联事物的想法，以及该技术如何发展并帮助解决世界上一些最紧迫的问题。因此，我们开始考虑围绕物联网产品组建公司的想法，这可以帮助我们真正实现这种采用的民主化。从一开始，我们就在想象有多少领域会受到这项技术的影响。然后，仅仅通过玩弄想法，我们决定围绕这些想法成立公司。

Erik：然后卢卡斯，你之前经营过几家公司，所以有 Enorbitas 和 ESG Studios，你在那里接触物联网，或者这两家公司的重点是什么？

Lucas：我们专注于软件，但也关注关键影响，工程师开发。在一些公司中，我们使用开发软件产品和云，其中没有多少云像 20 年前使用 whap 和 WML 而不是像你今天拥有的智能手机。我们触及了电子硬件、安全性的一些部分，因此它结合了不同的技术。但并不具体，20 年前没有人谈论物联网或人工智能。我们曾经称它们为 [音频不清晰 03:54] 网络就是这类东西。

Erik：或者低代码，就此而言。当你第一次成立公司时，你的愿景是不是已经很清楚了，还是你基本上说我们认为物联网会很有趣，让我们做点什么，然后在你去的时候弄清楚投资组合？

Cecilia：所以我们的使命一直是让技术变得可及。所以我们对物联网很着迷，但它仍然令人困惑。因此，在当时，设想一个最终用户可以决定他们想要什么类型的传感器来连接他们需要实时构建和访问的信息类型是非常梦想的。

那么，我们的最终目标一直是如何让人们在不同的应用中轻松使用技术，真正帮助行业腾飞？因此，我们围绕着不同类型的方法将这款产品推向市场，或者只是将这个想法和愿景融入到产品中。我们开始测试不同的市场。

然后，当我们走过这条路时，我们开始与试图做同样事情的不同大型企业合作。他们试图了解，好的，物联网的未来对我的客户来说是什么样的，我如何通过连接技术为他们增加价值？这就是我们的产品被赋予生命的方式。这实际上是通过了解企业的运作方式和他们的目标是什么，以及我们如何帮助他们构建这种类型的技术，并牢记愿景，使其易于部署。

卢卡斯：考虑到如何真正实现连接民主化的愿景，我们建立了一家公司，有一些明确的想法，即正在开发一种无需使用电线即可轻松无线连接事物的方法。在我之前的工厂自动化背景中，那是非常复杂的技术线，它不起作用。因此，我们通过将无线简单的东西与无电池设备连接起来的愿景来建立公司。

埃里克：所以你真的很早就处于现在非常主流的趋势中。回到 2013 年，你可能还在想办法让很多东西在这里工作吗？

卢卡斯：是的。我们必须围绕无线协议构建公司的第一步，以连接自动化机器上的东西等等。当然，现在，我们正在使用许多其他技术，而不是我们第一个构建的无线协议。现在你可以找到像 LoRaWAN 这样的主流技术。因此，我们采用了那些经过验证的开源或开放协议和连接性。

Erik：从企业家的角度来看，你从公司成立到为客户做第一个合适的项目花了多长时间，不是像飞行员，而是说，好吧，我们有一个产品，你重新购买该产品，并且您打算以有意义的规模部署它？你从 0 到 1 的时间线是什么？

卢卡斯：这是一个很奇妙的问题。

Cecilia：因为我认为产品总是在进化，对，那是 [听不清 07:17]

卢卡斯：第一个是我们从起点开始有六个月的时间。然后一年，我们开始在物联网平台和我们必须开发的一些硬件中运行试点。这推迟了我们的第一次生产部署，因为当时我们必须构建一些硬件，因为我们在市场上没有找到无线产品。您询问如何找到合适的客户，然后提供价值支撑与定价以及如何解决客户问题。所以那部分是我们必须专注于寻找那些有清晰愿景的客户。看起来在进入市场战略的 3-4 支点之间，我们终于得到了它。

Erik：对于一家公司来说，这总是一个非常有趣的时刻。您试图找出客户所在的技术堆栈是什么样的，然后您找到了匹配项？

Cecilia：是的，我想物联网的复杂性在于它是一个组合。在软件和硬件的所有情况下，您都需要能够收集数据的硬件，而硬件使您更难以理解您将如何进入市场。所以我认为愿景一直存在。但随着市场的不断发展，硬件市场也变得非常混乱和复杂，难以理解什么是正确的发展方向。所以我认为这稍微推迟了进入市场，从某种意义上说，我们的理解，以及我们如何继续理解行业正在发生的事情，同时以一定的价格为客户提供价值他们愿意付出吗？所以这是另一种角度？

Erik：你的客户今天是什么样子的？所以我知道你们非常关注制造业，你们也非常关注智能农场，基本上是工厂和农场吗？然后，您主要关注的是运营非常复杂的大型企业还是真正重视简单性的中型企业，或者竞争对手是什么？

Cecilia：所以我们构建了一个端到端的非呼叫工具集，真正让企业加速物联网解决方案的部署。但对于我们的大多数客户来说，他们不购买物联网解决方案，他们只购买技术解决方案来解决他们的一些低效率问题。听起来可能是一回事，但对他们来说，技术的方法是不同的。我之所以提出这个问题，是因为作为我们的首选市场，我们与食品和饮料行业的公司合作，以帮助减少因制造效率低下而产生的一些食品浪费。

我们接近他们的方式实际上是帮助他们解决他们已经在生产线上发现的一些问题，因为他们确切地知道低效率发生在哪里；他们无法获得能够以足够快的速度实施的解决方案，以证明在一个非常注重效率的行业中的投资回报。所以我们的主要市场是食品工业和农业，因为它们也是超级相关的。很多过程都依赖于另一个过程。通过在整个行业中工作可以解决很多效率问题。

对于市场上的大多数物联网公司来说，我们对待它们的方式是一种不同的方式，这实际上是自下而上的。只与生产经理一起工作，与真正处于低效率第一线的计划经理一起工作。他们有一个想要优化的特定流程。他们有一个特定的组件，他们需要以更可靠或灵活的方式获取更多信息。他们需要立即修复它以提高效率。

有时自上而下的方法过于全面，以至于解决方案无法证明投资回报。有些项目在真正起飞并获得内部批准的过程中死掉了。因此，自下而上的工作确实帮助我们利用了一些东西；从一开始就证明价值，这是为您证明概念的时间框架，因此您可以证明这项投资将如何为您带来效率，然后另一个是减少内部技术采用的摩擦。因为当你专注于行业时，传统的东西太传统了，在理解如何使这项新技术与我的遗留基础设施一起工作以及如何更有意义地理解它方面也存在一些摩擦？

然后你得到内部支持，数字化转型开始在内部和有机地发生。这不是因为我们只是认为这是我们必须做的事情。这只是因为我们亲眼看到了价值。因此，我们已经证明，这种方法确实可以帮助我们并帮助客户更好地理解技术，因为就像我们在物联网如此混乱之前所说的那样，有很多角色和方法可以去，真正有一个非常具体的起点可以帮助他们获得进入真正的数字化转型方法。

Erik：在你的解决方案中，你有一个相当水平的平台，它围绕连接传感器并获得对数据的访问，然后还有分析工具来理解数据并将其转化为一些有用的输出，然后你也有不再像 SaaS 产品那样是针对特定解决方案的完全构建的应用程序。是先出现的平台，然后当您开始获得解决不同问题的经验时，您在平台之上构建了 SaaS 工具？或者这是考虑套房的正确方式？

塞西莉亚：是的，这是正确的方式。我们在平台内创建这些预构建产品或预构建应用程序的原因是为了进一步加速部署。因为我们平台的无代码组件至关重要，因为它是企业不断向平台添加更多数据源和数据点的推动力。但我们希望简化连接，我们需要向他们展示并指导他们什么是最佳起点以及他们可以采取行动的信息是什么。因此，这就是我们构建预览产品的原因，以便可以为他们提供开箱即用的解决方案，然后他们继续在此基础上构建。

卢卡斯：实际上，在我们的旅程中发生的事情是，我们构建了一个平台作为解决特定痛点的第一步，但平台可以扩展。那一刻，也是开始，我们构建了在该平台之上运行的自定义解决方案。而所有这些，一开始都是由程序员通过编码开发的。当然，要实现无代码，您现在需要在后端执行大量代码，以便准备好成为无代码平台。

然后当我们想去不同的客户时，我们发现即使是同一类型的客户，比如巧克力制造商的制造，或者应该有相同问题和相同机器的相同类型的公司，他们也需要在内部进行更改。 5-7%的溶液。因此，那时要为客户提供不同的解决方案，我们必须让自己的程序员和解决方案架构师为客户定制软件。

然后有一个像 2016 年这样的时刻，这对我们来说是一个非常大的痛点，因为即使我们想要发展并拥有更多客户，我们也必须扩大我们的工程师团队，比如拥有更多的员工或更多的员工，更多的时间。那时，即使我们拥有平台，也需要大约六个月的时间才能交付并准备好上市，可能会解决问题。所以我们说，哦，这里有一个大问题。也就是说，我们需要有这样的东西，即构建解决方案如此简单，重用我们已经构建的内容，但随后又如此易于自定义和缩放，就像您在白板或画布上绘图一样。这就是为什么我们在这个端到端平台上开发无代码层以真正从头开始定制和创建解决方案，然后摆脱以前的解决方案。这些例子就是我们构建的智能农业和智能工厂解决方案。

埃里克：好的。所以根据不同业务的集合定制总是需要的，但现在客户基本上可以自己做。或者他们可以聘请顾问，但您不需要通过这个过程与客户携手合作。你能更详细地解释一下低代码实际上是什么样的吗？我学了一年工程学，然后我辍学转学哲学，所以我可能是你的完美目标客户。因此，如果我要使用您的解决方案进行设置，从最终用户的角度来看，它会是什么样子？

Lucas：所以最终用户想要像领域专家一样解决问题，假设您是农业专家和我们的兽医，然后您知道如何在白板上解决问题，我们的愿景是这应该如此简单，如此人性化，无需谈论技术技能，就像您在白板上绘制解决方案一样简单。所以你在这个系统上写了两个画布，然后你可以拖放不同的组件来解决问题。

我们看到这种端到端无代码技术的方式分为三个步骤。第一步是收集数据并与设备连接。这具有您正在谈论的复杂性。许多协议，不同的技术，等等。我们通过为您提供一个预构建的连接器来简化这一过程，该连接器可以从 SAP 或 Oracle NetSuite 或 API 等不同软件中提取信息，但您也可以从工厂中提取信息，您可以从 LoRaWAN 传感器中提取信息作为一个示例.

Cecilia：所以在传统系统上，大多数情况下，您希望使用一种通信协议，并且您将连接某些数据点，比如工厂线上的传感器或数据攻击。您必须让某人手动将自己集成到平台中，以便他们可以显示在软件中，然后您可以开始创建条件。因此，我们的无代码工具集允许自动识别数据点并将它们放在画布上供他们使用，这样您就可以开始玩转工作流程，这是第二步。

Lucas：恢复与被称为智能映射和发现过程相关的授权模式，该过程发现所有对象、设备、事物、不同协议，然后你可以在不做任何编码的情况下使用它。如果您从事编码工作，您需要具备现场工作程序员、研究编程和 [听不清 18:48] 设备之类的技能。这是第一步。

第二步是当您获取该数据时，然后您如何规范化该数据，并真正将可能来自设备、软件或 API 或服务的数据上下文化。因此，在这一点上，您需要投入另一种编程技能，即可以注释数据的数据科学。在这些中，您在拖放画布上有不同的框，您可以开始提取数据并获得洞察力。

Cecilia：与其手动编写工作流程并告诉软件你想让传感器做什么，不如说你想设置一个警报，即使温度超过或高于某个水平，然后你想收到警报。因此，无需手动编码，只需将元素拖放到画布上，您就可以降低工作流程。然后再往前一步，也就是第三步，就是如何重新选择数据？因此，一旦您拥有所有数据流并且您已经告诉系统您想要做什么，那么您必须创建一个应用程序以便您可以实际访问信息。就企业而言，该信息需要由组织内的不同级别访问。

因此，您也可以在同一个应用程序中直观地执行此操作，而无需有人对应用程序进行编程，您只需拖放元素并根据您想要共享的信息类型创建任意数量的元素，还可以创建通信渠道。因此，如果您想发送带有警报的文本消息，或者如果您想在特定记录的特定警报中发送电子邮件，您无需编码即可执行相同的操作。

卢卡斯：一般来说，对于以传统方式构建端到端解决方案（如物联网），假设您想监控一台机器的振动，并通过 SMS 和移动应用程序来监控另一台机器，让您看到真实的关于机器燃料状态的警报通知时间。因此，这需要现场工作开发人员、[听不清 20:59] 开发人员、边缘开发人员，然后是可以管理云基础设施的人，例如使用外部示例、Azure 或 AWS，然后是另一个可以为阈值和代码编写代码的程序员将数据科学与人工智能算法相结合。然后，您需要让移动开发人员以在 iOS 或 Android 上发出警报为例。

在这种无代码技术中，您有一个以前的解决方案，然后您可以通过拖放进行扩展。举个例子，您可以将这种非侵入式 LoRaWAN 传感器电池电源远距离播放到机器凹槽。所以我们看到扫描二维码，那是登录到系统上的，你粘在机器上，然后你开始获取数据，然后通过拖放，你只需拖放一个异常的框检测器连接到机器上的数字双胞胎，就像工厂里的搅拌机一样。然后你创建警报，非常非常容易。我们将时间从六个月缩短到一天，以便为该特定客户定制完整的端到端解决方案。

Erik：我想针对不同传感器等的 API 已经做了很多前期工作。我想您的客户拥有的基础设施有很多多样性。您是否经常遇到以前未集成的特定类型的传感器或其他数据源的情况，并且您必须围绕是否投入工程资源为特定客户做这件事制定业务案例？或者您是否觉得此时您可能想要集成的 95% 的资产数据源已经存在？市场上不同的通信协议和传感器模型非常复杂。那么从您的角度来看，这种复杂性是什么样的？

Lucas：协议和边缘方面存在巨大的碎片化。甚至还有很多像 MQDT 这样的协议，但是你会发现不同的供应商跨不同的协议和内部的有效负载。因此，为此，我们必须在不编码的情况下加入和认证设备或数据源。所以这就是我们构建的地方，我们称之为组件驱动架构，我们所有的架构都是通过基于流的编程方法构建的。

所以现在，我们支持超过 700 种设备，不同类型的设备具有不同的协议和技术，比如从 LoRaWAN 到 WiFi 等等。但在许多情况下，有一些新的数据源需要一些集成来证明支持该数据源。为此，您无需编码即可完成，只需单击功能并使用我们获得专利的智能映射和发现服务是一种无需代码即可运行的软件，就像当前具有功能的机器人，然后帮助您构建没有 [听不清 24:18] 的编码员

Cecilia：是的，所以专注于某些特定行业的好处在于大多数基础设施几乎相同，所以用例也很相似。这样可以减少设备的手动集成或不同的设置和定制。

Erik：所以，听起来因为您的行业焦点，您已经涵盖了大多数这些情况，然后低代码解决方案允许相当容易地加入新设备。让我们稍微了解一下技术堆栈。所以我们讨论了平台和SaaS。这是一个完全集成的解决方案。我想您有一些客户已经拥有所需的所有数据源，而其他客户也需要部署该基础设施？你能不能给我们一个高层次的视角来了解技术堆栈对于全面端到端部署的样子，然后你在内部做什么，你在哪里购买现成的硬件或软件，然后将它们集成到您的堆栈中？

Lucas：在连接设备和网关的第一步中，我们加入并认证了来自不同供应商的不同设备。我们有很多很多的支持。从这个角度来看，我们有自己的网关和传感器。但是对于 700 多种类型的设备，我们已经有许多供应商提供支持。同样在技术和软件的堆栈中，我们与云基础设施无关，我们也可以在本地运行。我们可以利用客户基础设施、IT 和物联网基础设施。例如，你可以去一家已经有 SCADA 或 PLC 在自动化工厂工作的工厂，我们可以连接到这些 PLC，提取信息，这样他们就不需要透露或替换当前的技术。

然后，当它们覆盖未连接到 PC 或通过 WiFi 和 KTT 的旧机器时，您可以再增加一层，这样您就可以粘贴并播放这些非侵入式传感器并从中跟踪信息。那是关于数据提取的部分。我们拥有的软件不仅可以在本地运行，还可以利用他们当前的基础设施，就像你会发现许多已经拥有数据湖的工厂一样，他们可以拥有 Azure 数据湖或 AWS 数据库，然后使用这个可视化设计器，我会知道您可以从那里提取信息的控件，还可以将信息推送到他们拥有的那些数据湖。

还有在第三层的第三步端到端，有很多公司，比如 SAP 或 Oracle 或 Maximo IBM 对机器进行维护或工作订单，我们可以将数据推送到那些。这就是我们将我们的工具集视为一个视觉设计师来协调 [听不清 27:30] 以及 IT 和 OT 基础设施的方式。

Erik：从分析的角度来看，也许这更多的是你在市场上看到的问题，而不是你的技术堆栈能够做什么，或者这两种观点都很有趣。但我想我们有基于规则的系统，在许多情况下仍然有效。然后我们拥有正在迅速成熟的机器学习解决方案。您认为您的客户在多大程度上使用相当简单的基于规则的系统，而不是尝试采用机器学习解决方案来提高精度或迎接新的挑战？您现在在哪里看到市场动态？

卢卡斯：因此，如果我们向客户宣传我们拥有人工智能，机器学习可以指导客户在农业或食品加工厂或食品制造等工厂中移动，他们不会按照字面意思购买人工智能表示现在；他们想解决他们的问题。因此，他们并没有真正专注于解决机器学习 AI 或符号阈值或基于规则的问题。

但问题是，他们的许多问题仅靠简单的统计数据或基于规则的逻辑是无法解决的。因此，对于异常检测器，如果您想检测电机、培养箱、搅拌机或冰箱中的异常，在许多情况下，您将无法仅通过简单的统计数据和基于规则的方式检测到该异常阈值。您将需要运行机器学习算法和表征技术异常的学习算法，然后运行这些 AI 推理。

为此，为他们提供内置算法以实现解决方案非常重要，您可以从使用通用异常检测器构建解决方案开始，然后您需要为用户提供训练的可能性实时该算法，因为该通用算法在检测异常时可能没有 90% 的准确度。所以用我们的无控制集，你可以拖放资产，机器，然后你可以拖放异常检测框，然后你可以拖放短信发送通知。

为此，您可以仅使用异常检测器重新连接 SMS，然后系统将开始学习。然后通用正常检测器第一次检测到可能是机器问题时会触发短信，然后询问用户是否有问题。用户可以选择否，然后将训练为该机器实现的自定义算法。所以，在传统的方式中，应该做的是收集某人训练算法的数据，然后让数据科学对算法进行训练。但这里是通过拖放技术进行的监督学习和实时构建。

Erik：所以你已经将培训整合到了这个正常的工作流程中。您的经验是什么，您开发了一种算法，该算法对特定资产的一个模型（泵）具有 85% 的有效性，然后客户想要另一个客户想要在另一个可能来自不同模型生产的泵上部署算法 10几年前，不同的供应商，所以基本相同的动态，但资产的配置不同，我猜，你首先在新资产上部署通用算法，然后你需要经历这个训练期，有多少训练数据？但是，什么时候才能将其从 60% 的一般结果提高到基于训练的更优的 80-90% 准确率呢？

Lucas：这不取决于泵是新的还是一直以来的，取决于用例。所以你可以买一个全新的泵，然后是一个旧泵，甚至在能源消耗上都有不同的值作为例子。但这可以通过算法开箱即用。然后，如果使用泵的用例发生变化，则需要进行真正的培训。自学，我们有成功的部署，学习时间在一周到两周之间，有时可以缩短到三天。我们有一些案例，在这三天内，我们有机会在这三天内发现孤岛，从而加快了学习过程。因为对于学习，我们需要检测正常行为，同时当你得到异常时，学习时间会加快；如果没有，你需要有一个更正常的行为，然后你可以模拟那些异常检测。

Erik：但即使是一两个星期也还是很快的。再问一个关于业务的问题，然后我很想听听一两个用例或案例研究。商业模式，这只是基于 SaaS 的模式，可能需要一些设置成本吗？那看起来像什么？

Cecilia：是的，它是一种软件即服务描述，然后我们会根据设置以及解决方案是否有一些定制提供一些额外的服务。

Erik：让我们进行几个案例研究。您可以与之交谈的任何人或您认为对讨论最有用的任何常见案例研究？

Cecilia：是的，所以我们可以在 [音频不清晰 33:54] 方面报道一个，另一个在制造方面。所以，在一般情况下，有一个非常好的用例，一家公司的流程对温度非常敏感。他们需要的是连接锅炉，以确保在温度发生任何变化时能够访问实时警报。所以他们遇到的问题是他们的系统，它是一个SCADA系统，它已经在生成警报，但是警报太频繁了，所以他们无法区分信息，因此他们会去生产线，那是一家巧克力制造商，所有的生产都被扔掉了。

仅仅因为他们无法检测到温度异常，并且为了安全和质量协议，他们不得不扔掉或丢弃管道上的所有巧克力，然后花一天时间重新设置生产线。因此，该客户仅一天的停机时间就损失了 150 万美元或更多。所以我们所做的是我们以一种非侵入性的方式进入您的生产线，我们将数据结构化并将其放在画布上，这样他们就可以在他们想要的仪表板上设置所有警报，然后他们可以回到画布上随时更改。

对他们来说，这很关键，因为生产线上有一些调整需要不断地改变。所以他们需要有权力。他们实际上一直梦想有能力获得他们需要的警报，区分生产系统正在生成和报告的所有数据，同时拥有他们可以依赖的东西。

所以实施，我喜欢这个用例，因为我们在大流行开始时实施了这个。所以我们计划去那家工厂，但我们不能，因为我们真的很想在现实生活中从客户的角度看到设置整个系统的样子。因此，我们 100% 远程完成了它，而且效果非常好。对他们来说，这也是一种帮助他们度过大流行的解决方案，因为他们在工厂的劳动力较少，而且他们仍然需要确保他们能够控制所有关键流程。

所以对他们来说是一个非常好的用例。成本只是软件的实施和软件的许可。然后它已经证明他们正在节省数百万美元的损失，他们已经每年都指望这些损失。这就是用例之一。

另一个我很喜欢的就是现场制作。现在有一个步骤现场生产，在产期，母亲会躺在小猪身上，那个时期会死，只是因为它们没有足够的空间活动。并且已经测量了许多变量。但是我们需要的是一个非常创新的计算机视觉解决方案，我们可以检测到碰撞事故何时发生，我们可以生成实时警报，它实际上是一个超级响亮的本地警报声，所以他们知道这正在发生并且他们可以去阻止那只小猪死去。

所以他们在产假过程中有 17% 的生产损失，因为它对许多不同的事情都非常敏感，这有助于他们大大减少该部分过程中的损失量。所以两个不同的用例，两组不同的变量来衡量，两种不同的技术应用，但相同的步骤和相同的无代码方法。

Erik：第二个，所以有一个有趣的机器视觉案例。所以你训练它的是识别猪的运动减少，因为你经常看到机器视觉围绕标准化对象进行对象识别，我猜是猪，但在这里你看的不是那种在测量角度等方面的脸。您正在查看一个身体以及该身体如何相对于另一个身体在笔中移动。这方面的培训时间表是什么？您知道获得合理准确度的时间是什么时候吗？

卢卡斯：是的，这有点不可思议。我们不得不在一个大农场里安装 30 台摄像机，因为那里的主要问题是检测坠机死亡率。他们也拍摄猪和小猪之间的碰撞事件，所以为了加快时间，有三个星期，连接了 30 个摄像头，这意味着我们正在监控 30 头猪和它的小猪。实际上，在保育室的前三天，50% 的整头猪都被压死了。

所以在那部分，我们不得不放置 30 个摄像头来检测碰撞事件。在三周内，我们检测到这些碰撞事件，实际上只有六个碰撞事件，我们可以训练算法来检测猪和小猪之间的碰撞事件。想象一下，用相机从顶部看小猪就像一个代表猪的矩形，而另一个就像代表小猪的小方块一样的小盒子。然后当发生碰撞事件时，您会看到其中一只小猪仔，正方形，长方形与母亲相交超过三秒钟。然后与小猪挤奶或玩耍时的交叉路口不同。

Erik：但仍然是大约三周，非常非常快的时间表。这两种解决方案都是基于云的，或者您是否使用适当的云，您的客户是否经常需要私有云或内部部署？

Lucas：对他们来说，我们必须使用边缘计算。然后训练是通过将视频存储在摄像机上，然后提取该视频，然后运行训练并对其进行标记。我们有摄像头在检测碰撞和碰撞期间使用训练算法在边缘工作 [听不清 40:37]。当检测到崩溃时，它会使用 LoRaWAN 将该消息发送回云端或在本地分配。

Erik：因此，在那里使用边缘计算来移动视频数据有点繁重。然后对于工厂案例，这是否也是本地公共、私有云？

Lucas：对于工厂，我们使用云。

Erik：你现在的感觉是什么？我猜你的市场主要在美国，工厂 DMS 或工厂经理现在是否对公共云开放，或者一切都主要是私有的？

卢卡斯：我们看到了变化。像两年前一样，所有工厂都希望为工厂提供真正的本地解决方案。但是对于大数据和数据湖，以及这些，他们正在为云进行教育和迁移。然后对于云，有一些大公司，他们大多不希望暴露一些东西，比如在一个通用的 SaaS 云中，比如多租户环境。他们更关注私有云，可以让 VPN 从工厂连接到云，但在私有云连接中，所以现在从整个网络基础设施关注。

因此，对于大型企业来说，即使在数据传输方面也没有像拥有全球首屈一指的多租户网络，然后在网络上使用 VPN 进行不同的基础设施，例如使用 3G、4G 发送数据，使用 3G 上的数据包发送数据，4G 数据在一个封闭的 VPN 内。

Erik：我们也看到了很多。这是趋势，但这里可能是一个缓慢移动的趋势。那么，你们的下一步是什么？听起来这个解决方案自您八年前成立公司以来一直在不断发展，如果您展望未来两三年，我们可能会看到股票盘点的下一个特征或方向是什么。

卢卡斯：所以，在技术方面，我们正在空军更多地投资于人工智能组件、认知服务以及自然语言处理。因为物联网的真正价值在于提取洞察力，并在用户需要的时候向他们展示洞察力。这意味着有时是实时的。这意味着有时用户可以要求获得历史见解。

在这部分，一个关键组成部分就是我们所说的自我驱动的人工智能分析。因此，只需找到像操作经理或机器操作员或工厂经理甚至像农民这样的用户界面，他们可以拥有像谷歌这样的搜索框并用自然语言提问，系统应该会回答。这是我们真正拥有的东西，你可以问我的机器怎么样，你可以问，然后系统会回答你好，机器没问题，我们相信你需要提前进行维护。

Cecilia：这是一种逐步浏览所有已生成的信息和数据的方式，以便实时获取您正在寻找的具体内容。

Lucas：所以，所有 AI 计算机视觉算法，更多 [听不清 44:00] 和 NLP 先进的自驱动盒子是我们对技术视角的关注。此外，我们的路线图还包括与更多的 ERP 和不同的 API 集成，并为解决特定案例的最终产品构建新的解决方案，例如我们推出的智能工厂和智能农业。在这一点上，今年的解决方案主要集中在食品饮料和农业行业的整个供应链中，从端到端有诸如葡萄到玻璃或农场到餐桌或叉子到餐桌的调用，以及然后，明年他将为其他行业扩展这些现成的解决方案 [听不清 44:48]。

Cecilia：我们在平台中添加的一项超级重要的功能是平台能够让用户了解他们的可持续发展目标。因此，我们看到我们的大多数客户已经制定了 2040 年、2050 年的碳中和目标，这与自然资源的生产和使用效率以及食品的生产方式密切相关。我们的计划是继续帮助他们做到这一点，而且不仅要提高效率，还要能够衡量他们对可持续发展目标的影响程度。因此，随着我们产品的发展，这也很重要。

卢卡斯：CeCe 提出的一个重要主题是，我们正在为不同国家建立 KPI，并通过测量土壤中的不同变量来将能源消耗与碳足迹影响相匹配，以及农业运营。像有机材料，以及乘以和计算该农场如何促进碳保留和加工以及减少碳足迹。

因此，这不仅要关注客户的主要痛点，即产生更多盈利能力、降低成本，还要提到碳足迹影响，然后他们如何降低这种影响以达到中性碳足迹。

Erik：嗯，我想我们今天已经覆盖了很多领域。有什么我们还没有涉及到的，今天要介绍的重要内容吗？

Cecilia：是的，对我们来说，这是一个非常令人兴奋的势头，因为我们将继续发展我们的解决方案并更多地了解三个行业。这是一个令人兴奋的地方，因为我们可以直接看到我们增加公司视角的价值，去年，我们通过 M12（微软风险基金）举办的名为“女性创始人大赛”的大型比赛获得了认可、Melinda Gates、Pivotal Ventures 和 Mayfield Funds 被评为美国最好的软件即服务公司。

对我们来说，那是 1,500 名申请者中的一员。对我们来说，这是对我们北部技术、我们如何进入市场、我们为市场增加的价值以及我们工具集的演变的巨大验证。因此，随着我们在市场上不断发展，这对我们来说是一个激动人心的时刻。我们还以非常协作的方式与生态系统中的其他参与者合作，例如 Sentech 和 LoRaWAN，它们是我们实现这些部署的关键参与者。

我们真的认为物联网起飞和民主化的方式不仅仅是一种生态系统方法，在这种方法中，我们在某种程度上合作推出解决方案，并且真正的目的是帮助客户消除噪音并了解什么从技术的角度来看，是他们每一步进步的最佳解决方案。那对我们来说是非常激动人心的时刻。

Lucas：我想继续关注我们的新午餐，其中之一被认为是智能灌溉系统，全部使用 LoRaWAN，即帮助有效地进行风化，节省资金，同时改善作物。因此，这对于世界各地的所有农民来说也将是惊人的。

Cecilia：我想说最令人满意的是，当客户只是给你发短信并让你知道你是一个警觉的人时，只是帮助他们解决问题。或者在农业的情况下，当植物上有一些真菌并且它们即将使用它们的产品时要警惕。所以那种满足感是我们对技术背后整个辛勤工作的更多面子。

Erik：听起来你真的走在了正确的轨道上。根据我对市场走势的理解，我认为您在未来十年似乎处于非常有利的位置。对于有兴趣了解更多关于您正在做什么并保持更新的听众，对他们来说最好的方式是什么，一方面保持更新您的新版本，另一方面与您或您的团队？

塞西莉亚：当然。所以他们可以访问我们的网站，也就是Webee.io，就是WEBEE.IO。他们也可以在 Twitter 上关注我们。在LinkedIn上，我们非常积极地更新和分享新闻，而且还有一种订阅网站新闻的方式。因此，有人员并分享新的解决方案也很棒。

Erik：嗯，谢谢你们今天抽出时间。我真的很感激这次谈话。

塞西莉亚：谢谢。

卢卡斯：非常感谢，很高兴。

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。