在2018杭州•云棲大會上，阿里云機器智能首席科學家閔萬里分享了ET大腦如何引領工業AI。閔萬里表明，阿里云的AI是“冷”的。

　　閔萬里表明，這個“冷”有兩個維度的意義：嚴寒的冷、鎮定的冷。首要，ET大腦挑選的方向紛歧定是我們最重視的方向，例如阿里云的AI會走到茶園、走到農場，研討農人伯伯怎么種樹、養豬，讓最古老的農業和最現代的AI相通。別的清醒地意識到，AI不是全能的。必定要將AI的算法、云的核算力、云產品的底座、數據的力氣和職業常識結合才干發揮出價值。

　　ET大腦的技能中心來自拓撲網絡

　　從城市的交通流到商場的人流，到田間地頭的水流，到管道里的天然氣氣流……這些都涉及到相同東西——流。

　　當有了網絡、有了動態的物流、事務流，就有了動態的數據流。把這個數據流籠統出來，就回歸到人工智能的原點——人的大腦：人腦中神經元間的電流構成一個拓撲結構。每個節點都會宣布各種信號，比如在城市交通里，每個路口就是一個節點，當一個路口交通堵塞的時分，如何將這個信號傳遞給其他路口以及是否傳遞這個信號，其背面的決議計劃機制反常重要。

　　針對上述問題，ET大腦自研出一套認知反演的方法，經過這些外表的信號，結合要害統計量和算法找到數據特征，尋找到拓撲網絡上的量化聯系，經過這些量化聯系就可以找到操控訣竅。

　　尋找工業間的公約數

　　閔萬里表明，阿里云是工業AI的引領者，終究意圖是要給客戶發明價值，這個價值的公式是要把數據、技能、職業三者結合。

　　數據指的是客戶數據，職業指的是工業常識，技能是數據的技能、云核算的技能、網絡的技能、存儲的技能等。ET大腦的所有結晶都來自這個公式。

　　以某石化企業為例，以進步燃煤功率為目標，首要判別整個流程的中心在于鍋爐的作業。ET大腦籠統化鍋爐焚燒中發生的數據，對這些數據進行交融核算，根據這些狀況判別不同鍋爐間焚燒的平衡狀況，優化每個焚燒鍋爐的操控參數。終究協助該企業的能耗下降2.6%。

　　客戶數據的沉積、阿里云工程師對職業的了解，都在這個過程中發揮作用。此外，還運用到許多搶先的大數據產品，如MaxCompute等，確保了瞬時核算，不讓數據“失效”。

　　相同從鍋爐為切斷入手的還有其他企業，盡管生產產品紛歧樣，但同一個計劃就可以復制到不同企業，這就是在工業中抓住了最大公約數，舉一反三、事半功倍。

　　將ET大腦的才能賦能給更多人

　　據悉，ET城市大腦一起發布五大數據引擎產品，包含操控優化、實時預警、實時仿真、深度剖析、數據交融引擎，集結了遍及全球的實戰經驗，更快將這些經驗和才能對外輸出，讓更多城市的交通難題取得數據智能的解法。

　　其間操控優化、實時預警、數據交融引擎已經在杭州使用老練。杭州城市大腦2.0掩蓋420平方公里，優化1300個信號燈路口，并實時指揮200多名交警。

　　用現實的交通數據來猜測未來的交通數據，是實時仿真和深度剖析引擎期望達成的目標：用當下1秒鐘內助、車、物的運行狀況模仿出未來100秒的交通狀況，最多可一次模仿100萬個交通目標，并剖分出1000萬個交通目標的潛在交通危險。

　　別的，ET工業大腦已對外敞開。生態伙伴可在ET工業大腦敞開平臺上取得3大職業常識圖譜、19個事務模型、7個職業數據模型及20多個職業算法模型，一起還能進行編程，完結職業常識、大數據才能、AI算法這一工業AI的價值公式，為工廠量身定制智能使用。