有了大数据和传感器，GE希望打造出一个工业系统的互联网，进一步提高能源效率。

GE(通用电气)为未来业务起了一个响亮的名字——工业互联网。这是GE的研发部门杜撰出来的名词，GE希望通过在其产品中增加更多的传感器来获取海量数据，并最终帮助公司提高其机车飞机引擎、核磁共振仪器等设备的能源效率。

可以发送电能消耗数据的GE动力涡轮机

GE计划未来三年在“工业互联网”项目上投入15亿美元，其中一部分预算将用于支持在加州圣拉蒙市新成立的软件研发中心的研究项目。例如，该研究中心的机器学习专家Anil Varma正在实验如何筛选GE生产的2万台喷气引擎中的不易察觉的警报信号，以此来预测哪些设备需要进行维护。对于某些型号的引擎，Varma的算法能够提前一个月预测其维护需求，预测准确率达到70%，这可以极大减少飞行延误。

大数据引擎

过去，GE的飞机引擎中的传感器都是被动模式——直到出现故障才会在仪表盘上亮红灯。这类传感器有很多，例如测量温度、压力和电压，这些传感数据过去很少被保留和研究。在大多数飞行中，引擎只会保留三个平均值，分别是起飞、巡航和降落数据。

根据Varma的介绍，GE的下一代GEnX引擎中(装备波音787飞机)将会保留每次飞行的所有基础数据，甚至会从飞机实时传输回GE分析。这样一台引擎一年产生的数据量甚至会超过GE航空业务历史上所有的数据。

虽然机器间通过传感器通讯已经不是什么新概念(例如物联网)，但是GE的业务规模能让这种想法得到更快实现。“我们有最大规模的工业数据集，因为我们运营这些设备已经很长时间，”Varma说道。“我们同时掌握历史数据并监测未来数据，这让我们能够测试任何算法的可行性。”

据GE工业互联网项目负责人，前思科高管William Ruh透露，GE的工业互联网构想诞生于数年前的金融危机时期。随着经济增长的不确定性增加，工业客户开始将注意力从提高生产力转向提高利润率。大数据的概念也越来越火爆，最终，William Ruh的团队开始考虑，是不是该制定一个GE产品的“数据战略”。

突破物理极限的1%

哥伦比亚大学数据科学与工程学院教授Venkat Venkatasubramanian认为，GE应用大数据技术解决工业问题未必会一帆风顺。对于一家商业零售公司来说，能够发现消费者数据之间的关联就已经足够，例如，著名的啤酒尿布理论。在这种初级应用中，目前标准的机器学习算法就能够胜任。但是对于复杂的物理系统来说，数据模型还需要能够解释关联背后的原因。

GE软件研发中心的研究人员演示电厂的数据可视化工具

在GE的圣拉蒙软件研发中心，研究人员正在开发新的用户界面，通过地图、模拟以及类似Twitter的设备社会化网络帮助人们进行工业数据的可视化。其中一个实验室有很多大屏幕显示器与微软的Kinect体感游戏设备连接，电厂的工人可以通过手势与数据可视化界面互动，帮助制定区域电网的操作决定。

GE还与加拿大一家电力公司通过分析卫星影像、天气地图当地停电记录等数据预测树木修剪的热点地区(掉落的树枝是雷电导致停电的主要原因之一)。

此外GE还与纽约市的一家医疗中心合作在病床和医疗设备中植入传感器，降低空床率，提高病人的接待能力。

Ruh相信即使是很小的进步也会产生巨大的效应。GE本周发布的报告估测，每提高1%的燃油效率，航空业每年能节省20亿美元，而能源行业则能节省40亿美元。要知道，GE的油气管道和电力设备每年承载着全球25%的电力输送。

“我们的运营效率能提高1%，但这一目标已经无法通过更好的设备实现，因为我们已经将物理学发挥到了极致。”Ruh说道。

显然，GE已经有了答案，那就是传感器+大数据的“工业互联网”。