作为一家拥有125年历史的企业，通用电气（GE）也面临着向高科技转型的巨大压力。在对未来的展望中，人工智能的应用毫无疑问地成为了其规划的重中之重。

早在2011年，加州大学伯克利分校有机化学博士后詹森.尼克尔斯（Jason Nichols）就加入了通用全球研究中心。虽然他一直希望能够推动化学研究领域的进一步发展，并且此前也花费了4年的时间来研发用于工业废水处理的材料和系统。

但事实证明，还是GE的人工智能蓝图更具吸引力，尤其是对于尼克尔斯这种兼具化学家和数据科学家的双重身份，还同时掌握增强现实（AR）技术的复合型人才来说，进入到大型企业的机器学习实验室仿佛成了命中注定的事。而反过来，精英复合型人才的引进也成了巨头们未来发展的关键所在。

图丨1968年4月18日，GE系统工程师通过电传连接一个美国雪城大学学生的反应系统。计算机分析了学生回答多项选择题的答案，并把它们传给老师。

有了人才，GE要做的就是一场大刀阔斧的改革。遥想15年前，GE还要靠机器操作员和技术员监听设备运行的声音以及检查仪表来判断飞机发动机、机车、燃气轮机的运行情况。而时至今日，人工智能已经全面接管了这些工作，不仅如此，就连曾经难以想象的故障提前预测也在人工智能的帮助下实现了。

GE还希望通过整合这一技术，使其到2020年可以成为世界顶级的软件供应商之一。为此，早在在2011年，通用就进行了初步探索：启动了一项10亿美元的计划，收集和分析来自机器中的传感器数据。

通用公司的下一步战略计划是通过人工智能创建更智能的模型，希望借此能比其长期竞争对手（例如西门子和软件巨头IBM等已经涉猎到工业分析的企业）更具优势。

图丨1969年3月20日，直播，GE的研究人员在一个叫做工作台的装置上模拟研究了气体在自然状态下的流动。

当然，将人工智能技术整合到一家成立于1892年的公司中是一项艰巨的任务。鉴于GE在全球范围内拥有30万名员工，为了顺利完成整合，公司首先选择培训技术精英。尼克尔斯所在的GE全球研发中心开发了机器学习在线课程，并开办了可供科学家探索新角色的专题讨论会。截至目前为止，公司有近400名员工完成了GE数据分析认证项目，约有50名科学家已经调动到数字分析的岗位了。

这些双重角色科学家中的许多人，帮助制造了GE设备的云端软件模型，既节省了资金，也提高了用户使用的安全性。GE利用机器传感器上收集的信息，辅之以基于物理的模型、人工智能、数据分析以及科学家和工程师的知识，为每一个现实场景中的硬件设备建立一个与之对应的虚拟化的“数字双胞胎”（Digital Twin）。

虽然数字双胞胎是软件代码，但是其最复杂的版本看起来也像三维计算机辅助设计图，图中充满了交互式图表和数据点。它们使GE能够利用传感器数据而非假设或估算数据来跟踪其飞机引擎、机车、燃气轮机和风力涡轮机的磨损，从而更容易预测何时需要维修。例如，在加利福尼亚的GE计算机服务器上安装一对数字双胞胎，可以帮助一架飞越美国的飞机引擎确定其零部件的最佳维修时间。

图丨巴西里约热内卢工厂内的GE发动机。

除了预测机器的预期寿命外，虚拟模型还能优化产品的操作。GE表示数字双胞胎能使风力发电厂的发电量增加20%，其中一部机车每年可减少32000加仑的燃料和174000吨碳排放。目前，GE已经向客户交付了70多万种数字化模型，到今年年底，这个数字可能会超过100万。