GE（通用電氣）為未來業務起了一個響亮的名字——工業互聯網。這是GE的研發部門杜撰出來的名詞，GE希望通過在其產品中增加更多的傳感器來獲取海量數據，并最終幫助公司提高其機車飛機引擎、核磁共振儀器等設備的能源效率。
GE計劃未來三年在“工業互聯網”項目上投入15億美元，其中一部分預算將用于支持在加州圣拉蒙市新成立的軟件研發中心的研究項目。例如，該研究中心的機器學習專家Anil Varma正在實驗如何篩選GE生產的2萬臺噴氣引擎中的不易察覺的警報信號，以此來預測哪些設備需要進行維護。對于某些型號的引擎，Varma的算法能夠提前一個月預測其維護需求，預測準確率達到70%，這可以極大減少飛行延誤。（編者按：登機前被機組通知發動機故障已經不止一次了）
大數據引擎
過去，GE的飛機引擎中的傳感器都是被動模式——直到出現故障才會在儀表盤上亮紅燈。這類傳感器有很多，例如測量溫度、壓力和電壓，這些傳感數據過去很少被保留和研究。在大多數飛行中，引擎只會保留三個平均值，分別是起飛、巡航和降落數據。
根據Varma的介紹，GE的下一代GEnX引擎中（裝備波音787飛機）將會保留每次飛行的所有基礎數據，甚至會從飛機實時傳輸回GE分析。這樣一臺引擎一年產生的數據量甚至會超過GE航空業務歷史上所有的數據。
雖然機器間通過傳感器通訊已經不是什么新概念（例如物聯網），但是GE的業務規模能讓這種想法得到更快實現。“我們有最大規模的工業數據集，因為我們運營這些設備已經很長時間，”Varma說道。“我們同時掌握歷史數據并監測未來數據，這讓我們能夠測試任何算法的可行性。”
據GE工業互聯網項目負責人，前思科高管William Ruh透露，GE的工業互聯網構想誕生于數年前的金融危機時期。隨著經濟增長的不確定性增加，工業客戶開始將注意力從提高生產力轉向提高利潤率。大數據的概念也越來越火爆，最終，William Ruh的團隊開始考慮，是不是該制定一個GE產品的“數據戰略”。
GE軟件研發中心的研究人員演示電廠的數據可視化工具
突破物理極限的1%
哥倫比亞大學數據科學與工程學院教授Venkat Venkatasubramanian認為，GE應用大數據技術解決工業問題未必會一帆風順。對于一家商業零售公司來說，能夠發現消費者數據之間的關聯就已經足夠，例如，著名的啤酒尿布理論。在這種初級應用中，目前標準的機器學習算法就能夠勝任。但是對于復雜的物理系統來說，數據模型還需要能夠解釋關聯背后的原因。
在GE的圣拉蒙軟件研發中心，研究人員正在開發新的用戶界面，通過地圖、模擬以及類似Twitter的設備社會化網絡幫助人們進行工業數據的可視化。其中一個實驗室有很多大屏幕顯示器與微軟的Kinect體感游戲設備連接，電廠的工人可以通過手勢與數據可視化界面互動，幫助制定區域電網的操作決定。
GE還與加拿大一家電力公司通過分析衛星影像、天氣地圖當地停電記錄等數據預測樹木修剪的熱點地區（掉落的樹枝是雷電導致停電的主要原因之一）。
此外GE還與紐約市的一家醫療中心合作在病床和醫療設備中植入傳感器，降低空床率，提高病人的接待能力。
Ruh相信即使是很小的進步也會產生巨大的效應。GE本周發布的報告估測，每提高1%的燃油效率，航空業每年能節省20億美元，而能源行業則能節省40億美元。要知道，GE的油氣管道和電力設備每年承載著全球25%的電力輸送。
“我們的運營效率能提高1%，但這一目標已經無法通過更好的設備實現，因為我們已經將物理學發揮到了極致。”Ruh說道。
顯然，GE已經有了答案，那就是傳感器+大數據的“工業互聯網”。