第四次工業革命已然來臨，由於數字技術幾乎鏈接了生活和工做中的方方面面。從汽車到冰箱再到製造設備，愈來愈多的無生命物體日益變得「智能」，它們利用攝像頭、傳感器、軟件和其餘技術生成的數據，不只能夠幫助咱們完成任務，甚至能夠代替咱們執行任務，它們還會藉助人工智能 (AI) 學習每次事務，瞭解如何更好地完成工做，甚至自主作出決策。安全
在引領這個具備革命意義的新時代的全部技術中，人工智能能夠說是最關鍵，也是最複雜的技術。網絡
AI 實現了自動駕駛車輛的「自主性」，指示車輛安全有效地從 A 點到 B 點運送乘客和貨物，獨立執行許多必要的操做、反應和決策。ide
AI 幫助無人機在農場做業，肯定做物什麼時候須要澆水、施肥或殺蟲，並施以適當的用量，以及在成熟時收割做物。學習
AI 實現了機器人與人類協同工做以及獨立運做，有朝一日工廠將轉變爲自主運行的網絡物理系統，管理庫存，進行維修，並根據需求的變化調整生產計劃，無需人工干預。大數據
不過，要想讓 AI 發揮做用，它須要獲取「高速」數據，不是在生成和收集後的一天甚至一小時內處理和分析的數據，而是即時、實時處理和分析的數據，就如人類智能所能作到的那樣。因爲工業 4.0 取決於人工智能，所以咱們甚至能夠說高速數據是推進新革命的引擎。而這個引擎的助推劑就是處理能力和龐大的內存庫。人工智能
前三次革命
在人類歷史的大部分時間裏，一切都是用收集的材料手工製做，在大約一萬年前的農業時代的早期，則是進行耕做。動物的馴化和利用自己就有革命意義，但工業化真正始於將機器引入生產過程。spa
根據美光 IT 總監 Tim Long 的說法，前三次工業革命能夠這樣劃分:設計
- 機械化。第一次工業革命在 18 世紀中葉到 19 世紀中葉大約 100 年的時間內發生，始於使用水和蒸汽動力來實現製造過程機械化。
- 電氣化。在 19 世紀末和 20 世紀初，電力進入工廠，實現了裝配線和大規模生產。
- 自動化。包括機器人技術在內的數字技術在 20 世紀中葉進入製造過程，人類以前執行的許多任務實現了自動化。本世紀下半葉計算機的普及以及 20 世紀 90 年代互聯網的崛起，實現了公司運營全球化，而消費者只需點擊鼠標便可在世界各地購物。
其中的每一次革命都讓企業生產商品和服務的方式發生鉅變 - 更快、更便宜、數量更大。因爲能以更低的價格得到更普遍的產品，所以每次革命都擴大了市場，增長了潛在的利潤。對象
工業 4.0 如今正在如火如荼地進行中，商業模式和商業實踐方面勢必會再次出現重大變化。這個時代的標誌就是鏈接。從汽車到電腦，從機器人到烤麪包機，在互聯時代一切都會相互鏈接，相互通訊，也與咱們通訊，經過適應以定製用戶體驗，並自動執行每一個行業中單調枯燥的任務。擺脫這種單調乏味，咱們即可以專一於更復雜的關鍵工做 - 其中許多工做將涉及技術。blog
人們無需製做各類小器具，而是設計自主運行的工廠。人們無需駕駛卡車，而是能夠經過程序設定讓車隊行駛，並進行故障排除。農民無需耕做、種植和收割，而是管理一系列爲他們作這些工做的技術，並將時間花在最大化做物產量上。
而全部這一切，整個相互依存、相互關聯的數字生態系統，都將依靠數據來傳達每一個過程當中的每一步。
數據爆炸
在世界上存在的全部數據中，僅在過去兩年就創造了其中 90％ 左右的數據。咱們的設備天天生成2.5 百萬兆字節的數據（或 2.5 艾字節），隨着手機、平板電腦、計算機和其餘互連設備的數量逐年呈指數級增加，這個數字還會增加。
互聯網用戶數量在 2018 年有望超過 40 億，超過全球 76 億人口的一半。 經過傳感器、攝像頭、應用、互聯網、藍牙和其餘數字通訊形式互連的對象網絡，即「物聯網」上的互連設備數量預計在 2018 年將達到 231.4 億，到 2025 年將達到 744 億。
數據很是之多 - 例如，對於任何想要深刻洞察客戶的須要和需求，並進行採購以改進其產品和營銷方法的企業而言，這堪稱數據金礦。許多公司以這種方式使用數據，分批處理數週或數月前的數據，並分析結果以肯定微調的位置和方式。巨大的「大數據」存儲庫在未開發的「湖泊」裏等待進行篩選和審查，或者經常從未被查看過。
現在，忽視數據彷佛是一種可怕的浪費。這些數據湖存在的時間越長，它們就越遲鈍無用。
然而，第四次工業革命使得數據湖自己成爲一種浪費。「靜止」的數據很快就會過期。高速才應該是數據的狀態。
速度相當重要
若是你醒來時發現濃煙滾滾和和刺耳的警報聲，你在決定離開房子以前是否會坐下來思考？固然不會：你會當即處理正在發生的事情 - 火災，而後飛奔出門。
一樣，真正智能的人工智能必須可以處理信息（也就是數據），並實時調整其行爲，或儘量接近實時地調整。
在工廠中，這可能意味着若是檢測到有缺陷或損壞的零件，機器人會先使用不一樣的部件進行更換，而後再繼續。在軟件處理信息時，機器不能坐等數週或數月。機器人也不該無視破損的零件並繼續裝配，等到製造的零件出現故障時才進行檢查。
要在互聯時代競爭，「高速數據」相當重要。不能三心二意，不能躊躇不前，不能猶豫不決。在工廠車間，工做停頓多是災難性的；減速可能致使停機，這會耗費大量資金，聽說在汽車行業停機的話，每分鐘會耗費 22,000 美圓。
顯然，落後的「批量」數據處理雖然很適合發現趨勢並作出反思決策，但對於要在工業 4.0 年代競爭的企業來講並不夠。嵌入機器人、無人機和自動駕駛車輛等「智能」設備中的計算機，須要一經生成有意義的數據後就當即處理數據 - 就像人類大腦可以作到的那樣。
以思惟的速度進行處理
咱們的大腦如何運做？信息經過咱們的五種感官進入，咱們的思惟每每會當即進行處理和分析。當咱們觸碰到滾燙的鍋時，咱們用不着考慮下一步該作什麼。當咱們聞到芬芳的花時，鼻子與「玫瑰」之間也不存在滯後時間。
咱們的思惟可以極其快速地處理數據 - 思惟、感受和情緒。計算機能夠比咱們更快的速度計算複雜的數學方程式，也許它們在下國際象棋時表現更好，可是爲了獲取信息並從一系列可能的響應中進行選擇，沒有什麼比人類的大腦更快速、更聰明瞭。至少目前而言是這樣。
第四次工業革命有望讓計算機比以往任什麼時候候都更接近人類的能力。要讓自動駕駛汽車避免連環車禍，它須要處理事故並在瞬間選擇繞行方式。在代價高昂的停機發生以前，工廠機器人應能檢測並修復磨損的零件。當兒童或動物進入田地時，無人機必須中止噴灑殺蟲劑。
正如咱們人類的思惟同樣，機器快速進行這些計算的能力取決於處理速度和內存。工業 4.0 須要可以接收、分類和分析海量數據的計算機，這些操做不是在幾秒甚至幾毫秒內進行，而是要在幾納秒內進行。美光正在加快研發更快速、更高效的內存解決方案，以全面實現人工智能。
「咱們看到了不少內存在人工智能應用領域愈來愈重要的機會。」美光高級研究員 Mark Helm 說，「數據是實現人工智能的關鍵貨幣。」
Helm 表示，針對人工智能的工做方式比較計算系統執行交易任務的方式，例如檢查電子郵件或瀏覽互聯網（「歷史」工做負載），你很快就會發現數據對於人工智能而言是一個更重要的因素。
「這爲美光提供了成爲數據保管員的機會，」Helm 說。
不管是可以以極高的速度向圖形處理單元 (GPU) 提供數據的 GDDR6 圖形存儲器（就像咱們的大腦所能作到的那樣），仍是在系統內傳輸數據的 DRAM 和 NAND 內存產品，美光產品都是人工智能數據的守門人。
人工智能的將來取決於以思惟的速度移動的數據。計算機將成爲偉大的推進者，一旦它們可以至少像人類思惟同樣快速地處理數據，就會實現文明的一次巨大飛躍。爲了引領人類進入新領域，美光懂得咱們的企業必須更快速地工做 - Helm 說：「要始終保持領先優點。」
