说一个好消息，公安部交管局2018年公布数据显示，截止9月，我国新能源汽车保有量达221万辆，“蓝天白云，晴空万里”似乎离我们更近一步；

说一个坏消息，国家市场监督管理总局2018年透露，截止10月底，我国已发生新能源汽车起火事件40余起，交通事故中很可能要加上“新能源汽车自燃”这一项了。

毫无疑问，新能源汽车已经是大势所趋，而另一个大势所趋则是AIoT（AI+IoT），因而也就有人想到：是否可以用AIoT相关技术解决新能源汽车着火事件。那么，通过现有的AIoT技术能够解决上述问题吗？也能，也不能。

至少现在已经可以对相关事件进行预测，为车主留出时间处理。上海觉云科技有限公司是一家聚焦新能源汽车智能算法模型/平台为主的企业，而新能源汽车起火这样的事件，恰好在其射程范围内。

上海觉云创世人兼首席执行官常伟告诉雷锋网，“对于现在电动汽车热失控现象，我们的核心算法目标是能够提前20分钟进行预测，为车主留出逃生时间。”

从数据变化，查设备病变

2014年前后，兴起了第一波IoT浪潮，这波浪潮主要解决的是设备连接的问题，现在回过头来看，从数据的角度，主要解决了数据的连接和上传问题。例如在工业上，主要实现了包括温度、压力、电流、电压等数据监控，监控设备的安全运营条件。

上海觉云的核心团队在2016年完成组建，2017年开始进入正轨。此时，第一波浪潮已经走远，甚至在2014年兴起的物联网公司也已经经过了一轮残酷的淘汰赛，活下来一批，死掉一批。与此同时，基本的连接问题已经解决，更为关键的问题已经由「连接」转到「数据应用」。这也是上海觉云看到的机会，以及其对公司的定位。

“如何把数据用起来，这是个问题，”常伟告诉雷锋网，“我们经过这两年的数据收集及数据分析发现，从数据变化中其实是可以找到其规律性的，数据的变化可以反映出设备内部产生的变化或畸变。例如某部位的温度变化对应设备内部某一轴承的损坏，这也意味着需要提前对这一轴承进行更换。”

从卖设备到卖服务，行业热点改旗易帜，以数据运营为主的平台运营逐渐走向台前，并在诸如消费、工业、新能源汽车等各个领域中不断打磨，产生价值。

没有什么是一尘不变的，如果有的话，那就是公司对能够产生经济效益的社会刚需的追求，而现在，数据分析正被认为是社会刚需之一。

预测性维护：第一步，两百年

现在可预见的预测性维护可以分为三类，也是行业的三个发展阶段：以机械摩擦力为主的设备参数的预测性维护、以电化学反应为主的设备参数及预测性维护，根据设备参数进行精准故障诊断。

预测性维护并不是一个新话题，而是早已有之。以飞机为例，飞机在飞行到一定里程时，就必须要保养一次，其中保养的关键部件就是飞机引擎发动机。为什么要保养呢？这主要是由于设备供应商已经引擎发动机的运行周期进行了预测——引擎发动机在工作多少小时或行驶多少里程后会出现故障。

除此以外，其实车主日常对于传统汽车的保养，甚至日本的一些设备零部件有淘汰周期也是这样的道理。

“预测性维护并不是一个全新的概念，在此之前，设备和机车的预测性维护已有两三百年的历史，”常伟针对现在整个预测性维护发展介绍称，“此前的预测性维护主要是针对机械摩擦力为主的设备参数，通过摩擦过程中的衰减机理拿到这类参数，并判断故障发生时间。”

在这个阶段，由于我国在工业化进程中起步较晚，技术水平相对于国际发达国家慢了半拍。不过，就整个预测性维护的观念和知识体系已经逐渐建立起来。

这是预测性维护的第一步，这一步，人类走了近两百年，也停留了近两百年。

第二步：保命的需求

随着物联网、大数据的兴起，也使预测性维护得以拥有迈出第二步的可能。以电力运行、电化学反应为主的设备维护。

随着新能源汽车市场保有量的不断增加，以及相关事故的频发，鉴于“保命”需求，预测性维护的第二步也被提上的日程。

由于我国在新能源汽车销量和保有量上都有很大优势，转换为数据优势为我们可以采集到各种不同场景下的运行数据和静态数据。这一波预测性维护以数据分析、以大数据科学家为主导，这样的逻辑也就形成了这一阶段国内厂商在预测性维护上的优势所在。从另一层面来讲，国内的预测性维护在“保命技能”上更胜一筹。

据前瞻产业研究院统计数据显示，2017至2018年2月，在全球新能源乘用车市场中，中国新能源乘用车累计销量达61.90万辆，排名第一，远超其他国家。

图片来源：前瞻产业研究院