植物，工厂和制造商一般都是拥抱物联网，这反过来又推动了公司网络边缘的人工智能作为简化工业过程的方法，提高效率并在它们成为问题之前检测维护问题 - 也许是大可能强迫工厂停机的问题。
AI-Powered Industrial IoT空间已经有几个自己的独角兽初创公司，例如摄取融资1.17亿美元，估值23亿美元和C3 IOT与2.43亿美元的VC资金和1.4美元 - 加亿美元的估值（C3物联网估值未及其最新的100万美元资金公开更新，因此其估值已过时，保守率）。
与此同时，AWS、戴尔(Dell)和思科(Cisco)等老牌公司正在物联网和边缘计算领域投入数十亿美元。HPE最近投资40亿美元的“智能边缘，“虽然微软抽了65亿美元进入其IOT努力。
这一部门的竞争是野蛮的，但机会足够大，即在这里突出的10个初创公司仍然有机动和时间缩放的空间。留意他们，因为一个或多个可以是这个热门市场的下一个独角兽。
他们做什么：提供一个物联网分析平台，将复杂的数据流变为简单，实时洞察力
成立年份：2015年
资金：从工作台，IA冒险，彭博·贝加和勒克斯的Seed Forwand赚取400万美元
总部:纽约,纽约
首席执行官：德鲁·康威(Drew Conway)也是全球非营利机构DataKind的联合创始人，也是《机器学习黑客。
问题解决:工业操作收集的原始数据甚至比专业操作人员自己手动观察和分析的还要多。很难确定哪些数据是重要的，哪些只是噪音。数据中重要但微小的波动很容易被忽略，这可能导致性能不佳、停机甚至安全事故。在噪音中丢失重要的信号最终会给工业操作带来巨大的损失，无论是在货币方面还是在生产率方面。
他们是怎么解决的:借助机器学习和人工智能，Alluvium帮助工业企业实现运营稳定性，提高产量。Alluvium的旗舰产品Primer利用机器学习技术，帮助企业将复杂、海量的原始传感器和生产数据提炼成可用的见解。
工业团队可以迅速导航数据以识别发生偏差的位置，确定问题的来源并决定采取的行动。Primer基于从昨晚到昨晚从昨晚到的任何时间范围汲取的收集数据，创造了稳定性分数分析。PRIMER帮助运营商识别来自传感器，单机或整个设施的异常，以使得保持操作顺利运行所需的变化。
竞争对手包括：OIZOST，C3 IOT，摄取，FOGHORN，PROSENESO，Falkonry和Manna
客户包括:在出版时，加利姆没有任何愿意继续记录的客户。
为什么它们是值得关注的热门创业公司:Alluvium已经锁定了400万美元的种子资金，虽然他们的团队规模很小，而且有点绿色环保(这对于一家处于早期阶段的初创公司来说并不罕见)，但Alluvium已经进入了一个高增长但令人困惑的领域。在这样一个嘈杂的市场，Alluvium的重点是简单。Alluvium将复杂的生产系统生成的数据浓缩成一组非专家能够理解的指标。由此产生的“稳定性评分”提供了操作人员可以轻松跟踪可能妨碍他们实现业务目标的关键变量的一目了然的数据点。
他们做什么：帮助重型工业公司拥有复杂的物理资产，通过机器学习和其他先进的分析应用来改善操作
成立年份：2015年
资金：3500万美元。他们最近的一轮，A $ 2800万系列A，于2018年上半年关闭。投资者包括Sundt As，Stokke Industri，Horizo n，Canica，Strømstangen，北极基金管理，斯坦福 - Startx基金和北盖特合作伙伴。
总部:休斯顿,德克萨斯州
首席执行官：此前是McKinsey＆Company的高级合作伙伴的Tor JakobRamsøy，他领导了全球能源实践和EMEA大数据/高级分析的技术服务线。Ramsøy还是麦肯锡挪威的国家经理，并在斯堪的纳维亚举办了商业技术办公室。
问题解决:当企图将机器学习和其他先进的分析应用集成到日常运营时，工业公司面临着独特的挑战。这些挑战包括管理复杂，高度工程的物理资产;在数十年中处理设备和仪器层的层数;并应对不同级别的控制系统，ERP系统和数据存储通常分散在多个运营公司，子公司，收购实体甚至第三方供应商中。
通过这种复杂性，摄取实时数据，然后将其流入高度可用，云或边缘的机器学习系统并不小任务。更困难的是以及时的方式根据该数据推出模型，因此数据可以告知业务决策。
一旦您完成了这一点，您还必须弄清楚如何在一个典型的工业操作中，将机器学习应用程序从少量的模型扩展到众多资产和用例中的几十或数百个模型。
他们是怎么解决的:Arundo Analytics自动实现最终的挑战，当大型工业公司从石油和天然气，电力和运输尝试使用边缘分析来推动日常业务决策时出现的最终挑战。
Arundo将机器学习和高级分析应用于边缘数据输入，将这些输入集成到日常业务运营中，并在整个企业中扩展这些应用程序。Arundo帮助公司将机器学习模型部署到云上，以创建企业级软件应用程序，然后由该平台进行管理。
Arundo还为常见的工业挑战提供可配置的、开箱即用的应用程序，包括设备状态监测、系统异常检测和虚拟多相流量计，该公司开发并与全球工业技术公司ABB联合销售。
竞争对手包括：GE Predix，西门子Mindsphere，ABB能力，C3IOT和吸收
客户包括:Equinor，Akerbp，嘉年华海运，DNV GL和Ineos
为什么它们是值得关注的热门创业公司:Arundo Analytics的第二大VC Haul - 3500万美元 - 在此综述中的所有创业公司。他们的领导团队在麦肯锡和公司，Aker解决方案，西门子和其他高科技和工业专属公司的经验中获得了经验。他们有一个可观的早期采用，记录的客户，而Arundo的开箱即用的工业应用，帮助制造商快速克服异常检测等常见头痛。
他们做什么：为工业应用提供一个人工智能驱动的预测分析平台。
成立年份：2016年
资金：由Barney Pell参加的真实企业领导的两个种子融资回合中的第一轮在2017年5月关闭，并未披露财务术语。第二次关闭于2018年7月，将于本月宣布。
总部:多伦多，安大略省，加拿大
首席执行官：Humera马利克。她曾担任Quexor Group的执行董事和Redknee的产品管理董事。
问题解决:典型的工业环境是富裕的数据，但信息差。工厂的连接资产和动态流程每分钟可以生成数百和数千个数据点，但该数据的占该数据的10％用于派生洞察或援助决策。
相反，决策是基于操作人员的个人经验和/或使用过时的工具，这些工具无法处理来自各种来源的大量、频繁变化的数据。
他们是怎么解决的:Canvass Analytics的实时人工智能数据模型可以识别趋势，帮助运营商了解影响其工业流程的变量。Canvass AI平台实时响应数据变化，为运营团队提供最新信息，从而不断调整运营，提高质量，降低能耗，优化资产健康状况。
CanVass AI平台通过使用AI自动化整个数据科学过程，简化了快速处理大型复杂数据的挑战。该平台蒸馏由工业机器，传感器和操作系统产生的数百万个数据点，并识别数据隐藏在数据中的模式和相关性以创建新的见解。这些自学习模型适应了实时的新条件，确保运营团队的决策是以最准确的数据制造的。
竞争对手包括：GE Predix，IBM Watson，Uptake Noodle.ai
客户包括:在出版时，Canvass Analytics没有任何愿意继续记录的客户。
为什么它们是值得关注的热门创业公司:作为一家处于早期阶段的初创公司，Canvass Analytics已经锁定了两轮种子基金，以寻找早期采用者。领导团队在Quexor Group、Redknee、Bell Canada、NorthWest Energy和CHR Solutions获得了相关经验。该公司已经建立了自己的平台，以持续实时接收大量数据，其人工智能平台利用这些数据改进并自动化操作流程。
他们做什么：为工业操作提供机器学习软件
成立年份：2012年
资金：1090万美元。Falkonry于2018年6月关闭了460万美元的系列。投资者包括Polaris Partners，Zetta Venture Partners，Presidio Ventures（Sumitomo）和Fortive。
总部:加州森尼维尔市。
首席执行官：Nikunj梅塔。在加入Falkonry之前，Mehta是C3 IoT的客户成功副总裁。在此之前，他在甲骨文工作，领导团队创建了IndexedDB标准，用于嵌入所有现代浏览器的数据库。
问题解决:为了竞争全球，工业公司必须提高他们的运营和/或拥抱新商业模式的生产力，许多工业公司正在转向数据分析以驱动这种变化。
在制造或过程操作中产生的数据，尤其是时间序列数据，非常丰富，可以提供对生产系统的健康和所创建的产品的可操作见解。
机器学习非常适合分析这种大量数据。但是，招聘数据 - 科学顾问已被证明是低效的，因为他们缺乏运营团队的主题专业知识，因此，这些项目可能需要一年多的时间才能看到结果。
他们是怎么解决的:Falkonry将特征学习和机器学习应用于大多数离散制造和工业流程操作中由设备和生产系统生成的多元时间序列数据。
鉴于信号的高卷和数量，大多数工业数据今天在运营中不利。Falkonry操作机器学习系统能够发现人类或传统分析无法观察到的数据中的隐藏模式。这些模式又提供对运行状态的见解，并识别出于发布早期警告的不期望的事件之前的条件。根据所监测的过程，此类早期警告可能发生在几小时，天甚至几周内。
Falkonry说，它的系统就像一个“数据科学家 - 箱子”，这意味着没有任何数据科学家都是必需的，并且可以通过制造工程师或工艺工程师快速部署。客户在部署系统的三周内开始获得可操作的见解，这可能会每年节省数百万美元。
竞争对手包括：气体，加容，伪装，Seeq，视力摩羯座和喷雾装置
客户包括:丰田工业装备制造，川崎重工，Ternium, Ciner资源和葡萄牙能源公司(EDP)
为什么它们是值得关注的热门创业公司:福尔科里锁定了近1100万美元的资金。创始人兼首席执行官Nikunj Mehta曾担任C3 IoT客户成功副总裁，这是一家独角兽物联网初创公司。如果再加上一份包括丰田和川崎工业部门的客户名单，那么Falkonry就成了本综述的顺理成章之选。
他们做什么：提供一个连接到任何人工智能系统的边缘计算平台
成立年份：2014
资金：启动是由私募股权（Telos Ventures）和政府（国家科学基金会，国土安全部）来源的未公开的资金支持。
总部:加州森尼维尔市。
首席执行官：大卫·荣格。此前，他曾是博科和思科的工程主管。
问题解决:随着物联网趋势的发展，产生的数据量变得如此之大，以至于处于边缘的人工智能处理正在从一个“最好拥有”的物联网功能过渡到一个必须拥有的功能。
但是，由于计算资源被约束，因此难以处理边缘处的数据。这就是为什么这么多AI IoT供应商首先尝试将数据推向云，这在许多工业应用中都不实用。
他们是怎么解决的:互动手机的IOT Edge软件使公司能够在边缘应用最新的AI技术，而无需任何冗长的部署工作。互动手机充当边缘设备和云之间的小型空间IOT网关。互动手摘要技术所需的所有组件和微服务，以彼此相互作用和/或将彼此集成到一个小（约50MB）可执行文件中。
使用互操作器，开发人员和运营商可以轻松地集成他们选择的AI，并将智能应用于更快的设备以获得更快的响应时间。
互动器IOT EDGE软件可以在任何IOT网关或服务器上运行，它包括预打包设备配置，安全性和身份验证，消息传递，设备可见性，日志记录和错误处理。
竞争对手包括：AWS GreenGrass，Microsoft Azure Edge，Edgex Foundry和PTC Kepware
客户包括:思科，松下，马来西亚政府和宏块
为什么它们是值得关注的热门创业公司:互动作者尚未发布其资金的详细信息，但其支持者包括VC公司和国土安全部。