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。
人工智能驱动的工业物联网领域已经有了几家自己的独角兽初创公司，如Acadeption with$ 117万的资金和$ 2.3十亿估值和C3物联网2.43亿美元的VC资金和1.4美元 - 加亿美元的估值（C3 IoT估值未公开更新其最新一轮1亿美元融资，因此其估值已过时且保守）。
与此同时，任职者如AWS，戴尔，和思科浇注数十亿美元的IoT和边缘计算。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。
这一领域的竞争是残酷的，但机会是巨大的，这里强调的10家初创公司仍然有回旋的空间和扩大规模的时间。密切关注它们，因为在这个火热的市场上，一只或多只独角兽很可能成为下一只独角兽。
他们做什么：提供物联网分析平台，将复杂的数据流转化为简单、实时的洞察
成立年份：2015
基金：来自Workbench、IA Ventures、Bloomberg Beta和Lux Capital的400万美元种子基金
总部：纽约州纽约市
首席执行官：德鲁康威，谁也共同创立DataKind，一个全球性的非盈利性，并且是合着者机器学习黑客。
问题解决了他们：工业业务收集更多的原始数据，甚至比专业操作员可以手动观察和自己的分析。它可以是很难确定哪些数据问题，什么是公正的噪音。数据很重要，但小光点很容易错过，从而导致业绩不佳，停工，甚至安全事故。，无论是在货币和生产力损失方面缺少噪声最终被昂贵的工业操作中的重要信号。
他们是如何解决这个问题：利用机器学习和人工智能，冲积层能够帮助工业企业实现业务的稳定和提高他们的生产。冲积层的旗舰产品，底漆，使用机器学习，帮助企业提制原始传感器的复杂，庞大的数据流和生产数据转化为可用的见解。
工业团队可以快速导航数据，以确定何时何地出现偏差，确定问题的根源，并决定采取何种措施。Primer根据从任何时间段（比如从昨晚到去年）收集的数据创建稳定性评分分析。Primer帮助操作员识别来自传感器、单机或整个设施的异常情况，以便进行必要的更改以保持操作平稳运行。
竞争对手包括：OSIsoft、C3 IoT、摄取、雾角、普雷森索、法尔科尼和甘露
客户包括：在出版时，加利姆没有任何愿意继续记录的客户。
为什么他们是热启动时手表：Alluvium已经锁定了400万美元的种子资金，尽管他们的团队规模较小，而且有点绿色（对于早期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，冲积层的重点是简单。冲积层将复杂生产系统生成的数据归纳为一组非专家可以理解的指标。由此产生的“稳定性得分”提供了操作员可以用来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
基金：3500万美元。他们最近一轮的a系列投资为2800万美元，于2018年上半年结束。投资者包括Sundt AS、Stokke Industri、Horizon、Canica、Strømstangen、北极基金管理公司、斯坦福StartX基金和Northgate Partners。
总部：休斯敦，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。
问题解决了他们：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。
有这么大的复杂性，摄取的实时数据，然后将其分流到一个高度可用的云或基于边缘的机器学习系统是个不小的任务。更困难的是，推动了基于及时的数据模型，所以该数据能够通知商业决策。
一旦你做到这一点，你还必须弄清楚如何从规模的模式，以数十或数百横跨众多资产和用例模型少数机器学习应用在一个典型的工业操作。
他们是如何解决这个问题：Arundo Analytics自动化了当石油和天然气、电力和航运等大型工业公司试图使用edge分析来推动日常业务决策时出现的端到端挑战。
芦适用机器学习和高级分析到边缘的数据输入，整合这些投入日常业务运作和扩展整个企业的这些应用程序。芦帮助企业以创造企业级软件应用，该平台然后管理部署的机器学习模型到云中。
芦还提供了可配置的，出的现成应用程序一般工业的挑战，包括设备状态监测，系统异常检测和虚拟多相流量计，其启动与全球工业技术公司ABB开发和共同市场。
竞争对手包括：GE Predix、西门子Mindsphere、ABB能力、C3IoT和摄取
客户包括：Equinor、AkerBP、嘉年华海事、DNV GL和INEOS
为什么他们是热启动时手表：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：为工业应用的AI-供电预测分析平台。
成立年份：2016
基金：由Real Ventures牵头、Barney Pell参与的两轮种子融资于2017年5月结束，财务条款未披露。第二家于2018年7月关闭，将于本月公布。
总部：加拿大安大略省多伦多
首席执行官：梅拉马利克。她此前曾担任执行董事Quexor集团产品管理总监Redknee公司。
问题解决了他们：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，决定是基于经营者的个人经验和/或通过使用过时的工具，这些工具无法处理大量，频繁变化的是来自各种来源的数据进行的。
他们是如何解决这个问题：招商Analytics的实时AI数据模型识别趋势，帮助运营商了解影响他们的工业过程中的变量。帆布AI平台响应的实时数据变化，提供运营团队有最先进的最新信息，以便他们可以不断调整自己的动作，从而提高质量，降低能源消耗，优化资产健康。
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沃森，吸收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。
为什么他们是热启动时手表：作为早期阶段的启动，招商Analytics（分析）已经锁定了两轮种子资金的追求尝鲜。领导团队Quexor集团，Redknee公司，加拿大贝尔公司，西北能源和CHR解决方案方面积累相关经验。该公司已经建立了自己的平台，实时数据，其AI平台使用，以提高再自动化操作流程，其中连续摄取海量。
他们做什么：为工业操作的机器学习软件
成立年份：2012
基金：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：加利福尼亚州桑尼维尔。
首席执行官：Nikunj梅塔。此前Falkonry，梅塔是客户成功的C3物联网的副总裁。在此之前，他曾在甲骨文，在那里他领导创建了IndexedDB的标准被嵌入到所有现代浏览器的数据库团队。
问题解决了他们：为了在全球范围内竞争，工业企业必须提高其运营的生产率和/或采用新的商业模式，许多工业企业正转向数据分析来推动这一变化。
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。
他们是如何解决这个问题：Falkonry适用地物学习和机器学习到由所述设备和生产系统，可在最离散制造和工业过程的操作而生成的多变量的时间序列数据。
由于信号量大、数量多，大多数工业数据在今天的运营中无法使用。Falkonry操作机器学习系统能够发现数据中人类或传统分析无法观察到的隐藏模式。这些模式反过来提供了对运行状态的洞察，并识别了意外事件之前的条件，以发出早期警告。根据所监测的过程，此类预警可能提前数小时、数天甚至数周发出。
Falkonry说，它的系统就像一个“盒子里的数据科学家”，这意味着不需要数据科学家，它可以由制造工程师或过程工程师快速部署。客户在部署该系统的三周内开始获得可操作的见解，这可能每年为公司节省数百万美元。
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：丰田工业设备制造，川崎重工，特尔尼翁，Ciner资源和葡萄牙能源（EDP）
为什么他们是热启动时手表：法尔科尼已经锁定了近1100万美元的资金。创始人兼首席执行官Nikunj Mehta曾担任独角兽物联网初创公司C3物联网的客户成功副总裁。再加上一份客户名单，其中包括丰田和川崎的工业部门，Falkonry在这篇综述中毫不费力。
他们做什么：提供边缘计算构建平台连接到任何AI系统
成立年份：2014
基金：这家公司的启动是由私人股本（TelOS创投）和政府（国家科学基金会，国土安全部）的未透露数额的资金支持的。
总部：加利福尼亚州桑尼维尔。
首席执行官：大卫·荣格。此前，他曾在博科和思科的工程领导者。
问题解决了他们：随着物联网趋势的发展，产生的数据量变得如此之大，以至于边缘的人工智能处理正在从一种“必须拥有”的物联网功能过渡到一种必须具备的物联网功能。
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。
他们是如何解决这个问题：Interactor的物联网边缘软件使公司能够在边缘应用最新的人工智能技术，而无需任何冗长的部署工作。Interactor充当位于边缘设备和云之间的占地面积小的物联网网关。Interactor将技术交互和/或集成所需的所有组件和微服务抽象为一个小型（约50MB）可执行文件。
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
为什么他们是热启动时手表：Interactor尚未公布其资金的细节，但其支持者包括一家风投公司和国土安全部。