工業物聯網(IIoT)的議題在全球各地發酵，包含中國喊出的「中國製造2020」口號、德國「工業4.0」，以及印度「Made in India」等，無論何種稱呼，最終都是思考工業如何進步。隨著各國投注龐大的心力在IIoT的同時，也發現IIoT一些工程與作業上的智慧管理難題，像是遠端系統管理、軟體組態管理與資料管理。
 |
| NI全球技術和市場總監Rahman Jamal表示，機器學習是協助IIoT領域更上層樓的關鍵技術。 |
當未來世界萬物皆可互連，工廠、廠房的儀器設備和感測器價格越來越低，幾乎所有東西都可連上網路。此時應該如何管理所有設備呢？根據研究機構ABI Research預估，2020年，來自工業設備感測器與機器的資料量將超過78 EB(Exabyte)。這些資料將蘊含多種機器故障、生產瑕疵的蛛絲馬跡，或包含重大驗證測試資訊。
NI全球技術和市場總監Rahman Jamal表示，IIoT聚焦於如何連結不同裝置，在這樣的情境下，會需要更好的系統服務設備予以協助，而機器學習則是將這些過程化為可能的一種做法。早期在還沒有機器學習技術時，在工業應用領域也會執行一些預測性維護的動作，主要透過因果關係觀察機台狀況，其預測的準確度較低；當人工智慧(AI)導入工業環境之後，透過機器學習的方式，可以讓工業生產環境本身有更好的洞察力，實現更精準的預測維護。
Jamal談到，目前該公司已經有一些AI導入工業應用的實際案例，舉例來說，該公司所接觸的合作廠商，已經有一些開始利用機器學習做影像偵測的應用。由於有些影像沒有清楚條件判斷因果關係，僅能利用一些簡單的亮度與顏色判別；若是要使用機器程式來辨別，第一關設定判斷條件就是一大挑戰，因為過去人們在做影像判斷過程中，往往是利用人的「感覺」判斷，而機器學習的功用，就是希望能取代感覺，做為視覺條件辨別的基礎。
NI的布局工業物聯網的策略，是提供平台服務給不同廠商，並與各地的廠商攜手合作，打造完整的生態圈。基於此原則，NI台灣區總經理林沛彥認為，未來的競爭不會在產品等級，而是比較生態系統大小，因此合作夥伴與生態鏈是未來競爭的重點。以台灣市場而言，NI除了提供台灣廠商需要的解決方案之外，更協助台灣廠商走出台灣，跨足國際市場；舉例來說，德國是汽車業重要競爭市場，在開發先進駕駛輔助系統(ADAS)技術上，占有先天環境優勢與夥伴；而近期NI也利用德國的Know How幫助台灣廠商發展相關技術。