從私有角度看待工業(yè)現(xiàn)狀及未來發(fā)展趨勢

“工業(yè)邊緣智能”分論壇上，物聯(lián)網(wǎng)智庫主編王蘇靜發(fā)表了題為《工業(yè)未來趨勢展望》的精彩演講。

以下為演講全文：

大家好！今天分享的演講主題為《工業(yè)未來趨勢展望》，既然我的主題是工業(yè)領(lǐng)域的未來趨勢，那就必須先來看看工業(yè)領(lǐng)域的現(xiàn)狀是怎樣的。

當下，工業(yè)圈最熱的詞兒莫過于工業(yè) 4.0、工業(yè)互聯(lián)網(wǎng)、智能制造這幾個，可能在座的大家早就聽得耳朵快起繭子了，也讀過很多專家、學者們分析這些概念的文章。然而，今天我想以另外一個角度來呈現(xiàn)一下這些概念的發(fā)展歷程，那就是媒體宣傳的角度。

因為我們物聯(lián)網(wǎng)智庫是最早一批關(guān)注這個領(lǐng)域的平臺，所以五六年前就和國內(nèi)外很多準備進軍智能制造和工業(yè)互聯(lián)網(wǎng)的企業(yè)達成了深度合作幫他們搞宣傳——其中既有想轉(zhuǎn)型的工業(yè)巨頭，也有雄心勃勃的初創(chuàng)企業(yè)，還有一些乍一聽名字好像和工業(yè)沒有啥關(guān)系的通信企業(yè)和互聯(lián)網(wǎng)企業(yè)……

既然要宣傳，那么首先就得確定宣傳重點和宣傳口徑是啥吧，于是，隔山差五我就會和這些企業(yè)的市場部人員坐在一起，討論說咱們對外傳達點兒啥東西~

14 年 15 的時候，工業(yè)互聯(lián)網(wǎng)在行業(yè)里還是個新鮮詞兒，那時候我們一發(fā)文章就會有讀者在我們后臺留言問，啥是工業(yè)互聯(lián)網(wǎng)?。抗I(yè) 4.0 和智能制造有啥區(qū)別??？于是我們一合計，覺得當時最應該做的就是概念普及工作。

基于這一方針，那個時候我們寫文章的套路就是，一篇文章告訴你什么是工業(yè)互聯(lián)網(wǎng)，一篇文章告訴你什么是工業(yè) 4.0，一篇文章告訴你某某概念和某某概念有什么區(qū)別，然后最后再加上一點兒某某企業(yè)非常高瞻遠矚，已經(jīng)開始布局該領(lǐng)域了。

至于怎么布局，從來都不細講。為啥？因為沒法講，當時找我們宣傳的企業(yè)大部分自己也不知道具體路該怎么走？

時間來到 2015 年 5 月，國務院正式印發(fā)《中國制造 2025》，由 2013 德國漢諾威工業(yè)博覽會掀起的工業(yè) 4.0 浪潮算是真正席卷了中國制造的大地。在政策的助推下，這個領(lǐng)域涌入了不計其數(shù)的企業(yè)，只要但凡能和智能制造扯上點兒關(guān)系的，就一定得蹭上一波熱度。

我印象比較深刻的是當時有一家宣傳賣補腎保健品的傳銷公司找上了我，要我們幫他們投廣告做宣傳。我非常明確的告訴他，我們是個科技領(lǐng)域的號，你這玩意兒和我們一點邊兒都沾不上，沒法幫你宣傳。結(jié)果那負責人還挺硬氣，直接拿出一版文案甩給我，上面講了他們是如何如何用趕超德國的智能制造技術(shù)生產(chǎn)腎寶產(chǎn)品的，看的我是哭笑不得——這足以見得那個時候相關(guān)概念的火熱。

另一個在當時火的一塌糊涂的概念是工業(yè)互聯(lián)網(wǎng)平臺，受革命先驅(qū)通用電氣 Predix 的影響，聲稱自己要搞工業(yè)互聯(lián)網(wǎng)平臺的企業(yè)如雨后春筍一般紛紛冒出。記得那個時候 IoTAnalytics 發(fā)布了一份研究報告，統(tǒng)計數(shù)據(jù)顯示 2017 年全球物聯(lián)網(wǎng)平臺企業(yè)已經(jīng)有 450 家，其中超過一半都是工業(yè)互聯(lián)網(wǎng)平臺，行業(yè)的狂熱程度幾乎到達了到頂峰。

大家的狂熱也可以理解，移動互聯(lián)網(wǎng)時代創(chuàng)造的價值實在是令人目眩神迷，十年前的我可能怎么也想不到，現(xiàn)在我可以用手機刷網(wǎng)頁、看視頻、叫外賣、支付、打車……如果工業(yè)世界也存在一個類似手機應用商店和對應的開發(fā)者平臺，里面有各種用途的軟件可供工業(yè)客戶去下載和使用，那么平臺商是不是能在工業(yè)領(lǐng)域再造安卓 /IOS 的輝煌？

然而，現(xiàn)實很快就給大家潑了盆冷水，做著做著，大家就發(fā)現(xiàn)這工業(yè)互聯(lián)網(wǎng)平臺簡直太多坑了。一方面，建平臺是一件費時費力費錢的浩大工程，身為開山鼻祖的 GE Digital 部門尚且抗不過巨大的現(xiàn)金流壓力，何況本錢無法與之相比的后來者們；另一方面，工業(yè)領(lǐng)域的一個典型的特征是“隔行如隔山”，如何從中提煉同質(zhì)化的共性需求，也是對企業(yè)內(nèi)功的巨大考驗。

于是，由于地基不穩(wěn)，房子又建的太快，我們眼睜睜的看著一座座新起沒多久的高樓又塌了。

有些年前還意氣風發(fā)的創(chuàng)業(yè)者，年后問我有沒有合適求職的公司可以推薦一下；有些企業(yè)拿到融資的時候在市場宣傳上撥錢撥的毫不手軟，最后想找人要尾款的時候卻微信不回、郵件不理；海有些開始被追捧為行業(yè)經(jīng)典標桿，引得無數(shù)同行前去參觀學習的項目，最后卻一地雞毛，被大罵騙子等等等等……諸如此類，不勝枚舉。其中一個標志性事件是在 2018 年下半年，GE 傳出要為 Predix 尋求買家的消息，行業(yè)開始陷入迷惘：未來究竟何去何從？

但凡事都有兩面性，這些失敗也給那些還沒有放棄的探索者們留下了寶貴的經(jīng)驗。他們開始思考，自己究竟能為行業(yè)創(chuàng)造怎樣的價值？

于是，從去年開始，我看到很多企業(yè)一改過去談概念畫大餅的作風，開始變得越來越踏實。這從宣傳口徑上也得到了明顯的體現(xiàn)，大家不想再去講酷炫的無人工廠之類的東西，而是講我怎么用數(shù)字化解決方案幫你提高產(chǎn)品質(zhì)量，怎么幫你降低運營成本，怎么增加你產(chǎn)線的柔性，怎么提高你的客戶滿意度，哪怕做出來的方案沒有想象中那么高級、那么酷炫，但我實實在在的為你創(chuàng)造了價值。

所以，助力千行百業(yè)實現(xiàn)數(shù)字化升級、數(shù)字化轉(zhuǎn)型，成為了這一年多來解決方案提供商反復去強調(diào)的重點。在此期間，我也受邀前去很多企業(yè)的工廠參觀了他們已經(jīng)落地的案例，有不少確實令人感到驚喜。作為一個行業(yè)媒體人，我很高興能看到這樣的轉(zhuǎn)變。

縱觀宣傳風格變化的這四個階段，其趨勢變化剛好和 Gartner 著名的“技術(shù)成熟度曲線”相對應——從誕生后逐漸受到關(guān)注；到在資本和聚光燈的追捧下來到峰頂；到泡沫被戳破跌入谷底；再到慢慢趨于理性和成熟，一項新的技術(shù)終于開始真正的為行業(yè)創(chuàng)造價值。

轉(zhuǎn)眼，時間來到 2020 年，是非常特殊的一年。具體特殊在哪里？我想用一個比喻來說明。

如果將中國工業(yè)比作一名長跑運動員，那么過去幾十年他都處于“一路狂奔”的狀態(tài)。改革開放初期，我國制造業(yè)增加值尚不及美國的 1/6，到了 2010 年就一舉超過了美國。狂奔至今，我們已經(jīng)擁有全世界最完整的工業(yè)體系，從“一窮二白”到“世界最全”，中國工業(yè)的增長速度創(chuàng)造了世界奇跡。

疾馳的步伐雖然會一路趕超不少競爭對手，但卻存在肌肉酸痛的隱患，就如同當前的中國工業(yè)面臨著“大而不強”的隱憂。發(fā)展方式粗放、環(huán)境代價巨大、自主創(chuàng)新不強等等…都是中國工業(yè)必須跨越的障礙。

尤其是 2020 年突如其來的新冠疫情，它就像是長跑賽道上突然滾下來的一塊巨石，讓我們前進的步伐被迫放緩，同時也給業(yè)界敲響了一記振聾發(fā)聵的警鐘——未來確實存在像新冠疫情這樣的極端情形，如果制造企業(yè)沒有足夠的“韌性”，只能坐以待斃。

我剛才提到了一個詞“韌性”，這又是今年特別流行的一個宣傳口徑。韌性是啥意思？就是物體受外力作用時，產(chǎn)生變形而不易折斷的性質(zhì)。疫情就是這個突然施加的外力，企業(yè)韌性就是其應對復雜性和不確定性的能力。

什么樣的企業(yè)具有韌性？數(shù)據(jù)調(diào)查顯示，往往是那些在數(shù)字化轉(zhuǎn)型方面取得了良好甚至卓越成效的企業(yè)。

這些跑在前面的企業(yè)，并沒有遭遇供應鏈斷裂或者業(yè)務運營受阻的窘境，他們有的采用遠程方式維持了工廠的正常運營，有的快速調(diào)整產(chǎn)線開始生產(chǎn)口罩機和呼吸機，還有的實現(xiàn)了全球供應鏈布局的快速協(xié)同……

所以，如果只用一個詞來回答工業(yè)的未來在哪里的話，我的答案是“數(shù)字化”。在數(shù)字化這個大的主題下，我想分享三個大的趨勢：

數(shù)字孿生

所謂數(shù)字孿生，就是物理實體的數(shù)字化鏡像。數(shù)字孿生通過將物體、系統(tǒng)、流程的信息，利用數(shù)字技術(shù)實時映射在數(shù)字化系統(tǒng)中，對產(chǎn)品、制造過程乃至整個工廠進行虛擬仿真，從而讓企業(yè)實時了解資產(chǎn)的狀態(tài)、響應變化，改善業(yè)務運營，創(chuàng)造新的價值。

數(shù)字孿生的優(yōu)勢在于什么地方呢？我覺得有個應用特別值得一說，就是虛擬調(diào)試：過去，我們在設(shè)計產(chǎn)品時往往是很被動的，“后知后覺”的，比如設(shè)想了一個絕妙的概念，實際執(zhí)行時才發(fā)現(xiàn)處處是坑；產(chǎn)品設(shè)計看起來完美無暇，實際調(diào)試時卻發(fā)現(xiàn)處處不通。

“后知后覺”可能會付出高昂的代價，虛擬調(diào)試技術(shù)則為解決這些問題提供了一種“先覺先知”的思路。它可以在虛擬世界中構(gòu)建物理實體的“數(shù)字化雙胞胎”，以在產(chǎn)品實際制造和調(diào)試之前就提前測試、驗證產(chǎn)品設(shè)計的合理性，從而幫助企業(yè)縮短研發(fā)周期、提升效率、降低成本。

例如，在礦業(yè)領(lǐng)域，選矸工是一種非常辛苦的職業(yè)。他們的工作任務是將采礦過程中混入礦石中的巖石一塊一塊手動挑出，以確保原煤的回收率，避免后續(xù)設(shè)備損傷及電力損耗。為了解決這些問題，國內(nèi)有家企業(yè)推出了一款革命性的智能選矸機。利用人工智能視覺識別技術(shù)，選矸機可以辨別輸送帶上的物料，再由動作系統(tǒng)里的機械爪將所需矸石或原煤抓取出來。然而，他們的產(chǎn)品遇到了很大的挑戰(zhàn)，由于各個礦場的選矸率要求都不盡相同，因此設(shè)備供應商需要為客戶提供定制化的產(chǎn)品，而設(shè)備的選矸率預測一直是行業(yè)內(nèi)的技術(shù)難點。對于客戶要求的特定選矸率，設(shè)備究竟要使用幾個機械手，以怎樣的節(jié)拍才能實現(xiàn)？如今，依靠虛擬調(diào)試技術(shù)，客戶可以輕松計算出選矸率。這不僅避免了重復修改和返工帶來的額外成本，也縮短了現(xiàn)場的調(diào)試驗收時間。

知識圖譜

知識圖譜這一名詞在 2018 年被 Gartner 第一次加入新興技術(shù)成熟度曲線。正如其名，它是一系列顯示知識發(fā)展進程與結(jié)構(gòu)關(guān)系的不同的圖形，用可視化的技術(shù)，描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互關(guān)系。

由于知識圖譜非常適合分析從非結(jié)構(gòu)化資源中提取的數(shù)據(jù)，而工業(yè)領(lǐng)域恰好具有數(shù)據(jù)量大、數(shù)據(jù)種類多，數(shù)據(jù)不夠結(jié)構(gòu)化等特性，所以目前有越來越多的企業(yè)將知識圖譜應用在物聯(lián)網(wǎng)和工業(yè)互聯(lián)網(wǎng)領(lǐng)域，他們運用知識圖譜充分挖掘事物背后客觀的隱性關(guān)系，將這種隱形關(guān)系轉(zhuǎn)化為可計算數(shù)據(jù)，并且以可視化的形式展示在人們面前。

邊緣智能

千呼萬喚始出來，終于講到了我們今天分論壇的主題——工業(yè)邊緣智能。從名字來看很好理解，邊緣智能就是邊緣計算和人工智能的融合體。

邊緣計算大家都很熟悉，我很喜歡用一個比喻，就是云計算是 “集中供水”模式。大家需要計算資源，擰開水龍頭用多少就行。然而，隨著數(shù)據(jù)的指數(shù)級激增，以云計算為代表的“集中式供水模式”存在很多問題：首先，每家每戶用水量的增加使得水廠有些不堪重負；其次，水從水廠流到水龍頭需要一定的延遲時間；最后，一旦供水廠出現(xiàn)問題，就會影響到整張供水網(wǎng)絡(luò)的運作……于是，人們開始思考，能否在靠近水龍頭的地方安裝一個“應急水箱”來應對這些挑戰(zhàn)呢？邊緣計算這種分布式計算模式由此興起。

然而邊緣計算的部署位置也限制了它的計算能力，但是在引入 AI 技術(shù)后，邊緣的智能分析能力有所提高，在邊緣處實現(xiàn)機器學習成為極為可行的技術(shù)趨勢。

現(xiàn)在，我們可以在更加靠近用戶和數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)這一位置訓練和部署深度學習模型，從而改善 AI 應用的性能、成本和隱私性。同時使得智能更加貼近終端用戶，解決人工智能落地的“最后一公里”問題。

具體概念就不講了，直接分享一個我看過的案例。

例如，在某企業(yè)的數(shù)字化工廠里生產(chǎn)的 PLC 設(shè)備里有大量的 PCB 板，PCB 板在焊接的時候會有很多的錫珠。工廠為了保證質(zhì)量，配備了自動化光學檢測設(shè)備。這些設(shè)備為了要確保沒有任何缺陷樣本流入后續(xù)環(huán)節(jié)或市場，所做的檢測非?？量?。在這種苛刻的檢測下，就會出現(xiàn)“假錯”的情況，從而造成很多成本上的浪費。為了避免這種情況的發(fā)生，需要增加人工復檢臺把“假錯”甄別出來。很明顯，人工檢查效率低下，費時費力。而現(xiàn)在，通過邊緣智能的技術(shù)可以把人工復檢臺替換掉，通過 AI 把“假錯”甄別出來，再通過自動化方法把產(chǎn)品送回生產(chǎn)線。這樣一方面可以減少重復性勞動，另一方面也可以提高生產(chǎn)效率。

編輯：hfy