工業(yè)4.0、工業(yè)互聯(lián)網(wǎng)聽得耳朵都起繭子了？從私有角度看待工業(yè)未來發(fā)展

8 月 26 日，由物聯(lián)網(wǎng)智庫和云和資本聯(lián)合主辦的“2020 摯物·AIoT 產(chǎn)業(yè)領(lǐng)袖峰會”于上海圓滿落幕。在下午的“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！今天我分享的演講主題為《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(dāng)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(xué)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(zhǔn)備進(jìn)軍智能制造和工業(yè)互聯(lián)網(wǎng)的企業(yè)達(dá)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(dá)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(dāng)時最應(yīng)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(yuǎn)矚，已經(jīng)開始布局該領(lǐng)域了。
?

至于怎么布局，從來都不細(xì)講。為啥？因為沒法講，當(dāng)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(wù)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(dāng)時有一家宣傳賣補(bǔ)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(fù)責(zé)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(dāng)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(dá)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(jī)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(jī)應(yīng)用商店和對應(yīng)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(fēng)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(biāo)桿，引得無數(shù)同行前去參觀學(xué)習(xí)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(biāo)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(fēng)，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(yùn)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(fù)去強(qiáng)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(fēng)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(yīng)——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，今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(yùn)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?？癖贾两?，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(dāng)前的中國工業(yè)面臨著“大而不強(qiáng)”的隱憂。發(fā)展方式粗放、環(huán)境代價巨大、自主創(chuàng)新不強(qiáng)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(jìn)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(yīng)對復(fù)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(yīng)鏈斷裂或者業(yè)務(wù)運(yùn)營受阻的窘境，他們有的采用遠(yuǎn)程方式維持了工廠的正常運(yùn)營，有的快速調(diào)整產(chǎn)線開始生產(chǎn)口罩機(jī)和呼吸機(jī)，還有的實現(xiàn)了全球供應(yīng)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(jìn)行虛擬仿真，從而讓企業(yè)實時了解資產(chǎn)的狀態(tài)、響應(yīng)變化，改善業(yè)務(wù)運(yùn)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(yīng)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(wù)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(jī)。利用人工智能視覺識別技術(shù)，選矸機(jī)可以辨別輸送帶上的物料，再由動作系統(tǒng)里的機(jī)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(yīng)商需要為客戶提供定制化的產(chǎn)品，而設(shè)備的選矸率預(yù)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(jī)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(fù)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(jìn)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(yīng)用在物聯(lián)網(wǎng)和工業(yè)互聯(lián)網(wǎng)領(lǐng)域，他們運(yùn)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(fù)；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(yùn)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(yīng)急水箱”來應(yīng)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(jī)器學(xué)習(xí)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(xùn)練和部署深度學(xué)習(xí)模型，從而改善 AI 應(yīng)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(xué)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，所做的檢測非常苛刻。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(fù)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(fù)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(fù)性勞動，另一方面也可以提高生產(chǎn)效率。