​工业数字化：数据为王，行业需要领军者

本文是《中智观察》“企业数字服务供需市场”行业洞察之DPS（工业）篇，传统产业如何构建数据资源，为此专门开设DPS专题，进行研究与探索，工业数字化，数据是构建人工智能的关键，是AI发展的基石。我们将一直关注DPS的动态与需求。

——海比研究院

2022年4月20日

工业数字化，是全球工业发展的一大现象。中国工业群体实现数字化转型，不是随波逐流，而是要从根基做起，培植自己的数字经济大树。

数据，相当于数字经济大树的根系，为大树的成长源源不断地提供水分与营养。当数字工业逐渐走向智能化，数据体系也逐渐形成一个产业，有了扎实的产业结构和组织模式，吸引各类厂商与资源的聚结。

DPS（Data Process Service）是一个数据处理的流程，对数据的加工，没有一张满分100分的答卷，只有无限的深入、无限的精通。数据为王，谁在数据上下足了功夫，谁有机会成为市场的王者。

工业数字化，是工业制造从传统方式走向智能方式的一个过程。从产业内部的纵向结构到外部的横向联合，必然都要经历数字化的全面换身。

2015年，国务院出台了《中国制造2025行动纲领》和《促进大数据发展行动纲要》，指出工业制造是国民经济的主体，大数据是工业发展的必然选择，企业是推进大数据创新的主体。2016年，国务院在《“十三五”国家信息化规划》中提出，大数据建设的重点在于对关键技术的开发，具体包括对数据的采集、清洗、存储、分析、挖掘、可视化、隐私保护和数据安全等技术要点。

2016年，发改委通过了《促进大数据发展三年工作方案（2016—2018）》和《促进大数据发展2016年工作要点》，强调工业经济的关键在于深入发掘数据的潜力，激活数据要素。2016年，工信部也发布了《大数据产业发展规划（2016—2020年）》，要求培养一批专业化的数据服务骨干企业，创建一批大数据产业聚集区，建立大数据标准体系，成立一批大数据产业联盟，将数据体系推向国际先进水平。

2022年3月，工信部部长肖亚庆强调，要扎实推进数据中心的基础设施建设，加快竖立技术产业化规模化应用，促进数字经济持续壮大。目前，我国正在打造10个国家数据中心集群。在2022年全球TOP500超级计算机榜单上，中国占173台，总量居世界第一。中国的数据优势逐渐显现。

数字经济对大数据的强劲需求，必然促使数据处理过程成长为一个产业。在DPS（Data Process Service）数据流程服务理论中，数据是构建人工智能的关键，是AI发展的基石。DPS成为一个产业，也是解决中国数字经济地区差异的需求。

在计算机的应用过程中，数据，就是为计算机程序所加工的素材。它的来源十分广泛和复杂，进入计算机后，它们被记写为数字、字母、符号等可操作的单元。在通往人工智能的过程中，数据与算力、算法共同完成深度学习的任务。

而算力、算法方面，没有太大的变化空间。实际应用中，算力、算法在全球都可以形成一致的标准，而数据则有无限的发挥空间。计算机产品千变万化，主要是靠对数据的无限投入。在工厂的生产过程中，即使算力、算法并不高明，但是只要在数据上达到高质量，就可以产出极好的产品。反之，即使拥有很高的算力、算法，数据上却很低劣，产出的将是一堆庸俗作品。

因为数据无限，且充满变数，所以通过对数据的采集和加工，可以产生粗糙或精细的、品质优劣不等的、大小不一的单元。无限复杂的数据材料，可以提炼为一个单元素材，投送到一个应用途径；一个数据材料，可以分解为无数的单元素材，投送到无数的应用途径。所以，业界逐渐形成一种认识，认为在生产过程中，80%的努力用在了数据上，20%的努力才是用在算力和算法上。

久而久之，数据流程工作走向成熟，必然会从企业生产的大流程中独立出来，成为一个高度专业化的数据流程产业。当一个企业的数据流程分立出来之后，它又可以变身为向无数企业提供流程服务的新企业。

（案例一）数据处理服务，需要扎根在产业体内

与农业不同，工业领域的产业结构非常复杂。在生产线上，物料数量庞大，物性指标严苛，零部件型号繁多，工艺过程复杂且升级换代频繁，高端装备产品对质量的要求极高，后续运行环节也复杂，存在太多的风险因素。

拿煤炭行业来说，煤矿生产工艺有特殊性，技术有专业要求，井下作业面临安全风险，煤炭的采挖和洗选过程有很大的不确定性。目前，国内煤炭业正面临采掘失衡、地质透明技术障碍、智能化系统协同困难、生产线各环节数据难以贯穿、信息化严重滞后等困难，对“工业数字化”有很大的挑战性。

数据服务企业面对煤炭行业数字化，该如何下手？2018年，在江苏无锡市成立了一家“雪狼云”数制科技公司，在推出工业数据智能系统时，就有一项专门对付煤炭业数据管理的业务。

这家公司利用大数据技术对煤矿产业的海量数据进行了集成分析与数据价值挖掘，进行动态诊断与辅助决策，克服了煤炭行业数字化转型的痛点。公司开发的“雪狼云”OS工业数据智能系统，为煤炭产业自下而上的生产结构中设置了数据资源层、大数据分析应用层的处理结构。数据资源层，是通过在线监测形成数据，把数据汇入“一张图”空间数据库。大数据分析层属于最顶层，通过对“一张图”数据的调度，定向投放每一个生产的环节。

公司将OS系统应用到山西、陕西、山东的多家煤炭企业，分别在调度指挥、智能化选煤、皮带运输、经营管理等环节得到了验证。例如，在陕西省某煤矿5G智能矿山调度指挥中心，OS系统建设完成了智慧矿山“115”规划建设，即1个智能管控平台、1片大数据企业云、5个应用子中心。实践中，系统利用大数据、云计算、人工智能、5G智能网络等技术，为管理者提供决策依据，形成了整个矿山的“智慧大脑”，开发出了安全管控、综合集控、预警管控、经营管理、VR培训5个分支系统。

在这个案例中，数据流程服务具体表现为：扎根煤炭产业体内，构建企业全域数据资产，进行大数据细化加工。雪浪云公司梳理了其在煤炭产业的数据处理工作：OS系统基于煤炭行业数据标准，完成了对BIM、GIS、集控数据、传感器监测数据、MES、ERP、音视频、文件等多种类型的数据处理工作；OS系统支持煤矿元数据管理、主数据治理、数据分发等能力，同时构建了企业全域数据资产（如地理信息管理、经营管理、煤矿生产、机电管理、安健环、辅助运输、分选加工以及智慧工业厂区），提供了煤炭企业运营指标体系、数据分析模型体系等服务。

（案例二）来自企业的诉求：工业数据处理有特别的要求

工业活动涉及众多的体系，内部的纵向结构与外部的横向联合复杂多变。在工厂内部，大数据的生产过程包含设计、原料、生产、销售、服务等阶段。在生产环节，大数据要参与加工工艺、元件调度、产品合成、质量检验、物流分化等细节。对于外部环境，数据技术要参与产业链上下游企业之间竞争与合作的辨析，对市场环境进行计算，对客户进行画像。

在这些过程中，身处其间的企业都有深刻的感受。南京一家“金宁汇”科技公司，利用数据技术帮助某军工企业建立了工业数据交换平台，帮助某钢板制造厂与造船厂实现了信息共享，帮助南京市江北新区大数据管理中心构建了“江北链”，在工业数据应用的实践中形成了深刻的认识。

2019年，南京的金宁汇科技公司参与了一项南京玻璃纤维研究院中标的复合材料行业中心建设项目，以自主创新的New Spiral平台为基础，通过非对称加密、智能合约以及隐私计算等核心技术，围绕着项目的检测、评价、认证、标准、咨询等方向提供服务。项目建成之后，得到了中国建材集团的认可。

2021年10月，国家工业信息安全发展研究中心发起了“信创区块链测评”项目，至2022年3月9日，有10款产品首次通过测评。其中，南京金宁汇科技公司的联盟链底层平台NewSpiral系统软件V2.0是产品之一。近三年来，这家公司年收入连续保持在300%以上的高增长，其中近三分之一的业务来自工业领域。

公司创始人石宁接受媒体采访，道出了数据企业参与工业领域数据建设的难点：“工业领域的数字化不能简单模仿消费互联网，二者的底层逻辑不同。”工业领域的数字化先是从消费领域的数字化引申而来的，但是工业有自身的底层逻辑，多方主体之间存在不互信、不互通的僵局，如果照搬消费领域的数字化，那么结果只是一场空。

“消费互联网本质是内容的数字化，流量是关键，工业数字化的本质，是要建立有能力的数字化。”石宁表示，金宁汇从区块链模式中找到了出路，因为区块链的去中心化的数据构建方式，能够为各个产业实体之间提供数据确权、数据分类分级、数据多方管控的解决方案，从而使建立共同数据库成为可能，促进了跨组织的交换。

数字经济不是从中国发起，而是从一些发达国家兴起之后，带动中国走向数字化。中国的数字化进程，是从追随者的身份逐渐发展为领先者。国内各产业层次的数字化，首先是从服务业上形成气候，再进一步向工业领域、农业领域实现过渡。

当前，国内服务领域的数据企业已经有了相当的火候，像世纪互联、万国数据、秦淮数据这样的优势企业，主要服务于腾讯、百度、阿里、华为、京东、字节跳动、微软这类的大型互联网用户，已经在市场上形成了很大的影响力。三家企业先后在境外实现了上市，业绩连续多年保持高增长。

但是在工业领域，这样的顶级数据企业还比较少。即使有一些企业取得了可观的成就，也只是针对目标产业实现了专业性的数据投入，还没有对行业形成足够强的辐射作用。在工业数据群落中，正需要形成一批骨干力量，不仅在技术上形成突破，也要在规模上构造影响力。

2021年9月，原工信部部长李毅中在一次企业数字化论坛上表示，工业是数字化的主战场，工业数字化转型要从企业做起，但企业对数字化的认识还不够充分。他指出，工业门类多、体量大，数字化过程中存在不少的阻力，转型周期会比较长，一些中小企业因经营困难还没有投入转型，一些大型互联网企业对工业的关注度不够。

据业内统计，2021年，我国在视觉计算、机器学习、深度学习、知识图谱等方面的工业智能应用核心产业规模为93亿元。这与中国工业体量30万亿元来说，简直是九牛一毛。从技术上分析，视觉数据处理在各项数据应用中进展程度最高，较好的视觉能力为工业机器人的开发提供了前提条件。可是到了经营、管理、服务的环节，人工智能还有很大的欠缺。

企业从体验中得出结论，在运维环节，落实人工智能还有很大的困难。主要在于数据的采集和处理还不够成熟。数据流程服务要解决的痛点，就是对数据的真实性、深入性、全面性、客观性方面还要加大投入的力量。而一些初见成效的企业，满足于相对其他企业的领先地位，没有从根本上下功夫。

规划中，数据质量提升、重点行业数字化转型、数字技术创新突破等内容被列入目标工程，要求通过建立强大的“新基建”基础设施为工业数字化创造条件，为工业数字化转型建设智能制造示范工厂，同时推动数据资源标准化工作，鼓励工业企业利用5G、时间敏感网络（TSN）等技术改造升级企业内外网，完善标识解析体系。

工业数字化带来市场的大淘沙，成了一个与时间竞赛的考场。实现转型的企业将会脱颖而出，没有转型的企业会面临市场的淘汰。企业要培植自己的数字经济大树，扎根数据就是一个必须投入的任务。

本文作者系海比研究院·酸泥

本文来自微信公众号 “中智观察”（ID：Hapiweb-soft6），36氪经授权发布。