打破“烟囱”和“数据孤岛”，工业互联网如何赋能数字化转型 | 超级沙龙

带着观点看商业。超级观点，来自新商业践行者的前沿观察。

文 | 特约观察员 林诗万 

嘉宾林诗万

核心提示：

1.  数字化追求在中游打通企业内部的业务价值主线，并延伸到上下游的供应商和客户端，实现生态上下游的数据和价值联通。

2. 智能化的实现必须通过业务逻辑把认知转换成最佳的决策，并付之于执行。

3. 只有在新的技术体系之上才能有效地实现对业务系统数字化的重构和提升。
   

4. 工业互联网，必须具备工业化的特征，必须依赖于深厚的工业知识，不是简单地把互联网技术部署到生产环境就能够提供价值的。

编者按：本文由云岫会客室的直播整理而来，有删减。完整直播可戳此回看>>

企业数字化转型：厚积薄发

工业互联网一个非常重要的目标是提升工业经营和运营管理效率，实现跨业务领域和部门的全流程信息透明化，管理精细化，决策智能化。工业互联网可以看作企业数字化转型过程中的使能技术。

企业的数字化转型可以分为三个阶段，信息化，数字化和数字化转型。

在数字化转型过程中，信息化是基础，是数字化转型的第一阶段。信息化将模拟性的信息转换为数字化的信息，最典型的是把日常工作中的纸质表单，仪表手工抄集等数据输入计算机进行管理，处理和使用展示。信息化的特征是信息化应用软件的普及使用，实现数字化的信息管理流程。具体地说，就是按业务性质的分割，建立了一系列的业务应用系统，包括ERP、PLM、SCM、MES、CRM、APM等等，在不同的业务范畴内实现信息的数字化管理，作业流程的自动化，对人事组织、业务经营、产品设计、生产过程的数字化管控。在这个阶段，所追求的是工作流程效率的提升。

作为数字化转型的第二阶段，数字化追求在中游打通企业内部的业务价值主线，并延伸到上下游的供应商和客户端，实现生态上下游的数据和价值联通。数字化在信息化的基础上，进一步实现数据驱动的决策和全流程的优化，从而推进以用户为中心，拉动全生态的研产供销服务一体化的数字化运营。在这个阶段中所追求的是优化资源的配置效率，动态响应的生产环境，供应链市场生态的变化。

在数字化的日益成熟的基础上，有些企业会逐渐把注意力转移到基于此种能力对新产品、新服务、新业务的创新性发展，进而驱动新的商业模式，为企业的发展带来了更大的发展空间。比如说，在一些大型装备销售企业，如果通过数字化创新提升他们的数字化服务能力，更好地服务他们的客户，甚至可以从原来的设备销售商转型成为运营商。这可以说是数字化转型的最终目标。

-

对比过去一二十年互联网技术的发展给我们生活带来的巨大影响，可以想象工业互联网对工业行业的数字化发展也会带来非常大的推动。

工业互联网可以作为支撑数字化转型的新一代技术体系之一，物联是基础，但不是目的，这是工业互联网与一般物联网的一个重要区别。

从一个狭义的角度来看，工业互联网的核心功能在于：

1. 对包括设备在内的物理实体的广泛连接，实现海量数据的汇集；

2. 利用算法模型对数据进行深度分析，获得对设备运行和生产过程的深度认知；

3. 通过工业应用，结合业务逻辑把认知转化成为最佳的决策，并得以执行，实现对生产过程的优化。

我们追求智能化，其起点在于感知，感知来源于现实世界的数据；智能化的核心在于认知，认知从对数据的分析获得。但是，没有目的性的认知是没有用的。所以，智能化的实现必须通过业务逻辑把认知转换成最佳的决策，并付之于执行。最后这一步是工业应用的关键功能。

从生产和运营的角度来看，数据、模型和应用是工业互联网技术的三大功能要素。

通过这三大要素构成闭环反馈，可以实现单体设备的优化，多体设备或系统的优化，以及业务经营的优化，最后的目的是为了追求业务价值的实现。

工业互联网的应用覆盖的范围很广泛，不仅包括大家所熟悉的设备维护，还包括生产环境中几乎所有其它的业务范畴，从工艺、质量、能效，甚至排产等的过程优化。

工业互联网在实施的过程中，或许起点于单台设备的优化，一条工序流程的优化，一个业务范畴如能效的优化，但其能力和所追求的目标，是跨设备、跨工序、跨业务范畴的全流程全局联通和优化，这一点与数字化的目标是一致的。

从另外一个方面来看，三大功能要素中的模型分析和工业应用，是将工业技术、知识、经验，通过模型化和软件化进行沉淀和积累的有效载体。模型化更多的是对现实世界自然规律的认知的沉淀；而软件化则更多是生产规则和业务逻辑的表征。

过去针对工业环境里建立的多种针对具体领域的工业软件，聚焦于如何解决该业务领域的问题。工业互联网特别关注的是实现将数据联通、算法模型和实现业务逻辑的工业应用构成多个层次的闭环优化，创造价值。一旦这样一个系统建立起来以后，不仅仅能为解决眼前的数字化发展问题是提供技术支撑，也为数字化持续改善提供一个厚实的基础。

数字化进程：数字化技术发展趋势

显然，孵化并且成熟于互联网特别是消费互联网的ICT技术是推进数字化转型的核心技术基础。这些技术的发展是为了应对消费互联网高并发、大流量、变化多样的信息处理的需求，从而形成了具有弹性伸缩能力、支持多租户的虚拟化分布式的云计算架构，支持容器化微服务的敏捷研发和灵活运维一体化的云原生技术体系，能存储和分析海量异构多样的消费者、市场和业务数据的大数据系统，以及机器学习和基于深度学习算法的人工智能（图像识别、语音识别以及自然语言处理等）等技术。

这些技术，人工智能（artificialArtificialintelligence），大数据（bigBigdata）和云计算（cloudCloudcomputing）这些技术，不仅技术内容丰富，也衍生出其它一系列的新技术。这些技术无论功能多强大，性能多卓越，其价值都在于如何在数字化转型中，支持日益复杂的业务逻辑和数据分析计算需求，。以低门槛、低成本、短周期的方式，敏捷开发、运维和迭代升级数量众多、功能丰富，性能优异的业务应用软件。

简单地说，这些新技术对数字化转型的支撑，在目前来说，多不在于其高新深，而是在于对针对具体场景的应用软件的开发和运维的支撑的经济性，特别是从技术门槛和成本的方面来看。要做一件事，以往是事倍功半，而这近二十年的技术发展，做同样一件事，已经可以是事半功倍。对于企业来讲，目前的一个关键问题是在这样一个时机节点上，如何充分利用这些技术事数字化之事，成转型之功。

简单地说，这些新技术对数字化转型的支撑，在目前来说，多不在于其高新深，而是在于对针对具体场景的应用软件的开发和运维的支撑的经济性，特别是从技术门槛和成本的方面来看。要做一件事，以往是事倍功半，而这近二十年的技术发展，做同样一件事，已经可以是事半功倍。对于企业来讲，目前的一个关键问题是在这样一个时机节点上，如何充分利用这些技术事数字化之事，成转型之功。

显而易见，这些技术是数字化转型的使能工具，而不是数字化转型本身。换句话说，把这些技术引入企业，建立一系列的技术性平台，并不就能够自动实现数字化转型。但是，如果不关注这些技术，不了解这些技术的使能作用，不能把这些技术有效地利用起来，数字化转型会举步维艰，或难以持久深入。

大家可以看到，数字化转型的技术基础是非常广阔的，也非常复杂，企业虽然可以通过自主研发把这些技术引入，但是不仅工作量非常大，同时需要的专业技能也相当的深厚。更可取的方法是通过引入平台化的技术，避免踏进“重造轮子”的泥坑。

-

数字化基础技术：架构更新

在多数的工业/制造业企业，现有信息化的应用系统大多按传统的IT系统垂直架构，以项目制而独立构建，开放性比较低，相对封闭，整合困难，生死难往来，形成多个烟囱式的应用系统，以及多个数据孤岛。同时这些系统一般沿用传统的应用开发模式，导致功能大而全，内部功能模块紧耦合，可复用性低，造成开发工作量繁重，更新困难。这种状况，要打通上述跨越业务边界、部门边界、甚至企业边界的数据主线、价值链主线，实现信息联通和流程联通，以及敏捷开发和迭代更新众多的业务应用软件，以应对日益多变的业务和创新需求，面临着很大的挑战。

因此，对数字化转型的推进需要引入新一代的技术，对现有的信息化技术体系进行重整和升级，只有在新的技术体系之上才能有效地实现对业务系统数字化的重构和提升。上面所提到的互联网技术以及相关的技术则可以成为这一次技术体系重构的技术基础。同时，工业互联网可以作为支撑数字化转型的核心技术体系之一。

比如，优也的Thingswise iDOS平台，把数字孪生体与上面谈到的工业互联网三大功能要素，数据、模型和应用结合起来，作为松散耦合的四大核心功能层，支持新一代的数字驱动的智能工业应用的实现。

这样一个工业互联网平台，可对传统的IT架构进行重构提升，避免和取代烟囱式的应用系统和数据孤岛的形态，为数字化转型以及数字化的持续提升打下牢固的技术基础。

由于工业场景复杂性、需求的多样性，特别是对于安全可控性、稳定可靠性以及对低时延的实时性的严格要求，支撑数字化转型的工业互联网平台必须具有高度的灵活性，特别在部署模式方面，不仅可以部署在不同的公有云上，也可以部署在企业内部的私有云上，具有多云适配的能力，并且能够部署在生产环境的边缘端，支持不同应用场景对部署模式的要求。

数字化的提升机会

不同的企业信息化发展的程度是不一样的，不少企业还处于信息化水平低，在日常的生产过程中存在大量手工输入的工作，效率很低下，很难对于生产过程发生的事件实现及时响应。另一方面，这类企业还缺乏操作辅助系统对操作进行指导、防错和追溯。进一步来看，即使一些企业建立了不少垂直化信息系统，但并没有将这些系统打通，导致对生产过程缺乏全局的了解和管理。除此之外，还有另外一个问题就是远程监控的能力。在目前很多的生产环境中，当出现问题的时候，需要派人到现场去调查。所有这些现象在不同行业存在的程度不同，但是，总体来看，整体数字化提升空间是非常大的，而工业互联网可以为解决这些问题提供一个很好的技术手段。

另外我们可以谈谈工业互联网上云的问题。在工业互联网应用中会牵涉到大量的数据，设备的数据、工艺的数据，很多企业对于这些数据的安全性以及自主可控性还是有不少的忧虑，这是可以理解的。其外，对于工业互联网大量数据的上传，怎么保证稳定性和低时延也是一个需要考虑的技术问题。但是，如果能够上云，可以降低整个数字化应用实现的技术门槛，成本也会大幅降低。同时因为实施过程的周期也会大幅的降低，也更能够早见成效。那么怎么去平衡这种风险， 目前也没有一个简单的答案。首先要解决安全性的问题, 要实现工业PaaS和SaaS的安全可靠。其次是要建立商业的机制，保护客户对他们数据的权利。在不少的场景下，要满足对数据的安全可靠和低时延要求，工业智能应用必须在边缘部署。在其它的场景下，可以上云部署。最终的模式大多会是是“边-云”混合式的。总之，需要根据具体应用的特征、业务需求、业务风险进行平估，以获得切合实际的模式。

问答环节 

Q：如何看待跨行业的问题？

嘉宾林诗万：消费互联网有个特点，它面向的是消费者，每个消费者就算跨越文化、跨越国家，其需求是相当接近的。消费互联网讲的是流量，用户数量的规模至关重要，而能实现我们能看到的这种规模是由于每个人之间的需求都很接近，所谓的市场的通用性很强，因而，可以规模化空间很大。

在工业里不仅行业之间有很大的差异性，而且在每个行业的细分行业，甚至行业里面的不同场景，需求的差异性都是非常大的。

刚才问的谈到的跨行业问题，就只看流程工业的能效，也有一定的差异性。但是，也要看到不同行业之间有一些共通的东西，工业互联网平台本身就是可以跨行业的。当然，在平台上针对不同的行业搭建不同的数字孪生体，这个是针对行业而建的。

举个例子，很多行业都配备和使用锅炉。锅炉的效率提升具有跨行业的通用性，当然对每个行业必须做一定的调整、适配等。锅炉的上下游设备也可能有一些差异性。但是，建立于在工业互联网平台的智能应用，可以提供大概70-80%软件的基础功能，在这基础上再根据不同行业搭建不同的数字孪生体，进行进一步的抽象、配置、适配和调节，甚至做一些定制化的开发，这些是免不了的。这些过程，不像我们在消费互联网下载一个APP，基本上不需要做太多的配置，马上可以用。这种情况在工业上几乎不存在，在业务层上面，如财务管理软件，客户关系管理软件等，不同的行业之间的通用性还强些。但是，对于工业互联网所面对的运营环境里，差异性还是相当强的。所以，必须有一套好的技术框架去应对，尽量对具有共性的功能进行抽象解耦，把具有通用性的功能作为平台功能来提供，避免在开发具体应用时的重复性劳动。同时，也需要在应用的设计上做工作，提升应用的通用性，不仅能够比较敏捷地根据现场条件进行适配，同时，在做一些定制化开发的时候，在也可以在通用功能的基础上面实现。 

类比于当年互联网时代，做网络基础的操作系统平台，属于做基础设施的公司。真正互联网和移动互联网普及之后，最后商业价值比较大的可能是剩下的几十个 killer APP，但一开始没办法完全预料他们商业模式的演变。

Q:现阶段我们肯定还是标准的To B商业模式。公司未来会有一些什么样的变化？还是会保持这种状态？

嘉宾林诗万：有些服务于制造业的服务商，通过数据上云这种方式，为这些企业做服务，因为掌握了数据，具备对某个细分行业的生态进行调配的能力，反过来会有机会在该细分行业或生态里，获得业务的主导权，有点反客为主样子，作来丁总所说的小地主。对于这种模式，面向中小企业的客户群，我觉得有一定的机会。但是对大型企业，特别是工业企业的客户群，这种模式很难。就优也而言，目前面向流程工业，先不提其它的行业，就钢铁企业而言，也有几百家，服务于这些大企业的公司，助力于他们提升数字化转型能力，实现价值，对于优也来讲，其商业模式的发展空间也非常广阔。

 

Q：林博士认为工业领域的数字孪生的发展方向会有哪些？目前存在的最大的问题会是什么？最终会往什么样的形态去发展？

嘉宾林诗万：数字化表征是进行数字化提升的技术基础。

行业上对数字孪生的理解有很大的差异性，很多时候提到数字孪生，大家认为就是一个3D仿真，在3D仿真的基础上表征一些设备的状态数据，这仅是一个可视化的需求，让人能够更直观地看到设备状态、生产过程的状态。但这并不是数字孪生的全部，甚至不是它的基础。

数字孪生体是把现场里采集到的设备还有其他物理实体的数据，能够在数字空间以逻辑性、系统性地进行管理表征，更容易地对这些数据建立各种各样的算法模型，进行实时计算，得到对设备运行、生产过程、现状工况的实时认知和洞察，然后通过业务逻辑转换成最佳决策，并通过对设备或生产过程的操作对所作的决策实现执行。所以，数字孪生其实要动态地去映射这种状态，而不只是简单的可视化表征的问题。

现在所面临的挑战在于针对某个行业建立数字孪生体系，需要比较全面和深厚的工业知识，不是仅是IT的工作，OT的贡献非常重要，IT只是提供工具，OT提供内容。我们的希望是各行业能够聚合行业的技术力量，建立成该行业的标准数字孪生定义，因为虽然在行业里每个具体的生产环境设备的配置会有差异性，但是所用的设备类型大致相同，需要解决的问题也具有很强的共性。这种定义的话一旦建立起来以后，到了一个具体的场景，就可以根据具体部署现场的设备配置进行适配，就可启用。

这样的数字孪生的标准从长远来看很重要，目前建造新的工厂，设备供应商也开始提供数字化交付，但是基本局限于与设计和安装相关的图纸和文档等。如果有了数字孪生的标准，这些设备供应商在交付实体设备之外，同时也可以交付基于数字孪生标准所建立的数字孪生体的软件包。基于标准的数孪软件包，很容易就可以插入生产现场的也支持这些标准的平台，无需重复开发，会加快智能化生产管理系统的实现。对于设备，没有比设备商更了解内部的结构和特征等，由他们来提供设备的数字孪生再适合不过了。

推荐阅读

AI下半场，最根本的是创造价值，而不是算法或产品 | 超级沙龙

投资人眼中的AI机遇：AIoT里将涌现下一个互联网式机会 | 超级沙龙

“超级观点”栏目现发起“特约观察员入驻”计划，邀请各赛道的创业者、大公司业务线带头人等一线的商业践行者，在这里分享你的创业体悟、干货、方法论，你的行业洞察、趋势判断，期待能听到来自最前沿的你的声音。

欢迎与我们联系，微信：cuiyandong66；邮箱：guanchayuan@36kr.com