0
2015年3月22日，在“2015中國IT領袖峰會”上，馬化騰、李彥宏、楊元慶、馬云、雷軍等一眾IT界大佬就“風口”一說進行了激烈爭論，也是在這場峰會上，形成了后來的「風口論」。
無論是隨后的人工智能、物聯網、5G，還是AR/VR、智能音箱、智能家居，都是風口上的新興產物，這些也都是互聯網領域的風起云涌，似乎與傳統制造業無半點關聯。
2019年，有所不同的是，這陣風吹到了制造業，在國內制造業整體效益欠佳的情況下，數字化轉型升級似乎成為國內制造業尋求突破口的一個重要方向。工業互聯網概念一時成為2019年最熱的一個“風口”。
當這樣一個風口彌散著“提質增效”、甚至“彎道超車”的味道時，整個市場興奮了起來，數百家平臺型企業、數千家相關生態企業開始狂歡，尤其外加國家政策的推動，包括互聯網、制造業巨頭紛紛涌入，行業內也不斷出現初創企業。
然而，傳統制造業面對當下這一風口時，雖然心底也有小興奮，但多數還是保持了一貫的謹慎。
畢竟，工業互聯網發展仍處于早期階段，需要怎樣的投入？能為制造業企業帶來什么？鮮有人能夠給出準確答案。
面對這樣的時局，作為平臺型企業的典型代表之一，脫胎于三一重工的樹根互聯已經布局多年。而作為曾在IBM中國研究院有11年大數據方面工作經驗的樹根互聯新任CTO黃勝博士，在近日接受雷鋒網專訪時，就樹根互聯的技術體系進行了梳理，并對制造業企業轉型變革面臨的問題，給出了自己的答案。
管理產品研發體系、技術架構，接下來的主要工作計劃是梳理一個更高效、更適合平臺生態運營的研發體系，以此為我們賦能的客戶持續輸出技術能力。
這是樹根互聯新任CTO黃勝博士入職一個月后，首次對外接受雷鋒網采訪時，對自己這一CTO的職能及接下來工作計劃做出的總結。
樹根互聯由三一重工物聯網團隊組建，是一家平臺型創業企業。作為一家擁有制造業基因的工業互聯網平臺型典型企業，樹根互聯無論是在企業架構上，還是在技術架構上都很有代表性。
相較而言，在IBM中國研究院曾從事過SaaS平臺構建工作，擁有7年數據管理、2年區塊鏈工作經驗的黃勝博士，多少會給樹根互聯帶來些許不同。
對于樹根互聯當下產品體系，黃勝將其梳理為「平臺+2+2」這樣一個發展戰略。
「2+2」是指樹根互聯的四個應用產品：能源管理、資產管理、后市場服務、產業鏈金融。“這些都會以服務的形式提供給用戶，而這就需要搭建一個服務中臺，以更好、更快地去服務我們這些客戶。”
「平臺」則是指樹根互聯的核心產品，根云PaaS云平臺，也是樹根互聯的服務中臺。據雷鋒網了解，這一平臺目前已經迭代到第三個大版本（根云3.0），采用微服務+容器技術，核心架構主要包括三層：設備接入層、云管理平臺、PaaS平臺。具體這一平臺的詳細介紹參見雷鋒網此前專訪報道《兩輪億級融資后，樹根互聯要將工業互聯網帶向何處？》。
在制造業行業中，一般分為兩大類：離散工業和流程工業。
相較而言，流程工業對生產計劃管理、工藝流程成熟度、自動化水平等方面要求更高。因而，起步階段，國內多數工業互聯網企業的目標領域還是相對較為簡單的流程工業。
黃勝告訴雷鋒網，“樹根互聯目前專注于離散工業。”從某種角度而言，這自然也與其自身基因有一定關系。
總體來講，我們會在離散型制造業企業中，從企業整個產線的產能、能耗表現，設備賣出后的后市場服務維度，去對企業及其設備進行賦能，提高企業的生產效率，實現降本增效。
具體到樹根互聯「2+2」中的能源管理，黃勝表示，“在實際產線中，樹根互聯為每一臺生產設備安裝了一個電表，通過電表可以知道每臺設備的能耗情況，甚至可以反向知道設備的開工情況。這樣就可以監控設備的生產效率。例如一些設備在整個生產過程中的某些環節沒有在生產，也沒有消耗，這時候就可以暫停為其供應相應的輔料，相應的成本也可以因此降下來。”
這樣的方案同樣在樹根互聯今年3月結項的廣東蒙泰車間動力系統（空壓機）數字化改造中有應用。
空壓機是氣動控制系統主要（氣源）動力核心，據悉，傳統空壓機由于無法根據車間需求變動準確調節設備參數，只能依據工人經驗判斷，造成生產車間存在壓縮機群配置不合理、運行負載不匹配等問題，這也使得空壓機成為占據很多工廠每年50%—60%能耗成本的“吃錢”設備。
廣東蒙泰就是這樣一家以空壓機為輔助設備支撐車間動力控制系統的化工材料生產廠家。然而，24小時不停機的生產方式讓廣東蒙泰生成車間的壓縮機及其制冷系統組成的動力控制系統每年的能耗巨大。據統計，廣東蒙泰全廠的年能耗總額在1680萬元左右，其中控制車間的年能耗高達800余萬，約占全廠每年能耗的50%，這也成為廣東蒙泰在當下企業數字化轉型中首要考慮的問題。
2018年12月，廣東蒙泰與樹根互聯、廣東盈迅達成合作協議，開始對廣東蒙泰空壓機進行能耗管理升級。據樹根互聯官方表示，從2018年12月11日項目啟動到2019年8月3日項目驗收，在合作過程中，樹根互聯主要做了三方面工作：
增設PLC集控空壓機組，聯動控制空壓機、水泵和制冷系統；
通過與樹根互聯物聯網關進行數據交互，實時采集設備運行數據，將控制系統接入樹根互聯云平臺；
基于云平臺構建空壓站和制冷站的大數據分析模型，就地優化控制系統。
正是基于這三項改造，使得廣東蒙泰可以結合車間的實際生產需求，匹配輸出壓縮空氣量，及冷凍水的溫度和流量。據官方統計數據顯示，在同一工況下實現單位能耗由過去的0.15kwh降低到0.135kwh，每年節約至少77萬元能耗成本，而如此直觀的節能降本投資回收期只需要0.65年。
此外，基于樹根互聯云平臺，廣東蒙泰可以實現通過PC端和移動端對設備進行實時監管，隨時追溯設備歷史狀態，實時處理設備故障報警并遠程控制設備啟停。
這一應用案例中，通過增設自動化、數字化設備采集數據，通過云平臺進行數據分析并決策響應，是當下工業互聯網應用初期大量在做的工作，這樣的工作一方面在彌補國內制造業信息化不足，另一方面通過加入當下較為成熟的物聯網、云計算技術，從而實現兩條腿快走。
當然，國內制造業與國外存在的差異使得數字化工作難以“小跑”突破，雙線部署所需要的成本代價，以及當下工業互聯網暴露出的網絡、安全，以及企業內部IT、OT整合問題，需要工業互聯網企業和制造業企業雙方消化。
樹根互聯現在會做數據分析、做AI算法，但其實在當前階段，AI算法并不是行業最需要的。
對于“AI算法熱”，黃勝持有自己的觀點。
“在當下工業領域中，從提高工業效率上來講，將數據接上來，基于基本采樣數據做一些基本的分析，通過基本的統計分析、查詢分析，就已經可以把工業效率提高很多。”黃勝告訴雷鋒網，“其次，當數據量積累到足夠大之后，才可能實現深度挖掘和分析，而不是一上來就講大數據、做深度挖掘，其實這更是一個學術和媒體講得比較多的概念。”
基本上，查詢性分析已經可以帶來很大的價值，這一塊首先要做好。
這是黃勝在采訪中多次向雷鋒網強調的一個觀點。
當然，無論是前瞻性考慮，還是產業更深緯度布局，用于工業品缺陷檢測的圖像、視頻的深度學習算法，以及尚處研究階段的、應用更廣泛的預測性維護相關AI算法也都是目前不容忽視的。
“樹根互聯內部有一個工業AI組，會根據用戶實際需求，做相應的AI算法。”黃勝告訴雷鋒網。
隨著深度學習出現，算法方面有了一個很大的變化，但是這樣的算法對數據量、算力資源有較強的依賴。目前工業互聯網中主要應用的也是深度學習算法，但是由于數據量不夠，數據質量不高，深度學習算法的實際價值也有限。
此外，樹根互聯也有在基于工業設備的維修手冊構建知識圖譜。“通過將大量工業設備維修手冊數字化，指導工廠維修工單實際應用。”
這樣的工作，在互聯網領域剛受到大數據沖擊時，谷歌也曾做過相同的工作：2011年6月，谷歌與大英圖書館達成合作協議，將大英圖書館的25萬冊書籍掃描成數字版放到互聯網上，意欲以此實現網上圖書館，有點數字孿生的意思。
從網上圖書館、數字孿生，再到現在工業領域的知識圖譜，雖然換了概念，卻做著同樣的事情，即實現物理世界到數字世界的轉化。而這樣的轉化也將為制造業帶來互聯網的高速發展和快速響應的能力。
不過，這樣的能力目前在工業領域仍處于構建初期，即使知識圖譜這類隨著深度學習有所應用的概念，在工業領域還是要從最基本的設備維修手冊數字化做起。
至于當下制造業中更深層次的知識圖譜，與當下制造業中深度學習算法構建同樣面臨著一個關鍵問題：（大）數據采集。
要實現深度學習算法的構建及迭代升級，高質量、大數據的接入是關鍵。
相對于AI算法，黃勝更多強調的是數據采集。
不僅僅黃勝在強調數據采集，像是樹根互聯這樣的平臺型企業，都在強調設備接入量。就樹根互聯根云平臺而言，據官方統計數據顯示，目前根云平臺已經接入各類工業設備超56萬臺，連接超4500億資產。
當下國內制造業升級轉型中正面臨著這樣一個難題：工業環境中，高質量的數據不夠。要知道，深度學習算法是靠大數據“喂”出來的，尤其工業此類對穩定性和安全性有強需求的產業，高質量的大數據對于深度學習算法尤為重要。
為此，業內在端側和平臺側雙向需求改變。在端側，諸多企業開始通過各類高精度傳感器在工業環境中搜集高質量工業數據；在平臺側，不少企業開始涉足「小數據算法」，希望通過技術手段，通過小數據訓練出高精度算法模型。兩類方法在雙向并行，同時也都在深入研究階段。
國內工業環境現狀是，制造業由于數字化相對落后，此前并沒有積累到大量數據，更沒有高質量的大數據。這才會出現前文樹根互聯在為廣東蒙泰做企業數字化改造中雙線部署的局面。這樣的短板，國內制造業企業已經逐漸認識到，并開始彌補。
制造業和數字化、智能化技術的關系是微妙的。
第三次工業革命中在自動化技術應用時，沒有人會想到此前在工業領域的技術迭代進度會由100年縮短至五十年。如今工業、制造業對于智能化技術的需求已經上升到用于提高生產效率、提質增效的高度。尤其在國內，垂直整合、水平整合，以及端到端價值鏈的數字化整合甚至已經在工業領域開始并行，尋求彎道超車。
與此同時，此前工業領域由于場景相對封閉，很多技術在提出時并沒有太多考慮安全性問題，諸如OPC、MODBUS等工業協議并沒有考慮完整性、機密性、地址真實性等問題。諸如此類問題都堆積到了平臺側，成為當下工業互聯網發展需要考慮的問題。
“大家現在習慣性將各類技術需求堆積到平臺側，首先，在實際應用場景中，對于某些工業應用，安全可能不是最亟需解決的問題，”黃勝以這些年的行業工程應用經驗總結稱，“其次，對于對安全性有強需求的應用場景，現在的主流做法是對設備控制器或傳輸協議做一些補充，例如在設備側可以加入證書體系（身份體系），設備端和云端通過證書體系匹配機制進行校驗，通過對稱加密或非對稱加密進行數據加密，保證數據在傳輸過程中的安全性。”
這也是樹根互聯在設備側、云側及數據傳輸過程中就安全性做的主要工作。
除此以外，數據加密領域還有一項酷炫的加密技術——同態加密。
所謂同態加密，即無需先解密出明文文件才可以編輯加密數據，也無需完工后再加密回去，在不解密數據的情況下直接操作加密數據的一種技術。這項技術由IBM克雷格?金特里(Craig Gentry)發明，并在2015年發布了HElib C++庫第一版，其研究團隊在2018年最新發布的論文中提到，“發布在GitHub上最新版的HElib重新實現了同態線性變換，性能得到極大提升，速度加快了15-75倍。”
即使最新版本的同態加密算法，目前仍難以在實際產業應用中發揮效應，黃勝認為，這一算法當下面臨的主要挑戰是：
同態加密算法復雜度很高，復雜度仍難以降下來，這將導致計算成本和計算時間消耗巨大，原本一分鐘跑完的算法，可能用同態加密要跑一個小時。
工業本身就是一個對安全性有強需求的應用領域，因而，這些酷炫的加密技術是很有市場的，尤其當下大數據時代對數據安全性帶來的挑戰，進一步引起了各行業對安全性的關注。然后，對于亟需解決提質增效的中國制造業而言，如何權衡安全性和經濟、技術發展速度，仍是一個挑戰。或許，這時中國制造業從兩線跑要再加上對安全性的考慮，并行發展，這也將需要更多實用性的加密技術的出現。
平臺型企業的硬實力和軟著陸
互聯網時代，平臺型企業發展模式很成功，出現了BAT這樣的巨頭企業，這也使得隨后無論是安防領域、家居領域，還是當下的工業互聯網領域，平臺型企業無疑是最受關注的企業。
據統計，目前國內工業互聯網平臺型企業已經超過300家，而且這一數量還在上升。
作為擁有制造業基因的典型平臺型企業，樹根互聯如何理解平臺這個概念和分類？
黃勝認為，當下很多“平臺型企業”做的并不是真正的“平臺”，目前來看，“平臺型企業”做的“平臺”可以分為三類：應用、應用平臺、賦能平臺。
現在很多平臺型企業只是做了一個應用網站，真正的應用平臺需要有大量中臺能力做支撐，這其中包括SaaS中臺和制造中臺，中臺能力不強的話，就會需要對遇到的每一位客戶做定制化。
黃勝認為，阻礙平臺迭代升級、平臺發展的關鍵是大量數據的接入和工業協議的接入。平臺需要大量的實時分析工具和歷史分析工具，以此來構建一個真正的賦能平臺。
“樹根互聯的定位是做平臺、做生態。”不同于互聯網企業做的基礎平臺生態，樹根互聯更將自己定位于整合應用生態、設備接入生態的賦能平臺，這也使得其將自己定位于中心地帶。
平臺型企業眾多，生態環境卻差強人意，這是當下的工業互聯網現狀。顯然，工業互聯網發展還未進入生態整合階段，無論是各家基于自己的平臺進行生態構建，還是小規模的合縱連橫，也都是當下這個發展階段所要經歷的一個過程。
與此同時，平臺企業更需要考慮的一個問題是，如何加快平臺諸如數據接入、工業協議接入、算法及知識圖譜的構建這些硬實力，加快生態構建的進程，讓中國制造業找到真正的彎道超車點。
然而，工業互聯網，真能讓中國制造業彎道超車嗎？
在雷鋒網與諸多知名企業高管溝通過程中，也發現了這樣一個問題：
國外企業都在講信息化、數字化時代的落后不會成為中國制造業發展的阻礙，中國制造業將會在工業互聯網時代彎道超車；國內企業則在談，無論是信息化，還是數字化，中國制造業首先要做的是“補課”，隨后才是趕赴工業互聯網時代。
由此也可見，國內很大一部分在做工業互聯網的相關企業，首先在做（或并行在做）的是為制造業企業做信息化、數字化建設。
對此，黃勝也表示，“事實情況是，國內制造業的數字化的確相對比較落后，所以需要做數字化建設工作，只是說數字化建設過程中可能存在彎道超車的機會。”
這樣的機會主要體現在三個方面：
第一，一些新傳感器技術、標識解析方法的出現，使得此前需要消耗大量精力采集的數據能夠快速部署、采集；
第二，視頻數據分析技術的提升，使得此前在控制器上部署的諸多傳感器現在無需再部，通過視頻分析技術實現數據分析；
第三，大量行業相關的數據分析能力，可以通過優化當下平臺技術架構，積累機理模型，與AI模型一起推進制造業中的數字化和智能化進程。
2019年9月4日，工信部公開征求對《工業大數據發展指導意見（征求意見稿）》的意見，并提出：到2025年，工業大數據資源體系、融合體系、產業體系和治理體系基本建成，形成從數據集聚共享、數據技術產品、數據融合應用到數據治理的閉環發展格局，工業大數據價值潛力大幅激發，成為支持工業高質量發展的關鍵要素和創新引擎。
由此也可見國家對于推進工業互聯網的決心。
與此同時，我國制造業在信息化、數字化時代的落后，也讓此次面對工業互聯網時，需要同時解決數字化的問題。這一方面使得制造業企業、工業互聯網企業同時面臨雙線，甚至多線并行的局面；另一方面也加重了制造業轉型升級的成本壓力。如何權衡，如何推進，這仍是當下需要在工程實踐中尋求答案。
此外，就更受關注的工業互聯網技術發展進程而言，無論是在AI算法、知識圖譜構建，數據加密算法研發，還是工業互聯網平臺數據采集、數據分析、工業協議接入的基礎能力的搭建，這些也都在初期進程中，更多產業推進成果，還有待五年，甚至十年后的產業答卷。
相關文章：
專訪天澤智云：解析工業智能化升級硬傷，以及百萬工業APP該如何造？
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
