最近工業大數據領域相當熱鬧。12月7日，阿里云宣布聯手蘇州高新區舉辦天池工業AI大賽，利用機器學習來預測產品質量，為ET工業大腦尋找更多精良算法。12月8日，聯想集團發布數據智能戰略，宣布布局工業大數據，目標是未來五年賦能十萬家制造企業。也是在12月8日，涵蓋AI、大數據、物聯網、云計算、機器人等諸多領域的80家企業宣布成立中國工業大數據產業應用聯盟，目標是為工業大數據在各個行業落地提供技術、平臺、標準等多方面的能力支撐體系。

目前，中國正在積極推動制造業轉型升級，如何利用工業大數據來加速中國制造業的轉型升級，加速培育工業大數據供給側競爭力，備受關注。

數據利用關乎

中國制造業未來

12月14日，百分點公司董事長蘇萌在演講中向臺下的觀眾詢問一個問題：“下一個世界工廠會在哪里？”臺下的觀眾給出了各種各樣的答案。蘇萌搖頭表示可能都不對，蘇萌認為，下一個世界工廠會是無人工廠，未來制造和人口無關，更在于背后的智能決策、智能制造。

智能決策、智能制造離不開數據，數據將成為未來的“石油”，是關鍵的生產要素之一。

“擁有龐大制造業群體和完整制造體系的中國有著全球最多的工業大數據，中國應該抓住這些‘數據富礦’，釋放數據價值，加速中國制造業轉型升級，在這一輪全球化的制造業重構中成為制造強國。”聯想集團全球副總裁、數據智能業務負責人田日輝表示。

目前已經有不少中國制造企業在利用數據上嘗到了甜頭。

提質增效是中國制造業企業重要課題。光伏切片生產有著十分精密的工藝流程：一根僅0.1mm粗細的鋼線不斷摩擦硅錠，最終切出一片片僅0.2mm厚的硅片。車間的濕度、溫度、砂漿上下部溫度、導輪上下部溫度等上千個參數在實時影響著生產。如此復雜的生產環境下，人工經驗很難100%地保障產品質量。協鑫光伏與阿里云合作，將所有車間數據傳入ET工業大腦，通過人工智能算法，對所有關聯參數進行深度學習計算，精準分析出與良品率最相關的60個關鍵參數，并搭建參數曲線，在生產過程中實時監測和控制變量，生產良品率提升1個百分點，每年節省上億元的生產成本。

對于鋼鐵行業，“鋼包”的不可感知是現在影響鋼鐵行業成本效率的關鍵因素。在煉鋼廠系統中，鋼包是鋼水儲運和二次精煉的關鍵容器，承擔著鋼水從轉爐到連鑄平臺的轉運任務，每天全國有上萬個鋼包在線運行。由于鋼包屬于高溫移動物體，傳統手段無法實現對鋼包的狀態感知，無感知的鋼包成為影響鋼廠效率、成本、能耗和安全的重要因素。寶鋼公司與百度云合作，通過對傳統鋼包進行智能化改造，實現對運轉溫度、壓力的動態采集，同時輔以熱成像視覺監測技術，形成鋼包狀態信息“黑匣子”，實現對鋼包實時運行狀態的智能感知。利用百度云平臺的運算能力和人工智能技術，對數據進行全方位分析、診斷、預測，使鋼包由感知狀態突破到認知境界，進而實現對精細化生產、設備安全、節能降耗和供應鏈優化的決策支持，每年創造的效益超過百億元。

連接消費者的能力是傳統企業非常重要的一個競爭力，每一個制造企業都希望精準、快速地找到消費者。上海汽車通過與騰訊合作，利用騰訊大數據和LBS能力，通過大數據分析上汽集團信息實時觸達狀況，通過觸點、卡包、微信紅包等互聯網手段，觸動潛在客戶到達4S店，簽單率提升了數十倍。

目前，中國的工業企業利用大數據獲益之路才剛剛開始，只在一些領先的大企業中看到了成功的案例，大批的企業利用大數據還面臨著一系列的挑戰。“比如說數據分散孤立、數據應用技術門檻高、缺乏龍頭企業引領、行業合作機制不健全等。這些都極大地制約了工業大數據應用的深度和廣度。”聯想集團副總裁童夫堯表示。要想破解諸多難題，我們需要加速提升工業大數據供給側能力。

工業大數據

供給側加速發力

如何加速中國工業大數據產業供給側的競爭力形成？目前全球的工業大數據領域都處于剛剛起步階段，還沒有形成巨頭型的企業，在工業大數據產業發展的窗口期，中國有機會利用龐大的制造業群體優勢與中國消費互聯網的組合優勢來加速中國工業大數據產業的競爭力形成。

其一要加速發展和培育工業大數據領域平臺型龍頭企業。平臺型龍頭企業將在推動工業大數據發展與應用中扮演舉足輕重的角色，大數據平臺型企業的發展，能夠快速降低工業大數據利用的門檻，降低成本，讓更多的中小企業更容易、更便宜地從數據中獲得價值。在不久前舉行的中國工業大數據應用聯盟成立儀式上，工業和信息化部信息化和軟件服務業司司長謝少鋒在講話中提及，要強化企業的主體作用，培育壯大一批大數據企業，引領產業加快發展。

從目前來看，中國有三類企業有望發展成為工業互聯網、工業大數據的平臺型企業。一是以阿里云、百度云和騰訊云為代表的公有云服務提供商。這些企業有強大的計算資源、有AI算法能力，還有投入的決心，目前都在積極地向工業領域進行推進。二是以聯想為代表的IT制造企業。用聯想高級副總裁、聯想創投集團總裁何志強的話說，聯想本身是制造企業，又屬于IT領域，基于自身的大數據實踐，由己及人向更廣更深的制造業擴展，并聯合更廣闊的生態伙伴，應該能夠有理由成為領先全球的工業大數據平臺服務商。三是以三一重工、海爾集團等為代表的大型制造企業，他們有多年的制造業背景，基于自身優勢發展工業云、工業大數據，同樣有望成為專業型的平臺企業。

其二要加速推進工業化與新一代信息技術的融合。要想讓制造業從工業大數據中獲益、獲得智能是一場沒有終點的旅程，需要工業領域與IT領域更緊密地攜手前行。阿里云人工智能科學家閔萬里曾經透露，阿里云在找到工業試點企業之前曾經到20多家工業企業，是吃了閉門羹的，不少企業認為阿里是做電商的，也就是懂得電商和營銷數據，并不了解工業數據，最后敲開一家工業企業的門，讓他們把數據輸入阿里云的ET工業大腦上，見到了實時效果，才有了不斷向更多企業推廣的機會。

聯想集團董事長兼CEO楊元慶透露，聯想集團在全球有10個數據中心，每天新增的數據量超過30TB，每天處理的數據超過150億條。這些海量數據支撐了聯想從產品開發到供應、到制造、到市場營銷再到服務全價值鏈的智能運營。聯想就想，能不能把自己的數據實踐也應用到其他的制造企業，于是找到了寶鋼，一起聯手做了鋼鐵的銷量預測系統。通過大數據算法構建需求預測模型，借助機器學習和知識圖譜來發現和探索，挖掘出數據與業務之間的關聯，幫助寶鋼實現精準預測鋼材需求。結果是預測精度在92.2%以上，庫存周轉時間縮短了20%，客戶采購資金節約了上億元。

要想從數據中釋放價值，需要計算能力、算法能力以及行業知識、行業經驗，而這些需要IT能力與工業行業能力進行融合。而且數據的利用是一個長期之旅，“目前我們從工業大數據中獲得的也僅僅是‘可見價值’部分，還有很多未見的‘潛在價值’沒有觸及。”美國白宮信息物理系統與美國挑戰項目顧問、上海交通大學先進產業技術研究院首任院長李杰表示。

其三要解決問題、找到場景、找到可持續發展路徑。作為全球工業互聯網的代表企業，美國GE目前所陷入的財務困境，讓許多想進入工業互聯網、工業大數據領域的企業望而卻步，中國的工業大數據企業究竟應該如何走通這條路？

田日輝認為：“解決工業企業問題，讓制造業企業看到實實在在的效果，是推進工業大數據發展的務實之路。只有解決企業的問題，讓企業看到實實在在的效果，制造業企業才能夠買單。”這或許就是李杰教授所言的從可見價值入手，而包括質量檢測、節能減排等都是可以快速見到結果的“可見環節”。從目前聯想給出的數據場景和解決方案來看主要包括了“基于機器視覺的質量檢測”“故障預測與健康管理”“產線實時監控”“數字化營銷”“智能供應鏈”“銷售預測管理”“智能客戶關系管理”“產品輿情分析”“移動設備運營分析”等。

應該說，比起歐美企業，中國企業推動工業大數據發展更為務實，海爾集團首席數據官殷皓曾對《中國電子報》記者表示，海爾成立工業云事業部、推動工業互聯網的發展，不會走燒錢路線，一定是要財務盈利的，會從海爾自己以及生態鏈的制造企業開始布局試點，不斷拓展。