探究新技术的本质与制造业数字化转型趋势

一、新技术层出不穷，技术的本质是啥？

1 什么是云，为什么说云是智能世界的“黑土地”

1.1 云的定义

云的定义看似模糊，但本质上，它是一个用于描述全球服务器网络的术语，每个服务器都有自己独特的功能。云不是一个物理实体，而是一个庞大的全球远程服务器网络，它们连接在一起，旨在作为单一的生态系统运行。这些服务器设计用于存储和管理数据、运行应用程序，或者交付内容/服务（如视频短片、Web 邮件、办公室生产力软件或社交媒体）。不是从本地或个人计算机访问文件和数据，而是通过任何支持 Internet 的设备在线访问 - 这些信息在必要时随时随地可用。

1.2 数字化转型的阶段

1. 数字化转型 1.0 时代：云原生互联网企业上云

如果说物理世界的基础设施是电，那么云业务的数字世界基础设施就是算力。云的本质就是算力。华为公司也认识到未来世界的基础设施就是算力，2017 年全面战略投入了云计算这一领域，动作频繁，声势浩大。

Synergy Research 的数据显示，全球范围内的“五朵云”提供商按市场占有率分别是亚马逊 AWS、微软、谷歌、阿里巴巴，以及 IBM 和 Salesforce（两者并列）。

2018 年 9 月华为全联接大会上，华为轮值CEO郭平就放出豪言：“华为有决心、也有能力和伙伴一起，在智能社会时代打造全球‘五朵云’之一。”

2. 数字化转型 2.0 时代：企业数字化转型

与此同时，云计算也从云原生互联网企业上云 1.0 时代进入了千行百业（特别是制造业） 数字化转型的 2.0 时代。

对于传统制造业来说，数字化上云最关心的点就在于安全，对安全问题是更被重视的。它们可能对企业上云的优劣其实是感知不大的，但他们对安全问题的要求很严格。

安全问题的首要就是认知问题，就像以前的祖辈习惯把钱存在家里，比如放入瓦罐里，又或者埋在地下，这也是为了安全，但这种方式带来的弊端就是可能纸币会腐烂、金币会生锈。但如今这个时代，几乎很少有人把钱会存在家里了。这就是人的认知带来的改变。

同理，现在的企业都喜欢把数据保存在机房的服务器里，但是我们也能发现，这种物理实体的机房的弊端也很明显：

• 占用空间
• 耗费电力
• 可扩展性差
• 需要额外的安装和维护
• 配置复杂

但云服务器却完美避开了上述缺点。而且从安全性的角度来看，云服务器也是要比物理服务器安全的：

• 外部环境的影响：自然灾害如火灾导致物理数据丢失，一旦没有做容灾备份，就无法恢复
• 黑客攻击的影响：云服务器更强调安全，具有天然防 ARP 攻击和 MAC 欺骗，快照备份，数据永久不丢失
• 自身硬件的影响：硬件设置用久了也容易发生故障，一旦宕机，不仅容易丢失数据，还容易影响用户体验，丢失用户。但云服务器可以故障自动迁移，一台云服务器出现故障，部署在上面应用可以自动迁移到其他云服务器上

2 人工智能

2.1 “鹦鹉学舌”到“乌鸦喝水”的人工智能

当前人工智能的模式可以分为两种：鹦鹉式人工智能和乌鸦式人工智能。

“今天的人工智能被称为是‘窄人工智能’，就像学人话的鹦鹉，而我们未来要做的是‘通用人工智能’，应该像聪明的乌鸦一样。”

从小我们就听过的故事中可以看到这两种人工智能的区别：鹦鹉只能学人说话，是简单模式的重复模仿；但乌鸦会自己捡石头喝瓶子里的水，乌鸦喝水则是自主激励的长期洞察。

2.2 人工智能的 3 层结构

• 基础层：AI 芯片 CPU、GPU、NPU、FPGA、AI 开发工具，中台，开发语言，数据挖掘工具。国内的公司百度和华为在从事 AI 基础层的研究工作。
• 技术层：根据算法用途可划分为计算机视觉（图像识别、视觉识别、视频识别）、语音交互（语言合成、声音识别、声纹识别）、自然语言处理（信息理解、文字校对、机器翻译、自然语言生成）
• 应用层：主要包括 AI 在各个领域的具体应用场景，比如自动驾驶、智能安防、新零售领域

2.3 人工智能的现状

目前人工智能发展面临很多需要解决的问题，但本文举出几个现状：

1. 人才紧缺：AI 设计领域广，学科复杂，需要各种算法人才，据相关统计，AI 人才缺口达 30 万以上
2. 高价算力：AI 算力价格高，核心也在于过度依赖海外的技术和硬件，比如对英伟达依赖性强
3. 国产化之路：正是由于前面的现状，所以 AI 国产化算力之路和通用算力一样艰辛

3 区块链——可信数字化资产

区块链本身是一项技术，并不是币圈从事的那套割韭菜的套路。区块链是加密算法、分布式技术、共识算法、激励机制等一系列技术的总和，可用于解决如下的显示问题：

• 去中心化、去中介化、构建平等协作的价值合作网络
• 合作化、高可信、支持可信存储、多方认可的商业运作

数字化世界，数据就是资产，因此满足可追溯、可交易、可评估等特点。云作为底座，那么区块链就是实现可信交易的上层技术。

4 工业互联网

很多人会说中国的制造业——大而不强。为什么呢？因为我们只在制造本身大，服务制造业的体系却很弱。

工业互联网的本质是工业服务业能力的整合/提升，核心是帮助工作企业数字化转型。

• 一方面，工业互联网雨后春笋
• 一方面，中国工业服务业非常落后，懂 IT 的不懂制造业，懂制造业的不懂互联网

工业互联网的本质：通过数字世界算力和算法来连接与驱动工业资源配置优化和价值链的协同，实现提质降本增效。

制造业最关注和最核心的在于：质量、成本和交期。但这三者之间有有着相互矛盾，比如为了把质量做好，成本提升了，交期也上去了。真正做到这三者同行业最优，需要企业进行一定的创新。

工业互联网的公式：Data + Model + Algorithm = Application 数据 + 模型 + 算法 = 应用（工业软件），工业软件是工业的灵魂。

最后我们来看一下工信部对工业互联网的定义：工业互联网平台是工业全要素、全产业链、全价值链连接的枢纽，是工业资源配置的核心，以降本增效为最终目标推动企业数字化、网络化、智能化升级。

二、制造业数字化转型

2.1 中国工业企业面临的挑战

中国工业企业在当下既有挑战也有技术：

1. 提升生产经营管理效率 Efficiency

经济下行，劳动力成本持续上升等原因对企业经验管理效率提出更高要求。2015 年到 2015 年这十年期间，中国的劳动力成本上升了 5 倍。

2. 产能过剩向高质量发展转型 Quality

多数企业属于中低端制造业，附加值低，需要提升产品技术创新能力，提升产业价值。 2015 年时，中国人均制造业增加值 2377 美元，美国 6434 美元，德国 8371 美元

3. 促进商业模式创新 Business Model

大量中小型制造企业利润率低，需要将自身的能力融入社会化生产体系，获取更多市场机会，通过创新性金融服务解决贷款难的问题。中国制造业企业平均税后利润率 3.3%，五分之一企业利润率为负数

4. 降低信息化/数字化应用门槛 Digitalization

700 多万中小型制造企业信息化水平参差不齐，多数中小型制造企业面临资金压力需要更低成本，更便捷的信息化产品服务。2013 年至 2017 年，企业信息化投入占销售收入比例在 0.24% 至 0.26% 之间波动。

2.2 工业领域优化需要围绕三个核心业务流程

钱->产品，产品->钱

2.3 数字化转型：Experience & Efficiency & Business Model

• 提高用户体验，客户互动，信息可视，可感知。关注客户满意度和营收增长
• 提升效率，质量，成本，交期全面提升，不是相对优势，而是绝对优势。关注核心运营能力
• 模式创新，结构化变化。提供开放、创新、生态化的模式

2.3.1 企业数字化转型的 5 个转变

1. 转意识：针对企业的一把手而言，要有数字化改革的意识
2. 转组织：对整个组织，以前是单部门作战，一方对另一方提需求，如业务部门对 IT 提需求，可以转化成立联合团队
3. 转文化：为客户创造价值，对他人产生的贡献，利用他人产出的贡献
4. 转方法：业务对象数字化，业务流程数字化，业务规则数字化
5. 转模式：存量应用、新增应用、数据湖

2.3.2 工业企业数字化转型实践路径

• 数字化（上云用云）：云计算通过资源池化、弹性供给和按需付费，大幅降低硬件成本、软件成本、部署成本、运营成本
• 网络化（协作协同）：实现产品数据纵向继承，业务系统横向集成，IT 和 OT 集成，促进单点/局部智能演进至全局优化
• 智能化（共享共赢）：云边端全栈 AI 技术实现企业智能生产和智能运营，支撑工业企业数字化转型

三、总结

本文介绍了云的定义，是智能世界的“黑土地”，在这块土地上有众多的技术发展如人工智能、区块链、工业互联网。针对中国工业企业面临的挑战，探讨了企业数字化转型的相关知识，转型优化的流程和关键步骤和路径。

如果说：

• 工业 2.0 时代，看企业用电量
• 工业 3.0 时代，看企业用云量
• 工业 4.0 时代，看企业用智量

那么未来的工业企业竞争一定是智能化的争夺：智能工厂、智能制造、智能配方等等。从制造工厂到智能时代，是产品革新与进化的必然过程。希望更多的企业能加入数字化转型之路，成为行业的智者与先锋。