來源 | 阿裡雲研究
編輯 | 阿裡雲研究中心 張楠
編者按：
2021年達摩院十大科技趨勢之一是“工業網際網路從單點智能走向全局智能”，如何看待這一趨勢、如何解讀全局智能、如何擁抱全局智能？本文為您解讀。
導語
2020年底，阿裡巴巴達摩院釋出了《2021年達摩院十大科技趨勢》，作為身處科技探索最前沿的研究機構，梳理了科技領域最重要的趨勢，這些趨勢中既有能觸動現在科技底座的基礎研究，也包含了指引行業發展的最新應用方向。其中三項和具體應用相關的趨勢中有一條就是針對工業的，描述了目前工業的數字化轉型的重要方向：“工業網際網路從單點智能走向全局智能”。2021年已經過半，我們站在當下再次梳理這個趨勢，工業網際網路是否在沿着我們當初的判斷發展，為何這樣發展，應當做什麼？
全局智能應用和建設逐漸提升
1.單點智能與全局智能是什麼
提到工業智能化，大衆的第一個聯想到的畫面大多是機器人。在工業時代，機器人被視為制造業皇冠上的“明珠”，一個個看似高大笨重的工業機械臂在工廠裡靈活的舞動着各式工具，沖壓成型、焊接部件、噴塗車漆、整體裝配，然後一輛輛嶄新的轎車從生産線上緩緩駛下。對智能制造有所了解的人會馬上想到更多人工智能在制造環節的應用，比如通過機器視覺判斷産品表面是否有瑕疵、通過機器學習預測裝置的運作狀态進而及時維護等等，在從智能制造成為整個經濟社會的熱點以來，這些智能應用被越來越多的企業和普羅大衆關注，尤其是衆多的初創公司和工業玩家紛紛根據自身優勢尋找細分賽道領域，在一個制造環節點上形成産品或者解決方案，例如傳統的工業視覺領軍公司康耐視，在多年前就推出了基于深度學習的工業圖像分析解決方案。
但是，上面提到的這些智能應用都有一個共同特點：解決碎片化的需求。也就是它們都是着眼于獨立的制造流程，甚至是單一的工位，通過先進感覺和人工智能算法來取代複雜人工或者經驗判斷的應用，我們将其定義為單點智能應用。它們通常以更快、更省和更可靠為目标，應用落地直接清晰（隻影響産線中的孤立環節），有明确的投入産出比計算。正因為有諸多優點，制造環節的這些應用受到了工業企業的廣泛歡迎，也受到了市場參與者的追捧。
圖1：典型單點智能應用
與單點智能應用相對應的概念為全局智能應用。全局應用的作用對象不局限于一城一池，而是希望通過內建和協同，對多個生産環節甚至整個商業生态形成全局影響，進而讓企業的商業效應最大化。全局智能也可以表述為內建，這既是德國工業4.0，也是長期也來我國推動兩化融合的關鍵詞之一。內建在實際應用中有三個次元，縱向內建、橫向內建和端到端內建。
■ 縱向內建将産品的生産制造流程打通，讓工廠的營運數字化、智能化，以垂直一體化與網絡化的制造工廠為目标；
■ 橫向內建着眼在産供銷全價值鍊，讓商品的客戶履約流程形成協同，以價值網絡的優化和靈活為目标；
■ 端到端內建更強調産品生命周期一體化，讓産品從設計到更新得到智能支撐，形成持續增強産品力的有效手段。
■ 更高層次的全局內建跨越不同的次元，應對更大範圍的應用場景，在全局形成智能優化。
然而，不管是哪種內建，實作手段都是跳脫單個應用點，對多個環節進行綜合考量而進行的數智化。典型的應用比如“需求驅動生産”（C2M，Customer-to-Manufacturer）、數智化物流預測、新品創新中心等等。
圖2：智能應用內建概念示意
2.跨域智能和全局智能成為政企關注點，全局智能的企業更受青睐
在年初的十三屆全國人大四次會議上，《政府工作報告》中提到接下來的工作要“發展工業網際網路，促進産業鍊和創新鍊融合，搭建更多共性技術研發平台，提升中小微企業創新能力和專業化水準”。相較于去年所做的報告中“發展工業網際網路，推進智能制造，培育新興産業叢集”的提法，明顯更強調“産業鍊和創新鍊的融合”，不僅要聚焦在制造環節本身，更要向價值鍊上下遊和新的商業模式要增長，對全局數智化提出了更高的要求。
在《第十四個五年規劃和2035遠景目标綱要》中，規劃也強調“在重點行業和區域建設若幹國際水準的工業網際網路平台和數字化轉型促進中心，深化研發設計、生産制造、經營管理、市場服務等環節的數字化應用，培育發展個性定制、柔性制造等新模式。”非常清晰的指出了，産業數字化轉型不應隻關注生産制造環節，全鍊路數智化也是可以賦能産業的重要手段。工業和資訊化部起草的《“十四五”智能制造發展規劃》（征求意見稿）中，也把“加速系統內建技術突破”列為十二項重點任務之一。
不僅政府在積極引導産業關注全局智能應用，資本市場對具備全局應用能力的企業也更為青睐。阿裡雲研究院根據公開投資資訊（IT桔子整理）分析，在近年獲得融資的工業4.0相關投資事件中，對工業客戶提供全局智能應用工具或解決方案的企業投資事件比例在自2018年以來持續增長，尤其是2021年上半年較2020年，比例增長了5%，首次與專注于單點智能的投資事件數量持平，達到了50%。而其中，阿裡巴巴也投資了飛象互聯等具備提供跨行業跨領域的一站式智能制造解決方案的智能工業解決方案提供商，用以增強自身為制造業企業賦能的能力。
2018-2021H1企業投融資事件中單點、全局企業比例
阿裡巴巴不僅看到了這個趨勢，在實踐中阿裡雲自身的産品和解決方案發展也與這一趨勢相一緻。例如， “雲釘一體”、“雲端一體”都是阿裡雲的重要戰略方向，其中“雲釘一體”的核心是要建構最全面繁榮的應用開發平台，釘釘平台可以讓更多的全局應用能夠有一個承載平台來對接碎片化的需求；而“雲端一體”，則是通過端融入雲和推雲入端，用AIoT平台實作萬物互聯下的融合智能，客觀上也将促進全局智能的發展。
全局智能：工業網際網路的終局
那麼，我們為什麼認為“工業網際網路從單點智能走向全局智能”是符合行業現實，并将開創工業數智化未來的趨勢？
1.日益凸顯的沖突
企業全局優化需求與碎片化供給之間的沖突是目前制造業數字化轉型中的基本沖突。
阿裡研究院副院長安筱鵬曾經做出過一個判斷，目前制造業數字化轉型中的基本沖突是企業全局優化需求與碎片化供給之間的沖突。筆者将這一判斷簡單的了解成工業企業的集體“盲人摸象”面對的困難。“識别象”是所有參與者的最終目标，這個目标在企業實際的經營中就是營收、利潤和他們背後的銷量、速度、成本、可靠性等等，企業希望通過數字化的手段去增強企業的競争力，進而擷取更大的商業成功。然而，目前的手段和資訊是有限的，也就是每個盲人去摸離自己最近的大象的身體部位。這在工業企業的數字化轉型中也存在相同的問題，每一個企業從自己熟悉和擅長的領域出發，利用已有的碎片化技術點、生産環節優先級進行試點，希望在不影響整體系統運轉的情況下擷取單點、局部優化成果。有的在推廣MES，有的在做數字精益生産，有的在做裝置資料采集等等。這種方式作為在數字化轉型起步階段的嘗試是無可厚非的，但是如同“立于象側，扪其身，上下左右，摩挲殆遍”就判斷“象之形殆如牆，廣而平，岸然而高者也”一樣，通過單點智能擷取的結果也必然是片面的。
為了滿足企業全局優化的需求，也就是擷取最大化數字化轉型收益的解決方案，就需要解決目前技術供給碎片化的問題。通過拼湊現有的單點智能的碎片、甚至是放棄現有的碎片化技術供給而搭建全局智能的架構，來嘗試從全鍊路、全要素的角度給出全局智能的解決方案，才是工業網際網路的終局。
圖4：數字化轉型的“盲人摸象”
2.逐漸清晰的路徑
單點智能是自動化和精益生産的延續，全局智能是新的管理和商業模式的起點。
在工業數字化轉型的實踐中，我們看到了大量的智能應用集中在工廠内部，尤其是現場層，例如工業現場和裝置控制、工業視覺智能、工業裝置預測性維護等，這些的确也是數字智能工廠建設過程中很難繞過的應用。這些應用集中在兩個方向上，一個是經典自動化的漸進式變革，讓以往難以自動化的工作可以被自動化生産所完成。例如經典機器視覺隻可以識别規範擺放的2D物料，而經過人工智能算法加強的機器視覺可以識别随機疊放的3D物料并加以處理。再例如傳統的流水線以處理單一的動作為主，并需要部分人工操作，通過多軸機器臂和傳感技術的加入，可以完成複雜動作。另一個是精益生産的數字化實作，将一些線下或者人工的精益工具通過數字手段進行展示或者操作，例如替代實體的Kanban、Andon系統，将工廠的裝置和勞工的工作狀态數字化并實時進行3D展示。這些應用的核心目标是成本控制，通過對人工成本的替代和加快生産節拍來實作更高的生産效率。是以，單點智能應用通常有相對确定的投入産出比計算，更容易作為數字化轉型試點推進。但是，這種提升的收益以單點的成本為天花闆，持續提升的潛力有限。
如果我們将目光從單點突破轉向更多的制造環節甚至更廣闊的産業鍊、價值鍊，全局智能會發揮更多樣化的作用。例如，C2M的模式利用平台或者銷售端向上遊工廠輸送消費者大資料，向其提供消費者偏好的品類、款式、數量等資訊，然後工廠再根據回報資訊結合自身情況設計并生産相應的商品，也就是做大資料引導下的反向定制。再例如，在AGV、智能排産系統等新技術的驅動下，智能制造島的生産模式協調不同生産環節和生産能力，再一次挑戰串行的流水線模式，為柔性生産創造條件。是以，全局智能應用不僅僅關注單個環節，而是通過驅動資料在不同的環節間流動為手段，開拓新的生産管理模式和商業模式，最終的目标是發現和落地新的商業機會。這種全鍊路的數智化可以讓企業把競争帶入新的次元，避免在成本價格上的貼身肉搏。
是以，企業進行數字化轉型的目标決定了要更多進入哪些應用場景内，單點智能将進一步提升自動化的程度和精益生産的效果，而全局智能則可以從商業上重塑一個企業，甚至一個行業。
圖5：單點智能和全局智能的不同路徑
3.此消彼長的難度
單點智能應用場景已經形成規模，新應用發掘進入深水區；全局智能潛力依然有待發掘。
單點智能天然的有很多全局智能不具備的優勢，正像前面提到的，它們方案簡單，投入有限，落地直接，投入産出比明确，對整體業務影響可控。隻要技術上可以實作，通常深受數字化轉型的決策者和執行者歡迎。相比之下，全局智能應用的推進受到諸多的限制。然而，這一情況正在逐漸發生變化。
首先，單點智能中易實作的應用已被深入發掘，更多的單點數字化轉型應用開發進入深水區。經過工業企業和解決方案提供者近10年的努力，典型的單點智能應用已經在很多數字化轉型先行者的生産環節經過一輪試驗。根據工信部辛國斌副部長2018年底在報道中介紹，自2015年起共遴選出305個智能制造試點示範項目，涉及92個行業類别，覆寫全國境内所有省(自治區、直轄市)，拉動投資超過千億元人民币。在此基礎上，初步建成208個具有較高水準的數字化工廠中的房間/智能工廠。經筆者了解，在這些智能制造示範項目中，除了業務數字化和資訊平台搭建之外，如預測性維護、機器視覺、電子Kanban這樣一些典型的智能應用多有涉及。據IoT Analytics分析，僅預測性維護這一應用的市場規模到2024年就将達到235億美元。然而，進一步發掘已經被大家熟知應用的新機會的實施難度在變大，近年來卻并沒有新的殺手級應用出現。智能應用的技術實作和利用智能應用推動企業成長的困難度已經顯著增大。
其次，各個行業，尤其是網際網路、消費品、金融等行業，在新的商業模式上積累了大量經驗，并且起到了培養大衆使用者和從業者習慣的作用。例如電商的高速發展和逐漸成熟中，出現了大量的從消費者到供應鍊再到制造端的新模式，例如電商的供應鍊數字平台和銷售平台協同，讓商流和貨流做到一體化，并且通過資料分析進行智能預測、智能補貨。例如某知名快消品商家的天貓店鋪，做“雙11”分倉銷售預測，提前四周的預測準确率是66%，提前三周的預測準确率是72%；占銷售總量80%的暢銷貨品，分倉預測準确率達90%，按照預測進行補貨的跨區比低于1%；這也讓商家做到了精準備貨、聯合産銷計劃等等。利用在已成熟行業産生的經驗，同樣的模式可以相對容易的複制到其他的工業行業中，同時也給了新的行業更多信心。
4.彼此成就的手段
隻有單點智能而不存在全局智能的應用難以真正發揮作用，通過打通制造和其他環節，才能真正釋放單點智能的潛能。
将單點智能和全局智能放在對立面或者完全切割開來看是不正确的。單點智能的優勢需要通過打通其他環節來實作最大化。試想一個工廠通過智能手段已經實作了完全的柔性生産，然而訂單還是固定的，隻是通過工廠管理者的判斷來安排生産計劃，那麼柔性生産的意義何在；協調多個工廠的智能排産系統的投入較大，而在單一産品的生産中成本節省有限，但是當面對高速變化的線上市場需求時就成了非常有力的應用。而全局智能也離不開單點智能的支撐，隻有在各個單點上有足夠強大的應用，全局智能才可能成為現實。
打破智能“谷倉效應”擁抱全局智能
谷倉效應（Silo Effect）原是指企業内部因缺少溝通，部門間各自為政，隻有垂直的指揮系統，沒有水準的協同機制，就像一個個的谷倉，各自擁有獨立的進出系統，但缺少了谷倉與谷倉之間的溝通和互動。這種情況下各部門之間難以建立共識而無法和諧運作。在工業網際網路實踐中同樣存在智能的“谷倉效應”，那就是過分依賴單點智能，持續在一個個單一的智能點上做優化，而不能站在全局角度進行整體協調。而打破智能“谷倉效應”的手段就是全局智能。
圖6：三個全局化形成全局智能基座
阿裡雲研究院認為，為了打破智能“谷倉效應”，實作全局智能，需要做下面三個全局化的工作：
1.資源全局化
資源全局化的核心是利用IoT裝置讓企業的資産資源可知、可見、可用。
基于統一的裝置模型，低成本快速地從工業裝置或者自控系統中采集、組織和分析資料，建構工業物聯。實作工業裝置及流程等企業資産的“資産資料化、資料資産化”，挖掘和提升存量資産價值。通過資料分析讓機器資料産生洞察力，改善企業資産管理決策和營運的可見性。通過工業物聯可視與資料智能應用，實作數字孿生，優化業務及生産營運效率。并且通過數字基礎設施、中台和智能應用的雲化實作資源全局調配。
2.資料全局化
資料全局化的目标是打破資料壁壘，讓資料組織清晰，讓資料可以自由智能的在全局流動。
為了更好的實作資料全局化，需要制定統一規範的資料模型設計和開發，解決資料口徑和結構問題；建立統一的采集規範，實作多端資料互通；開發可靠的資料生産、釋出工具和統一可視化中繼資料管理平台；優化資料存儲、計算的監控治理；形成大資料量的實時資料計算能力和統一的實時計算架構。最終可以對全域資料融合進行沉澱，打通企業生産、營銷、管理等等全鍊資料。
3.業務全局化
業務全局化的實質是業務的線上化和中台化。通過資料抽象讓企業的制造能力和其他業務能力（營銷、品牌、設計、研發等）沉澱，并且讓各項業務能力時時線上并互相協調，成為最終通過線上業務中台實作業務互聯互通。業務全局化要實作商業能力的共享和服用，打通從前台到中台再到背景的資料、資源融合。
結語
面對工業網際網路加速從單點智能走向全局智能的步伐，我們需要平衡發展單點智能和全局智能應用，同時避免進入“谷倉效應”和“鳥籠效應”的誤區。
圖7：規避“谷倉效應”和“鳥籠效應”的誤區
首先，我們需要打破智能“谷倉效應”。避免對單點智能的路徑依賴，從制造環節向縱深觀察，從全鍊路的協同上、從價值鍊的配合上發現數智化轉型的新潛能。
同時，需要避免全局智能的“鳥籠效應”。全局智能的建設必須與企業的實際業務需求相适應，不做無謂過度的頂層搭建和超前設計，同時協調發展單點數智應用，才可能實作工業網際網路智能應用的可持續發展。