2015年3月22日，在“2015中国IT领袖峰会”上，马化腾、李彦宏、杨元庆、马云、雷军等一众IT界大佬就“风口”一说进行了激烈争论，也是在这场峰会上，形成了后来的「风口论」。
无论是随后的人工智能、物联网、5G，还是AR/VR、智能音箱、智能家居，都是风口上的新兴产物，这些也都是互联网领域的风起云涌，似乎与传统制造业无半点关联。
2019年，有所不同的是，这阵风吹到了制造业，在国内制造业整体效益欠佳的情况下，数字化转型升级似乎成为国内制造业寻求突破口的一个重要方向。工业互联网概念一时成为2019年最热的一个“风口”。
当这样一个风口弥散着“提质增效”、甚至“弯道超车”的味道时，整个市场兴奋了起来，数百家平台型企业、数千家相关生态企业开始狂欢，尤其外加国家政策的推动，包括互联网、制造业巨头纷纷涌入，行业内也不断出现初创企业。
然而，传统制造业面对当下这一风口时，虽然心底也有小兴奋，但多数还是保持了一贯的谨慎。
毕竟，工业互联网发展仍处于早期阶段，需要怎样的投入？能为制造业企业带来什么？鲜有人能够给出准确答案。
面对这样的时局，作为平台型企业的典型代表之一，脱胎于三一重工的树根互联已经布局多年。而作为曾在IBM中国研究院有11年大数据方面工作经验的树根互联新任CTO黄胜博士，在近日接受雷锋网专访时，就树根互联的技术体系进行了梳理，并对制造业企业转型变革面临的问题，给出了自己的答案。
树根互联「平台+2+2」战略
管理产品研发体系、技术架构，接下来的主要工作计划是梳理一个更高效、更适合平台生态运营的研发体系，以此为我们赋能的客户持续输出技术能力。
这是树根互联新任CTO黄胜博士入职一个月后，首次对外接受雷锋网(公众号：雷锋网)采访时，对自己这一CTO的职能及接下来工作计划做出的总结。
树根互联由三一重工物联网团队组建，是一家平台型创业企业。作为一家拥有制造业基因的工业互联网平台型典型企业，树根互联无论是在企业架构上，还是在技术架构上都很有代表性。
相较而言，在IBM中国研究院曾从事过SaaS平台构建工作，拥有7年数据管理、2年区块链工作经验的黄胜博士，多少会给树根互联带来些许不同。
对于树根互联当下产品体系，黄胜将其梳理为「平台+2+2」这样一个发展战略。
「2+2」是指树根互联的四个应用产品：能源管理、资产管理、后市场服务、产业链金融。“这些都会以服务的形式提供给用户，而这就需要搭建一个服务中台，以更好、更快地去服务我们这些客户。”
「平台」则是指树根互联的核心产品，根云PaaS云平台，也是树根互联的服务中台。据雷锋网了解，这一平台目前已经迭代到第三个大版本（根云3.0），采用微服务+容器技术，核心架构主要包括三层：设备接入层、云管理平台、PaaS平台。具体这一平台的详细介绍参见雷锋网此前专访报道《两轮亿级融资后，树根互联要将工业互联网带向何处？》。
从空压机能耗管理，看企业数字化转型
在制造业行业中，一般分为两大类：离散工业和流程工业。
相较而言，流程工业对生产计划管理、工艺流程成熟度、自动化水平等方面要求更高。因而，起步阶段，国内多数工业互联网企业的目标领域还是相对较为简单的流程工业。
黄胜告诉雷锋网，“树根互联目前专注于离散工业。”从某种角度而言，这自然也与其自身基因有一定关系。
总体来讲，我们会在离散型制造业企业中，从企业整个产线的产能、能耗表现，设备卖出后的后市场服务维度，去对企业及其设备进行赋能，提高企业的生产效率，实现降本增效。
具体到树根互联「2+2」中的能源管理，黄胜表示，“在实际产线中，树根互联为每一台生产设备安装了一个电表，通过电表可以知道每台设备的能耗情况，甚至可以反向知道设备的开工情况。这样就可以监控设备的生产效率。例如一些设备在整个生产过程中的某些环节没有在生产，也没有消耗，这时候就可以暂停为其供应相应的辅料，相应的成本也可以因此降下来。”
这样的方案同样在树根互联今年3月结项的广东蒙泰车间动力系统（空压机）数字化改造中有应用。
空压机是气动控制系统主要（气源）动力核心，据悉，传统空压机由于无法根据车间需求变动准确调节设备参数，只能依据工人经验判断，造成生产车间存在压缩机群配置不合理、运行负载不匹配等问题，这也使得空压机成为占据很多工厂每年50%—60%能耗成本的“吃钱”设备。
广东蒙泰就是这样一家以空压机为辅助设备支撑车间动力控制系统的化工材料生产厂家。然而，24小时不停机的生产方式让广东蒙泰生成车间的压缩机及其制冷系统组成的动力控制系统每年的能耗巨大。据统计，广东蒙泰全厂的年能耗总额在1680万元左右，其中控制车间的年能耗高达800余万，约占全厂每年能耗的50%，这也成为广东蒙泰在当下企业数字化转型中首要考虑的问题。
2018年12月，广东蒙泰与树根互联、广东盈迅达成合作协议，开始对广东蒙泰空压机进行能耗管理升级。据树根互联官方表示，从2018年12月11日项目启动到2019年8月3日项目验收，在合作过程中，树根互联主要做了三方面工作：
-
增设PLC集控空压机组，联动控制空压机、水泵和制冷系统；
-
通过与树根互联物联网关进行数据交互，实时采集设备运行数据，将控制系统接入树根互联云平台；
-
基于云平台构建空压站和制冷站的大数据分析模型，就地优化控制系统。
正是基于这三项改造，使得广东蒙泰可以结合车间的实际生产需求，匹配输出压缩空气量，及冷冻水的温度和流量。据官方统计数据显示，在同一工况下实现单位能耗由过去的0.15kwh降低到0.135kwh，每年节约至少77万元能耗成本，而如此直观的节能降本投资回收期只需要0.65年。
此外，基于树根互联云平台，广东蒙泰可以实现通过PC端和移动端对设备进行实时监管，随时追溯设备历史状态，实时处理设备故障报警并远程控制设备启停。
这一应用案例中，通过增设自动化、数字化设备采集数据，通过云平台进行数据分析并决策响应，是当下工业互联网应用初期大量在做的工作，这样的工作一方面在弥补国内制造业信息化不足，另一方面通过加入当下较为成熟的物联网、云计算技术，从而实现两条腿快走。
当然，国内制造业与国外存在的差异使得数字化工作难以“小跑”突破，双线部署所需要的成本代价，以及当下工业互联网暴露出的网络、安全，以及企业内部IT、OT整合问题，需要工业互联网企业和制造业企业双方消化。
大数据：算法、知识图谱的取与舍
树根互联现在会做数据分析、做AI算法，但其实在当前阶段，AI算法并不是行业最需要的。
对于“AI算法热”，黄胜持有自己的观点。
“在当下工业领域中，从提高工业效率上来讲，将数据接上来，基于基本采样数据做一些基本的分析，通过基本的统计分析、查询分析，就已经可以把工业效率提高很多。”黄胜告诉雷锋网，“其次，当数据量积累到足够大之后，才可能实现深度挖掘和分析，而不是一上来就讲大数据、做深度挖掘，其实这更是一个学术和媒体讲得比较多的概念。”
基本上，查询性分析已经可以带来很大的价值，这一块首先要做好。
这是黄胜在采访中多次向雷锋网强调的一个观点。
当然，无论是前瞻性考虑，还是产业更深纬度布局，用于工业品缺陷检测的图像、视频的深度学习算法，以及尚处研究阶段的、应用更广泛的预测性维护相关AI算法也都是目前不容忽视的。
“树根互联内部有一个工业AI组，会根据用户实际需求，做相应的AI算法。”黄胜告诉雷锋网。
随着深度学习出现，算法方面有了一个很大的变化，但是这样的算法对数据量、算力资源有较强的依赖。目前工业互联网中主要应用的也是深度学习算法，但是由于数据量不够，数据质量不高，深度学习算法的实际价值也有限。
此外，树根互联也有在基于工业设备的维修手册构建知识图谱。“通过将大量工业设备维修手册数字化，指导工厂维修工单实际应用。”
这样的工作，在互联网领域刚受到大数据冲击时，谷歌也曾做过相同的工作：2011年6月，谷歌与大英图书馆达成合作协议，将大英图书馆的25万册书籍扫描成数字版放到互联网上，意欲以此实现网上图书馆，有点数字孪生的意思。
从网上图书馆、数字孪生，再到现在工业领域的知识图谱，虽然换了概念，却做着同样的事情，即实现物理世界到数字世界的转化。而这样的转化也将为制造业带来互联网的高速发展和快速响应的能力。
不过，这样的能力目前在工业领域仍处于构建初期，即使知识图谱这类随着深度学习有所应用的概念，在工业领域还是要从最基本的设备维修手册数字化做起。
至于当下制造业中更深层次的知识图谱，与当下制造业中深度学习算法构建同样面临着一个关键问题：（大）数据采集。
要实现深度学习算法的构建及迭代升级，高质量、大数据的接入是关键。
相对于AI算法，黄胜更多强调的是数据采集。
不仅仅黄胜在强调数据采集，像是树根互联这样的平台型企业，都在强调设备接入量。就树根互联根云平台而言，据官方统计数据显示，目前根云平台已经接入各类工业设备超56万台，连接超4500亿资产。
当下国内制造业升级转型中正面临着这样一个难题：工业环境中，高质量的数据不够。要知道，深度学习算法是靠大数据“喂”出来的，尤其工业此类对稳定性和安全性有强需求的产业，高质量的大数据对于深度学习算法尤为重要。
为此，业内在端侧和平台侧双向需求改变。在端侧，诸多企业开始通过各类高精度传感器在工业环境中搜集高质量工业数据；在平台侧，不少企业开始涉足「小数据算法」，希望通过技术手段，通过小数据训练出高精度算法模型。两类方法在双向并行，同时也都在深入研究阶段。
国内工业环境现状是，制造业由于数字化相对落后，此前并没有积累到大量数据，更没有高质量的大数据。这才会出现前文树根互联在为广东蒙泰做企业数字化改造中双线部署的局面。这样的短板，国内制造业企业已经逐渐认识到，并开始弥补。
安全性：身份体系仍是主流应用，同态加密尚难应用
制造业和数字化、智能化技术的关系是微妙的。
第三次工业革命中在自动化技术应用时，没有人会想到此前在工业领域的技术迭代进度会由100年缩短至五十年。如今工业、制造业对于智能化技术的需求已经上升到用于提高生产效率、提质增效的高度。尤其在国内，垂直整合、水平整合，以及端到端价值链的数字化整合甚至已经在工业领域开始并行，寻求弯道超车。
与此同时，此前工业领域由于场景相对封闭，很多技术在提出时并没有太多考虑安全性问题，诸如OPC、MODBUS等工业协议并没有考虑完整性、机密性、地址真实性等问题。诸如此类问题都堆积到了平台侧，成为当下工业互联网发展需要考虑的问题。
“大家现在习惯性将各类技术需求堆积到平台侧，首先，在实际应用场景中，对于某些工业应用，安全可能不是最亟需解决的问题，”黄胜以这些年的行业工程应用经验总结称，“其次，对于对安全性有强需求的应用场景，现在的主流做法是对设备控制器或传输协议做一些补充，例如在设备侧可以加入证书体系（身份体系），设备端和云端通过证书体系匹配机制进行校验，通过对称加密或非对称加密进行数据加密，保证数据在传输过程中的安全性。”
这也是树根互联在设备侧、云侧及数据传输过程中就安全性做的主要工作。
除此以外，数据加密领域还有一项酷炫的加密技术——同态加密。
所谓同态加密，即无需先解密出明文文件才可以编辑加密数据，也无需完工后再加密回去，在不解密数据的情况下直接操作加密数据的一种技术。这项技术由IBM克雷格•金特里(Craig Gentry)发明，并在2015年发布了HElib C++库第一版，其研究团队在2018年最新发布的论文中提到，“发布在GitHub上最新版的HElib重新实现了同态线性变换，性能得到极大提升，速度加快了15-75倍。”
即使最新版本的同态加密算法，目前仍难以在实际产业应用中发挥效应，黄胜认为，这一算法当下面临的主要挑战是：
同态加密算法复杂度很高，复杂度仍难以降下来，这将导致计算成本和计算时间消耗巨大，原本一分钟跑完的算法，可能用同态加密要跑一个小时。
工业本身就是一个对安全性有强需求的应用领域，因而，这些酷炫的加密技术是很有市场的，尤其当下大数据时代对数据安全性带来的挑战，进一步引起了各行业对安全性的关注。然后，对于亟需解决提质增效的中国制造业而言，如何权衡安全性和经济、技术发展速度，仍是一个挑战。或许，这时中国制造业从两线跑要再加上对安全性的考虑，并行发展，这也将需要更多实用性的加密技术的出现。
平台型企业的硬实力和软着陆
互联网时代，平台型企业发展模式很成功，出现了BAT这样的巨头企业，这也使得随后无论是安防领域、家居领域，还是当下的工业互联网领域，平台型企业无疑是最受关注的企业。
据统计，目前国内工业互联网平台型企业已经超过300家，而且这一数量还在上升。
作为拥有制造业基因的典型平台型企业，树根互联如何理解平台这个概念和分类？
黄胜认为，当下很多“平台型企业”做的并不是真正的“平台”，目前来看，“平台型企业”做的“平台”可以分为三类：应用、应用平台、赋能平台。
现在很多平台型企业只是做了一个应用网站，真正的应用平台需要有大量中台能力做支撑，这其中包括SaaS中台和制造中台，中台能力不强的话，就会需要对遇到的每一位客户做定制化。
黄胜认为，阻碍平台迭代升级、平台发展的关键是大量数据的接入和工业协议的接入。平台需要大量的实时分析工具和历史分析工具，以此来构建一个真正的赋能平台。
“树根互联的定位是做平台、做生态。”不同于互联网企业做的基础平台生态，树根互联更将自己定位于整合应用生态、设备接入生态的赋能平台，这也使得其将自己定位于中心地带。
平台型企业众多，生态环境却差强人意，这是当下的工业互联网现状。显然，工业互联网发展还未进入生态整合阶段，无论是各家基于自己的平台进行生态构建，还是小规模的合纵连横，也都是当下这个发展阶段所要经历的一个过程。
与此同时，平台企业更需要考虑的一个问题是，如何加快平台诸如数据接入、工业协议接入、算法及知识图谱的构建这些硬实力，加快生态构建的进程，让中国制造业找到真正的弯道超车点。
工业互联网，真能让中国制造业弯道超车吗？
然而，工业互联网，真能让中国制造业弯道超车吗？
在雷锋网与诸多知名企业高管沟通过程中，也发现了这样一个问题：
国外企业都在讲信息化、数字化时代的落后不会成为中国制造业发展的阻碍，中国制造业将会在工业互联网时代弯道超车；国内企业则在谈，无论是信息化，还是数字化，中国制造业首先要做的是“补课”，随后才是赶赴工业互联网时代。
由此也可见，国内很大一部分在做工业互联网的相关企业，首先在做（或并行在做）的是为制造业企业做信息化、数字化建设。
对此，黄胜也表示，“事实情况是，国内制造业的数字化的确相对比较落后，所以需要做数字化建设工作，只是说数字化建设过程中可能存在弯道超车的机会。”
这样的机会主要体现在三个方面：
-
第一，一些新传感器技术、标识解析方法的出现，使得此前需要消耗大量精力采集的数据能够快速部署、采集；
-
第二，视频数据分析技术的提升，使得此前在控制器上部署的诸多传感器现在无需再部，通过视频分析技术实现数据分析；
-
第三，大量行业相关的数据分析能力，可以通过优化当下平台技术架构，积累机理模型，与AI模型一起推进制造业中的数字化和智能化进程。
制造业的新十年
2019年9月4日，工信部公开征求对《工业大数据发展指导意见（征求意见稿）》的意见，并提出：到2025年，工业大数据资源体系、融合体系、产业体系和治理体系基本建成，形成从数据集聚共享、数据技术产品、数据融合应用到数据治理的闭环发展格局，工业大数据价值潜力大幅激发，成为支持工业高质量发展的关键要素和创新引擎。
由此也可见国家对于推进工业互联网的决心。
与此同时，我国制造业在信息化、数字化时代的落后，也让此次面对工业互联网时，需要同时解决数字化的问题。这一方面使得制造业企业、工业互联网企业同时面临双线，甚至多线并行的局面；另一方面也加重了制造业转型升级的成本压力。如何权衡，如何推进，这仍是当下需要在工程实践中寻求答案。
此外，就更受关注的工业互联网技术发展进程而言，无论是在AI算法、知识图谱构建，数据加密算法研发，还是工业互联网平台数据采集、数据分析、工业协议接入的基础能力的搭建，这些也都在初期进程中，更多产业推进成果，还有待五年，甚至十年后的产业答卷。
相关文章：
专访天泽智云：解析工业智能化升级硬伤，以及百万工业APP该如何造？
。
原创文章，作者：Maggie-Hunter，如若转载，请注明出处：https://blog.ytso.com/92737.html