本文摘要：对于企业而言，数字化转型不在于你做到了什么，最重要的是你比你的竞争对手多做到了什么。制造业转型升级的攻坚战，似乎不只是「败」与「胜」，更加牵涉到「生」与「杀」。6年前，面临“工业互联网”这一闯进传统制造业的全新概念，厂商还在想要“做到与不做到”的问题。 现在，当再面临“工业互联网”这一被整个产业刺穿普及了的概念，面临削减成本、提质增效的压力时，更加多厂商在想要“如何做到”。制造业对工业互联网的态度改变，或许来了一个“大转弯”。 和输掉长跑，和时间长跑，也要和种族主义长跑。

对于企业而言，数字化转型不在于你做到了什么，最重要的是你比你的竞争对手多做到了什么。制造业转型升级的攻坚战，似乎不只是「败」与「胜」，更加牵涉到「生」与「杀」。6年前，面临“工业互联网”这一闯进传统制造业的全新概念，厂商还在想要“做到与不做到”的问题。

现在，当再面临“工业互联网”这一被整个产业刺穿普及了的概念，面临削减成本、提质增效的压力时，更加多厂商在想要“如何做到”。制造业对工业互联网的态度改变，或许来了一个“大转弯”。

和输掉长跑，和时间长跑，也要和种族主义长跑。在由主办的全球 AIoT 产业· 智能生产峰会上，智能生产领域核心企业专家、管理者们汇聚一堂，从技术和产业两个层面对当下的 AIoT 关键技术及智能生产产业展开了深度探究的剖析。

会上，阿里云智能副总裁、数据智能总经理曾震宇先生带给了为题《工业大脑驱动工业智能化升级》的精彩演说。曾震宇提及，工业生产是当前国际大背景下国家间竞争的最重要领域，中国是工业大国，人口红利渐渐闻底，挖出工业生产的红利急需被提高日程。阿里作为一家互联网企业，深刻印象认识到数据赋能百行千业的重要性。

阿里云智能副总裁、数据智能总经理曾震宇所以，阿里明确提出了“工业大脑”的概念，目的是期望以数据为中心，把工业企业的各种各样的数据做到汇聚、分析和计算出来，运用智能的算法充分发挥出有工业数据的价值，以此提高工业生产的水平。做到这件事，阿里会单打独斗，不会和行业领先企业、行业专家合作，构成决策闭环。

阿里获取的工具是“工业数据中台”，不具备领先的算法和算力，将工业场景下的数据新的塑造成为企业资产，增加工业成本，提高工业效能。此外，曾震宇还发布了阿里工业大脑建构数据中台的方法论、逻辑框架和明确的6大步骤，十分干货，并在水泥制造、钢铁热轧、垃圾焚烧这3个案例中对步骤展开详尽报废。他特别强调，5G、AIoT等技术于未来几年在工业场景下将获得比消费场景下更多的应用于，工业行业藏宝图十分极大，阿里将运用综合技术，挖出数据价值，为提高我国整体智能生产水平而希望。

以下为曾震宇的现场演说，(公众号：)做到了不转变本意的编辑与整理：各位专家、各位朋友好，我想要跟大家共享的是在工业智能生产领域，阿里云如何通过数据驱动的方式，协助工业企业已完成智能化升级。在过去的这些年，大家可以看见，各个国家对于工业智能生产非常重视，把智能生产放在一个最重要的战略方位：美国明确提出了“工业互联网”，德国明确提出了“工业4.0”，而中国明确提出了“中国生产2025”······我们国家如果要在下一波的国际竞争当中占到得头筹，一定要在智能生产领域抢走得先机。

中国在过去几十年，早已从一个工业弱国发展为现在的工业大国，但是离工业强国还有差距，尤其是距离老牌的工业生产国家差距更为显著。无论是流程制造业，还是线性制造业，咱们都会面对一些挑战，比如我们的生产能力不足、能耗过大。随着过去几十年的发展，我们的人口红利在渐渐消失，劳动力的成本也渐渐下降，如果想持续高速发展制造业的水平，意味着通过减少设备或者局部改建工艺，不几乎行得通。

改建设备的成本只不过十分低，而且似乎也不会让国外公司赚到回头我们的利益。我们要回头一条合适自己国家发展的工业道路 阿里巴巴作为一家互联网企业，深刻印象认识到对于任何一个行业而言，数据可以产生不可估量的起到。对工业也是一样，因为工业环境里面蕴含着大量宝贵的、深渊的数据。

在工业场景当中，数据种类繁复，数据量也十分相当可观。如果我们能将数据展开充份的切断与汇集，用数据驱动的方式协助工业企业提高生产效率，就能找到一条提高智能化水平的新路径。因此，阿里云明确提出了“工业大脑”的概念，目的是以数据为中心，把产品生产仅有流程的数据展开切断汇集，建构工业数据中台，承托上层智能算法把数据的价值充份挖出出来。

工业大脑不仅用数据说明了过去，更加派生出有各种各样的智能化的应用于，协助指导生产。工业的数据种类十分多，针对工业产品生产周期各阶段，从最先的订购到产品的设计，到生产过程、工艺过程，再行到生产出来后的销售供应链等等，不会有十分多的工业信息化软件在里面，还包括了MES、ERP、APS等，很多的软件在行业当中做到得十分成熟期，在每一个领域中都在充分发挥其起到。

但是，所有的软件都只在自己的环境里面发挥作用，软件系统之间数据没切断，这是一个大的机会。除了上述系统以外，产线、工厂等物理设施设备所产生的数据量也十分相当可观。目前，我们看见大部分的数据，只不过是归属于被闲置的状态，而这些数据蕴含的创造力和价值只不过是极为极大。工业大脑的“智”建=数据+算法刚崔院长（录：崔曙光，香港中文大学(深圳)理工学院继续执行院长、未来智联网络研究院院长、深圳市大数据研究院常务副院长、IEEE Fellow）谈到了IoT和AloT领域，可以通过数据+模型、算法+模型的方式，去提高智能化的能力。

工业场景也一样，这些设备产生大量的数据，可以协助我们做到适当的提高。除了设备生产数据以外，周边还有各种各样的数据，例如环境类数据、能耗类数据，市场运营数据等，如果我们把工业企业牵涉到到的各种数据展开充份切断汇集，包含一个工业企业的数据中台，将需要对企业的发展、智能化的提高产生极大的起到。工业大脑之所以需要产生那么大的起到，因为我们基于数据已完成了决策闭环。

我们把工业环境中产生的各种数据带入到数据中台之后，上层有引擎，不会协助我们分解适当的用作指导设备生产的决策。用数据产生决策，决策产生行动，行动再行指导数据溶解下来，构成一个闭环。工业发展这么多年，每个行业溶解了大量的基础知识，我们的工业大脑和这些溶解是什么关系呢？第一，工业大脑不要是替代工业行业早已做到得十分成熟期的信息化软件，比如ERP、MES。我们要做到的是把它们的数据切断汇集到在一起。

第二，对于工业行业当中溶解的大量基础知识、专业知识，我们是外行。我们转入这个行业之中建于的模型，一定要基于行业机理。

因此我们必须跟各个细分行业（如钢铁、水泥、化工等）当中的专家机理科学知识结合，从而包含我们的模型。我们通过工业数据中台构建数据闭环，将数据与行业科学知识、行业机理互为融合，从而构成适当的决策闭环，最后提高智能生产的水平。剖析阿里工业大脑的3个核心能力 为什么我们指出工业大脑需要构成这样的决策闭环、需要提高智能化的水平？总结下来有三种能力：数据能力、计算能力和算法能力。数据能力。

工业生产场景当中数据源头十分多，种类十分多，要把各种生产过程、设计过程产生的结构化的数据、非结构化的数据汇集在一起，并不是非常简单拷贝就行的，确实的切断汇集要把数据有机地汇集。我们以前说道过盲人摸象的故事，每一个系统只有这头大象的一个侧面信息，如果我必须告诉整头大象，而不是任由碎片信息线性地堆在那里，这就必须寻找这些侧面信息之间的有机联系，用它们拼成一头大象。这也是我们在工业领域要做到的——用数据把整个生产过程原始的链路拼出来。怎么拼出来？必须对生产企业各个链条上的数据展开加工和建模。

这是一个简单的过程，牵涉到到海量数据处置，所以总称是数据能力。算法能力。工业企业里面牵涉到到大量数据，尤其是是动态类、持续的数据，基本上都是一些设备设施所产生的数据，这些数据有很强的时效性在里面。我们要去处置这类数据必须各种各样的算法，还包括一些人工智能适当的机器学习算法以及生物科技优化算法。

计算能力。因为工业的数据量相对而言较为大，要动态地“称得上动”这些数据、定动态地给设备适当的指导或掌控，就必须强劲的计算能力。工业大脑整体创建在阿里云的云平台之上。

我们云平台获取了适当的数据加工的能力、算法的能力和计算出来的能力，靠着这三个能力，驱动整个工业大脑协助工业企业，构建降本、增效、提质、安全性等等这些业务目标。阿里云工业数据中台（IData）是什么物种？ 工业大脑的工业数据中台（IData），将来自各个孤立无援系统里的数据系统地切断汇集，再对这些数据展开建模。就像互联网行业、电商领域的企业必须对数据展开适当建模，工业企业也可以对自己的业务数据建模。我们用分层的方式做到数据建模，各种源头的数据再行必要转入终端层，到了明细层会再行区分出跟各种生产加工适当的订单域、原料域等等，往北都会根据业务按供研经销各个领域展开适当的建模，所有跟生产仅有链条、整个产品的生命周期涉及的所有数据，全都在这个工业的数据中台之上。

我们有各种适当的标签体系，可以可供上层的业务去用于，同时还有一些各种各样的智能引擎可以跑完在上面，这包含了一个工业的数据中台。数据中台建构好之后，某种程度只是一些数据的切断、汇集，只不过对于企业而言，他有极大的意义，这就相等于把一家企业原本布满在各个地方没确实利用一起的数据，变为了一个整体——体现一家企业从源头到销售的整个生产链条的、动态的生产状况数据，这些数据是生动、实时处理过的、高质量的，沦为一家企业十分有效地的一种新的资产。对于工业企业而言，传统的资产是进口各种各样的设备，还有各种各样的人才。今天，数据可以沦为工业企业的一种新的资产，我们以工业大脑、数据中台的方式，包含一个企业新的数据资源。

工业数据中台概念，跟数据仓库还是有十分大的有所不同，传统的数据仓库各个行业都会有，比如在金融行业，数据仓库只不过早已有几十年的时间了，数据仓库的星型模型等等那些历史十分宽了，理念早已十分成熟期了。数据仓库主要面向的是企业的决策者，还有BI分析师。它的产物是各类BI报表，可以表明出有整个企业的运营状况、生产状况、销售状况，既可以给这个企业管理者看一个大盘，也可以给BI分析师做到洞察分析：产品销售额上升了是什么原因、这个月某产品的生产量上升了是什么原因造成的。数据仓库是做到这个目的用的，主要面临的是企业决策者和分析师，是面临人。

数据中台的本质某种程度是数据仓库，数据中台包括了数据仓库，数据中台是面向系统的，不仅可以产生报表，更加最重要的是通过数据中台可以构成决策闭环，在数据中台上层有各种有所不同的智能化引擎，引擎可以去影响生产。这个过程是自动的过程，中间有可能不必须人的介入，或者只必须人很少的介入，把原本企业的操作者人员从反复的操作者工作中释放出，让系统以更加精准的方式去掌控、去提升这个企业的生产能力，这是数据中台跟数据仓库很最重要的差异。阿里巴巴做到数据中台也一样。我们有一个十分可观的数据中台，数据中台产生的起到并某种程度产生一些报表，某种程度给我们的CEO看一看双11的销售额多少，更加最重要的目的是我们数据后面有大量的算法，不会对有所不同人员做到个性化引荐，也就是我们经常说到的千人千面，这些都是算法已完成的，背后不必须有人时时刻刻掌控。

工业领域是一样，我们找到数据某种程度可以产生起到，可以构成决策的闭环，让整个企业的生产效率需要去提高。我们指出工业场景当中数据中台跟数据仓库有这么一个十分本质的有所不同。六步建构工业数据中台，阿里的方法论 根据我们过去几年在工业领域的实践中找到，可以用以下6步构建工业大脑的工业数据中台（IData）搭起。

1、数据管理制度分析。弄清楚我们究竟有什么样的数据、数据的质量怎么样，只不过工业企业数据质量并不是都十分低的。2、数据化。让数据需要终端进去。

3、数据建模。建构适当的数据模型。这几步跟传统的数据仓库的加工没过于大的差异，都是要分层、加工、引入等等做到这些事情。

后面是数据中台额外做到的事情。45、知识化和智能化。

我们建构专业的科学知识图谱，建构工业数据中台之上智能引擎，这些都是适当获取了智能化的能力，有了这些智能化的能力跟它驱动生产。6、用实际效果分析数据价值，并对数据成熟度做到再行评估。

数据中台，为工业智能“持续供氧”工业大脑的工业数据中台（IData）相等于给工业企业建构了一种新的资源，这种资源是可以协助工业企业产生实实在在的收益。通过建构一个统一的、协同数据的的组织传达，数据中台协助企业提高决策管理水平。更加最重要的是，它为企业获取了一个创意平台，以往很多通过功能、机理来掌控的方式，今后可以通过工业大脑和工业数据中台（IData）来构建，协助企业提高效能。

工业数据中台（IData）只不过是工业大脑的一个底座，没瓦解了数据的智能应用于。数据就像人脑里的科学知识一样，没科学知识，就不具备深度思维的出发点。

所以，工业大脑里面的数据中台是把工业的数据当作资产，这是一个基础。在工业数据中台（IData）之上，我们还有工业的智能“芯”。这个智能“芯”就是各种场景的智能化引擎，还包括像能耗分析引擎、工艺优化引擎等等。

引擎之上是工业智能应用于。这些智能应用于一定是转入到每一个工业实际的场景当中，如水泥、钢铁、石化、垃圾焚烧、橡胶等等，每个行业都有自己的业务特点，每个行业都有自己的优化目标，针对有所不同场景，我们不会有有所不同智能化的应用于。工业大脑是一个对外开放的引擎，从工业数据中台（IData）到智能“芯”再行到智能应用于，每一层都是可以大大扩展的，特别是在是是智能“芯”和智能应用于层面。工业大脑本质上是协助企业提高智能化的能力。

期望需要协助工业企业做全局的智能，因为我们坚信，把工业企业的全量数据展开充份切断和汇集以后，可以愈演愈烈出有极大潜力。这个“智能”有三层的概念，从单点智能到局部智能，再行到全局智能。全局是工业大脑的未来南北，虽然现在没到那个程度，但是我们深信这是一个可以触达的方向。

单点智能，是所指在局部做到优化工作，以化工企业为事例，化工企业不会有多个循环流化床的锅炉，为整个生产和企业运转获取能源，还有一些精馏塔和冷却塔。对每个设备做到优化，需要让他的能耗降至低于，让热能的比例增高，这是单点智能。只不过可以对这一组锅炉可以再行做到优化，构建锅炉间的阻抗平衡。每一个设备所处的方位不一样，所获取的能源针对的对象不一样，不执着每个设备个体做拟合，而是执着一组锅炉的整体协同拟合，让能源损耗再行减少一点，这是局部的优化。

对于整个企业而言，从前期的订购、到设计、到生产，到后面的供应链销售，整个构成一个大的流程，以往很难对这个大流程做到优化。我们把整个数据展开汇集以后，可以把整个生产的功能做到适当的规划，根据市场的销售状况优化每一个生产的环节。

确实构建可供、研、产、售、服务仅有流程的优化，这就是全局优化的状况。工业大脑的3个智能化案例接下来共享工业大脑的智能化案例。

首先是水泥行业。这是一个高能耗的行业，耗电量耗煤十分多，我们主要通过数据，对水泥生产回转窑做到能耗减少。什么样的生产状况能耗、煤耗、电耗低于，这个机器不告诉，要让工人师傅凭经验做到这个事情。我们可以针对历史生产数据和能耗优化模型，可以告诉在有所不同状况之下，什么样的参数可以让设备能耗低于，并得出对应的的设备参数引荐，这个参数再行给到APC，由APC掌控适当的分解成炉。

这样一个流程下来，整个返炼钢的能耗大幅度减少，一年可以减少数百万的煤费和电费。第二是钢铁行业的热轧加热炉案例。整个钢铁生产分铁前、炼铁、炼钢、热轧和冷轧几大环节。

其中，热轧环节就是对钢锭再行冷却，轧制变为各种形状。温度是一个很最重要的参数，如果温度过低，不会让钢锭过度水解，影响产品质量。以往都是人工在掌控温度。

工业大脑通过辨别历史数据，寻找在什么时候、在何种工作状态下、应当用于什么温度，来确保温度恰好适合，不产生水解。这样就能提高整个加热炉的效力，把能耗减少下来。

第三是垃圾焚烧的案例。现在国内很多的城市都在谈生活垃圾要分类，一部分生活垃圾不会转入发电厂，处置之后展开烧毁，产生蒸汽，蒸汽产生电能，变为我们日常用的电。生活垃圾原材料是很不稳定的，垃圾自燃操作者的过程就十分倚赖操作工的辨别，凭借他们多年的经验去辨别要引多少漆、送来多少风，工人经验参差不齐，就不会造成烧毁效果不平稳不高效率。

工业大脑通过建模的方式协助垃圾焚烧厂用AI来辅助整个烧毁过程控制，让蒸汽的稳定性提高，增加设备损耗，这些都能带给实际的经济效益。AI的辅助也让工人操作者负荷增大，也让工人的操作者负荷变大，过去操作员4小时内必须操作者30次，现在只必须在接到警告后对比参数数值，最多介入系统6次才可。我们指出对工业来说，通过数据智能的方式，产生的行业价值是十分相当可观的。

比如说水泥行业，在平均值能耗条件下，工业大脑可以协助一条水泥的生产线每年节省300万能耗成本。中国有1700-1800条水泥生产线，如果我们需要把每条线都做到适当的优化，估计下来全国水泥生产线的能耗每年可以减少50亿元，而这背后意味着是每条产线1%左右的能耗优化。而水泥行业只是中国十分可观的工业领域中的一个分支，每个行业都有很多类似于的机会和提优空间。如果把每个机会都当作一颗宝藏，整个行业的宝藏图就不会十分极大。

我们只有继续走下去，才不会找到我们有更加多的机会，需要给行业建构更加多的价值。工业行业宝藏图十分极大，阿里回头资源共享思路 工业大脑是必不可少合作伙伴的。阿里巴巴是一家互联网的行业，我们对算法和数据更加熟知。而在工业领域，我们自指出是一个小学生，是一个外行。

工业大脑必不可少在行业中深耕多年的专家和伙伴，他们对行业机理科学知识理解很多，只有并肩作战合作，才能确实服务好各个行业。很多合作伙伴找到，这只不过是一种强强合力，双方各自发挥所长，联合去挖出宝藏，所以大家的信心十分脚。我们目标也是要联手更好的合作伙伴，联合苏醒工业数据的价值，推展工业智能化升级。刚崔院长讲解了AloT这一系列的技术，AIoT的技术在工业场景当中运用的潜力极大，而且5G在未来几年，有可能对于我们消费者而言影响并不是那么大，但是对于工业企业、对于生产型企业而言，产生的影响是极为深远影响的，这是一个正面的大力的影响。

5G技术、IoT技术，在工业场景运用得越多，就意味著我们在工业场景需要提供的生动而现实的数据就越多，需要协助工业大脑建构更加精准的模型，从而协助企业进账极具价值的数据资产，提高工业企业的数据简化的智能生产水平，最后提高中国整体的智能生产简化的水平。谢谢大家！年度票选——找寻19大行业的最佳AI落地实践中创办于2017年的「AI最佳掘金案例年度榜单」，是业内首个人工智能商业案例评选活动。从商用维度抵达，找寻人工智能在各个行业的最佳落地实践中。第三届票选已月启动，注目微信公众号“”，恢复关键词“榜单”参予甄选。

下文可咨询微信号：xqxq_xq涉及文章：大咖云集，观点撞击！《全球 AIoT 产业· 智能生产峰会》完满告一段落原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：九州体育-www.hebeiweilun.com