「十問」總結一場閱後即焚的交流會：工業互聯網究竟是什麼、為什麼、誰來做？

5月26日晚間，「鈦媒體前沿獨角獸俱樂部·工業互聯網之夜」交流會—— 一場閱後即焚的交流會在貴陽數博會期間召開。

「前沿獨角獸俱樂部」是由鈦媒體發起並組織的代表前沿趨勢、領先能力的先鋒社群，俱樂部僅針對各垂直領域頭部優秀創業公司（B或B輪以上）的創始人或CEO定向邀約。我們會不定期舉辦俱樂部活動，包括閱後即焚的交流會、乾貨超多的遊學走訪等等活動。

在本次交流會上，我們邀請到20餘位來自區塊鏈、企業級服務商、實體企業的創始人、技術人員及運營人員，關起門來談論一些關於工業互聯網的真實疑惑。

什麼是工業互聯網？什麼是產業互聯網？這其中各種角色的分工又是什麼，他們應該又怎樣的分成方式？什麼場景都能「互聯網化」嗎？消費互聯網到產業互聯網究竟要跨越多大的鴻溝？

一問，工業為什麼要用互聯網的方式來改變？

互聯網的本質是在於讓信息可以以更加精細的方式得以組織和流動。當我們把信息效率傳輸變高提升到把價值算力提高的時候，把信息從虛擬的範疇向實體的範疇去遷移的時候遇到很多難題，這個難題包括我們怎麼樣保證價值在網路上的傳遞。如果把所有工業領域的資產做一個標記和存證的方式，可以從根源上使工業互聯網泛的信息的概念，它的傳輸和效率可以得到一定效率的提高。這是我們認為可以通過工業的方式提升互聯網的精細化。

二問，實業場景和技術提供者，彼此聽不懂

提起實業跟金融的關係，各個實業企業中的財務部跟對口銀行的關係，他們彼此之間的黏和度不緊。我覺得很多的環節是脫節的。雖然幾個基礎技術的產生，人工互聯網、物聯網、區塊鏈和即將到來的5G，讓我們看到的產品的新的可能性，讓銀行業喊了很多年的供應鏈金融落地變成一種可能性。

但場景和持牌機構的業務部門和技術部門之間，彼此聽不懂。我們的更多角色是作為一個連接器和翻譯官的工作。

三問，工業互聯網除了精細化管理、信息化，還能做什麼？

工業互聯網除了在精細化管理這方面、信息化這方面，是否也可以在我們高端製造業這樣一個技術攻關的過程當中能夠起到一些作用？能否用統計學幫助到技術？

比如3D列印技術有一些卡脖子的地方，因素很多，人工去分析可能分析不清楚。是否可以用統計學大數據的方法去幫助他們實現，解決這個卡脖子的問題，實現彎道超車。

四問，到底是「X 互聯網」、還是「互聯網 X」？

美國提工業互聯網，德國提工業4.0，是基於兩方不同：美國互聯網更發達一些，德國是傳統工業，所以他的工業和製造業特別的強勢，所以這兩個國家出發點最早推動的點是不一樣的，但是實際上應該兩者融合是政府希望的。

國內很多年前我們一直在講「兩化融合」，就是講工業化和信息化的融合發展。從工業互聯網的角度來說，我們希望「X 互聯網」，而不是「互聯網 X」，因為產業互聯網和工業互聯網可以真正做好的還是從製造企業自己本身，懂製造企業生產的過程、流程和新的技術，從這些方面再去用互聯網技術再優化和提升，這樣會做得比較好、比較踏實。

五問，巨頭那麼多，該跟誰玩兒？怎麼玩兒？

中國現在整個互聯網帶來的陣營非常清晰，幾個巨頭拉開架式，對所有的合作者、玩家來說，該怎麼樣跟巨頭保持距離、共舞？該跟誰合作？站在誰的陣營裡面？該如何跟他們保持距離，能夠享受平台帶來的好處又不被這些巨頭平台吞噬？

一位來自雲計算服務商給出了自己的答案。

他認為，以AWS、Azure為例，美國有自己的本土特色，一家巨頭做自己擅長的領域，彼此不打仗。但是中國不一樣，中國阿里雲、騰訊、金山等等（小米雲、華為雲），在一定程度上做價格擠壓，單獨拿出來看依然是很燒錢的方式，這種方式是走中心化雲服務公司，其實很難有成本的優勢。第二，中國巨頭面臨與客戶搶客戶的問題，雲服務涉及到產品的時候，不光是成本較量的問題，還面臨用戶信譽的問題。當小型玩家沒有辦法用傳統方式和巨頭一較高下的時候，他們會在成本上下功夫，當然，商業上可能會面臨很多擠壓，空間很少。

六問，工業互聯網不僅可以分配信息，還可以分配產能

在談論工業互聯網是，不同的產業鏈上不同的企業訴求是不一樣的。

對於大型企業來說，它的信息化夯實，投資巨大。他們需要的是數據和信息。這時，企業內部的信息挖掘已經足夠了，他們需要通過整個市場信息，把自己的業務往外擴張，他們需要產業鏈的信息和數據。這些信息和數據需要靠整個產業鏈跟他相關的合作夥伴，或者合作夥伴相關的上下游的企業。

而中小型企業需要的是資源。他們沒有大企業足夠的資源。我們看到很多中小型企業，他們需要錢，但是他們拿不到資金。因為授信額度和信息，很多都不透明的。

而互聯網最優價值的是數據。但數據的來源不能僅僅依賴大企業，如果說一家大型企業充其量就是百萬級的，但是很多數據是散落在產業鏈裡面不同的中小型企業裡面的。所以怎麼把數據集中起來產生更大的價值，同時給他們賦能，這是工業互聯網要做的。

比如說，行業裡面有一個常見的問題，就是產能的問題。很多企業產能充裕，但是市場訂單不充裕，導致很多產能是閑置的。而工業互聯網平台的一個目標應該就是，把整個行業的產能進行整合，可以合理分布產業鏈上的產能，不至於讓很多企業閑置很多產能和設備。這是工業互聯網一個最基本的應用場景。

但解決產能是一個龐大的體系問題，這其中不僅僅是設備問題，還包括生產排期、工作人員、設備狀態、物流、信息安全等等，企業在代工的時候怎麼保證客戶的信息安全、產品的私密性，這些都需要搭建體系。

七問：如何保障算力？同時保障信息安全？

在討論到信息安全問題時，全球最大分布算力平台Bonic創始人介紹了如何在保障強大算力的同時保證數據傳輸安全。目前在Bonic平台上有超過100萬計算機，現在在上面的算力已經超過了全世界最大的超算。

他介紹到，目前有很多生物學、天文學用到很多的算力，算力越大計算的結果越準確。現在科學家獲取算力的資源可以到原服務商那裡購買，或者他們用超算中心的超算。但是這些方式比較貴，所以可能很多科學家並沒有機會去獲取這樣的算力資源。2015年之前我們就有一個主意，讓消費者的設備可以用來計算這些數據量大的任務，這樣首先最大的好處就是這些消費設備數量是非常多的，可能人手一台。

因為計算資源非常便宜，所以可以採用另外意義手段，可以把一個任務同時分配給10台計算機，誰計算快用誰的結果。這個時候，數據安全在傳輸和存儲過程當中不是一個問題，可以通過加密的方式解決。一些現代的計算技術可以實現計算過程完全加密，甚至計算機也不知道計算的是什麼任務。

八問：怎樣判斷一個場景能不能用人工智慧？

判斷一個場景能不能用人工智慧，首先是要走出一個誤區：原先用人解決不好的問題，用人工智慧就能解決嗎？指望用人工智慧的方法超越人類的洞察力，是不可能的。

那麼，現在人工智慧做法是什麼？傳統IT其實是把人的做事的方法和流程，計算機程序固化下來了，然後提升效率，不會出錯。但有些環節當時的IT技術沒辦法把人類的思考過程模擬下來，因此做不了，現在只能說是有了人工智慧技術，我們可以做這部分工作。

人 機器可以極大節省人的投入，這也是非常好的方法。從這個角度，我們可以去考慮人工智慧能做什麼事兒。

但怎麼實現，仍然還要做幾件事，一是評價IT技術怎麼樣，如果都沒有聯網，感測器沒有信息過來，甚至都沒有計算機在做中樞的技術，沒有任何反饋的信息，怎麼做AI？怎麼做大數據？

第二個部分是定義人工智慧要做的任務，不要做非常龐大的任務，要把大任務分解成小任務，每一個小任務用什麼方法解決？然後再準備數據。

第三，準備數據。數據不是越大越好，起碼對於人工智慧來說是這樣的。我們把數據分三個層次：最底下的是越來越大的數據源，這些數據源有一些是結構化的。還有很多非結構化的，比如語音、文本、圖象、地理數據等等。

但這些數據源的價值對人工智慧價值非常之有限。這就要靠人去做數據的清洗和標註，才可以到第二個層次，就是語料，這個價值密度很高。這個時候用不同的演算法對數據進行訓練，就產生了模型。模型其實是一種形式的知識。但單靠模型也不能實現人工智慧，還要靠大量行業裡面的東西在人的腦子當中，所以我們要用人腦的知識表示下來。所以數據分三個層次：數據量、語料、知識。如果在這個行業裡面你已經有非常明確的知識了，甚至連數據源都不要，都可以做很好的AI系統。

九問：供應鏈金融為什麼做不下去？

如何真正做供應鏈金融，就是需要通過在重新理解行業邏輯後，把數據結構處理出來，真正處理出來，進行分類、分標籤，最終變為銀行可以理解的風險。讓銀行在決定是否放一筆貸款的時候有一個合理的風控打分建模規則。也就是說，對於銀行來說「你講的東西是我認的才可以計算。如果不能把你給我的數據納入到我的風評體系當中，給我再多的數據沒有意義。」這中間，真正關鍵的是抽取標準化數據，構建完整的數據閉環。

目前我國銀行信貸的基本規則依然是抵押化、銀行的一切還是圍繞著擔保制，這一條就限制了供應鏈金融的發展。而為什麼現在的供應鏈金融做不下去，就是因為「管錢的人」看不到完整的數據閉環。

十問：工業互聯網如何做客戶？如何描述產品價值？

無論是探索產業互聯網，還是探索工業互聯網，都經歷了幾個階段。第一個階段是賣技術，「我的演算法有多少好，多少牛，我可以提供最先進的技術」。

第二階段賣的解決方案，基於核心產品的解決方案。需要把很多技術的能力分裝好，要很多的模型需要預先訓練好，很多行業要提前做好數據的裝備，這個時候形成數據解決方案，可以解決客戶閉環場景的問題，可以給他們帶來利益，這才是持續經營的人工智慧要做的事。

第三個階段是理念，去描述公司提供的是什麼樣的理念和服務整套的模式。不同的場景需要不同的知識不是技術，這個時候技術、服務提供者需要一個很好的服務體系傳遞給需求方。（本文首發鈦媒體，作者/趙宇航）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！