阿里研究院副院长安筱鹏：对于制造企业来说，缺的不是用户，而是与用户的互动

　　第七届中国制造强国论坛于2022年12月23日-26日在河北保定举办，主题为：补短板·锻长板·固底板。阿里研究院副院长安筱鹏以《云端制造助力产业高质量发展》为题发表演讲。

　　安筱鹏在演讲中指出，数字化的解决方案供给能力不足，是影响企业推动数字化主要的矛盾和矛盾的主要方面。他表示，这个矛盾是如果企业的数字化的投入是一条直线的话，而企业的收益只有跨越了某一个临界拐点之后，才会呈现指数化的增长。

　　安筱鹏表示，企业有ERP、有客户关系管理、有OA、有财务等各种各样的系统，这些系统都是一些相对来说比较单向的应用。但是对于部分企业来说，也需要构建一个产业的生态，企业的数字化收益只有跨越了某个集成的拐点之后才会呈现指数化增长。但挑战在于所有数字化的解决方案提供商，提供的都是一个碎片化的供给。而所谓的工业4.0也好，工业互联网也好，两化深度融合也好，尽管用的话语体系不一样，但是他们要解决的核心问题是如何实现企业内部的集成，产业链的集成，以及能构建一个产业生态。

　　所以数字化面临的一个基本矛盾，就是企业全局优化的需求跟碎片化供给之间的矛盾。

　　什么叫创新？安筱鹏认为，创新的核心是一种试错。而在数字世界里，构造了一个通向零成本的试错之路，这是在数字世界里去模拟的作用。同时由于云计算边缘计算和端的智能化的水平不断提高之后，云边端一体化的技术架构和解决方案正在成为智能制造数字化转型的一个基本的方向和模式。

　　安筱鹏介绍，过去对比如水泥行业的生料膜的控制回转，磨窑的控制，很多都是基于人工，它的耗时也比较高，而且也不够精准。而今天云端采集了大量来自生料膜回转炉水泥膜的数据，来自DCS以及其他的工业控制系统的数据，把这些数据扔到了边缘计算的池子里和边缘的模型中间。这种模型可以把来自方方面面的更系统、更全面、更及时的数据做一些优化，然后把这个数据再回到控制系统，去操作各种各样的设备。

　　在边缘计算的算法和模型，来自云端。这个云端是把大量的历史的设备数据，生产、能耗的数据输入到各种各样的算法模型中间，就形成了一个生料膜的模型，回转炉的模型，水泥膜的模型。这种模型可以使得对来自生产线的数据进行加工处理，使得它的效率更高，成本更低，能耗更小，形成了一个云边端的一套体系和框架。

　　同时在企业管理层上层也有一个基于公共云和专有云平台上，一个数据的架构、经营管理、业务分析、财务分析，就是在云端的一套解决方案，它实际上形成了一个云边协同的一套技术架构和解决方案。而这套技术架构和解决方案的本质是解决企业全局优化的需求和碎片化供给之间的矛盾，因为只有基于云边端这样的技术架构和解决方案，才能比较容易地解决企业全局优化和碎片化供给之间的矛盾。

　　安筱鹏介绍，阿里在过去几年围绕着云端制造，在能源、钢铁、石化、汽车、水泥等等方面，以经济云边端的技术架构提供了一套解决方案，在有些领域也做了探索，取得了比较好的一些效果。

　　安筱鹏还指出，今天的消费者有了更多的表达权、话语权、选择权、参与权，这是一个消费者主权崛起的时代，因为消费已经变得个性化、实时化、场景化、内容化、互动化，当消费端已经发生变化的时候，所有的企业都要思考，能在多大程度上满足或者跟上消费者这样的需求。“所以有一本书说得很好，就是对于一个制造企业来说，我们缺的不是用户，而是与用户的互动。”

　　未来中国的数字化转型在背后隐含的云端制造的价值是什么呢？安筱鹏表示，过去中国是全球最大的消费互联网大国，在消费端数字化水平不断提高。而在供给端，传统的研发、采购、生产、物流这些系统在不断地升级，在移动化、云化和终端化。而更重要的是中国作为一个消费互联网大国跟制造业大国，能够把两个联动起来。联动的含义是今天制造企业的数字化的营销、客户运营、产品创新、智能制造、渠道管理分销和品牌建设背后的决策，都是基于对消费者洞察的决策，而这种体系的形成需要建立在云端的技术架构和解决方案上。

　　安筱鹏指出，对于传统企业的数字化转型来说，面临着是一个数字基础设施体系架构的一次迁移，只有基于云端这样的技术架构体系，才能为未来的企业数字化转型找到正确的方向。

　　以下为演讲实录：

　　今天，我想就云端制造如何助力产业高质量发展跟大家做一个分享。

　　从两三百年的工业革命发展的历史来看，工业革命的核心是两场革命，一个是动力革命，一个是控制革命。从蒸汽机到飞机到工业3.0到工业互联网。在两三百年的历史的进程中，我们可以看到一个重要的技术变化是控制系统的演进，这种演进经历过几个非常重要的阶段，从最开始的机械控制到机电控制系统，然后到数字控制系统，再到嵌入系统，然后再引进到今天云端的一套控制的体系。

　　我们看到数字技术在赛博空间构建了一套新的技术架构和解决方案，跟传统的物理世界的控制系统进入了进一步的融合。这是从几百年工业发展的历史的进程来看，我们把镜头拉得更近一些，过去60年，整个数字技术演进背后底层的一个逻辑是什么？如果做一个概括的话，那就是硬件的通用化和服务的可编程。从上个世纪的60年代大型机的出现，当时早期的大型机的硬件是跟它的专属软件紧密地捆绑在一起的一个密不可分的封闭系统。

　　上世纪60年代开始，IBM的OS/360开启了一个新的时代，这种时代的标志是把硬件跟软件跟服务做了一个结合，这样的一个数字技术发展的逻辑，从上个世纪60年代引进到上个世纪80年代个人计算机的出现，然后再到本世纪初的06年的云计算，智能手机、智能汽车、数据、中台、工业互联网到5G，各种技术不断的出现和涌现，尽管它们的形态模式都不一样，但是它们背后的底层的逻辑是一样的，逻辑硬件跟软件做了一个持续的解耦，一个产品的功能越来越取决于上层的软件系统，而硬件变得越来越通用化，服务变得越来越可编程。

　　这种技术发展的背后，如果我们再从IT技术、通信、技术、运营技术和数字技术的角度来看，从过去的60年前70年前的这个发展到今天，不同的技术在进行融合。从IT技术的大型机ERP供应链管理到通信技术的固定通信2G、3G到以太网络物联网，还有自动化的控制技术，在不断地去融合。这种融合对于企业的数字化转型带来的一次重大的变革，是传统的5层架构正在演变成一个网络化的协同，核心业务系统正在向云端去迁移，这种迁移使得过去的层级架构变成了一个复杂的网络，而且是以客户、以消费者为中心的这样的一个网络。

　　这是把时间尺度拉得足够长，我们看到的各种信息技术、通信技术、控制技术融合的一个趋势。如果我们去讨论今天的工业互联网，给他一个重新观察的视角，它就是从一个单机智能到系统智能的引进。随着物联网的出现，随着大数据还有人工智能等新的移动通信的出现，我们看到未来的产品从万物互联走向了万物智能，未来越来越多的产品正在成为一个智能互联的产品。这个产品它有4个基本的部件，控制部件、互联部件、动力部件、执行部件。而有了这4个部件之后，未来所有的智能互联产品它可以被监测，可以被控制，同时可以被优化。

　　那就像我刚才讲的在控制部件、互联部件、动力部件、执行部件这4个部件中间，有一个领域，它的技术在过去几十年在不断地演进和迭代，就是控制。过去我们的控制系统是基于一个机械的控制，就像几百年前瓦特发明内燃机的时候，它重要的一个技术的创新，就是如何对蒸汽的能量进行控制。莱特兄弟发明了飞机，对于莱特来说，它最重要的贡献是解决了飞机的控制问题。因为空气飞机的升力问题，动力问题在之前已经有科学家技术人员做进行了创新，解决了问题，莱特兄弟所谓的发明飞机最重要的创新是解决了飞机如何去控制的问题，这是机械控制，当年的控制都是机械控制。

　　而到了上个世纪70年代，德国人讲工业3.0。工业3.0的一个重要的标志就是可编程逻辑控制器。我们讲的电子控制类似电子计算机的方式，去控制整个机器的设备的运行，它演进到了电子控制，在后来在不断的演进，软件的控制到今天的边缘优化，云端优化，所以控制系统部件的技术的不断地迭代和升级。它带来了对整个物理世界进行优化的精度可靠性，以及它所带来的更大范围更大尺度的资源优化这样一种可能性。

　　所以我们讲工业互联网的本质和核心，它是从一个单机智能到系统智能，从对一个单一的设备生产线、车间一个工厂演变到多个工厂的一套新的智能制造的体系。

　　而这套体系在今天因为有了云计算，有了边缘计算，有了新的网络之后，它重新构造了整个制造的一套新的体系。

　　刚才是从技术发展的历史维度去看，今天智能制造数字化转型，技术变革的一些底层的逻辑。我们把视线再拉回到疫情期间，我们所看到的观察到的一些现象，以及这个现象背后所能折射出来的智能制造或者数字化转型的一个趋势。

　　我们观察到的一个现象是那些行业的领导者正在纷纷自建自己的数字化系统。物美在2008年的时候，有一个重要的ERP项目上线，当时也是中国零售行业数字化转型的一个灯塔项目。但是在2020年物美把自己的这套ERP系统切换到以我为主自己开发的多点，多点的背后是两套系统，一套是面向c端的消费端的，有海量的受益的消费者，另一端是在物流零售端对传统的技术架构和解决方案进行了一个升级。

　　特斯拉也以我为主，构建了一一个涵盖财务产销、销售采购、CRM在线服务的一个面向消费者端到端的一套解决方案。因为传统的那套ERP主要是以供给端为主，是面向4s店的，他没法直接触达消费者。当你要触达一个消费者的时候，你要面向消费者构建一个企业的研发、生产、采购、服务，形成一个完整的闭环的时候，传统的那套技术架构和解决方案满足不了企业的这类需求。

　　美的在实施自己的数字化转型战略的时候，2.0阶段也是以我为主，围绕着数据驱动的C to M的客户定制化的这套解决方案的时候，他需要重新构建自己的ERP，构建自己的CMP、MSR和 APS这样一些排产的计划等等这些软件。

　　还有阿里在过去几年探索的犀牛制造，以制造业核心系统全面上云，来解决端到端的全局优化，面向消费者的需求，以小批量多品种快交付的形式，满足消费者的需求。

　　还有我们可能有些线上的领导和专家也体验过盒马鲜生的一个新零售的服务。这种新零售服务的体验的背后在于如何面对消费者的需求，重新构建后台的整个供应链的体系。这种供应链体系用原有的那些ERP、WMS、CRM体系可能也难以满足需要。所以这些企业都是在重新以我为主，构建了一套新的架构和解决方案。当然这样的企业是凤毛麟角的，因为只有行业的领导者，为了更高质量、更高效率的更好的体验服务消费者，需要在无人区里边做探索。

　　这些企业面临的一个挑战是传统的技术架构和解决方案，满足不了他的需要，所以他们要纷纷自建自己的业务系统，或者说我们向所有业界的同仁们提出一个问题：今天在数字化转型的过程中，我们的主要矛盾和矛盾的主要方面是什么？可能不同的专家有不同的观点，但是在我看来，我们数字化的解决方案供给能力不足，是影响今天推动企业数字化主要的矛盾和矛盾的主要方面。

　　那些制造业企业面临的痛点，它的困难，它的挑战，它的问题是摆在那个地方的，并不是说没有问题，没有痛点，是这个痛点一直都是存在的。问题在于我们传统的这套技术架构和解决方案，IT技术O7技术等等这些技术的组合和融合，事实上今天是满足不了他的需要。尤其是今天我们面对一个端到端的需求，面对着一个消费者主导的场景，面对消费者更加实时去响应的这样一个需求的时候，传统的技术架构和解决方案是满足不了需要的。所以我们看到的是，今天的智能制造也好，数字化转型也好，有一个基本矛盾。这个矛盾是如果企业的数字化的投入是一条直线的话，而企业的收益只有跨越了某一个临界拐点之后，才会呈现指数化的增长。我们企业有ERP，有客户关系管理，有OA、有财务，还有各种各样的系统，这些系统都是一些相对来说比较单向的应用。这些单性应用需要跟我们的财务业务，跟我们的制造执行跟设备生产线进行集成。到后来不仅企业内部要集成，你还要跟供应链的上游一级供应商、二级供应商、三级供应商、一级分销商、二级分销商、消费者要实现产业链的集成。

　　但是对于部分企业来说，也需要构建一个产业的生态，企业的数字化收益只有跨越了某个集成的拐点之后才会呈现指数化增长。但今天的问题和挑战在于所有数字化的解决方案提供商，提供的都是一个碎片化的供给。而所谓的工业4.0也好，工业互联网也好，两化深度融合也好，尽管用的话语体系不一样，但是他们要解决的核心问题是如何实现企业内部的集成，产业链的集成，以及能构建一个产业生态。

　　所以数字化面临的一个基本矛盾，就是企业全局优化的需求跟碎片化供给之间的矛盾。

　　在大背景下，我们看到随着数字技术的应用，整个制造的模式正在进行迁移，这种迁移就像100年前，爱迪生发明电灯泡的方法，不断地通过实验验证的方法去发现规律，解决问题迭代。今天演进到了叫从试错法到模拟择优法。我们在数字世界里边构建了一个企业的研发设计生产服务运行的一套新的模式，在数字空间里边去展示，去优化物理世界发生的事情，然后再反馈给这个物理世界。

　　我记得马斯克10年前在他的网站上发表了一篇文章，这篇文章的标题是为什么美国可以打败中国，答案就在SPACE X的成本方面。它所谓的打败中国，指的是说有人说中国的制造业成本很低，但是马斯克说美国的制造业成本要比中国还要低。这个答案就在SPACE X可回收到火箭发射的成本，使得它的每公斤火箭发射成本只有目前美国和中国的1/7，因为它大量的实验的验证都是在虚拟空间里边去完成的。

　　我们的飞机的研制、坦克的研发，药物的研发等等都需要大量的时间。比如说新药的研发平均需要13.5年，13.95亿美元，而且10%能够通过政府的审批进入市场。而今天在数字世界里边做这样的研发的话，会大幅压缩研发的周期，提高研发的效率。我们的高铁的验证和测试都是遵循这样一个规律。

　　什么叫创新？创新的核心是一种试错。我们现在需要把我们的风洞实验、汽车的碰撞实验、高铁的物理实验等等这些实验从物理世界一部分迁移到数字世界。而在数字世界里，构造了一个通向零成本的试错之路，这是在数字世界里去模拟的作用。但同时我们也看到由于云计算边缘计算和端的智能化的水平不断提高之后，云边端一体化的技术架构和解决方案正在成为智能制造数字化转型的一个基本的方向和模式。

　　我们有一家企业，生产非常通用的设备与空气压缩机，它怎么来解决这个问题？因为空气压缩机面临最重要的一个挑战是高能耗。为什么高能耗？是因为我们过去解决问题的思维方式是确保提供气体的质量，不管你那边需要什么样的供气质量，我这边都是以大容量高质量的去给你做供给，有大量的冗余，事实上很多时候并不需要那么高的质量强度的气体。所以它基于云端的架构可以实时地感知，在设备运行端的压力、流量、温度的数据，把这些数据传递给边缘端，边缘端就有一套算法模型，对它的指令进行优化，然后产生了它需要的气体。

　　换句话说，对于这个气体实现一个供需的精准匹配，但是这个算法又是来自于云端持续不断的优化，把基于海量的数据的模拟的算法，在云端形成之后下发到边缘。边缘不断收集来自于现场的需求，然后对空气压缩机的这套工艺指令进行优化，然后去执行，可以大幅地提高它的质量、效率，实现供气质量的供需的精准匹配。

　　过去对比如水泥行业的生料膜的控制回转，磨窑的控制，很多都是基于人工，它的耗时也比较高，而且也不够精准。而今天怎么去做？它采集了大量的来自于生料膜回转炉水泥膜的这些数据来自于DCS以及其他的工业控制系统的数据，把这些数据扔到了边缘计算的池子里和边缘的模型中间。

　　这种模型可以把来自于方方面面的更系统、更全面、更及时的数据做一些优化，然后把这个数据再回到控制系统，去操作各种各样的设备。

　　但是在边缘计算的算法和模型，是来自于云端。这个云端是我们把大量的历史的设备的数据质量的、数据生产的、数据能耗的数据输入到各种各样的算法模型中间，就形成了一个生料膜的模型，回转炉的模型，水泥膜的模型。这种模型可以使得对来自于生产线的数据进行加工处理，使得它的效率更高，成本更低，能耗更小，形成了一个云边端的一套体系和框架。

　　当然这套体系和框架不不仅仅是在水泥行业，那么在汽车行业，阿里在过去也形成了工业数字孪生的一个平台。比如说这个图上展示的是有水泥，有钢铁，还有一些汽车行业。比如说在一汽，基于7000多个设备的模型仿真，让5大车间2万多台设备实时在线，在工业数据平台采集了百万个设备的点位，可以支撑对数字世界里边的展示追溯控制的一个优化，这是它的一个价值。

　　如果我们把未来制造的云边端的架构做一个提炼的话，我们可以看到在底层它有两层。一层是在边缘侧，基于对底层数据的感知，然后形成一个工厂数据的平台，对生产控制进行优化，它涉及到现场的生产质量加热等等这些加热楼、垃圾焚烧水泥等等这个里边已经有一些模型了，这是在边缘端。

　　同时在企业管理层上层也有一个基于公共云和专有云平台上，一个数据的架构、经营管理、业务分析、财务分析，就是在云端的一套解决方案，它实际上形成了一个云边协同的一套技术架构和解决方案。而这套技术架构和解决方案的本质是要回答我刚才提出的一个基本问题，企业全局优化的需求和碎片化供给之间的矛盾，因为只有基于云边端这样的技术架构和解决方案，才能比较容易地解决企业全局优化和碎片化供给之间的矛盾。

　　而阿里在过去几年围绕着云端制造，在能源、钢铁、石化、汽车、水泥等等方面，以经济云边端的技术架构提供了一套解决方案，在有些领域也做了探索，取得了比较好的一些效果。

　　今天的云端制造跟传统的智能制造有什么区别？

　　什么东西没变？解决的核心问题没有变，就是如何通过数字化的方式解决制造资源的优化， 配置效率的提高；解决问题的逻辑没有变，数据加模型带来的各种各样的服务。但是什么变了？即云端制造的架构体系的数据从哪里来变了。对于数据的集成，不仅仅是传统的业务系统、产品模型、IT系统，它更多地采集了设备和机器的数据。第二个，数据到哪里去变了。过去是把数据汇聚到了烟囱林立的国内的业务系统，而今天是把数据汇聚到了边缘侧和云端，它更容易实现数据的互联互通互操作。第三个，模型在哪里部署变了，算法都是在本地一些固化的模型，而今天模型既有本地也有边缘，也有云端。第四个，怎么部署也变了，过去是一个整体式架构，而今天是整体式架构跟微服务架构的一个集成。

　　因为这4个内容变了，所以带来的结果也变了，这种结果体现在资源优化的深度。过去仅仅是描述可见，而今天从描述诊断到了预测和控制，资源优化的深度广度也变了。过去我们关注的是单机的设备，一条生产线的资源如何优化，而现在是云边端的架构，它是要解决从生产线产业链到整个产业生态多个工厂，异地工厂之间，跟你的客户和供应商之间，如何实现端到端的一个集成，这是我们看到的云边端所带来的一个价值。

　　如果把视角切换到消费端也是一样的，因为今天的消费者已经发生了变化，这种变化体现在消费人群的涌现，尤其是数字原住民的崛起，他们无网络不生活的数字空间及生活空间。

　　在追求国产新的消费者的崛起的同时，有了新的消费决策链，人们的决策模式也变了，它需要追求更高的性价比。他的参与权，他的分享，他的社交企业，因为这三个变了，所以它对消费的产品的形态也变了。

　　换句说话说，今天的消费者有了更多的表达权、话语权、选择权、参与权，这是一个消费者主权崛起的时代，因为消费已经变得个性化、实时化、场景化、内容化、互动化，当消费端已经发生变化的时候，所有的企业都要思考，能在多大程度上满足或者跟上消费者这样的需求。

　　所以有一本书说得很好，就是对于一个制造企业来说，我们缺的不是用户，而是与用户的互动。

　　过去的几年，阿里有一个项目叫犀牛制造，2020年也入选了世界经济论坛的灯塔工厂。而犀牛制造所要探索的就是一个端到端的云端制造的新的技术架构和解决方案。在消费端它可以帮助企业解决消费需求的支持问题，帮助企业决策，需要什么款式什么面料什么颜色。对于服装行业来说，它也可以帮助决定你设计出来的一款产品是一个滞销款还是一个爆款，可以给出一些判断。

　　当你有了一个订单之后，它就可以在供给端去锁定一个工厂。今天这些工厂的所有的设备、物料、人员、加工工艺、加工能力都可以在云端去暴露，当我有了一个需求之后，我要把这个需求转化成一个数字化的工艺，要去设计，要去打版。打版形成之后，数字化的工艺就会下发到工厂，这个工厂基于数字化的工艺和订单，进行了实时的排产。同时也可以基于云端生成一个车间的制造执行，以及车间内的生产吊挂的系统运转，都是来自于云端，所以它是一个云端大脑控制的工厂。当然除了生产车间之外，它的物流系统也是可以是云端去调动，当然对一个企业的经营管理来说，它更容易实现云端的控制和优化。

　　如果说对犀牛制造做一个描述的话，它就是基于云端算法重新定义的一个在线工程，跟我刚才讲的实践是一样的。

　　未来中国的数字化转型在背后隐含的云端制造的价值是什么呢？过去中国是全球最大的消费互联网大国，在消费端数字化水平不断提高。而在供给端，我们传统的研发、采购、生产、物流这些系统在不断地升级，它在移动化、云化和终端化，而更重要的是中国作为一个消费互联网大国跟制造业大国，它能够把两个联动起来。联动的含义是今天制造企业的数字化的营销、客户运营、产品创新、智能制造、渠道管理分销和品牌建设背后的决策，都是基于对消费者洞察的决策，而这种体系的形成需要建立在云端的技术架构和解决方案上。

　　我们也看到在有些领域，尤其是在消费领域，行业集中度不高、消费者个性化需求比较强烈的领域，中国的数字化转型已经走在了全球前列，这是一个重要变革的方向。对于今天的智能制造。或者我们传统企业的数字化转型来说，我们面临着是一个数字基础设施体系架构的一次迁移，只有基于云端这样的技术架构体系，才能为未来的企业数字化转型找到正确的方向。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。