引子：达摩院2021年十大趋势之一——工业互联网从单点智能走向全局智能

2020年底，阿里巴巴达摩院发布了《2021年达摩院十大科技趋势》，作为身处科技探索最前沿的研究机构，梳理了科技领域最重要的趋势，这些趋势中既有能触动现在科技底座的基础研究，也包含了指引行业发展的最新应用方向。其中三项和具体应用相关的趋势中有一条就是针对工业的，描述了当前工业的数字化转型的重要方向：“工业互联网从单点智能走向全局智能”。2021年已经过半，我们站在当下再次梳理这个趋势，工业互联网是否在沿着我们当初的判断发展，为何这样发展，应当做什么?

趋势：单点智能的关注度正在降低，关于全局智能的应用和建设正在逐步提升

1. 单点智能与全局智能是什么

提到工业智能化，大众的第一个联想到的画面大多是机器人。在工业时代，机器人被视为制造业皇冠上的“明珠”，一个个看似高大笨重的工业机械臂在工厂里灵活的舞动着各式工具，冲压成型、焊接部件、喷涂车漆、整体装配，然后一辆辆崭新的轿车从生产线上缓缓驶下。对智能制造有所了解的人会马上想到更多人工智能在制造环节的应用，比如通过机器视觉判断产品表面是否有瑕疵、通过机器学习预测设备的运行状态从而及时维护等等，在从智能制造成为整个经济社会的热点以来，这些智能应用被越来越多的企业和普罗大众关注，尤其是众多的初创公司和工业玩家纷纷根据自身优势寻找细分赛道领域，在一个制造环节点上形成产品或者解决方案，例如传统的工业视觉领军公司康耐视，在多年前就推出了基于深度学习的工业图像分析解决方案。

但是，上面提到的这些智能应用都有一个共同特点：解决碎片化的需求。也就是它们都是着眼于独立的制造流程，甚至是单一的工位，通过先进感知和人工智能算法来取代复杂人工或者经验判断的应用，我们将其定义为单点智能应用。它们通常以更快、更省和更可靠为目标，应用落地直接清晰(只影响产线中的孤立环节)，有明确的投入产出比计算。正因为有诸多优点，制造环节的这些应用受到了工业企业的广泛欢迎，也受到了市场参与者的追捧。

图1：典型单点智能应用

　　与单点智能应用相对应的概念为全局智能应用。全局应用的作用对象不局限于一城一池，而是希望通过集成和协同，对多个生产环节甚至整个商业生态形成全局影响，从而让企业的商业效应最大化。全局智能也可以表述为集成，这既是德国工业4.0，也是长期以来我国推动两化融合的关键词之一。集成在实际应用中有三个维度，纵向集成、横向集成和端到端集成。纵向集成将产品的生产制造流程打通，让工厂的运营数字化、智能化，以垂直一体化与网络化的制造工厂为目标;横向集成着眼在产供销全价值链，让商品的客户履约流程形成协同，以价值网络的优化和灵活为目标;端到端集成更强调产品生命周期一体化，让产品从设计到更新得到智能支撑，形成持续增强产品力的有效手段。更高层次的全局集成跨越不同的维度，应对更大范围的应用场景，在全局形成智能优化。然而，不管是哪种集成，实现手段都是跳脱单个应用点，对多个环节进行综合考量而进行的数智化。典型的应用比如“需求驱动生产”(C2M，Customer-to-Manufacturer)、数智化物流预测、新品创新中心等等。

图2：智能应用集成概念示意

　　2. 跨域智能和全局智能成为政企关注点，全局智能的企业更受青睐

在《第十四个五年规划和2035远景目标纲要》中，规划也强调“在重点行业和区域建设若干国际水准的工业互联网平台和数字化转型促进中心，深化研发设计、生产制造、经营管理、市场服务等环节的数字化应用，培育发展个性定制、柔性制造等新模式。”非常清晰的指出了，产业数字化转型不应只关注生产制造环节，全链路数智化也是可以赋能产业的重要手段。工业和信息化部起草的《“十四五”智能制造发展规划》(征求意见稿)中，也把“加速系统集成技术突破”列为十二项重点任务之一。

不仅政府在积极引导产业关注全局智能应用，资本市场对具备全局应用能力的企业也更为青睐。阿里云研究院根据公开投资信息(IT桔子整理)分析，在近年获得融资的工业4.0相关投资事件中，提供对工业客户提供全局智能应用工具或解决方案的企业投资事件比例在自2018年以来持续增长，尤其是2021年上半年较2020年，比例增长了5%，首次与专注于单点智能的投资事件数量持平，达到了50%。而其中，阿里巴巴也投资了飞象互联等具备提供跨行业跨领域的一站式智能制造解决方案的智能工业解决方案提供商，用以增强自身为制造业企业赋能的能力。

图3：2018-2021H1企业投融资事件中单点、全局企业比例

阿里巴巴不仅看到了这个趋势，在实践中阿里云自身的产品和解决方案发展也与这一趋势相一致。例如， “云钉一体”、“云端一体”都是阿里云的重要战略方向，其中“云钉一体”的核心是要构建最全面繁荣的应用开发平台，钉钉平台可以让更多的全局应用能够有一个承载平台来对接碎片化的需求;而“云端一体”，则是通过端融入云和推云入端，用AIoT平台实现万物互联下的融合智能，客观上也将促进全局智能的发展。

那么，我们为什么认为“工业互联网从单点智能走向全局智能”是符合行业现实，并将开创工业数智化未来的趋势?

解读：全局智能是工业互联网的终局也是最佳实践

1. 日益凸显的矛盾：企业全局优化需求与碎片化供给之间的矛盾是当前制造业数字化转型中的基本矛盾

阿里研究院副院长安筱鹏曾经做出过一个判断，当前制造业数字化转型中的基本矛盾是企业全局优化需求与碎片化供给之间的矛盾。笔者将这一判断简单的理解成工业企业的集体“盲人摸象”面对的困难。“识别象”是所有参与者的最终目标，这个目标在企业实际的经营中就是营收、利润和他们背后的销量、速度、成本、可靠性等等，企业希望通过数字化的手段去增强企业的竞争力，从而获取更大的商业成功。然而，当前的手段和信息是有限的，也就是每个盲人去摸离自己最近的大象的身体部位。这在工业企业的数字化转型中也存在相同的问题，每一个企业从自己熟悉和擅长的领域出发，利用已有的碎片化技术点、生产环节优先级进行试点，希望在不影响整体系统运转的情况下获取单点、局部优化成果。有的在推广MES，有的在做数字精益生产，有的在做设备数据采集，等等。这种方式在数字化转型起步阶段的尝试是无可厚非的，但是如同“立于象侧，扪其身，上下左右，摩挲殆遍”就判断“象之形殆如墙，广而平，岸然而高者也”一样，通过单点智能获取的结果也必然是片面的。

为了满足企业全局优化的需求，也就是获取最大化数字化转型收益的解决方案，就需要解决当前技术供给碎片化的问题。通过拼凑现有的单点智能的碎片、甚至是放弃现有的碎片化技术供给而搭建全局智能的框架，来尝试从全链路、全要素的角度给出全局智能的解决方案，才是工业互联网的终局。

　　图4：数字化转型的“盲人摸象”

2. 逐渐清晰的路径：单点智能是自动化和精益生产的延续，全局智能是新的管理和商业模式的起点

在工业数字化转型的实践中，我们看到了大量的智能应用集中在工厂内部，尤其是现场层，例如工业现场和设备控制、工业视觉智能、工业设备预测性维护等，这些的确也是数字智能工厂建设过程中很难绕过的应用。这些应用集中在两个方向上，一个是经典自动化的渐进式变革，让以往难以自动化的工作可以被自动化生产所完成。例如经典机器视觉只可以识别规范摆放的2D物料，而经过人工智能算法加强的机器视觉可以识别随机叠放的3D物料并加以处理。再例如传统的流水线以处理单一的动作为主，并需要部分人工操作，通过多轴机器臂和传感技术的加入，可以完成复杂动作。另一个是精益生产的数字化实现，将一些线下或者人工的精益工具通过数字手段进行展示或者操作，例如替代物理的Kanban、Andon系统，将工厂的设备和工人的工作状态数字化并实时进行3D展示。这些应用的核心目标是成本控制，通过对人工成本的替代和加快生产节拍来实现更高的生产效率。所以，单点智能应用通常有相对确定的投入产出比计算，更容易作为数字化转型试点推进。但是，这种提升的收益以单点的成本为天花板，持续提升的潜力有限。

如果我们将目光从单点突破转向更多的制造环节甚至更广阔的产业链、价值链，全局智能会发挥更多样化的作用。例如，C2M的模式利用平台或者销售端向上游工厂输送消费者大数据，向其提供消费者偏好的品类、款式、数量等信息，然后工厂再根据反馈信息结合自身情况设计并生产相应的商品，也就是做大数据引导下的反向定制。再例如，在AGV、智能排产系统等新技术的驱动下，智能制造岛的生产模式协调不同生产环节和生产能力，再一次挑战串行的流水线模式，为柔性生产创造条件。所以，全局智能应用不仅仅关注单个环节，而是通过驱动数据在不同的环节间流动为手段，开拓新的生产管理模式和商业模式，最终的目标是发现和落地新的商业机会。这种全链路的数智化可以让企业把竞争带入新的维度，避免在成本价格上的贴身肉搏。

因此，企业进行数字化转型的目标决定了要更多进入哪些应用场景内，单点智能将进一步提升自动化的程度和精益生产的效果，而全局智能则可以从商业上重塑一个企业，甚至一个行业。

图5：单点智能和全局智能的不同路径

3. 此消彼长的难度：单点智能应用场景已经形成规模，新应用发掘进入深水区;全局智能潜力依然有待发掘

单点智能天然的有很多全局智能不具备的优势，正像前面提到的，它们方案简单，投入有限，落地直接，投入产出比明确，对整体业务影响可控。只要技术上可以实现，通常深受数字化转型的决策者和执行者欢迎。相比之下，全局智能应用的推进受到诸多的限制。然而，这一情况正在逐渐发生变化。

首先，单点智能中易实现的应用已被深入发掘，更多的单点数字化转型应用开发进入深水区。经过工业企业和解决方案提供者近10年的努力，典型的单点智能应用已经在很多数字化转型先行者的生产环节经过一轮试验。根据工信部辛国斌副部长2018年底在报道中介绍，自2015年起共遴选出305个智能制造试点示范项目，涉及92个行业类别，覆盖全国境内所有省(自治区、直辖市)，拉动投资超过千亿元人民币。在此基础上，初步建成208个具有较高水平的数字化车间/智能工厂。经笔者了解，在这些智能制造示范项目中，除了业务数字化和信息平台搭建之外，如预测性维护、机器视觉、电子Kanban这样一些典型的智能应用多有涉及。据IoT Analytics分析，仅预测性维护这一应用的市场规模到2024年就将达到235亿美元。然而，进一步发掘已经被大家熟知应用的新机会的实施难度在变大，近年来却并没有新的杀手级应用出现。智能应用的技术实现和利用智能应用推动企业成长的困难度已经显著增大。

其次，各个行业，尤其是互联网、消费品、金融等行业，在新的商业模式上积累了大量经验，并且起到了培养大众用户和从业者习惯的作用。例如电商的高速发展和逐渐成熟中，出现了大量的从消费者到供应链再到制造端的新模式，例如电商的供应链数字平台和销售平台协同，让商流和货流做到一体化，并且通过数据分析进行智能预测、智能补货。例如某知名快消品商家的天猫店铺，做“双11”分仓销售预测，提前四周的预测准确率是66%，提前三周的预测准确率是72%;占销售总量80%的畅销货品，分仓预测准确率达90%，按照预测进行补货的跨区比低于1%;这也让商家做到了精准备货、联合产销计划等等。利用在已成熟行业产生的经验，同样的模式可以相对容易的复制到其他的工业行业中，同时也给了新的行业更多信心。

4. 彼此成就的手段：只有单点智能而不存在全局智能的应用难以真正发挥作用，通过打通制造和其他环节，才能真正释放单点智能的潜能

将单点智能和全局智能放在对立面或者完全切割开来看是不正确的。单点智能的优势需要通过打通其他环节来实现最大化。试想一个工厂通过智能手段已经实现了完全的柔性生产，然而订单还是固定的，只是通过工厂管理者的判断来安排生产计划，那么柔性生产的意义何在;协调多个工厂的智能排产系统的投入较大，而在单一产品的生产中成本节省有限，但是当面对高速变化的线上市场需求时就成了非常有力的应用。而全局智能也离不开单点智能的支撑，只有在各个单点上有足够强大的应用，全局智能才可能成为现实。

路径：打破智能“谷仓效应”，拥抱全局智能

谷仓效应(Silo Effect)原是指企业内部因缺少沟通，部门间各自为政，只有垂直的指挥系统，没有水平的协同机制，就像一个个的谷仓，各自拥有独立的进出系统，但缺少了谷仓与谷仓之间的沟通和互动。这种情况下各部门之间难以建立共识而无法和谐运作。在工业互联网实践中同样存在智能的“谷仓效应”，那就是过分依赖单点智能，持续在一个个单一的智能点上做优化，而不能站在全局角度进行整体协调。而打破智能“谷仓效应”的手段就是全局智能。

阿里云研究院认为，为了打破智能“谷仓效应”，实现全局智能，需要做下面三个全局化的工作：

1. 资源全局化

资源全局化的核心是利用IoT设备让企业的资产资源可知、可见、可用。

基于统一的设备模型，低成本快速地从工业设备或者自控系统中采集、组织和分析数据，构建工业物联。实现工业设备及流程等企业资产的“资产数据化、数据资产化”，挖掘和提升存量资产价值。通过数据分析让机器数据产生洞察力，改善企业资产管理决策和运营的可见性。通过工业物联可视与数据智能应用，实现数字孪生，优化业务及生产运营效率。并且通过数字基础设施、中台和智能应用的云化实现资源全局调配。

2. 数据全局化

数据全局化的目标是打破数据壁垒，让数据组织清晰，让数据可以自由智能的在全局流动。

为了更好的实现数据全局化，需要制定统一规范的数据模型设计和开发，解决数据口径和结构问题;建立统一的采集规范，实现多端数据互通;开发可靠的数据生产、发布工具和统一可视化元数据管理平台;优化数据存储、计算的监控治理;形成大数据量的实时数据计算能力和统一的实时计算框架。最终可以对全域数据融合进行沉淀，打通企业生产、营销、管理等等全链数据。

3. 业务全局化

业务全局化的实质是业务的在线化和中台化。通过数据抽象让企业的制造能力和其他业务能力(营销、品牌、设计、研发等)沉淀，并且让各项业务能力时时在线并相互协调，成为最终通过在线业务中台实现业务互联互通。业务全局化要实现商业能力的共享和服用，打通从前台到中台再到后台的数据、资源融合。

　　图6：三个全局化形成全局智能基座

思考：同时规避“谷仓效应”和“鸟笼效应”的误区

面对工业互联网加速从单点智能走向全局智能的步伐，我们需要平衡发展单点智能和全局智能应用，同时避免进入“谷仓效应”和“鸟笼效应”的误区。

　　图7：规避“谷仓效应”和“鸟笼效应”的误区

首先，我们需要打破智能“谷仓效应”。避免对单点智能的路径依赖，从制造环节向纵深观察，从全链路的协同上、从价值链的配合上发现数智化转型的新潜能。

同时，需要避免全局智能的“鸟笼效应”。全局智能的建设必须与企业的实际业务需求相适应，不做无谓过度的顶层搭建和超前设计，同时协调发展单点数智应用，才可能实现工业互联网智能应用的可持续发展。