速锐得猎奇与猜想：数字化工业互联网能否真的走进未来

前年的8月份，我们独立设计一款燃气报警器，包括设计产品图纸，嵌入式软件、LED显示、核心代码、CAN网络及485架构、云端SAAS框图，应用场景等，在去年的5月份直接进入到了量产，第一批数量是2000套，升级工具、配套测试软件、验证实验室等都搭建完成。

艾默生和费希尔这两家巨头都有将自己的燃气数字通过2G网络的TBOX将数据上传到自己的云端，对一个2021年左右的“物联网”来说，简直不要太小儿科，只是，这个行业真的很传统。

我们设想了很多与工业互联网相关的事情，在目前整个数字化时代，无论是汽车工业、还是能源生产、制造、农业、医疗、零售、交通运输、物流、航空工业等，很多领军的企业在工业互联网的推动下，可能在未来的十年中，经济增长效率和生产力将达到前所未有的高度。企业领导者，机构、学者和技术供应商将热切地携手合作，试图挖掘和实现这一巨大潜能。

我查阅了部分关于工业互联网的市场研究报告，2020年全球工业物联网产值达到了1510.1亿美元，2025-2030年的复合年均增长率达到8.03%。事实上，很多领军企业认为利用好互联网的巨大潜能，还可以实现更大的工业增长。其中一个例子是，制造商和机构希望借此机遇实行再工业化，并将之前已经迁移到海外的工业和制造业吸引“回巢”。通过鼓励再工业化，竞购希望提升制造业的价值，以拉动GDP新一轮的增长。

在过去的15年里，通过互联网交易应用于零售、媒体和金融等服务行业，企业对消费者的电子商务取得了迅猛的增长，现在脱虚向实，工业互联网的发展潜力不容忽视。就之前做电商网购平台那一波，已经在市场占据了统治地位，B2C的模式在这个领域表现得非常成功，在未来10来年，互联网的应用有望成为工业领域带来同样的增长和成功，虽然我们现在看到的是一些服装定制，以后真的就不知不觉的覆盖了制造业、农业、能源、航空工业、交通和物流等领域，虽然现在是小插件、小配件的形式慢慢在引入到互联网，从无人值守、无人监管，远程控制和远程查看等来说，互联网化、数字化在整个工业应用领域的重要性，不可否认，工业产值贡献了全球2/3，这才是一个巨大的市场机会。

速锐得过往12年做的车联网、汽车数据、远程控制汽车，转移到工业互联网领域，其实，乍一看来，只是换了个终端形式不同，这么说有一定道理，但也不完全对。因为工业规模大，行业要求高，风险控制也就要求更高的等级，不像一辆车，在不影响驾驶的情况下，你也不知道软件更新了多少个版本，或者又有多少新的功能被释放出来。所以，工业互联网依旧处于一个初级阶段，尽管这十几年过去了，互联网也得到了广泛的应用，但是工业领域的巨头们一直在犹豫，如果拍拍肩膀说，兄弟，这个简单，能搞，那么就是不够敬畏了。

工业巨头们之所以犹豫，不仅仅是层级关系和责任关系，他们也不能确定工业互联网这一套系统上来以后，将对工业、价值链、商业模式、劳动力以及产能、产品产生怎样的影响，而且很多企业对这类的商业模式和技术还没有更清楚地认识，当然，我们也认识不够，一切技术和理论如果没有实际应用或者批量应用上，我们也不敢说成熟与否。

速锐得之前做了一类项目，是关于本田、现代、沃尔沃等4S店集团试乘试驾车辆的管理，管理的是零散类型的终端，与工业互联网整个系统性的管理、功能、要求是有截然不同的区别的，不出所料，工业互联网也是公司高层探讨的内容，他们往往抛开了支撑工业互联网技术复杂性来讨论工业互联网，有的认为无关紧要，至少现在稳定。例如，在工业企业中，他们使用生成数据的传感器和设备来控制运营已有数十年之久，运用机器、电路控制，机器对机器的通信协作，也有10多年了，因此，工业物联网、互联网的核心技术也不是什么新奇之物。工业领域同样可以高效收集、分析和储存可用来获取的历史、预测和规范的海量数据，因此，工业企业的领导者也会琢磨，将我们一套M2M架构连接到互联网，会为我带来什么样的价值？

其实，我们说得天花乱坠，最终还是要落到实处，毕竟都是干实体出来的，来不得一点马虎，工业互联网本质是提供一种能让人更好查看和分析公司运营和资产的方式，其中集成了传感器、中间件、软件、后端云计算和大数据的存储系统。因此，说得大话一点就是提供了一个彻底改变企业经营过程的方法，此方法借助的是高级分析以及通过访问大型数据集获得的结果反馈，通过提高运营效率和加速提升产能来实现企业收益，同时降低计划外的停工期、口罩期，从而优化效率，来提高利润。

尽管在当今的工业环境中，现有的M2M技术和方法可能看起来与工业互联网类似，但其运营规模截然不同。例如，在借助工业物联网系统的大数据中，巨大的数据流能通过云托管的高级分析技术、以导线的传输速度进行分析。此外，海量的数据可能存储于分布式的云系统，用于未来批量分析这些数据，这些大批量的分析工作可以从数据中收集信息和统计数据，不再是简单的数据传输，然后，工艺工程师可以将这些分析结果，用于运营优化以及提供给管理人员，供他们将其转换为知识，从而提升产能和效率并且降低运营成本，这个是一个新的方向，估摸着特斯拉有琢磨过这套东西了。

整个行业以前说要搞数字化创新，都喜欢说从0到1，在工业互联网领域，我们就从1%考虑开始吧，因为这个应用主要是大多数领头行业中降低运营成本、提升效率有关，即要求工业互联网仅通过节约1%的成本来创造巨大的收益。例如，在航空工业中，每年节约1%的燃料将节约300亿美元，在发电中，将投入燃气发电机的燃料减少1%，运营成本将节省660亿美元，在油气工业中，每年花费在设备上的支出减少1%，它将会带来900亿美元的回报。这一理论同样适用于农业、交通运输和医疗保健等行业。

记得2014年，速锐得与中国宝马集团合作的时候，仅仅在销售的车型中安装一个采集汽车保养灯数据的TBOX，通过活动和远程控制的吸引人的功能，使得宝马车主回店保养从32%上升到76%，不仅在硬件终端上给宝马集团赚到了丰厚的资金，也提升了维修保养服务的收入。那么对于部署工业互联网投入的资金和运营成本来说，只要提升1%就能带来显著的投资回报率。那么启动工业物联网战略，需要哪些技术？

工业物联网汇聚了若干关键技术，以产生一个比自身总和更大的系统，就像云一样，覆盖在整个工业生产制造过程中。例如，最新的传感器不仅通过一个组件生成更多的数据，而且还生成不同类型的数据，技术的发展不仅仅体现在数据的精确度上，如果加上AI的一些算法，传感器都能自我感知，甚至可以预测在机身剩余寿命的长度。这个时候，传感器生成的数据不仅精确，还具备预测性。同样，借助控制器或者TBOX类的，机器传感器能够自我感知、自我预测和自我比较，他们可以将当前的配置、环境设置与预配置的最优数据和阈值进行比较，为自诊断做好准备。例如注塑行业的中广瑞达实业，通过机器和数据的类比，调节到最好的温度、压力、时间，将脱模和注塑达到一个完美的时间配合，从而对机器的性能达到最优、自我检测使用的速率、调整阈值等等。

近些年，传感器技术的成本大幅降低，尺寸也大幅减小，这使得机器、工艺甚至人员的仪器，在财务和技术上均成为可能，正如我们理想中看到的那样，大数据和高级分析技术是工业物联网的另一个重要驱动和使能技术，因为这些技术可以提供历史性的、预测性的和常规性的分析，让人们洞察机器或者程序中的实际运作情况。

结合这类自我感知和自我预测组件分析技术，人们能够提供精确的机器和资产维护计划表，让机器和资产在更长时间内维持高效的使用状态，并减少不必要的维护造成低效率和成本。在过去10年中，云计算加快了分析的速度，业务流程管理开发平台等服务提供商可以以较低的成本和按使用量收费的方式提供了有效大数据所需的强大计算、存储和组网的能力，趋避风险的公司可以做自己的私有云。

当然，运用工业互联网的企业必须坚持不断创新，以及从长远的角度看待工业物联网项目的投资回报，企业也需要一笔资金作为传感器、设备、机器、和系统的资本输出，因为通过采集数据以及分析数据的AI智能算法不会立即产生结果，你需要一定时间才能取得成功，因此，这个过程需要资金和耐心。从资本角度考虑，整合或者收购一家有积累的数据公司，调整公司战略，解决数据池问题，分析输出数据，达到与公司战略目标一致的结果。其中还包括减少工业和IT网络中的安全问题，风险评估还包括最重要的资产、风险最高的资产和降低风险的战略计划，例如在一家传统的工业制造厂中，生产产品的机器（如基于可编辑模板运行的车床）包含制造产品所需的所有智能控制和设计知识等，之前日本鬼子保密工作就做得特别好，安全团队需要在整个供应链中执行策略，运行程序。

路漫漫其修远兮,吾将上下而求索。

审核编辑 ：李倩