如果把工業智能比作正在行駛的巨輪，那么數據之于工業智能，就相當于輪船的發動機。只有發動機源源不斷地提供動力，這艘巨輪才能順利駛向工業互聯網時代。 

作者|思杭 

編輯|皮爺 

出品|產業家 

從數字化的探索到智能化的暢想，一段新旅程正在傳統制造企業中拉開帷幕。 

上世紀80年代，發達國家相繼制定較高的環境標準，并同時將重污染行業轉移到發展中國家。而中國因此獲得了“世界工廠”和制造業第一的稱號。“高能耗、高排放、高污染”的“三高”現象自然也長期存在于中國制造業當中。 

然而，歷經改革開放40年發展后，中國制造業正在走向產業鏈上游，而在這一階段，能耗問題也成為了最大的絆腳石。 

在流水線上的一輛輛泵車上，工人們正身處在一個巨大、明亮、干凈的摩登空間里，這與大眾眼中的工廠印象截然不同。它也正是吳曉波筆下的“18號工廠”。 

三一重工18號工廠，湖南長沙 

18號工廠的起源還要追溯到2018年。18號工廠，也叫燈塔工廠，被譽為“世界上最先進的工廠”，同時它也被賦予全球制造業領域智能制造和數字化的代表。在2018年全國兩會“代表通道”上，三一集團董事長梁穩根提出推動三一數字化轉型，口號是“要么翻身，要么翻船”。 

同年，“燈塔工廠”在18號工廠正式啟動，邁出探索智能制造轉型的第一步。 而在當時，這是行業內首個世界級“燈塔工廠”，技術上沒有先例，也沒有成熟的供應商。 

這既是三一集團在無人化、智能化的探索，也是中國制造業走向數字化與數據智能的開端。從燈塔工廠建設的具體實施來看，一共分為三個方向，分別是無人化、數字化和軟件化與數據融合。 

從機器人自動化到依托機器人等數字技術來實現數智化，再到軟件互聯和數據互通。最后，三一集團交出了一份令全世界都滿意的答卷：“工廠產能擴大123%，生產率提高98%，單位制造成本降低29%”。這也是三一集團被譽為“世界上最先進的工廠”的入選理由。 

工廠每天的數據產量是30TB，這些數據是由遍布工廠的1540個傳感器和200臺全聯網機器人產生的。 

在這張答卷的背后，數據是極為重要的一環。

一、2023，工業數字化轉型走到哪了？

在梁穩根的眼中，“數據是石油，要全力去挖，一個都不能丟。” 

從系統搭建的環節數量上來看，三一的這場智能化探索涉及了從生產到采購，從倉儲到客服，再到財務等12個業務環節的數字化系統搭建，并實現了所有數據的互聯互通。 

而從總數據量上來看，項目組成員更是從12個業務環節中篩選出了75個核心業務系統，一共形成4000多張任務表格，1.2萬億條數據。 

可以說，三一重工的數字化轉型走在了國內工業數字化的最前端。 

但究竟什么是工業企業的數字化轉型？ 

具體來講，在工業企業中涉及的從生產、管理到設計、銷售、客服等多個環節都需要用數字化系統重做一遍。 

而這其中的難點則在于，如何基于各個環節生產的數據提取并匯總在一起，從而進行數據分析、控制、監測、檢測、預測等生產經營活動，最后達到縮短研發周期、增加采購實時性、提高生產效率與產品質量、降低能耗、及時響應客戶需求等效果。

最后，產生的效果會為工業企業最直觀地帶來生產效率的提升和節能減排、運營成本的降低等等。 

放在具體的場景里，三一依托“樹根互聯”工業互聯網平臺，實現供應鏈上下游企業的信息共享與業務協同。 

可以說，工業企業與這些工 業互聯網已經形成了一個“利益共同體”。 

在制造方面，18號工廠兩條總裝配線可進行69種產品的混裝柔性生產，機加車間變身為真正的“黑燈工廠”，實現了原材料進場加工、運輸、檢測到成品的全流程無人化、智能化。 

另外，除了三一重工，海信集團也是國內領先實現數字化轉型的工業企業之一。 

海信集團內部的研發、營銷、制造、物流和服務等環節都全面完成了轉型。 

一個最為直觀的效果是，生產效率提升208%，設備OEE提升12%，質量一次合格率提升5%，訂單準時交付率提升10%，運營成本降低17%。 

而在這張“成績單”的背后，海信集團所依托的技術能力則包括了工業AI、工業大數據、AR/VR和數字孿生。 

具體來講，AI提供的是視覺檢測；大數據提供的是決策支持；AR/VR所提供的是遠程運維；數字孿生所提供的是研發制造協同。 

而這些技術也正是工業數據智能目前所用到的全部技術。或者，進一步解釋，數據是從生產、設計、銷售、能效等多個環節中提出來的，它們需要放到上述提到的技術能力當中進行加工，進行數據分析、監測等等過程，最終才能傳輸到各種應用場景中，實現在上述工業企業中所達到的效果。 

因此，數據的意義就等于將所有智能硬件和軟件串聯起來的核心節點。

目前，國內工業數字化轉型的情況是，已經完成了初步的數字化探索。 

從e-works Research調研數據中可以得到，工業龍頭企業中有96%已經應用了MES/MOM系統，并且ERP、WMS、PLM和CRM等其他系統的部署比例也非常高。另外，在工業軟件投資方面，18%的企業投資在億元級別，超過半數的企業投資金額過千萬。 

從另外一份埃森哲《2022中國企業數字化轉型指數》報告中則顯示了在不同環節都需要哪些技術的支持。 

比如在產品設計與研發環節，所需要的技術能力包括大數據、云計算和AI等；在生產制造與管理環節，技術能力涉及到了物聯網、5G、邊緣計算等；在最后采購銷售與服務，則需要電子商務、社交媒體、移動應用等技術。 

然而，在這些技術背后，數據智能的作用都不可忽視。或者，從另一種角度上來看，數據智能是工業互聯網和工業智能的底層環節。

在未來的智能化時代，制 造企業和數字化服務商正在合力下一盤棋。 

二、工業數據的抓手在哪？

電力作為基礎能源之一，任何惡劣 天氣的影響都會帶來巨大災難。一場暴雨完全可能引發交通堵塞、道路積水、排水系統癱瘓等等重大事故。 

而這種惡劣情況的發生則需要電力搶修人員時刻待命。 

湖南電力（國網湖南省電力有限公司）作為保障湖南省電力可靠供應的重要單位，截至2017年末，擁有35千伏及以上變電容量1.18億千伏安、線路6.62萬公里。 

但一個問題是，電力癱瘓時，如何判斷是哪些供電設備出了故障？又該如何精準定位？ 

以往，搶修人員需要對一條或多條供電線進行排查，才能確定故障設備，然后緊急制定出電力修復方案。 

而百度智能云通過百度地圖，將用戶信息、線路信息和設備信息呈現在地圖上，然后基于路況信息對停電范圍進行精準定位。而這就是在具體而言數據智能的作用。

另外，節能減排也是近年來國家對于工業企業的一個審查標準。 

在國藥集團的藥品分裝及包裝車間，一臺臺機器正在“忙碌”地給給疫苗做燈檢、貼標簽等等。而這些設備背后的動力源卻是壓縮空氣。 

在醫藥企業里，壓縮空氣的重要性就相當于電能，它關乎著藥企能否正常生產。比如在藥品的生產和封裝環節，它都是重要的動力源。 

但問題在于一旦壓力不穩定或氣壓過低，就會導致液體的倒灌，損壞設備。因此，壓縮空氣的控量也成為藥企的一大痛點。 

對此，數據智能發揮到的作用則是通過硬件設備將數據集中匯總起來，再傳輸給軟件終端，發送到手機和電腦上，方便維修工人實時查看和接收預警信息。

最終的效果則是既減少了設備損壞的次數，還降低了運營成本。而這正是專注為公輔設備節能減排的蘑菇物聯所作出的成績。 

從上述的案例中可以看到，實際上，工業數據智能是通過大數據和AI技術，在實現企業數據匯聚的基礎上，進行數據的分析和建模，利用模型實現業務優化和提升，從而實現降本 增效，例如設備的預測性維護、生產控制過程優化等。 

然而，在工業數據智能領域中，一個客觀存在的問題是，工業企業已經正常運轉了上百年，其多年來所積累的工業數據，必然會導致彼此割裂的現象。 

具體來講，工業數據來自多個工業流程、多臺機器和多種系統，而這里面涉及的工業數據也各不相同。有相關調查顯示，工業領域的數據類型約有130多種，其中數據模態多樣，結構關系復雜。 

因此，在工業數據融合的過程中，會出現三個層面的連接問題。 

第一層是設備之間的數據流通。第二層是不同產線、車間、車場之間的數據流通，包括耗能優化、供應鏈管理、質量管理等。而最后就是工廠之間的產業跨界，實現產業互聯。 

目前，在工業智能，乃至整個工業互聯網領域，除了數字化服務商的作用，另一個催熟劑則來自國家政策的規范性。 

近年來可以看到，隨著工業互聯網的不斷成熟，工業數據的標準化也愈加規范。2023年9月1日，中國工業互聯網研究院發布了《國家工業互聯網大數據中心體系產業鏈編碼規范》《國家工業互聯網大數據中心體系企業資質庫數據標準與共享接口規范》等第三批共計11份標準。 

在上述文件中，針對業務系統的數據庫表命名設計規范、產業鏈及其上下游節點的編碼規范，以及企業資質、司法風險、產品服務、投融資、知識產權等常見專題庫的數據字段等等，都構建了一體化的數據體系標準。 

而一體化數據標準的建立也意味著，未來數據割裂問題的減少甚至消失。因此，在工業數據割裂的背后，工 業數據智能產業鏈的出現也成了關鍵命題。 

三、工業數據智能：一個運轉的新產業鏈

在工業數據智能產業鏈上，聚集著從上游 的硬件廠商、到中游的軟件平臺層，再到最下游的行業軟件應用。 

通常來講，企業選擇的數據智能供應商都聚焦在中下游。這些數字化企業則基于大數據和AI技術提供。但針對不同行業、不同業務環節，數據智能供應商能給出的能力也各有千秋。而總體而言，這些服務商都有著較強的算法和數據分析能力。 

具體而言，云廠商、AI企業都進行了不同程度的布局。以云廠商為例，在工業數據智能產業中，百度智能云、阿里云和華為云的能力優勢在于算法能力，及服務標桿客戶的能力。 

而對于AI創業企業而言，在其專注的特定行業和領域則有著更好的業務理解和實施交付。 

比如優也科技是利用工業互聯網、數字孿生、AI、大數據等技術，從而提供能效管理、生產過程管理和設備智能維護等方案。其重點更多地放在了設備的監控安防上。 

而類似這樣的廠商大多都以提供軟硬件設備的“一體化”，來幫助實現數據“端邊云”的傳輸。對此，蘑菇物聯就是該類型企業的代表。 

而在生產過程優化和設備智能運維這兩個環節，雪浪云則是該類型企業的代表。在高端制造、流程化工和煤炭能源等行業，雪浪云則發揮了其多種系統的優勢，幫助工業企業進行運維效能的提升。 

然而，目前工業數據智能產業的發展情況則供需端的影響。 

市場端的需求是一方面，服務商的能力是另一方面。雖然在整條產業鏈上，既有云廠商來提供平臺能力，也有AI企業提供更細分的場景能力。然而，對于客戶而言，究竟如何選擇卻是一大難點。 

于云廠商而言，其能力在于大數據平臺和AI平臺。而問題在于沒有更直接地將細分場景擺在客戶面前。這就需要企業客戶要有很強的技術開發能力和數據分析能力。在云廠商所提供的平臺基礎上，客戶自身要承擔起數據分析和后期的應用開發工作。因此，這一過程中也涉及到數據清洗等問題。 

而數據清洗的重要性則相當于能否構建出一個清晰的大腦。因為數據是最底層的建設，如果數據問題都難以跨越，也很難構建出有效的上層軟件應用。 所以，云廠商所對應的客戶一般都是大型集團。 

而于A I企業而言，其能力在于“小平臺”，并直接提供細分的解決方案，甚至行業know-how。但問題在于，其后續使用過程中的應用重復建設和數據孤島等問題要比云廠商更突出。 

實際上，AI企業在客戶中可能更受歡迎。原因一方面是成本不高，另一方面，也是更重要的，由于能提供更高價值的細分、更成熟的應用場景，能讓老板更直觀地看到投入產出比。 

再回到需求側，目前在市場方面，數據智能作為工業互聯網和工業智能的底層環節，其很大程度上受到了上層趨勢的影響。

近年來，國家對于工業互聯網的重視程度正在階梯式提升。比如在2022年在《政府工作報告》中提到要加快發展工業互聯網，重點發展集成電路、人工智能等數字產業，提升關鍵軟硬件技術創新和供給能力。 

而在全球范圍，更是多個國家都發布了相關政策。比如在英國發布的《英國工業2050戰略》和《國家人工智能戰略》，重點提及智能制造和規劃人工智能系統；在歐盟發布《2030數字羅盤：歐洲數字十年之路》，將工業智能納入2030年數字羅盤戰略等等。 

如果把工業智能比作正在行駛的巨輪，那么數據之于工業智能，就相當于輪船的發動機。只有發動機源源不斷地提供動力，這艘巨輪才能順利駛向工業互聯網時代。