学而时习互联网通信数据报告2021-01-26

新一代工业互联网发展模式与成功实践–数据驱动的新价值网络

导语

在工业互联网蓬勃发展的今天，如何应对工业化思维与数字化思维冲撞、碎片化需求与规模化供给矛盾、封闭的设备联接走向开放、多元的利益格局走向平台利益共同体，实现从软件上云到硬件上云、从隐性数据显性化到隐性知识显性化、从数据流量红利到知识算法红利、从基于产品的分工到基于知识的分工、从单平台资源聚合到多平台立体化协作，是时代思考的重大命题。

基于阿里云研究中心发布的白皮书——《新一代工业互联网发展模式与成功实践–数据驱动的新价值网络》，本文将和大家分享中国工业互联网发展趋势的见解。

中国工业互联网发展：不进则退

过去一年是中国工业互联网“野蛮生长”的一年。无论是利好政策、资本注入、新参与者涌入、还是新技术、新产品落地，都为其发展创造了一个良好的环境。同时，各类工业互联网平台纷纷涌现，根据《信通院2019工业互联网白皮书统计》，当前中国工业互联网平台已有300家左右，具有一定规模与影响力的平台数量达到50家之多。其中，既有垂直行业的龙头企业，也有以BAT为代表的数字企业，同时，高科技初创企业的加入也为工业互联网的发展注入了新的创新元素。值得肯定的是，越来越多的平台开始从起步逐步走向成熟，从最初的一窝蜂、追风口，到现在的聚焦与专注，无论是在产品能力、服务体验、商业模式、还是发展路径上，对平台建设都有了更为深刻的认知。

工业互联网发展的四个时期

但挑战依然严峻。当前，工业互联网平台发展的主要问题是碎片化能力供给与制造企业全面数字化转型诉求间的矛盾。平台发展如要发生质的变化，以下五大问题还有待找出答案。

1. “数字孪生”何时降低门槛？

数字孪生简单地讲，即物理对象在数字空间中的实时、动态映射。数字孪生是一切模型与应用的基础。从设备、产线、车间、产品、再到工厂，数字孪生的实施成本与复杂度不是线性增长，而是倍增。数字孪生最大的挑战在于巨大的“语言障碍”。只有当通讯协议、设备的互联互通、数据集成、软件的互操作等不再是问题，数字孪生的部署门槛才能降低到企业，尤其是中小企业能够承受的范围。

2. “数据资产”何时高价值变现？

制造企业的节流与开源离不开数据。然而当前大部分平台提供的服务仍然聚焦在生产要素数据化层面，或仅仅是用数据对物理世界进行描述。制造企业迫切需要的是从数据中获得预测能力，并指导决策，才能为业务带来创造性的经济效益。而只有当平台同时掌握数据、算力、算法与工业知识这四项能力，尤其是复杂算法与行业机理模型相互验证的能力，所开发出的工业智能应用，才能面向不同场景，创造实际价值。

3. “物理边界”何时突破？

工业互联网平台是线上线下、软硬融合的平台，但当前平台多是以项目制、“施工队”这种点到点的方式提供数字化服务。线下服务的线性增长方式严重制约平台的规模、范围与速度。平台还难以有效做到将线下工业应用与解决方案标准化、数字化，APP化，并迁移到线上交付。平台只有摆脱人力、设备、厂房等物理局限，才能做到客户的持续运营、服务的规模化复用，同时降低其边际成本。

4. 供给侧数据何时打通？

全链路与全要素数字化与数据化意味着企业有能力站在全局的角度，深度服务用户。然而，数据孤岛不仅存在于企业内部，更大的挑战来自供给侧与消费侧之间的信息断层。生产运营信息与消费信息的不对称，导致生产企业依然延用20世纪的管理模式服务21世纪的“数字原生用户”。只有当工业互联网与消费互联网打通，形成“双轮驱动”，才能围绕产品与服务，确保从设计、研发、生产、供应链、再到客户端的交付形成业态化的联动，增强供应链的灵活性与响应速度。

5. 生态系统何时完善？

工业互联网平台的建设是一项复杂而又漫长的系统工程。从链接、到应用、再到服务，中间涉及到众多门类的学科、技术、人才与能力。平台建设的逻辑不是单打独斗、而是共生共赢。只有当平台学会将边界能力之外的产品、技术、服务、市场交给合作伙伴，相互信任、相互成就，才能构建一个共生、利它的平台生态系统，从而产生巨大的协同效应。

用昨天的解决方案解决不了今天的问题。经过过去几年的实践，阿里对平台建设有了更为清晰的认知与定位。通过在新技术、新模式、新商业、新组织与新生态的不断探索，逐渐开辟了一条互联网创新发展与新工业革命深度融合的新工业互联网平台模式。

工业互联网发展路径探索

工业互联网是推动制造业数字化转型的利器，帮助企业获取高效网络化协同能力以及基于数据的智能化决策能力。依托数据智能与网络协同的双螺旋，达到运营的持续优化、业务的创新以及资产价值的最大化。该转型过程可以大致分为四个进阶。

制造企业工业互联网发展路径

阶段一：工厂/车间互联（成本导向）

工厂/车间内部生产运营的局部云化与数字化往往成为制造企业，尤其是广大中小企业数字化转型尝试的第一站。工厂数字化改造的迫切性与传统信息化手段的高成本之间的矛盾，驱动企业的生产运营纷纷转向工业云平台。通过局部的工业设备云化、工业应用的云化，可以帮助快速打造一个入门级的“数字孪生”工厂。制造企业按照时间、人、使用频次订阅工业云服务，仅用传统工厂数字化改造五分之一的时间与成本，便可连通工厂内部的人、机、物，有效提升工厂/车间的可视化运营效率，优化决策。

阶段二：组织内部协同（效率导向）

依托互联网化架构（例如：数据中台、业务中台），打穿传统架构造成的企业内部数据孤岛与业务孤岛。包括产品设计、生产工艺、库存管理、生产执行、订单管理在内的所有环节都可以打通，帮助企业将有能力站在全局的角度优化企业决策。在数据自动化与智能化驱动下，一线业务的实时决策逐步替代管理层的经验决策，并支撑企业由线性、静态协同向用网状、动态协同转变。

同时，随着云、边、端一体化协同的深入，数据得以快速双向流动并形成反馈闭环。企业将更有信心尝试数据智能在多个工业场景上的应用，逐步将其作用到核心业务，并赋予机器更多的认知能力，辅助人来决策。

阶段三：组织外部协同（用户导向）

该阶段，平台构建的“价值网络”，替代传统“价值链”模式。无论是2B还是2C的制造企业，都渴望通过平台的方式获得更为开放的协作能力，不仅是组织内部的协同能力，更渴望打通上下游供应链、销售链，加快构建大数据支撑、网络化共享、智慧化协作的上下游全产业链体系。企业将更加依赖工业互联网平台，以实现设计在线、研发在线、生产在线、用户在线、服务在线与消费在线，以及内外部业务间的直链。届时，全局的数据智能将提升组织的整体运行效率，所有环节间的交互都是以网状的方式推进、所有业务决策都是围绕用户洞察出发、所有生产活动都可以柔性化、所有产品与服务都可以满足“个体”的需求。

阶段四：产业生态融合（创新导向）

更多垂直行业的领军者将其所在行业的的复杂性与知识的不对称性转化为自身的竞争优势，并从中受益。一方面，企业将多年累积的知识、经验、资源以及数据资产以数字化、云化、平台化的方式开放给上下游企业，或是跨行业用户，让知识与数据资产以规模化的方式变现。另一面，通过构建跨平台、跨产业的生态体系，形成更大维度的交叉与协同，创造新商业模式与新业态，例如工业电商平台、供应链金融，移动出行服务、工业大数据交易平台等。

届时，人工智能、区块链等新一代平台型数字技术将成为工业互联网创新的“数字神经中枢”，推动制造业进入到全面“业态化”的发展状态。

未来展望：大交叉、大融合与大协同

如布莱恩·阿瑟在《技术的本质》一书中所表达的，技术具有生物属性，像生物一样进化，在进化过程中同样存在相当的不确定性。工业互联网平台作为技术与知识的集大成者，亦是如此。平台的进化没有明确的顺序、也难以事先预知哪些现象会被捕获与利用，技术的组合与进化更是存在偶然性。因此，在这一轮由工业互联网引领的产业变革中，实践与理论相比，显得尤为重要。

未来十年或是更长时间，工业互联网平台可能依然处在探索期与安装期，但可以确定的是，未来十年一定是一场大交叉、大融合与大协同的盛宴。技术、科学、产业、区域经济、社会间的高度交叉带给工业互联网的是更大范围的“乱”与“混”。在“混乱”与不确定性中，将涌现出更多的新模式、新业态、新现象与新的价值创造方式。