崔 斌：蕴硕物联创始人，硕士毕业于清华大学计算机专业，中国工信智库专家、中国数字经济推进方阵专家，曾长期就职于西门子数字化工厂集团，担任过上市公司核心高管和著名工业互联网平台核心高管，累计服务超过数百家制造业知名企业，参与打造出多个业界知名的智能制造经典工厂，于2019年上半年创立“蕴硕物联”。

　　蕴硕物联：工业智能领跑者「蕴硕物联」，由在材料工艺、智能制造和人工智能领域的资深技术专家团队领衔打造，用工业智能，打造金属加工过程的“数字化工艺引擎”，走出一条人工智能与工艺深度结合之路，致力于以“工业经验数字化、业务价值数据化”理念打造各种工业微服务以及相关特色工业应用解决方案，已与多家制造业知名企业合作，并成为工业互联网特色应用风向标企业。

　　亮点摘录

　　————————————

　　1、很多行业原理和规律一直就存在，AI和数学算法，只是找到一种最贴近规律的表达形式。

　　2、“物联呈现”只是工业互联网的第一步应用，后续的核心应用是要与工艺机理密切相关。

　　3、基于工艺经验进行的数字化，具备广泛的通用性和可复制性，可以把基于专家经验的“黑匣子”转换为大家都可以用的产品。

　　4、未来的发展是多学科的融合，未来交付给客户的产品往往是结合了机、电、软、硬件加人工智能等各种技术的一体化产品。很难单纯地说它就是一款软件还是硬件，未来是IT+OT+DT+AI技术大融合的新时代。

　　专访全文

　　————————————

　　|关于蕴硕物联：致力于工业领域的特色创新 ，将“工业经验数字化”

　　赵晓光：先请崔总对蕴硕物联和所处行业进行一个简单介绍。

　　崔斌：蕴硕物联是一家在工业领域提供人工智能特色应用解决方案的战略新兴产业公司。我们的理念是希望把过去曾经沉淀于业界的工业经验、专家经验以及工艺过程的机理模型数字化，即“工业经验数字化”。同时，为制造业提供“工业APP”和“工业微服务”，这些正是大量既有工业互联网平台普遍需要和缺乏的核心内容。我们希望在工业领域做特色创新和突破价值高点。

　　我们属于的工业互联网行业这几年从无人问津到开始渐入佳境，随着新基建和5G技术的快速发展和国家层面的推动，基于工业设备数据的价值需要出口，在各个领域和细分领域开始广泛萌芽新型的工业应用，大有星星之火可以燎原之势。虽然在工业互联网领域，我们看到的平台类型和数量已经很多了，但在核心的工业应用方面，尤其是带有“机理模型沉淀”的应用却是非常缺乏的，是业界的稀缺资源。工信部虽然推出“百万APP培育工程”，但到现在为止有价值的工业应用还是非常的少。我们这些在工业领域有很多年沉淀的人应该也适合去做这些比较难但有价值深度的事情。

　　从终端用户应用市场角度来说，过去很多工业软件都是偏管理型的或是偏传统的工业软件，但是在贴近设备数据且融合了IoT、AI等技术的新型工业应用，则能够更加直接地为企业降本增效，提高质量等，也更容易获得客户的价值认同。从设备制造商来讲，他们也希望能够加入一些智能应用模块，让设备更加智能，从而对终端客户形成更好的价值黏性。从集成商来说，也希望能够有所转型，改变传统产线的调试周期或者工程型商业模式。

　　行业未来的前景方面，我觉得在工业领域，这些针对细分市场的特色APP及背后的工业微服务，因为设计的初衷就是为了灵活的耦合性和开放性，具有同业界存量的系统和设备都具备广泛连接和赋能作用。所以，将来无论是业界的需求还是市场空间都非常广阔的。

　　赵晓光：工业互联网其实是很大概念，我的第一个问题，工业信息化与下游制造场景紧密相关，应该并没有一个统一的标准化工具吧？

　　崔斌：是的，现在还很难说有一个统一的标准化工具。在传统的工业软件体系和厂商当中，我们看到比如说围绕研发管理系统的PLM系统，以及围绕制造生产过程的MES系统等等，都有各种供应商，由于制造业各类场景的复杂和细分，也一直并没有一个能够一统江湖的垄断性系统平台出现，越接近细分应用类的场景越难有标准化工具。在传统的工业软件当中，有很多应用技术服务商，比如德国西门子、美国的PTC、法国的达索等，他们可以提供一些平台性的开放框架，让更多的合作伙伴在上面进行二次开发。

　　赵晓光：从下游看，工业互联网会率先在什么特征的行业启动？会在哪些制造环节启动？

　　崔斌：工业互联网最早的发源，是来自于针对设备的后市场维护，业界常说的PHM(故障预测与健康管理P)，相关更大的领域也叫MRO(Maintenance,Repair&Operations)。比如像GE的Predix的起源就来自于对自己交付出去的发动机、汽轮机等设备的售后服务市场需求。从制造终端来讲，还没有一个特别明确地说一定在哪些环节先启动，因为从降本增效提高质量维度角度去做的话，都存在各种齐头并进的市场机会。初始往往是在生产制造环节，以车间透明化、信息可见等这类“物联呈现”入门应用为主，而现在则开始往工艺环节的深水区开始渗透，无论是从帮助客户节约能源，更快地挑出次品，更快地识别质量缺陷等等，到现在以蕴硕物联为典型代表的“从事后发现转为事先发现”或者在线工艺质量预测…都在各个生产环节逐渐渐变演化。

　　赵晓光：从产业链看，工业互联网主要包含哪些环节和产业链，哪些部分最为重要？

　　崔斌：从产业相关技术链来说，包括最靠近工业设备端的数控系统、感知技术、通讯链路、边缘计算这一类，我们常通常为边缘层或现场层，再往上就是云资源即IaaS这一层，再往上是工业互联网平台的PaaS层，实现大数据量的并发，各种应用的支撑、开发者生态、机理模型的沉淀、分析模型和计算能力的提供，最上层就是SaaS层，即各种工业应用。

　　|中国在工业互联网应用方面的创新并不落后德日

　　赵晓光：崔总对德国工业互联网非常熟悉，能否介绍一下德国工业互联网发展情况？中国工业互联网现在发展到什么阶段？

　　崔斌：我们觉得在世界范围内，中国工业互联网的发展时机并不落后，甚至在这一轮的创新已有部分环节领先于国外。这很像当年C端互联网的发展情况，中国在C端的应用创新诞生了很多优秀的企业和应用，如阿里巴巴、京东、滴滴、美团，它们的创新性甚至会领先于世界。在工业领域也是一样。我们看到不管是德国、美国、甚至日本都做了很多工业互联网方向的技术。但是，从应用的创新角度来说，可能中国是最为积极活跃。德国的工业互联网发展，在我看来它的优势在于具备非常好的技术积累、工业知识的沉淀和对工业制造技术的理解，但是从互联网的新技术发展、应用形态和应用的创造性方面可能都显得相对保守和传统。中国的工业互联网很多应用是相对轻盈、快速、灵活、简单，所以从应用的扩展性和灵活性来说，我觉得中国工业互联网在应用创新角度的发展态势更好，而且理念也更新颖。

　　赵晓光：德国和日本在工业互联网发展路径有什么不同？

　　崔斌：德国在工业互联网发展上，我们看到更多是愿意走平台化路线，这也是他们这个国家和民族非常擅长去做的系统性工程。他们很严谨的去构建体系完整的工业互联网平台级架构以及支撑工业应用的机制，他们喜欢做这样的业务。而日本，我们看到走的是精益研发和精益生产的路线，日本的企业似乎并不大张旗鼓的追求工业互联网平台，也没有什么所谓的日本特别知名的互联网平台公司，但是细分观察下去，会发现有很多日本的大型制造业企业，自己早就做着一些基于工业IoT+人工智能的各种特色应用，基于精益质量的文化风格，他们更多走的是工业APP的道路，非常的低调，从点滴做起。

　　|5G会给工业互联网行业带来什么变化

　　赵晓光：5G对工业互联网带来什么变化？

　　崔斌：5G对工业互联网会有很大的创新促进作用。从两大类应用场景都能感受到。一种是设备后市场服务领域，当设备在交付后运行过程中，大量设备散布于室外环境，只能通过无线网络进行状态采集后的数据传输，所以5G对这种情况下的数据采集会有非常大的帮助，包括可以有利于传输更丰富的信号的种类、数量、频次等。另一种是在工厂内生产制造环节，5G的发展变化也会带来新的机会。因为过去在工厂内，在生产过程中设备间各种信号干扰是非常多的，基于WiFii，或者是NB-IoT之类低功耗的无线传输，都不能够解决工业互联网时代大量设备数据高频次数据海量传输和稳定性传输的问题，以前这种无线类的传输解决方案在工厂内的应用都是比较差的，大家不得不继续采用一些有线网络。但是随着5G的发展，我们看到5G在低时延、高频采集，尤其是抗干扰能力方面优势突出，会带来工业领域生产过程当中数据联网的巨大变化以及结合端-边-云的多维度创新。

　　|生产与组织形式不同的企业，都可从工业互联网上进行持续的价值挖掘

　　赵晓光：工业互联网在看重品质质量的军工、造船、飞机、汽车大型产业和看重大规模量产的消费电子、轻工等产业有什么不同？崔总能否拿一个行业举例，工业互联网应用的案例？

　　崔斌：其实在军工、造船，包括消费电子、轻工业产品这几类，他们在关于品质质量提升方面的诉求是一样的。只是说由于生产的组织方式和形态不一样，看起来不一样，但是他们的品质诉求是一样的。以军工、造船之类为例，属于单件小批量，以往大量的工作是围绕一件或者订单进行组织生产，由于过程组织比较粗放，非精细化，大量的反复的尝试，包括人的因素、设备因素影响性都很多，造成订单产品的交付延迟，而且交付延迟的周期拉长会产生相应的罚金，同时对过程的追溯查找效率都会产生糊涂账，属于生产频率低、单件价格高、问题频率高，但发生在单件产品上。在需要量产的消费电子和轻工产品上，原本过去是有很多高度自动化的稳定作业，可能出问题的频次少，但一旦出了一次错误，或者是质量瑕疵的话，可能影响的就是多个批次，属于生产频率高、单件价格相对低、问题频率低，但发生在批次产品上。不论哪种生产组织形式的企业，在工业互联网的应用和诉求上都有相同的需要。

　　我再举个机械设备生产的例子吧。比如说在重工企业当中，以往都是以人工的各种加工作业为主。第一个层面，在这个环节下很多人的行为，包括他工作的质量、工作的水平，都没有一个合理的参照。运用工业互联网技术，其实是在监测设备行为的同时，反映了人在设备上工作的有效性，进而反推出人的行为的合理性。第二个层面，能够关注到设备本身的健康度，以便及时对产线设备进行维护维修和保养，提前发现防止故障发生对生产的影响，在这个层面，会通过工业互联网关注到一些物联呈现类的初级价值，比如设备的开机率、能耗、利用率、良品率、合理性，这些数据对MES系统和SCADA系统产生价值支撑。第三个层面，开始通过设备数据进行工艺过程的合理性评估和预测性挖掘，设备目前的生产加工状态是否意味着一个比较合理的加工过程？它的真实的潜能还有多大可以挖掘？它所造成的一些质量隐患、生产质量结果的隐患在哪里？这相当于成为了工艺过程的画像，对于企业的生产过程有很好的提升，这些在机械设备制造过程当中我们早已熟知的很多“跑冒滴漏”的现象，基本都可以通过工业互联网技术进行持续的价值挖掘。

　　|目前工业互联网的发展是多头并进的，出身不问出处

　　赵晓光：云计算主要是从亚马逊、阿里巴巴这些本来应用云计算技术赋能自身产业的龙头公司里孵化出来的，工业互联网会不会也是这样？

　　崔斌：工业互联网领域的玩家的发展路径目前看起来是比较多元的，大致分为三类。第一类，可能是从传统的IT厂商产生的。比如原来是做工业软件的一些公司，他们开发了新形式的基于云/SaaS/边缘计算的新型工业应用。第二类，是从大型生产制造企业的内部需求出发，比如从三一、海尔、航天、富士康等企业都诞生出一些工业互联网业务或者平台型公司。第三类，就是传统的设备制造商或自动化集成商。他们曾经作为乙方服务了大量的客户，有大量的存量市场，也拥有大量的产线或设备存量。通过他们的设备或原有产线可以采集到一些比较真实的生产数据，用于提升分析。基于这类数据方面的处理，可以产生一些有持续黏性的工业应用，在轨道交通、石油领域，这些传统的大的信息化系统集成商也有这样的方向。第四类，是一些数学背景的团队，在工业领域也有一些应用场景和发展机会。所以工业互联网的发展应该现在是多头并进，玩家出处有多个，并且各自都走出了一条特色路线打开了相应的市场空间。所以目前还很难说哪一类会占据绝对的上风，我们要走着看，我相对更看好有真实的工业领域沉淀和理解的团队。

　　|目前工业互联网平台上与深度工艺机理有关的核心应用依然偏少

　　赵晓光：所以工业互联网先要在解决下游客户痛点过程中开始应用？

　　崔斌：工业互联网的应用目前还是两个主流方向：一个是在设备的使用过程中，不管是在工厂内作为制造型的生产设备，还是工厂外作为被别人使用的终端设备，这类的解决方案其实比较多。比如我们看智慧路灯、智慧风电、智慧能源、智慧节能等等这些都有。另外一类，就是生产制造的环节当中，基于提质增效的这种工业互联的一些新型应用都在开始，后者在制造过程当中基于工业互联网的应用创新门槛比较高，价值突破周期长，但从终端客户改善角度出发的价值无疑具有更好的前景未来。

　　赵晓光：崔总判断工业互联网应用的渗透率现在是百分之多少？

　　崔斌：工业互联网类应用的渗透率目前还并不是很高。我们看到有大量的应用都还是对设备状态的采集、监测、联网和展示。这类的我们认为只是工业互联网发展的第一步应用，但是基于设备这样大量地采集数据之后，更加深层次的核心应用还是偏少。据工信部相关权威报告，目前的工业互联网平台上的工业应用只有不超过30%是跟工艺机理有关，这类核心应用还是偏少，但是初级的应用已经很多了。

　　赵晓光：请崔总再介绍一下蕴硕。

　　崔斌：蕴硕物联致力于制造加工成型领域工艺机理的数字化沉淀，凭借对各种材料尤其是金属材料特性的多年积累，对于制造加工过程中的材料成型规律和材料特性等有很深了解。我们从以上角度切入，认为这个领域的市场空间比较广阔。因为结合工艺的扩展性是可以横向扩展到很多行业的。在很多行业其实都存在相同的工艺，使用相同的材料，进行类似加工的场景。工艺数字化模型在各个行业都可以通用，这是我们蕴硕的切入点。蕴硕物联的核心价值，就是把制造加工过程当中的成型工艺进行数字化，打包成“工业微服务”，形成各种各样的开放性接口，可以搭配在相应的加工的生产设备和产线上，再对接相应的生产制造控制系统，从而满足各业界的上下游的需求。这样我们未来的发展空间就变得非常多元，我们的交付形态也可以非常灵活。这都是搭配我们的合作伙伴一起去用新的灵活的耦合性去面对市场。大概是这样的一个模式。

　　赵晓光：崔总刚刚提到 “工业机理”，能否仔细展开一下？

　　崔斌：在工业领域中，任何加工过程都存在“为什么能够做到”的原因。比如说焊接质量原理，金属漆的喷涂原理，打磨原理，抛光原理，包括空气的动力学原理，流体力学的原理…加工过程中现象与上述原理其实是能够直接关联起来的，可以解释哪些事情为什么会发生,以及什么原因在影响着它的发生。举个例子，比如在金属漆喷涂过程中，金属粒子在空气中飞行路径的规律是什么？颗粒度、飞行距离和角度会导致它在什么样的材料上具有多大的附着能力和厚度规律？哪些材料经过长期反复的使用会造成疲劳、断裂和机理组织的损伤…其实这些都是有原理的。这些理论在工业领域已经存在多年了，只是说过去有很多它存在于人的经验、专家的脑海里和个人的感觉当中。在掌握了自然规律和加工规律后，你就是能够驾驭过程，实现所期望的结果。

　　但是，这些规律不是靠数学算法学习出来的，数学算法和各类AI工具，其实只是找到一种形式表达规律，但是工业原理早就一直存在于业界。我们看到很多人工智能的应用都是在用数学方法进行规律的学习性发现，往往有时候在业界是缺少这样的环境和学习机会的，有点像盲人摸象，不知道摸到什么时候才能得到全貌。但是基于机理的角度，它是正向推理和知识工程，基于专家经验的精准数据并与AI结合，迸发新的生机。

　　所以其实有很多沉淀于业界的工业机理还没有被数字化，没有形成基于工艺经验的数字化模型。这也跟物联网技术有很大关系。以前信号采集的丰富性远不如现在，传感器的类型也没有这么多，传输的方式也都是有限的。而现在我们说通过基于5G、物联网技术、传感器技术、大数据存储技术、人工智能的学习技术、各种工具的产生，我想IT技术的发展再结合OT(自动化技术)知识的自动化等等，未来会有很丰富的想象空间。

　　|工业互联网与人工智能、机器人的关系

　　赵晓光：物联网的下一步就是人工智能。崔总认为人工智能在产品研发、产量良率控制、产品检测这些环节如何发挥价值？

　　崔斌：物联网的下一步肯定是人工智能，目前已称为AIoT。人工智能在产品研发、良率控制方面都能够发挥作用。简单地来说，如果是基于传统视觉类的，那就是说能够更快地替代人工，识别生产的瑕疵和次品，相当于这是事后对次品的挑选更快。比如说在生产过程当中，上下料的过程当中，能够进行合理的原材料质量筛选，这个都是在视觉领域的一些应用。还有一类是在非接触非侵入式的，比如说基于音频的、振动传感器的一些外置的解决方案。他们能够通过采集设备的振动的声音，然后这些音频的信号能够判断设备将发生怎样的故障。所以是结合一些设备的材料磨损等规律进行一些人工智能的应用，这些都是很多基于已发生的、肉眼可见的这样一些现象进行特征提取。是基于机器学习和深度神经网络的人工智能经典应用，但是结合专家系统，我们发现一些人工智能的应用可以向有规律的预测，预测性的、预防性的应用去发展。

　　赵晓光：工业互联网和机器人的关系是？

　　崔斌：工业互联网和机器人的关系在我看来，其实可以统称为“工业互联网和设备”的关系。很多工业应用是绑定在特定类型设备甚至是设备品牌上的。比如做空压机节能的，所以就一定要了解空压机的运转的机制，节能的调整的方案，它是匹配关系。还有一类就是像基于工艺过程的，这些是跟设备无关的，不会跟设备品牌完全绑定，是相对通用的。我们看到工业互联网和机器人的关系，也是在这个范围内，不管机器人是如何的先进(其实现在大部分机器人依然是一个高度自动化的集成系统)，它都是作为一个执行机构。再好的机器人也要看如何使用、如何编程、如何控制。所以工业互联网结合人工智能实际上是让机器人拥有了“大脑”和其他智能化的模块，让它自主地去做生产性的动作。这相对于过去纯粹的人工编程让设备按照固定的规划的路径运行，有了一个新的进步。所以工业互联网能够为大量包括机器人在内的设备进行智能化的赋能，而且赋能的内容还会提升迭代更新，这些迭代循环的过程都是在设备外独立化和专业化进行的。

　　|工业互联网应用能否改变过去的“黑匣子”模式，使过程可控从而提升良率？

　　赵晓光：以我研究电子产业的过程看，过去的工业生产实际上是个“黑匣子”，企业能否胜出的核心取决于从研发到制造环节的工艺经验，从而相比其他竞争对手获得更高良率。工业互联网是否将会改变这个“黑匣子”模式，将工业生产全过程数据精细化、透明化？

　　崔斌：是的，我赞同光总说的。工业互联网确实是将改变黑匣子模式，但是又不能简单完全这么说。其实过去的很多国外的技术传到中国来，对我们来说是个黑匣子，对人家来说当然是白盒子，他很清楚这里面为什么要这样设定，但是不告诉我们全部。在国内的一些高铁、飞机领域制造过程中都存在这个情况。国外厂商给我们的是希望我们为他制造的，把我们当成一个代工生产厂，但是，当我们希望有自己的产品时，比如做自己的高铁，制造自己的飞机时候，国外的很多经验是不给我们的，甚至是保密的。能否把这样的一些生产工艺过程转换成真正的数字化可表达的过程和模型，这也是蕴硕物联所要努力的。

　　我们说做传统中餐总是说“盐少许、醋适量”等等，可能很难精确表达和传递给他人。其实过去在工业领域，有很多专家指导经验也是这样一个状态，似是而非。他也知道大概的方向，但要凭一些手感去试验，给一个方向去摸索，但是他又很难把经验和感知转化为可复制的形态和技术，传递给别人让别人复制。所以我们更多的是想构建出一套“工业经验的数字化”。使其具有很好的复制性，从个人的黑匣子转换为大家都可以用的产品。当然产品本身对外还是有很多保密不可公开的部分。

　　赵晓光：比如在电子各类模组生产中，大概设计将七八个零部件经过七八个环节组装成模组。其中的环节过程基本不可监测、不可控，只能等全部环节走完再检测，因此良率自然无法提升。如果能够在每个环节实时检测到生产良率，那么过程就是可控的。

　　崔斌：在电子类的模组生产过程中，确实有很多的工艺环节。每一个环节做不好都不行，而且如果等到最后再进行结果检测肯定是不行的。现在的趋势是每一个工艺环节都有独立的检测和在线检测。但过去受限于检测能力和物联网技术、传感器技术，有很多还是要留到最后才进行质检，良率在一定程度后也很难提升，因为对过程缺少控制和了解。同时，如果对工艺的理解不够，即便是对数据都进行了采集，到最后依然无法分析真正的影响因素和趋势。所以应该说物联网技术给我们带来了更好的一双眼睛去观测真实发生的事情。但是，如何去评价和分析，还是取决于工艺经验和对工艺机理的理解。

　　所以，如果能够在每个环节实时检测到生产数据，再结合生产质量评价的能力模型，那么这个过程就变得可控，这都是正向的系统工程。我们目前所看到的一些传统的或者是新的数学类的技术，它实际上是一种逆向的或者说只是对结果的一个特征学习，局限性也比较大。比如在金属材质加工的过程当中，表面上看起来成品并没有什么瑕疵的，但是内部连接质量、焊接质量是有问题的，要通过红外探测才发现。所以用视觉检测方法无法解决问题。再比如在金属漆喷涂领域，很多都是金属粒子在空中的飞行拥有分布规律，最终喷涂在其他材质表面上后，还有一个成型凝固的周期，在这样的环节上引入视觉识别技术都存在一定事后滞后的局限性。所以，基于设备在制造过程的真实工艺数据，加上机理模型后则具备很好的预测能力和识别能力，而且能够更快更早更准更精确地识别。因为，出现的质量问题，一定是过程当中某些成型环节的关键参数和关键指标上出现了问题。

　　赵晓光：光学相关的技术在工业互联网是否很重要？

　　崔斌：光学相关的技术在工业互联网领域，应该说也是重要的。但是它有它的局限性，我们之前说过，它都是基于已经形成的结果进行识别，以事后发现为主。工业互联网大部分的数据其实不是光学数据而是机器的真实的运行数据的实时在线监测和预测。

　　赵晓光：光学如果是事后发现，那么事前的数据要如何拿到呢？如何观测设备数据呢？

　　崔斌：事先的数据实际上是在设备上进行动作的采集。相当于在形成成品或者是既定事实之前的过程，从机器的各种信号当中进行采集，可以从设备的数控系统或为设备增加一些外部的传感器来实现，总之是在成品之前采集到各个维度的关键数据。

　　|工业互联网一定要在细分领域与设备和生产进行紧密结合

　　赵晓光：所以工业互联网一定要深深扎根产业，扎根实实在在设备和生产的硬的部分。可否以焊接为例讲一下？

　　崔斌：是的，一定要深深扎根在产业，而且是在一些细分领域与设备和生产结合非常紧密的环节，机会不再属于那些ROI很难计算的管理系统，而是真正对制造过程有经济价值。以焊接为例，分为人工的半自动化焊接和基于机器人的自动化焊接，都依然需要结合工业互联网进行潜力挖掘。在不同的焊接工艺下，影响焊接质量的因素少则有十几项，多则有20多项，如保护气体的使用、流量、压力、角度、速度、电压、电流等等，在手工半自动焊接场景下，往往依赖于人的经验水准，就会出现有些人焊的好，有些人焊的不好等等。但实际上无论是谁焊的好和不好都是因为符合或不符合了成型规律。

　　在焊接领域也在开始引入专用机器人，但很多企业即便采用了焊接机器人也做得不好，主要是不知怎么合理编程去实现对机器人的有效控制，就是“人、机、料、法、环”的“法”。我们想实现把这五项要素进行工艺数字化。

　　|未来的工业制造体系中智能化与信息化的提升空间有多大？

　　赵晓光：崔总认为，未来在制造业体系中工业互联网和智能化占比会到百分之多少？

　　崔斌：我觉得在未来制造业，工业互联网和智能化的占比只能是越来越高，而且可能会无处不在。因为设备自动化的时代已经几乎要过去了。国外有的设备我们也有，但是依然我们的生产质量不一定好。所以结合工业互联网的精细化生产一定是未来的趋势，越来越多越来越丰富的数据必然会对智能化的分析能力、预测能力、监测能力产生绝对的推动。这就是有点像智能手机和手机应用间的互相的导流。如果没有特别好的应用，大家不会想着去用智能手机。有了智能手机可能催生了大家对应用的开发灵感。

　　赵晓光：崔总认为，目前各类工业制造哪些领域信息化程度高？哪些领域还有大幅提升的空间？

　　崔斌：目前在各类工业制造当中，我们可以看到CPG(Consumer Packaged Goods)行业的信息化程度是比较高的。因为，这些企业过去的理念就是要实现高度自动化作业，基于配方、温度、湿度、压力的合理控制以及标准化的罐装、包装等等，它本来原来就是追求这个。如果这些方面控制得不好，药品和食品饮料就容易出现批次性质量问题，所以他们对连续流程作业过程中的信息化程度要求本身就很高，只是那时候没有叫工业互联网，但是基于设备数据的采集，各种温湿度的控制信号已经非常多了，所以他们是在这个领域信息化程度比较高的。

　　在工业领域信息基础相对弱并具有更大提升空间的是“离散制造业”，包括航空航天、国防军工、船舶、轨道交通、能源工程、重工机械等等。其实大家会发现这六项都是非常传统的劳动密集型的业态，都有非常大的提升空间。但是在相对自动化程度很高的作业环境下，比如说汽车、3C、高科技电子领域，也有提升空间。但是提升的空间不大，因为它已经是做了大量自动化以及过程的稳定性处理。但我们要这样看，虽然再往上提升的百分比已经很低了，但哪怕再提升0.1%，因为它的批量很大，经济价值依然是非常可观的。举例来说，国内某知名的重工机械生产商，它的一次性焊接成功率在国际上已经是非常高的了，但一次性焊接成功率只有90%，。大家可以知道它的提升空间有10%之多。比如换到空调，空调领域可能良品率本来就是在99%了，它看起来只有1%的提升空间但因为生产量特别大，比如你提升个0.1%，那结合它的产量和产能来说也是极大的一个数字。所以还是我们说的在单件小批量环境下和连续自动化作业的不同客户都有提升空间。

　　赵晓光：最后请崔总介绍一下您的个人经历和从业情况。作为在工业互联网十几年经验的专家，谈一谈您个人的感想。

　　崔斌：我是硕士毕业于清华大学计算机专业，后来阴差阳错进入了制造业。毕业后有超过十年时间是在西门子数字化工厂业务体系度过的，负责过大渠道业务和行业业务的技术支持，有幸参与了一些国内知名智能工厂的建设，经历了传统的智能制造路径，也接触了大量的业界生态伙伴，从西门子离开后也在上市公司和工业互联网平台公司任过核心高管，经历了两化融合、智能制造、工业4.0以及工业互联网的技术演化渐变。

　　我的感想还是挺多的，过去做智能制造是长周期的系统化工程，一个客户一个样的项目型业务，工程型业务，随着工业互联网的发展，基于IoT技术、AI技术的发展，我看到了各种技术的新的融合，这带来了非常多的可能性。未来的发展是让人感到极为兴奋的，工业领域的升级转型趋势已经在发生，而且发生的越来越快，新的形式、新的技术、新的模式在不断产生，这让传统工业诞生了新的希望。同时我觉得，未来的发展是多学科的融合。过去我们会很简单地划分学科与行业，比如软件行业、自动化…但是在未来你会发现交付给客户的是软、硬、机、电、加人工智能技术在一体的产品，很难单纯地说它就是一款软件产品还是硬件产品。未来将会是IT技术和AI技术融合在一起的一个新的时代。创业者面临很多挑战，同时为真正在工业领域有积累的人带来了厚积薄发的发展机会。

　　—— End ——