當下炙手可熱的工業(yè)互聯(lián)網（IIoT），讓不少公司趨之若鶩，也讓不少公司繞了彎路。
GEPredix獨立運營之后，仍在不斷調整戰(zhàn)略，新發(fā)布的私有化部署產品尚缺乏實際客戶案例。頗有德國版Predix風范的工業(yè)互聯(lián)網平臺Axoom，在剛剛過去的7月意外被其富爸爸賣給別家，掀起業(yè)內不小的波瀾。
曾經跨過山和大海，也穿過人山人海的西門子，看到同行者的境遇，做何感想？
2019年已經過半，轉眼就將到達當年“2020公司愿景”計劃的時間點，西門子急不急？
在今年年初，西門子和哈佛商業(yè)評論HBR聯(lián)合發(fā)布調研報告《加速工業(yè)互聯(lián)網的時間進度》。
在這份試圖覆蓋全球工業(yè)企業(yè)C-suites高管的調研中，741名高管中有74%認為物聯(lián)網將在兩年內助力他們在市場中建立競爭優(yōu)勢。然而障礙也顯而易見，90%的高管認為物聯(lián)網項目的投資回報率ROI難以計算；還有不少高管表示公司中缺乏懂行的專家，缺乏應對物聯(lián)網項目復雜性和挑戰(zhàn)的信心。
很多人表達了一種兩難困境：沒有ROI硬數據，公司的高層領導在當下暫時沒法拍板投資做物聯(lián)網項目。不過反過來看，如果競爭對手率先嘗試了物聯(lián)網，一兩年的時間差就有可能造成無法追趕的差距。
發(fā)布這份報告之后不久，2019年4月，西門子迎來一個關鍵節(jié)點，西門子物聯(lián)網服務事業(yè)部正式成立，使命是加速推進物聯(lián)網服務。
為什么有了Mindsphere，西門子冷思考之后還要成立物聯(lián)網服務事業(yè)部？
物聯(lián)網服務事業(yè)，西門子在哪里找到了指數級的增長機會？
數據中臺，西門子怎么解讀？
西門子悄悄布局的工業(yè)知識圖譜，會成為下一個超級風口嗎？
帶著這些問題，我和西門子中國研究院院長、西門子（中國）有限公司物聯(lián)網服務事業(yè)部總經理朱驍洵進行了一次挑戰(zhàn)思維極限的對話，體會了他為物聯(lián)網服務發(fā)展所做的沙盤推演，感受了他行為邏輯背后的決斷、取舍和專注。
為什么成立物聯(lián)網服務事業(yè)部？
彭昭：物聯(lián)網服務事業(yè)部的定位是什么？
朱驍洵：這是一次商業(yè)模式的創(chuàng)新，從賣產品轉變到賣服務，用端到端的服務幫助顧客完成數字化轉型。
這張圖顯示了西門子認為圍繞物聯(lián)網平臺應當開展的7種類型的集成服務，推動IT和OT的緊密集成，也體現了物聯(lián)網服務要做的事情。
簡單的說，這個物聯(lián)網服務過程分為7步：
第1、2步是咨詢和原型設計
第3步，要把現有設備連起來
第4步，現有OT系統(tǒng)可能需要的智能化適配及升級
第5步，所有這些連起來的設備和系統(tǒng)，需要有一個物聯(lián)網平臺進行管理和集成，也有可能需要把其他已有的物聯(lián)網平臺接入其中
第6、7步表示，有了平臺之后，可以根據顧客的需求開發(fā)各種數字化應用。并長期運營和服務。
這7步走完，西門子才真正的幫客戶走完了整個數字化旅程。
客戶不僅需要硬件和軟件，還需要端到端的服務，物聯(lián)網服務是對現有數字化能力的補充，我認為這才是一個完整的數字化世界的建立過程。
彭昭：物聯(lián)網服務應該怎么做？
朱驍洵：第一，通過咨詢的方式評估數字化能夠帶來的價值，明確組織現有的數據情況。
我們有一套建模評估工具包，用來解決任何一個存量工廠的建模問題。如果是新建工廠，現在普遍都會有一套很炫的三維模擬，公司的管理者會看到一個用仿真軟件做出來的動態(tài)模擬展示。而存量工廠雖然沒有這套動態(tài)模擬展示，但是所要使用的數據一樣存在數據庫里，一樣可以及時體現數據的價值，只不過我們沒有通過工具和對應模型把它展示出來。所以建模是一個核心步驟。
第二，當客戶有一條產線要升級的時候，在什么地方應該放什么樣的傳感器？從物聯(lián)網服務的角度來看，我們會提供以KPI（關鍵績效指標）為導向的IoT部署建議。
因為工廠廠長一般要看十幾到二十幾個KPI，他需要知道今天工廠運營得怎么樣。在這里我們以知識圖譜作為技術核心，它可以從這些KPI一直追溯到到底是生產線的哪些點，需要什么樣的數據，解決現在的問題。這也是知識圖譜帶來的優(yōu)勢，我們能夠精準的告訴廠長，他在什么地方缺什么樣的數據。從而建議工廠如何做IoT部署
第三，運營層面的優(yōu)化。這也是基于知識圖譜的，就是讓軟件通過知識圖譜來做算法。
這三個步驟，第一步是建立知識圖譜，第二步、第三步是運用知識圖譜。
彭昭：從上面這個過程，可以看出知識圖譜很重要。到底什么是知識圖譜？
朱驍洵：過去大家都講工藝包很重要，不過工藝包是給人看的，人看了這個工藝包文件以后，可以知道這個工藝是怎么把產品做出來的。
那么怎樣把工廠里面給人看的工藝包，變成讓機器能夠理解的東西呢？
我們是通過知識圖譜把工藝包變成機器能夠理解的東西。當機器可以理解之后，再去寫各種APP的時候，就不需要做太多定制化的部分。
知識圖譜的重要性在于它為各種算法的介入提供了一個核心支撐。沒有它，很多數據的訪問是松散的。
數據中臺只是個杯子，重要的是泡什么茶
彭昭：知識圖譜的載體是什么？
朱驍洵：數據中臺。
這個數據中臺跑在什么地方對做好物聯(lián)網服務來說并不重要。它可以跑在西門子的MindSphere上面，也可以跑在客戶現有的云平臺上面，也可以跑在客戶工廠里的服務器上面，都可以。
總體上說，有兩點很重要。第一，我講的這個數據中臺不一定是MindSphere，數據中臺不與工業(yè)互聯(lián)網平臺掛鉤，它是平臺獨立的（Platform Agnostic）。
第二，數據中臺不會改變原有的系統(tǒng)架構。
原有的關鍵數據仍會存在原先的若干個不同系統(tǒng)里，我們只做數據的讀取，不做數據的匯聚。這點可以解決客戶對于數據交給誰的困惑。即便有數據中臺，數據還是呆在它原來的地方，并不需要把數據交到什么地方。
彭昭：所以你可以不用MindSphere。
朱驍洵：不是必須。
數據中臺本身不依賴于MindSphere，但是我們看到西門子MindSphere是目前工業(yè)市場從商業(yè)化成熟度、APP布局來看首選的平臺。
彭昭：這個數據中臺，和BAT所講的數據中臺，是一個含義嗎？
朱驍洵：我不知道BAT的數據中臺到底是什么。我認為的數據中臺，可以打個比方，其實數據中臺就是個杯子。
我要杯子是為了泡茶喝，沒有杯子，我沒法泡茶。所以雖然我本想泡茶，但我的表述會變化，我可能對你說，你需要一個杯子。其實這個杯子是誰的，這個杯子長什么樣，對我來說并不重要。
數據中臺只是個杯子，關鍵是這個杯子里準備裝什么茶。
誰都可以說擁有數據中臺，但是這個數據中臺是不是能夠通向真正可行的技術路徑，通過行業(yè)標準，得到知識圖譜。最后利用知識圖譜作為工廠數字雙胞胎的基礎，打造一個可持續(xù)使用、可持續(xù)開發(fā)的數字化平臺，這才是關鍵。
彭昭：是不是可以理解為，西門子物聯(lián)網服務最后給客戶交付的是知識圖譜和數據總線，類似這種形式的東西？
朱驍洵：可以這么說。在物理世界體現為數據總線，就是客戶缺什么數據，我們會給出添加建議。在虛擬世界，我們?yōu)榭蛻舻墓S建模，交付知識圖譜。
這個知識圖譜是一個活著的數字雙胞胎。
數字雙胞胎有很多種，大家往往會想到用CAD建模之后的三維圖像是數字孿生，其實不止如此。一個工廠，甚至一個房間，都可以根據需求建模，創(chuàng)建知識圖譜。雖然它沒有很炫的三維效果呈現出來，但是你在工廠里加了什么新的物理設備，知識圖譜馬上就會體現出來。
而且，當面對一個龐大生產線的時候，怎么才能知道到底需要什么樣的數據？一般的工廠有上萬個、幾十萬個數據點是正常的。怎么知道還缺什么數據？沒有一個現成的軟件可以告訴。那么當有了知識圖譜之后，它可以作為進行物聯(lián)網整體布局的基礎。
在企業(yè)運營的狀態(tài)層面，是不是真正用到了這些數據？是不是真正實時的把數據用來分析、用來反饋、用來驗證？知識圖譜同樣可以作為基礎，能夠實時的感知你的生產線是不是處于的最優(yōu)狀態(tài)，哪一部分還有提升的空間。
彭昭：數據中臺、知識圖譜、數字孿生…市場上很多人在做，西門子有什么獨特的地方？
朱驍洵：我覺得獨特的地方是我們的技術路徑。
我們獨特的地方在于，首先會通過語義模型的手段，把來自各個傳感器的數據語義化，進行語義標注，成為語義數據。這個過程是把異構數據結構化的過程，讓數據建立關聯(lián)。
數據語義化有什么作用呢？比如說一臺壓縮機，它是用在電廠還是化工廠？這臺壓縮機在什么場景中使用？和這臺壓縮機相連的有哪些設備？這些都是非常重要的關聯(lián)性信息。這些信息有助于機器理解機器。
第二步，基于語義模型，增加人的專業(yè)知識作為輸入，生成知識圖譜。知識圖譜就像語義世界的百科全書，這是一套機器可以使用的百科全書。
有了這個知識圖譜，如果一條產線或一臺設備出了問題，機器很容易就能調取相關信息，給出數字化的診斷指南，也就是讓機器給予有效建議。再往后的下一階段是決策推薦系統(tǒng)，機器可以根據知識圖譜和數據，自動匹配相似的模型和決策機制，從各種故障案例庫中選取最優(yōu)。
最后一步才是基于知識圖譜的應用開發(fā)與落地。
所以我認為工業(yè)人工智能有兩個大的支柱，第一是知識圖譜，其次才是深度學習?，F階段我們最應該重視的是知識圖譜。
彭昭：知識圖譜還沒有被很多人提及。
朱驍洵：在沒有知識圖譜的情況下，我們面臨的痛點是非常多的。
從客戶的角度來講，制造企業(yè)會覺得數字化缺乏一個通用性軟件，所有的服務都是高度定制化的。造成的結果必定是昂貴的軟件、昂貴的應用和服務。
從開發(fā)者的角度來講，工業(yè)數據非常復雜而且散落在各個地方，需要開發(fā)者投入很大的采集成本，還需要對制造企業(yè)的運營有非常多的理解和知識，具有很高的門檻。開發(fā)者生態(tài)的不足，又反過來加劇了制造企業(yè)難以通過數字化項目實現快速投資回報的問題。
我們提出制造企業(yè)需要數據中臺。就像剛才的比喻，數據中臺是個杯子，泡好知識圖譜這杯茶，讓物聯(lián)網能夠真正賦能制造業(yè)，需要這樣一個統(tǒng)一的數據中臺。
從能力上而言，數據中臺首先需要對數據進行一個集中的展示。雖然展示并不是帶來核心價值的東西，但是一個必要條件。其次，數據中臺還需要具備異構數據的集成能力，有能力自動連接，轉換不同格式的數據。第三，數據中臺需要能夠對跨領域的事件進行關聯(lián)，能夠根據上下文做出關聯(lián)性分析。第四，數據中臺的部署方式必定是靈活的。
提出數據中臺并不是說想做一個一統(tǒng)天下的平臺，大家要把數據都放在這里。數據中臺是西門子為了應對目前的現狀而提出的解決方案。
現在國內有數百個工業(yè)互聯(lián)網平臺，還有很多個數據中臺，我并不想要再加一千零一個平臺來解決制造業(yè)的數據問題。
指數級的機會在哪里？
彭昭：物聯(lián)網服務，中國的機會在哪里？
朱驍洵：應當明確，中國和德國的工業(yè)4.0沒有可比性。
中國有很多自動化水平不高的行業(yè)，數字化是幫助他們提升效率的好手段。我不倡導讓這些企業(yè)先大量鋪自動化設備，而是建議先用數字化手段做仿真和規(guī)劃，再決定該怎么精益改進。而德國的工業(yè)4.0是在自動化程度很高的前提下發(fā)展出來的，因此和中國的市場切入點有本質不同。
我們會從存量工廠的升級改造開始做起，這是基于中國現狀的。
中國是全世界的制造大國，是靠人工在解決制造業(yè)這些最難的技術問題。尤其去看中國的一些組裝類型工廠就會發(fā)現，很多偏偏是自動化最沒法解決的問題、工業(yè)機器人最不能解決的問題，他們用人力進行了完美的實現。
人是這個世界上最聰明的機器，就算最厲害的企業(yè)，其實也會有非常“工業(yè)2.0”的生產場景。在數字化改造的過程當中，如果非要等到這些技術問題都能被新一代的機器人算法解決的話，并不現實。
中國的智能制造和德國的工業(yè)4.0會走出完全不一樣的道路。中國的存量市場，從純手工、到半自動、再到自動，都不一樣。我們存量改造的理念是，一條手工線不需要經歷整個自動化的過程。
一個純手工的中國傳統(tǒng)制造企業(yè)應該怎么數字化呢？開玩笑的講，我在團隊內部經常以“炸油條”的鋪子舉例。我跟團隊說，你先不用去考慮自動化是什么，先通過數字化手段來評估任何一種形式產線的效率，評估效率可以讓你發(fā)現這些環(huán)節(jié)是不是真的緊扣資產利用率，員工利用率是不是最優(yōu)？效率能夠提升，就是數字化帶來的優(yōu)勢。
不用改變任何的商業(yè)模式，通過數字化就可以提高工廠效率。我們主打的存量工廠改造的概念就是任何樣式的生產線，通過建模、數字化仿真，都能找出提升的空間。
彭昭：是不是從另一個角度也說明，現有的制造企業(yè)其實很困惑，不知道自己想要什么，或者應該做什么怎么做。
朱驍洵：大部分不是很清晰。我們在跟客戶溝通的過程當中，很多人對數字化還是很困惑的。
困惑有幾點：第一，客戶不知道數字化到底帶來什么價值，為什么要投入這么多去做這樣一件事情？做完了以后有什么樣的回報？第二，客戶不知道自己現在到底有多少數據，這些數據是分布在哪些系統(tǒng)里面的？工廠在過去的10-20年，不同的系統(tǒng)里到底藏了多少寶貝？基本上沒有企業(yè)真正有時間去梳理這個事情。
講一個真實發(fā)生的例子。有個客戶他給蘋果Apple等公司做代工。他面臨的問題是，他的一條生產線在搭建完以后跑個兩三年，這條線就不用了，就得根據代工的需求更換整條線。
當他在得到代工訂單的時候，根本沒有時間去考慮怎么復用現有的一些生產設備。為了趕上代工進度，他得從頭去購買新的設備，搭建一個全新的生產線。造成了他的庫房里面積壓了好幾個億的原有設備，而且這些設備并不是壞設備。我們在跟他做的一個咨詢項目，就是怎么樣通過建模和資產管理，把他現有的設備信息全部掌握清楚，并且?guī)椭麖陀眠@些生產設備，最大化的節(jié)省成本和提升效率。
彭昭：太多人只看重增量。我同意存量市場很大，有沒有一些更細分的客戶畫像？
朱驍洵：我們的物聯(lián)網服務對增長的預期非常大，并沒有對各種領域做出嚴格的劃分。任何一個西門子具備傳統(tǒng)強項的垂直領域，我們都能夠去提供服務。
存量工廠的改造是一個探索的過程，市場中物聯(lián)網服務的體系目前是不存在的，本身也不存在類似的方案，從某種程度上說，這是我們的一次突破和嘗試。就像在西門子內部創(chuàng)業(yè)，開創(chuàng)一套新的模式。
彭昭：西門子準備投入多少資源？
朱驍洵：我們預計2025年之前，物聯(lián)網集成服務市場的年增長率將達到10%到15%。中國是西門子認為與美國、歐洲并列的核心市場。
西門子的傳統(tǒng)業(yè)務是賣產品、賣軟件的模式，而物聯(lián)網服務事業(yè)部是賣服務而不跟產品掛鉤的一種商業(yè)模式。在中國，我們有200多人的團隊全心全意服務這個市場。
彭昭：存量工廠能夠改造成功的關鍵點是什么？
朱驍洵：領導者或者說整個企業(yè)的信心和意志是很重要的。
真正轉型成功的，或者說數字化試點之后愿意再投資的，非常重要的是領導者的理念。如果領導不認為數字化是企業(yè)未來生存的核心，光做試點那是沒有用的。
我還沒有見過一個案例，只做了一個試點之后，就改變了領導者的觀念，一個都沒有。往往是領導者首先有這個觀念，認為數字化是我的轉型必經之路，然后通過試點來印證領導者的理念是對的。
就像西門子在白皮書《物聯(lián)網變?yōu)楝F實》中畫的這幅圖。圖片中的最外圈，是變革管理，體現了領導者的信心和意志是首要前提。
“從0到1”，IIoT還缺什么環(huán)節(jié)？
彭昭：你怎么看中國工業(yè)互聯(lián)網現在的發(fā)展？
朱驍洵：中國的智能制造，經常會提到兩化融合，就是自動化+信息化。這跟數字化是什么關系？我覺得距離真正數字化的第一步都還不到，我們現在正在經歷從0到1的過程。
那么什么是我認為的數字化？第一，作為一個傳統(tǒng)制造企業(yè)，在物理世界中是真正產生價值的，通過加工原料，把它生產成產品，把產品轉換成金融的價值。第二，物理世界中的制造企業(yè)，能夠映射到一個數字世界。通過數字世界的建模、仿真、優(yōu)化，可以提供決策上的支持，來影響物理世界的事件處理結果，減少在物理世界當中犯錯的可能性，加快所有的流程，讓整個過程變得更加的流暢和高效。
另外一點，從工業(yè)數據到人工智能應用之間的路徑還沒有搭好。
現在人工智能特別火，但是人工智能在工業(yè)應用不一定能成功?，F在工業(yè)人工智能的很多應用，總體來看數據源是非常單一的。
比如做零部件的缺陷檢測，所有的可用數據其實也就是圖像。如果做語音識別，所有的數據也就是聲音。真正復雜的項目沒人去談，為什么？
因為工業(yè)的數據特性，工業(yè)的數據量很大，數據的種類完全不同，從結構數據到非結構數據、從實時數據到非實時數據、從非常沒有價值的單個數據到積累了足夠長時間可以呈現一定趨勢的聚合后的數據…處理這么多種數據已經夠頭疼了，最后人工智能應用還會發(fā)現，即便是最好的工業(yè)設計架構，數據永遠是分散在各種不同的子系統(tǒng)里的，這些都是無法回避的問題。
如果工業(yè)想用好人工智能，無法繞過的路徑是先建立知識圖譜。如果不把前期的語義模型和知識圖譜搭好的話，人工智能很可能只是一個空中樓閣。
基于知識圖譜已經建立的模型，持續(xù)的采集和積累數據，才能為后面的數字化和人工智能應用鋪好路。當有了知識圖譜以后，人工智能才有可能實現最后的終極目標，就是所有的設備完全自主、自治。
彭昭：在你心里，有沒有工業(yè)互聯(lián)網終局的景象。
朱驍洵：我不能預言今后會怎么樣，但是我有一些判斷和假設，這也是指導我自己去做事的一些假設。
我的假設是不停會有各種企業(yè)推出他們自己的工業(yè)互聯(lián)網平臺，這些平臺的同質化是不可避免的。這就是為什么我現在要從技術角度推一些我認為不太一樣但卻正確的東西，因為我覺得這些同質化的產品不能解決用戶的問題。
其次，我覺得這么多工業(yè)互聯(lián)網平臺會長期存在，他們都會成為未來物聯(lián)網生態(tài)系統(tǒng)中不可或缺的一部分。我不認為IIoT會像消費品領域一樣，只有極少的幾個平臺一統(tǒng)江湖。工業(yè)互聯(lián)網未來的生態(tài)會是一個豐富、有趣的生態(tài)。
最后，談到數字化轉型，我覺得大家一定要意識到，這不是一個純技術就能解決的事情。技術只能解決一個很小的方面，如果缺乏好的戰(zhàn)略和業(yè)務規(guī)劃，將會導致各種各樣的問題。
在數字化進程中，因為缺乏戰(zhàn)略規(guī)劃，原地踏步的例子不少。很多人做數字化轉型的項目，你會觀察到他永遠都在做試點，做完一個試點再做一個試點。因為這些試點沒法串聯(lián)起來，沒法統(tǒng)一在一起為制造企業(yè)創(chuàng)造可復制性的可以放大的價值，所以只好不停在做試點。
技術架構還需要與企業(yè)內部的管理體系相匹配，否則再好的軟件和系統(tǒng)，企業(yè)也用不起來。一個真實的案例是，德國一家著名的車企買了我們西門子的全套軟件，買完了發(fā)現，完蛋了，他的員工沒有欲望去用數字化的東西，企業(yè)軟件根本用不起來。最后他又專門回來找我們進行企業(yè)內部的管理培訓和文化建設。
所以最核心的事情是，我們和客戶一起制定數字化的目標，一起擬定轉型的規(guī)劃路線，并幫助客戶推進整個組織的變化。
我提到我們正在經歷“從0到1”的過程，物聯(lián)網生態(tài)的布局還非常的不完善。數字化轉型不是一家企業(yè)就能做到，而是必須有一群人有著同樣信念去做數字化這件事情，我們才能真正的從“0”跨到“1”，然后從“1”變到無窮。
西門子做物聯(lián)網服務這件事情，也不是光靠我們這一個團隊來實現社會影響力。最后你會看到，西門子物聯(lián)網服務的成功，不是西門子一家企業(yè)的成功，而是一個生態(tài)體系的成功。
本文小結：
1. 西門子建立物聯(lián)網服務事業(yè)部，是一次商業(yè)模式的創(chuàng)新，從賣產品轉變到賣服務。
2. 數據中臺只是個杯子，關鍵是這個杯子里準備裝什么茶。數據中臺是不是能夠通向真正可行的技術路徑，創(chuàng)建知識圖譜，然后利用知識圖譜作為工廠數字雙胞胎的基礎，打造一個可持續(xù)使用、可持續(xù)開發(fā)的數字化平臺，這才是關鍵。
3. 工業(yè)人工智能有兩個大的支柱，第一是知識圖譜，其次才是深度學習。現階段我們最應該重視的是知識圖譜。
4. 知識圖譜就像語義世界的百科全書，這是一套機器可以使用的百科全書，它是一個活著的數字雙胞胎。
5. 數字化轉型不是一個純技術就能解決的事情。技術只能解決一個很小的方面，如果缺乏好的戰(zhàn)略和業(yè)務規(guī)劃，將會導致各種各樣的問題。
