想让AI进车间，你需要了解这三个现实问题

好吧，我必须承认，虽然起了这么一个有点骇人的标题，但在今天这篇文章里并没有任何人下岗或者被机器人取代了职位。即便互联网大潮已经席卷全球，工业也仍然是BAT和AMG（亚马逊、微软、谷歌）们未能够攻克的最后一座堡垒。

曾经有大佬断言：“工业不需要互联网。”工业生产讲究标准化和流程化，这似乎和互联网的开放性是完全不同的两种逻辑。即使在讲究智慧生产的今天，宝马新建的沈阳铁西区工厂每一分三十秒就下线一辆新车，一块钢板从原材料变成整车的过程全部都在厂区内部完成。互联网？不需要的。

工业就像是一个封闭的独立王国，从OT到IT到IoT，程序员们尝试了各种工具去撬开它的大门。今年的云栖大会上，阿里巴巴宣布阿里云的“ET工业大脑”成为唯一在工业领域落地的人工智能。你看，颠覆一切的互联网终于给制造业开出了新的药方。

那么，工业是否缺了AI这味药？在一系列案例之后，你会看到互联网公司的宝贝人工智能在庞大的工业体系面前不得不面对的几个战略性问题。

一、下车间的人工智能

先来看看人工智能在工业领域干了什么吧。

在BAT和AMG中，阿里ET工业大脑是第一个下到车间里的人工智能。第一个吃螃蟹的是光伏材料制造商协鑫（就是生产太阳能切片），他们接受了阿里提供的云计算服务之后良品率提高了1%，每年节省了上亿成本。这里发生了什么？

我们可以用柯洁与阿尔法狗的对弈来作比喻。光伏切片的生产涉及到数千个参数，一个细微的变化都会影响良品率。但是工业企业只擅长组织生产，并不擅长计算。如果靠制造业自己去算这些参数，不知道还要买多少服务器，累死多少程序员。所以工厂只能根据经验尽量去安排最优的生产流程。

这就像和Alpha GO下棋的人类棋手一样，靠的是棋谱和自己的判断去做出反应。但是人工智能不管你这一套，在你没反应过来之前它已经计算了好几万种可能。阿里ET工业大脑进场之后，第一件事是把生产线上所有端口的数据上了云，然后调集上千台服务器的算力，短时间内从数千个变量里找到了影响良品率的60个。接下来的事情就很简单了，人工智能实时监测和控制这些变量，生产线只要“奉命行事”就好了。

经此一役，保利协鑫切片事业部人均月产出提升了506%，生产周期缩短了50%，上半年实现营业收入114亿，同比上升18.6%。阿里在今年的云栖大会上专门设了“ET工业大脑”主题论坛，值得注意的是，因为算法的优化，在协鑫用了半年时间完成的工作，在别的企业只用两个月就完成了。

总的来说，阿里人工智能所做的事情都可以归结为一件：向制造业输出计算能力。

二、竞争者

然而“最后一座堡垒”可不是单靠算法就能搞定的。在互联网企业里，阿里算是撬开了工业王国的门缝，当他望进去的时候，看到的不仅是光怪陆离的工业王国，还有这个王国里的原住民。显然，在人工智能进场之前，已经有人坐不住了。阿里曾表示ET工业大脑要做中国的Pridex，而Predix正是工业巨头通用电气（GE）力推的工业数据云解决方案。

工业领域的领先者看到了数字化转型的优势，虽然没有提出人工智能的概念，但“云端”已经陆续有了几位玩家。典型的有西门子的开放式物联网生态系统MindSphere，菲尼克斯电气的开放工控硬件PLCnext Technology和相应的云平台ProfiCloud，SAP的工业云平台HANA，以及上面提到过的通用电气的Predix云解决方案等等。

乍一看是不是眼花缭乱？说实话，能一次性读对这些名字算你赢。在这些“原住民”的云里，最有代表性的是西门子和通用电气。西门子的MindSphere就像是乐高积木，主打开放性。从设计产品到下达订单到操控机床，西门子都有相应的软件应对。甚至连运输物料都能管理。比如在双星的轮胎工厂里，系统会自动监测原材料的使用情况，一旦物料不足，会自动呼叫无人驾驶小车将材料送到生产线上。如果你想脱胎换骨来个工业4.0，那么我有全套的“德式装备”随时奉陪。

通用电气的Predix则更像是工业界的iOS，主打自主开发应用和运维数据分析，只是搭配GE设备使用或许效果更好。例如波音787搭载的GEnx发动机有1400多个监测点，在整个航程中不间断地采集数据，并进行分析预测，提高航空安全性。GE的发电机、涡轮、飞机发动机里安装了大量传感器，全世界GE设备实时传送的数据是Predix平台的源头。西门子和通用电气都是著名的工业设备制造商，他们的云平台也是基于自家设备的需求和经验进行研发的，这是互联网企业无法比拟的优势。

所以大多数互联网企业的工业云平台（包括阿里）一开始也是从帮助企业存储和传输数据入手，顺带着一些数据分析的功能。像ET工业大脑这样从算法入手，直接用人工智能帮助工厂优化生产的，算是一种突破。西门子、通用电气和阿里巴巴都是各自领域里的巨头，然而短时间内他们还没有短兵相接的可能。

毕竟不是所有的企业都请得起“德国专家”，通用电气的业务领域这几年也相对聚焦，留给人工智能去发挥的空间还相当广阔。而且像阿里巴巴这样不对企业“动手动脚”，只需要提升脑力的方式也更容易推广。可能正因为如此，阿里巴巴才提出了“最大公约数”的说法。或许是想尽快在传统工业巨头没有完全掌控力的领域找到通用的解决方案，然后尽快铺开。

互联网公司真正的对手还是来自互联网行业内部。在巨头全面转向人工智能的大趋势之下，ET工业大脑之外难保不会出现百度工业大脑、腾讯工业大脑，甚至众多工业“小”脑。

如果云计算能力是可以出售和租借的，又有阿里巴巴做行业标杆，那么运用算法帮助工业企业提高生产力是必然会形成的市场。

三、可预见的未来

设想一下，有这么一家公司，它本来已经掌握了数亿消费者的需求，还成为了制造业的大脑，再通过并购获得了一定的生产力，又拥有直抵消费者的物流渠道，也掌握着资金的流向，而且能对资源进行有效的整合......

说实在的，上面的假设点燃了我对人类社会未来的好奇。然而，在可预见的未来，这种具有绝对统治力的公司绝对不可能出现。

因为工业领域实在过于庞大复杂，以数量记目前全球工业总产值将近32万亿美元（2016年美国GDP为18.5万亿美元），如果工业效率提高哪怕1%也将带来3200亿美元的收益。而波士顿咨询在研究报告中指出，人工智能技术的应用将为中国制造业的生产效率带来15%—25%的提升，额外创造4-6万亿元人民币的效益。

如此庞大复杂的体系，没有任何一个公司能够提供工业的全产业链解决方案。然而技术的进步却开启了设计、制造、装配、物流的全面智能化。进一步说，巨大的愿景也意味着巨大的缺口和需求。随着更多的人工智能解决方案相继落地，工业领域将掀起一场从自动化到人工智能化的竞赛。

回想几年前第一次接触工业互联网的时候，我还激动地在文章里写这是“人类社会整体数据化的又一步”。而现在，随着人工智能对工业文明的优化，我们看到的已经是人类社会整体智能化的曙光。

AI要如何掀起工业智能化的巨浪？12月14日，亿欧将在北京举办2017AI产业应用峰会，20+嘉宾，50+媒体，75%企业中高层占比，来这里和有识之士共同探讨吧！