近日，“2021 摯物・AIoT 產業領袖峰會”（簡稱“摯物大會”）於 7 月 22 日在北京香格里拉酒店開幕。

會上，中國工程院院士李培根作為首位出場的嘉賓，帶來了《產業智慧何處尋覓》的主題演講。他表示，很多企業人士對智慧進一步應用的感覺依然是雲裡霧裡。事實上，產業智慧可以在普通的過程中，可以在平凡的事務裡，也可以在企業的外部世界中，更可以在“雲端”。

過程中

李培根以大型船舶發動機領域的質檢環節為例，提出了工藝智慧的引入可以讓事後質量檢測走向實時線上的監測和預測，從而推動質量管理模式的根本性變化。

如工藝智慧（需工業網際網路、5G）。在大型船舶達點選領域，焊接佔據日常生產工作的 70%，在質檢環節中，需要將各個構建吊裝至專門的質檢車間，採用各類無損檢測裝置，提出和修復質量不合格的購件。當發現深層次的焊接質量問題時，與焊接行為本身通常已經脫鉤了 3 至 15 天左右，很難追溯原因，形成較大的損失。

李培根指出，工藝智慧的引入，利用工業網際網路的各類融合技術，以不低於 1000hz 的頻率進行各類工藝引數的高頻採集。根據材質特性，以極高的頻率快速呼叫後端封裝好的具體機理演算法進行分。從而使得質量問題在焊接但願之中即刻解決。

“工業智慧可以讓事後質量檢測走向實時線上的監測和預測，這是一種質量管理模式的根本性變化。這裡面對時延的要求就需要 5G。”

同樣在過程中，如氣保焊的影響機理，只有有效梳理後的機理模型，才能在焊接過程中，直接捕捉到焊縫質量問題，而不是事後再進行監測，要實現線上監測質量，就需要這種稀缺性、高技術價值的機理模型。

平凡裡

李培根以數字化供應鏈管理問題為例，原來，資訊不透明影響系統整體效率。供應鏈的上下游主題處於一種複雜的博弈關係當中。

此外，交易雙方新人成本較高。同樣由於資訊不對稱，採購方與供應商進行交易的各個環節，均需採取某些手段對產品進行甄別、挑選、驗證等，而供應商亦需提供證明。交易糾紛難以處理，目前的供應鏈可覆蓋數百個階段，跨越數十個地理區域，涉及的主題橫跨各個行業，糾紛時，舉證困難，責任分配難明確。

以及還存在非法行為追蹤困難的問題，當供應鏈的產品被發現出現問題時，由於供應鏈結構高度複雜，追蹤產品流程，精準的確定出現問題的緩解是一項極為耗時費力的工作。

廣度擴充套件／數字化供應鏈，區塊鏈可幫建立安全的分散式的賬本，上面資訊對交易各方均是公開的。通過“智慧合約”技術，可以把企業間的協議內容以程式碼的形式記錄在賬本上，一旦協議條件生效，程式碼自動執行。譬如採購方與供應商進行交易時，即可在鏈上建立一條合約，合約內容在物流資料表明貨物已經抵達地點時，貨款傳送給供應商，這樣一來只要物流抵達的資訊發出，貨款將自送轉出。

“區塊鏈資料安全不可變，智慧合約上程式碼的強制執行性，賴賬毀約難。”

李培根認為，對供應商隊伍的動態管理，以及對供應鏈效率的提升，可以幫助在生產淡季有加工需求的小型企業直接找到合適的生產廠商，甚至利用智慧合約自動下單採購。這些小型企業可以跳過中間商環節，從而節省成本；同時，這也有助於啟用生產廠商的空置產能。

對於“簽名”，智慧也能融入其中。李培根介紹說，總部設在舊金山的 DocuSign 就是為了改變簽名方式而成立的。通過智慧手機或平板電腦即可完成手寫簽名，免除了使用傳真或郵件簽名的麻煩。通過數字簽名驗證使用者的真偽，具有法律效應的電子簽名。公司可以引導客戶在完成電子簽名後進入程式裡，以便於管理全部電子合同。從服務各大企業入手，使得服務於大公司的小公司也沿用 DocuSign 簽訂合同。

外部世界

李培根通過剖析工業網際網路、智慧電網、能源網際網路等領域，進一步介紹了企業對於雲平臺、5G、AI、區塊鏈等產業智慧的應用。

開放世界更需要雲平臺＋5G。波士頓動力公司正準備釋出其首款面向開放世界的商用四足機器人“Spot”，可應用於檢查管道或者繪製 3D 建築工地地圖等一系列用例。Spot 可在開放世界環境中進行，在崎嶇的地形上保持平衡，並可自行在已繪圖區域進行導航，技術的長足發展促使在城市街道、大學校園和建築工地應用機器人成為可能，因此，圍繞此類解決方案進行的實驗如今可以賦予領軍企業極大的競爭優勢。機器人的應用範圍不再侷限於與企業內部，而是可以應對各種操作條件，人口稠密空間甚至其他自動化裝置。機器人走出以往的受控倉庫和製造環境，為各行各業帶來發展機遇。

對於碳達峰、碳中和，企業也需要考慮。充分利用柔性配電、虛擬電廠、電化學儲能、有序充電等技術，加強配電網互聯和智慧控制，促進高比例分散式新能源就地消納。因地制宜建設獨立性微電網，促進分佈時電源、電動企業、電能終端、新型儲能多元負荷聚合互動，參與電網調峰和優化執行。在工農業生產製造、電力供應、交通運輸、居民採暖、家庭電氣化等五大領域，拓展電替代廣度深度，推進電能替代技術發展和應用，提升終端消費電氣化水平。

雲端

李培根提出，大量跨行業、跨領域的各類工業經驗、知識、方法將以工業 App、工業微服務元件（類似積體電路 IP）的形式沉澱到工業網際網路平臺之上。

雲深不知處，資料科學與 AI／ML 的支撐。其核心是人工智慧機器學習的引擎，其輸入是三百六十度的全景資料，不僅僅是機器資料，更重要的是一些企業資料、ERP 資料、維修工單等，很多客戶的機器裝置根本沒有聯網、大多數客戶直郵 20% 的聯網。“風機的機油”也可以做預測性的維護的分析，其他的資料還有來源於工業智慧環境、地理位置、交通等。

據介紹，依託強大的 Data Science，UPTAKE 平臺已經擁有超過 21 億小時的機器學習，連線了 130 萬工業裝置並不斷在增加，還有 6 萬個失效模型，所以即使裝置不聯網，UPTAKE 平臺也可以通過這些失效的模型來預估機器裝置大約會是怎麼壞掉。2018 年初，UPTAKE 平臺一天的資料交易量已到紐約證劵交易所的六倍以上。

最後，他還提出，讓智慧沉澱在晶片等硬體中，沉澱在工業 App 裡。