工業網際網路平臺宣講團第二季第三講

郭朝暉：工業網際網路平臺背景下的工業大資料與智慧製造

時間：2018年4月11日晚20點

主講專家：

郭朝暉：走向智慧研究院工業大資料首席專家、清華大學訪問學者

主持人：

蘇明燈：走向智慧研究院執行祕書長

【主持人開場白】：

各位群友，晚上好。工業網際網路平臺宣講團活動第二季第三講現在正式開始。我是本次宣講活動主持人蘇明燈，是活動主辦方之一的走向智慧研究院執行祕書長。走向智慧研究院作為國內首個智慧化綜合創新類研究智庫，在智慧製造、工業網際網路、人工智慧等領域做了一些基礎性工作，歡迎大家持續關注、支援我們的各項活動。

最新統計，今天晚上有101個科技產經微信群將同步圖文直播或轉播宣講團活動，其中60個微信群通過機器人“直播小助手”同步直播。

本次宣講活動，是為了貫徹落實國務院《關於深化“網際網路+先進製造業”發展工業網際網路的指導意見》，宣貫《工業網際網路平臺白皮書》，在工信部信軟司大力支援下，由中國資訊通訊研究院、工業網際網路產業聯盟、走向智慧研究院聯合主辦，我們邀請國內著名專家、學者、企業家組成工業網際網路平臺宣講團，通過組織線上、線下宣講活動，就平臺建設與推廣、技術體系、創新應用等開展宣貫活動。

在宣講團之前的活動中，我們分別邀請到中國信通院總工程師、工業網際網路產業聯盟祕書長餘曉暉，中國信通院兩化所副所長朱敏，中航工業集團資訊科技中心首席顧問寧振波，走向智慧研究院執行院長趙敏，中國西電集團中央研究院總經理康鵬舉，分別對工業網際網路平臺相關發展態勢、白皮書核心內容、平臺技術體系、技術內涵、行業創新應用等開展了網路宣貫活動。同時，宣講團組織開展了 “工業網際網路平臺建設與應用”研討會，來自主管部門以及平臺相關企業約30餘名專家、學者、企業負責人出席研討會並取得積極成果。

宣講活動得到我國工業、IT等領域若干重要的行業協會、管理部門、產業聯盟、研究機構、知名企業大力支援。本次宣講活動得到以下單位大力支援：

工業網際網路平臺宣講團支援單位（排名不分先後）：

中國機電一體化技術應用協會、中國工業技術軟體化產業聯盟、中國工業服務聯盟、寧夏寧東能源化工基地管委會、瀋陽市大資料管理局、蘇州工業園區科技和資訊化局、白銀市工信委、杭州市餘杭區科學技術局、東北大資料產業聯盟、浙江省工業網際網路產業聯盟、山東省物聯網協會、江蘇省企業資訊化協會、河北省服務貿易和服務外包協會、浙江省網際網路產業聯合會、中國精算研究院大資料中心、成都汽車產業研究院、蘇州市智慧製造公共服務平臺、北京中關村科技園豐臺園3D列印數字維創中心、杭州市計算機學會、杭州市物聯網行業協會、無錫市資訊化協會、紹興市產業網際網路促進會、深圳市大資料研究與應用協會、工業網際網路產業聯盟上海分聯盟、IEEE資訊物理融合系統專業委員會、華東理工大學資訊科學與工程學院、北京資訊科技大學自動化學院、蘇州大學機電學院、中國人工智慧學會智慧能源系統專業委員會、中國通訊工業協會物聯網應用分會、航天雲網、徐工資訊、海爾工業智慧研究院、樹根互聯、中國移動、中船資訊、西門子、ABB、PTC、金蝶軟體、中鋼集團資訊管理中心、東方國信、日海物聯、索為系統、《航空動力》編輯部、e-works數字化企業網、工業4.0俱樂部、中國科技自動化聯盟、工業4.0創新平臺、工業4.0商業共同體、智慧製造百人會、工控兄弟連、工業服務聯盟、資訊科技服務與外包產業聯盟、寄雲科技、北京兮易、蘭光創新、研華科技、英諾維盛、合眾聯恆、北京格分維、大馳工業設計、昱辰泰克、青島天河製造業轉型升級研究院、中之傑、互聯智佑、寶信資訊、中安鼎輝、安星聯供應鏈、聯訊動力、造奇智慧、制學網、廊庭科技、2045加速器、翔正國際、智匯工業、長沙博為軟體、青島元啟智慧、杭州軌物科技、國脈物聯網、工程師聯盟、慧造智慧研究院、渤海方略、先進製造業全媒體、物聯網創新聯盟等等。

今晚參與直播轉播工業網際網路平臺宣講團活動的微信群有101個,同步直播轉播微信群包括（系列微信群只列舉主群)：

工業網際網路產業聯盟群、走向智慧-工業互聯精英群、走向智慧-工業互聯產融群、工業網際網路平臺宣講團直播系列群、CPS資訊物理系統專家宣講團、寧東管委會系列群、中國工業技術軟體化產業聯盟群、中國資訊自動化交流群、《三體智慧革命》雅讀匯、工業4.0俱樂部系列微信群、工業4.0商業聯合體系列微信群、中歐智慧製造、中國智慧製造Imchina、工業網際網路安全討論小組、中國建造3.0&建築數字領導力論壇、人工智慧創新高峰論壇、智慧科技創新交流群、工業4.0研討會主群、中歐校友製造業群、西南精益製造聯盟、走向智慧論壇讀書匯、中國智慧製造IMchina、國脈物聯網與智慧製造論壇微信群、工業物聯網合作交流群、工業服務聯盟群、中國智慧能源+國際化高階智庫群、杭州智慧製造研究會、創新設計群、兮易強企交流群、【未來智+】微直播課堂系列群、國家紡織商會工業4.0中心、瀋陽大資料產業交流群、山西裝備製造之家、工業網際網路產業聯盟上海分聯盟群、江蘇大資料聯盟系列群、江蘇省工業軟體產業發展聯盟群、弗戈學堂交流群、紹興市產業網際網路促進會系列群、濰坊工業網際網路學習群、聞鼎·先進製造業群、工業智慧製造群、智匯工業群、經信雲會2017、江蘇省企業資訊化協會總群、山東物聯網百人會、珠海市工業網際網路協會、工業網際網路+工業區塊鏈研究組、轉型升級高階研修班總群、泰興CIO聯盟、大華南IT高管共贏圈、河北省服務外包協會群、浙江省網際網路產業聯合會群等等微信社群。

作為宣講活動主持人，對上述支援單位、社群組織表示衷心的感謝。

今晚是宣講團第二季第三期宣講，我們邀請到的主講嘉賓是走向智慧研究院工業大資料首席專家、清華大學訪問學者郭朝暉博士，郭首席是寶鋼中央研究院原首席研究員，長期從事自動控制、資料建模、智慧製造、大資料等研究，他經常在微信公眾號（蟈蟈創新隨筆）分享一些專業思考，具有相當高的行業影響力和知名度。兩年前，我有幸與郭首席等專家一起參與《三體智慧革命》一書寫作，郭首席知識淵博給我留下了深刻印象。

今天郭首席主講的題目是《工業網際網路平臺視角下的大資料與智慧製造》，接下來，有請郭首席進入宣講時間。

以下為郭朝暉首席宣講圖文：

各位朋友，大家晚上好！在講這次內容之前，我的壓力很大：前面幾位專家已經把問題講得非常清楚、也非常全面了，我該講些什麼呢？後來想，就向大家彙報我的一點心得：關於工業網際網路平臺以及相關智慧製造、工業大資料、人工智慧等概念的關係。我試圖用簡單的邏輯把這些概念串起來。平心而論，這些觀點也不都是有把握的。網友中高人很多，今天把這些觀點丟擲來，正好請大家幫我指出問題、改正錯誤。

準備這個報告時，我開始準備了接近40張。後來發現，說的多了反而不容易說清楚。於是決定乾脆少幾張。今天的話題其實就圍繞這張圖展開的：裡面有我很多曾經的困惑。

這張圖可以分成三個部分。左邊講的是相關技術的原理、思想是怎樣的，講這些技術為什麼突然一下子突然發力——其實是有了經濟潛力；右邊講的是創造經濟價值的邏輯，就是技術要與業務場景結合、如何尋找或者創造這樣的場景。中間這一部分就是工業網際網路平臺以及承載的相關技術。它的作用是把技術和業務連線起來，把原理體現出來、把潛力變現、是企業推進智慧化的支撐技術。

      如果沒有這個支撐技術，再好的想法也難以落地。或者說，落地的代價太大、經濟性不好。如果有了這個公共的支撐技術，就不要大家各自開發軟體了，只要用公用的東西就行了。這樣，小企業也有能力來用先進技術了。這個道理和淘寶平臺其實是一樣的。不過，這個平臺承載的是企業自己的專有的知識、經驗、訣竅等專用的“私貨”，並連線人、機、物、資料等資源。這些“私貨”可以自己用，也可以像商品一樣“出售”、給別人提供服務。

我們先看圖的左邊這一部分。這部分回答一個困惑——這些技術為什麼突然成了熱點了？

大家可能都知道，最近幾年出的新概念特別多：從工業4.0、智慧製造、大資料、CPS、工業網際網路及其平臺、人工智慧、工業APP......這些概念讓很多人覺得很懸，又怕趕不上潮流，於是就到各個地方去看很多文獻、聽專家報告。到頭來還是似懂非懂。

我覺得呢，這些概念不應該特別難以理解。如果覺得難以理解，那是因為陷入了思維誤區、把問題想複雜了。想複雜的原因大概有幾種：第一種覺得這些概念是牛人提出來的、一定有很多的學問（很多是故弄玄虛）；第二個方面就是發現自己不知道怎麼做，就以為自己不明白（其實是條件不夠）；第三個方面是相近的概念太多了，腦袋都搞大了（本來就相近啊！）。

在我看來，這些概念其實很簡單，確實是過去一些思想的延伸、相似或者相近是很自然的。我們要解釋的是：為什麼突然成為熱點？

這些概念被熱炒的原因，是因為技術條件發生了改變。換句話說，如果過去提出這些概念、卻沒法實現、只能是空想、至多是寫寫論文、做個樣板。我常舉控制論之父維納的例子：維納或許有CPS的思想，但他的時代沒有計算機和網際網路、提出CPS也只能停留在生物控制層面。在前幾年，網際網路不發達、難以實施掌控資源時，CPS的概念幾乎可以用計算機裡面的“控制模型”來取代。現在到了工業網際網路（智慧製造時代），問題變得複雜了，要把眾多的模型組織起來，需要一個更加一般性的概念來說事。於是，就有了CPS。總之，沒那麼懸。

前面提到條件的改變。最重要的一個就是ICT技術的進步：摩爾定律連續發展了50年，量變到質變了。這種變化常常被人提起來，以至於很多人習以為常、當成耳旁風了——其實，如果不是身在其中，有過經歷、這種變化的真正意義卻難以體會到。曾經有一位年輕博士問我：現在工業上的先進技術一點都不先進、我讀書時研究得就比這個深。我就告訴他，理論方法雖然不新、但技術應用是新的啊。比如，20年前，我博士畢業剛工作的時候，一個微分方程求解都沒辦法實時計算，更不用說CPS、實時影象處理了。所以，理論再好也不能用於實時管控、只能發發論文。

      ICT技術讓技術成本大大降低。這讓相關應用範圍大大增加。30年前的寶鋼是中國最現代化的工業企業，那時搞資訊整合的100臺PC機，需要經過中央領導特批！有ICT技術的進步，現在一些小企業都有辦法搞了。這就是所謂普遍性、一般性的意義。條件發生變化以後，很多技術搞起來就合算了。於是，概念一下子熱起來了。當然，這只是潛力，要把潛力變現還不是那麼容易。而這真是我們這代人要做的事情。

下面談談我對網際網路本質的看法。網際網路的本質作用很簡單：人類可以通過空間限制獲得資訊、掌控資源。這句話很簡單、很多人都說過類似的話。大家想想看：從雅虎、谷歌、淘寶、微信、滴滴等，這些東西其實都是這個道理啊！

於是問題就來了，為什麼最近幾年工業網際網路才熱起來呢？

要回答這個問題呢，就要知道科技發展有個規律：技術往往是從難度最低、收益最大、成本最低的地方產生，然後向難度高、收益相對較少的領域聚散。就像流水的規律一樣。在我看來，現在紅領製衣的技術，和30年前寶鋼搞的按合同組織生產本質上差不多。現在很多所謂的創新，本質上就是技術擴散。比如，現在很多數字化設計的技術，就是從航天、航空、軍工擴散過來的。而且，技術成本越低，越容易擴散。

我們看看，網際網路的發展過程就會發現的確是難度越來越高的。最初普及的應用只是非實時地發普通的電子郵件，後來從非實時的交換到實時資料交換，從小資料到大資料，從單純的資訊交換到資金產權的交換等等。這裡就不展開了。按照這個邏輯來說，工業網際網路的應用一定是比較難的。但難在什麼地方呢？

理解工業的本質特點：我常說一句話：確定性是工業人追求的目標。工業人追求安全、穩定、可靠。當外行看到技術的效能不斷地突破極限（比如高鐵越來越快）——其背後是在這種極限條件下解決了安全、穩定、可靠這些問題；而且背後這些工作量極大、難度極高！不理解這個，怎麼能叫理解工業呢？有些“磚家”膽子特別大，啥都敢說，就是因為沒在現場幹過、沒幹過真正的難事，不瞭解這個道理。

現代工業系統對可靠穩定要求是非常高的。為什麼呢？因為出現一點點的問題就有可能出現危及生命的大事故、會造成非常大的物質損失。這一點和個人消費品很不一樣。舉個例子：你花了50塊錢買個杯子，如果杯子不好，至多損失50塊錢。但是，如果你花50塊錢給高鐵買了一個零件，導致高鐵事故：那損失是多少倍啊？所以，“損失放大”很要命。另外，工業技術的個性化很強、默會知識很多，這些都是普通商務活動沒法比的。我們會發現搞工業的人往往比較踏實，有經驗的人看起來往往膽小，其實都是環境和背景導致的性格。

工廠裡面有一種說法：說的好不叫好，用的好才是好。把這句話翻譯：單純用資訊描述工業技術是不夠的！人們甚至不清楚自己需要什麼，只能用實踐來證明。所以，即便找到更便宜的，企業一般也不會隨意更換供貨商：怕出事啊！對網際網路來說，這就糟糕了：即便用網際網路把資訊傳過去，人家也不一定敢用。這就是工業特性約束網際網路應用的原因。

      事實上，工業網際網路會把網上的聯結物件（如較為封閉的機器）構成一個有機的系統、甚至是動態控制系統（後面有個例子），而不是像淘寶這樣鬆散的、一對一的聯絡。所謂的系統，就會有“牽一髮而動全身”的事情發生。所以，工業網際網路對安全、穩定、可靠、實時性的要求更高。

工業網際網路領域很多的事情都與這個道理相關。工信部原副部長楊學山說工業網際網路姓“工”不姓“網”，工信部信軟司安筱鵬副司長說工業網際網路平臺應用要解決“能力度量問題”。在我看來，就是這個道理。還有些實踐表明，工業網際網路不像淘寶這樣2C的網際網路，就是打不掉中間商！也是工業的特點造成的。

      總結一下，工業界技術創新的特點是：先進技術在工業企業中能否應用，往往決定於穩定可靠性問題能否解決。打個比方說：車子能跑得快，往往不是車子效能決定的，而是車況和路況所決定、能夠保證安全的速度是多快。大資料、智慧製造、網際網路的工業特色都能用這個道理解釋。反映到實際工作中就是：理念先進技術不一定有用、但對安全、穩定、可靠有幫助的技術卻往往用處很大。順便說一句，不展開：這個道理能指導我們創新的方向。

我們現在再來談一談對智慧的認識。《三體智慧革命》中提出了智慧的20字箴言：“狀態感知、實時分析、自主決策、精準執行、學習提升”。這5個要點中最近本的有三個，就是把感知、決策和執行三個過程統一起來。

我們知道，網際網路是智慧製造的重要推手。為什麼呢？就是感知和控制資源的能力大大加強了！ 管控資源的能力加強，為什麼會引發智慧製造呢？我的邏輯是：管控的資源多了、問題就變得很複雜了，人忙不過來或者容易出錯；這個時候，必須要計算機來代替他人決策——注意，我的邏輯是：必要性增加了，而不是技術可行性改變了。

反之，如果問題簡單的話，沒必要上這些高大上的概念和系統，企業幹“高射炮打蚊子”的事情是不划算的。按照智慧製造（smart manufacture）的含義，鋼鐵行業很早就具備了基本特徵。那時候，日本人就對我們說：“100萬噸產量的時候，靠人管得過來；600萬噸的時候，沒有計算機就管不過來了！”所以，智慧製造是人們不得不把任務交給計算機來完成的。這個時候才有意思。

注意提醒一下剛才說過的邏輯：問題複雜到人沒法幹，這是負面問題。智慧化相關概念，是解決負面問題的！解決負面問題，才有價值。當然，這些負面問題是企業“自找”的：為了更好地滿足使用者需求。

讓我們的感知和執行能力大大拓展了，能幹什麼呢？我把它總結成了六個字，就是“協同、共享、重用”。這六個字針對各種資源，包括物質資源知識資源，公司內部和外部的資源，人、裝置和資料的資源等等。這六個字，既讓問題變得複雜，但另一面是能更有效地創造價值，並實現智慧製造快速響應的要求。

這個圖上，手和眼睛代表網際網路帶來的感知和執行能力，而腦袋代表計算機的自動決策。要自動決策、體現智慧需要知識。對智慧化來說，知識這個東西非常重要、是關鍵所在。有人說大資料很重要，我卻覺得：外面看是大資料、裡面看其實是大知識。下一頁會深入展開。

      另外說明一下：要實現這個邏輯呢，需要做很多事情，包括ICT技術之外的事情，如物質條件的準備、組織流程改革、商業模式創新、裝置更新換代等等。所以，推進智慧製造被稱為兩化的“深度融合”。我甚至認為，真正的智慧製造首先是生產關係的變革。很多企業覺得難，就是這個原因：改變生產關係，關鍵在領導！

人工智慧最近很熱。智慧製造（Smart Manufacture）和人工智慧(AI)有聯絡，也是有重大區別的。由於時間關係，這裡只簡單說幾句。

我經常給人家打一個比方，工廠裡的智慧主要是“吳淑珍式的智慧”。吳淑珍是中國臺灣地區前領導人陳水扁的夫人，內線炒股發財：陳水扁的親信告訴她哪個股票要漲，她就去買、買了就賺。我把“吳淑珍式的智慧”表述為“準確及時的資訊+簡單的推理”。這種智慧不像巴菲特炒股，是“模糊的資訊+複雜的推理”。

工業過程智慧更多的是“吳淑珍式的智慧”而不是“巴菲特式的智慧”，為什麼是這種呢？

要回答這個問題，還要回到工業的特點說事：人的隨意性很強，是工業中不確定性的一個重要來源。所以，工廠裡一般要求工人進行標準化操作、抑制隨意發揮，在什麼場景下做什麼樣的事情，是有明確規定的。

從程式設計師的角度說，“吳淑珍式的智慧”用的知識其實就是一些“IF語句”。這個聽起來有點土，但本質就是這個。而且，這種提法不新鮮、不知道出現多少年了。專家系統理論中有個“學術化”的說法叫“產生式規則”，就是這個東西。20年前我到北京培訓一個所謂的人工智慧軟體，差不多就是這個東西。

我也曾經困惑：這個東西過去為什麼用得少呢？現在想來，用得也不少，但直接程式設計更容易、似乎沒必要用那麼多專用語言和工具，來“殺雞用牛刀”。現在為什麼不一樣了？因為問題複雜了、管理的知識多了、靈活性要求高了，實現的辦法就要重新想一想了。我覺得，對於真正複雜的問題，還是要平臺來解決。我給人講創新，常常講到簡單的問題和複雜問題的處理方法不一樣，量變到質變，就是這個道理。這裡就不展開了。

我們現在再來看看大資料的本質。在我看來，大資料最根本的用途是產生有用的知識、特別是用於智慧決策的知識。工業大資料真的有這個潛力！我們知道，人類一切的知識來源於歷史，如果大資料能夠廣泛完整地記錄歷史發生的痕跡，人們有可能大資料中獲得更多的知識。畢竟，在大資料背景下，人的記憶力遠不及計算機。

當前，產生知識的“潛力”要轉會為現實的“能力”，還需要有其他的前提。其中一個即所謂“樣本=全體”。換一種說法就是：這個能力保證，你總能從歷史資料中找到你想要的案例。在GE關於飛機發動機實時監控的著名案例中，一個重要的條件就是：一臺發動機偶爾出現的故障，很可能在其他發動機上也出現過。診斷和處置的知識就可以直接利用。資料多了，這個前提就容易實現，即所謂：日光之下無新事。

在這個前提下，有一種思維方式特別重要，就是強調相關性。我覺得，這句話很多人理解的有問題、不到位。我的理解是：所謂強調相關性就是找相似的案例。找到這樣的案例，直接去模仿就是了，而不必要按照科學的邏輯去思考。就好比我們用高德導航：走一條路要花多長時間，只要看看別人用了多長時間，而不是根據時間、速度來推算時間。我覺得，這未必就是排斥因果性，而是在一定場景和範圍內，不需要知道因果性就可以了。這個差別很重要：因為工業大資料強調可靠性，常常需要因果來保證。

大資料還強調“混雜性”。在我看來，強調混雜性就是便於找到“相似的”一種保證。能夠讓我們能夠從多個角度去分析知識、從而得到更加可靠的知識。我們知道，新一代人工智慧最近很熱。其背後的原因就是大資料智慧可以支撐新一代智慧製造正規化。大資料能夠讓機器學習“學得好”、“學得對”、“學到本質”，甚至連一些人說不清楚的知識（如感性知識）機器都能自己學會。

我的這些觀點不一定對，但不是無的放矢。我認為：工業大資料要用得好，就要設法根據業務的需求，從這個角度去準備資料，而不是有什麼資料用什麼資料。否則，大資料也可能成為大垃圾。我見過很多成功的案例，都是按照這個邏輯做的。即所謂“預則立、不預則廢”。

順便提一句：工業大資料追求確定性。這決定了其分析方法也有特殊性。特別不能把大資料當成“算命先生”、宣傳有多神奇，這就和騙子差不多了。工業追求的是確定性，不是“神奇”這種小概率事件。

      有人可能會說：你怎麼不提大資料4V的理論呢？說實話，我有點鄙視這種說法。或者說，至多是技術提供方關心的、不是應用技術的人所需要關心的。

相關推薦