本周最牽動人心的莫過于華為事件的走向。此刻前方在打“上甘嶺戰(zhàn)役”，后方的我們幫不上什么忙，唯有不添亂。

任正非有一句話令人印象深刻：

記者問：您希望民眾用一種什么樣的心態(tài)面對此時的華為?

任正非：希望沒心態(tài)，平平靜靜老老實實的種地，該干什么干什么，多為國家生產(chǎn)一個土豆就是貢獻，多說一句話都浪費別人的耳朵。

所以今天，我們繼續(xù)工業(yè)互聯(lián)網(wǎng)的話題，來聊聊怎么踏實種好工業(yè)互聯(lián)網(wǎng)的“土豆”。

在本文中，我們將討論如下問題：

工業(yè)4.0涼了嗎?

工業(yè)互聯(lián)網(wǎng)的發(fā)展之路，存在哪些偏見?

IIoT之中“圖其至遠”的最新嘗試有哪些?

工業(yè)4.0“涼涼”了嗎?

最近有一篇流傳較廣的文章《德國工業(yè)4.0涼涼后，中國靠5G就能成功實現(xiàn)工業(yè)聯(lián)網(wǎng)嗎?》，文中談到德國提出工業(yè)4.0后，推進與建設并不順利，反而因為信息物理系統(tǒng)CPS的技術障礙和5G的到來，被迫停滯。

該文引用的重要論據(jù)是思科在2017年發(fā)布的一份報告，文中認為其調查結果顯示：有四分之三的德國工廠認為“工業(yè)4.0計劃”已經(jīng)失敗。

事實果真如此嗎?

實際上，這份名為《物聯(lián)網(wǎng)價值之旅The Journey to IoT Value》的報告中肯的談到，60%的物聯(lián)網(wǎng)項目在概念驗證(PoC)階段，因為安全性、復雜度、數(shù)據(jù)質量堪憂和互聯(lián)互通不足等問題停滯不前。

只有26%的企業(yè)相信他們擁有一個完全成功的物聯(lián)網(wǎng)項目。因此，不成功的物聯(lián)網(wǎng)項目接近3/4的比例。

雖然大多數(shù)物聯(lián)網(wǎng)項目失敗了，但64%的受訪者認為從中吸取的經(jīng)驗和教訓，讓他們加速了IoT投資。

實施物聯(lián)網(wǎng)項目成功的組織有著相似的共性，他們在項目的各個階段都更積極和開放的引入物聯(lián)網(wǎng)生態(tài)合作伙伴。

60%的受訪者強調，物聯(lián)網(wǎng)項目往往在表面上看起來很好，但實際卻比任何人預料的都要困難得多。

與上一比例接近，61%的受訪者認為他們仍然停留在表象階段，還沒觸及IoT價值的本質，但這反而意味著未來機會無限。

可見，該報告并非針對工業(yè)4.0，也不足以推斷出工業(yè)4.0“涼涼”的結論。

工業(yè)4.0的愿景，在短期內可能面臨各種糾結和挑戰(zhàn)，從長期角度仍應堅決看好。

雖然文章的結論不夠嚴謹，但該文也為我們敲響了警鐘。

熱炒與吹捧之后，遲早迎來寒冬。

“冷”是常態(tài)。

2000年，彼時的華為正高歌猛進，年營收創(chuàng)下220億元，位居中國電子企業(yè)百強之首。就在此時，任正非寫下了名篇《華為的冬天》——任正非的憂患和危機意識浸潤了這家公司數(shù)十年，他們早早就在考慮，萬一人家斷了我們的糧食怎么辦?明天倒下的會不會是華為?

與之類似，無論是工業(yè)4.0還是工業(yè)互聯(lián)網(wǎng)IIoT，不必糾結于概念，都最好主動降溫，而不是被寒冬撞上。

工業(yè)互聯(lián)網(wǎng)，是從“面”上顛覆，還是從“點”上燎原?

對于工業(yè)互聯(lián)網(wǎng)的發(fā)展路徑，確實存在誤解。在企業(yè)內部實現(xiàn)設備的廣泛互聯(lián)互通，很難一步到位。

大談顛覆，最終往往被結局打臉。

此前一些人對工業(yè)互聯(lián)網(wǎng)的發(fā)展規(guī)律有一些認知誤區(qū)，以為IIoT可以迅速鋪開，工業(yè)互聯(lián)網(wǎng)云平臺的普及速度堪比發(fā)射火箭。

當觀察到GE的Predix“操作系統(tǒng)”在工業(yè)互聯(lián)網(wǎng)領域盲目踏空，并忙不迭的及時止損之后，由于火箭瞬間“蒸發(fā)”的前后落差較大，這些人又開始“唱衰”工業(yè)4.0和工業(yè)互聯(lián)網(wǎng)IIoT。

好在，更多的人理性客觀的意識到工業(yè)互聯(lián)網(wǎng)并不是一蹴而就，而其實是由“點”到“線”，再由“線”到“面”開展落地應用。

因此我們看到很多企業(yè)從云端穿透到邊緣，腳踏實地的在最靠近現(xiàn)場的邊緣側下功夫，使得工業(yè)互聯(lián)網(wǎng)的各種分析與應用在經(jīng)濟上變得更加可行。本文也會呈現(xiàn)一些最近的實例，供感興趣的你參考。

在呈現(xiàn)實例之前，更值得關注的是工業(yè)互聯(lián)網(wǎng)的商業(yè)模式問題。

工業(yè)互聯(lián)網(wǎng)往往是硬件與軟件搭配，到底怎么去賺錢?大家都想走上人生巔峰，從硬件的一錘子買賣，做到靠軟件的可持續(xù)盈利，但這路該怎么走?

這些問題如果都有統(tǒng)一答案，工業(yè)互聯(lián)網(wǎng)也就不會那么有魅力了。

從現(xiàn)階段來看，工業(yè)互聯(lián)網(wǎng)的硬件產(chǎn)品是小量多樣的長尾市場。追求硬件利潤的同時，很難賺取海量數(shù)據(jù)，這種商業(yè)模式經(jīng)過多年的驗證。

如果按部就班的按照這種商業(yè)模式推進，穩(wěn)妥的確是穩(wěn)妥，但是成長的天花板太低，往往陷在項目制的輪回中，無法自拔。

看到這種商業(yè)模式的短板，很多企業(yè)開始了轉型的艱難之旅。

與此呼應，最終用戶也開始希望不是在IIoT云平臺上，而是在工業(yè)現(xiàn)場就能開展對運行數(shù)據(jù)的分析和處理。主要的好處包括：

實現(xiàn)從設備分析到企業(yè)決策的閉環(huán);

降低(或省去)部署和運營 IT 系統(tǒng)的成本;

分擔信息化平臺的運轉負荷;

數(shù)據(jù)運算與處理的實時性要求;

數(shù)據(jù)的本地化處理以提升系統(tǒng)的信息安全。

因此，市場嗅覺靈敏并可快速響應變化的企業(yè)，推出了功能相似的邊緣側軟硬件一體化數(shù)據(jù)處理方案。

這些企業(yè)往往從預測性分析和智能決策作為切入點，犯其至難，而圖其至遠。

他們利用已經(jīng)驗證的高可靠性產(chǎn)品，推進硬件的標準化，增加人工智能分析能力，通過軟件和系統(tǒng)形成差異化，并積極賺取數(shù)據(jù)、模型和經(jīng)驗，推進從數(shù)據(jù)到?jīng)Q策的流程，立足服務SaaS化和長期發(fā)展。

IIoT之中“圖其至遠”的最新嘗試有哪些?

此前的文章中，我曾經(jīng)提到已有公司研發(fā)出了最新一代的邊緣控制器，搭載工業(yè)人工智能算法，滿足用戶對于預測性維護與分析的需求，并有越來越多的企業(yè)加入到這個賽道。

這里舉3個例子：LogixAI分析模塊、Sysmac AI控制器、Simatic S7-1500神經(jīng)處理器。

市場上最新推出的LogixAI分析模塊，新增了對異常狀況進行預測性分析的能力。用戶已經(jīng)不需要在其中加裝單獨的應用程序，直接通過以太網(wǎng)端口接入模塊，然后在 Web 瀏覽器上對相關應用模型進行參數(shù)配置，就可以實現(xiàn)對系統(tǒng)數(shù)據(jù)進行分析和預測的功能。

這款LogixAI在其中預先內嵌了相應的應用程序，進一步幫助用戶省去了從數(shù)據(jù)采集到分析處理過程中應用軟件開發(fā)與部署方面的工程投入，為其預測性應用提供了一套標準的自動化數(shù)據(jù)分析套件。

也就是說，LogixAI能夠對控制系統(tǒng)的運行數(shù)據(jù)進行分析，并對可能出現(xiàn)的異常狀況進行預測。從這個意義上講，這款產(chǎn)品內部所集成的應用模型選項和預測分析算法自然就顯得十分重要。

這套算法模型的維護更新和持續(xù)迭代，恰恰是其價值所在。按照官宣的說法，最終用戶甚至不再需要數(shù)據(jù)科學家。

今后的現(xiàn)場數(shù)據(jù)分析就像處理“文字問題”一樣簡便。

以目前的信息看，LogixAI現(xiàn)已支持的應用模型主要有泵、鍋爐、發(fā)電機以及一些自定義變量的閾值報警。

第二款產(chǎn)品是已經(jīng)上市的Sysmac AI控制器，在異常檢測的算法上使用“孤立森林”(Isolation Forest)機器學習引擎開發(fā)。

這個算法對內存要求很低，且處理速度很快，其時間復雜度也是線性的，非常適合高速實時處理，可以通過微調提高檢測精度和準確性。同時，該算法還適用于多模態(tài)數(shù)據(jù)，可用于需要兩種或多種操作模式的高度混合的產(chǎn)線。

目前，Sysmac AI邊緣控制器的預測性維護能力主要是面向氣缸、滾珠絲杠和傳送帶、同步輪...等機械傳動部件。

最后的一款是SimaticS7-1500神經(jīng)處理器。它使用英特爾MovidiusMyriad X 視覺處理器VPU，能夠實現(xiàn)神經(jīng)網(wǎng)絡的高效處理。新模塊配有USB 3.1接口和千兆以太網(wǎng)端口，通過SD卡獲得訓練過的神經(jīng)系統(tǒng)中的功能。

傳感器的數(shù)據(jù)和來自CPU程序的數(shù)據(jù)，在神經(jīng)網(wǎng)絡的基礎上進行處理。借助機器學習算法，諸如生產(chǎn)工廠的視覺質量檢驗或圖像引導的機器人系統(tǒng)等應用將得以有效實現(xiàn)。

SimaticS7-1500 NPU的優(yōu)勢體現(xiàn)在分揀/放置應用場景里，它可以助力移動機器人識別、分揀并放置隨意擺放在箱子中的部件。此外，它在質檢方面也將帶來附加價值，例如利用聯(lián)網(wǎng)攝像頭所采集的圖像或數(shù)據(jù)對神經(jīng)網(wǎng)絡進行不斷訓練，模塊將像專家一樣具備判斷產(chǎn)品或工藝一致性、顏色和質量參數(shù)的知識。

正確的事往往都不那么容易。

上述這些預測性分析與數(shù)據(jù)決策產(chǎn)品目前仍處于比較早期的市場培育階段?，F(xiàn)階段它們似乎更適合在生產(chǎn)品質管理、重點設備的預測性維護...等一些與經(jīng)濟效益密切相關的場景中使用。

雖然在現(xiàn)有的高可靠性產(chǎn)品上，增加人工智能算法和數(shù)據(jù)能力，已經(jīng)看似完成了80%的工作，但最終完成從數(shù)據(jù)到?jīng)Q策的過程，還需要付出80%的努力才行。畢竟這些邊緣側的軟硬件一體化方案，觸發(fā)的商業(yè)模式變革將是深層次的：

首先，工業(yè)互聯(lián)網(wǎng)廠商與最終用戶之間不再是簡單的買賣關系，而是共同完成新方案的探索與應用。過程中可能還會涉及復雜的數(shù)據(jù)共用和知識產(chǎn)權共享等問題，開放的心態(tài)不可或缺。

其次，在商業(yè)模式轉型的過程中，工業(yè)互聯(lián)網(wǎng)企業(yè)將會涉及到從賣硬件到賣軟硬件一體化系統(tǒng)、從賣產(chǎn)品到賣服務，從一次性銷售到長期運營的轉變。售前咨詢的能力和項目運營的本領都要經(jīng)受非一般的考驗。

最后，工業(yè)互聯(lián)網(wǎng)廠商和最終用戶是否能夠共同將蛋糕做大，把IIoT創(chuàng)造的收益鎖定在企業(yè)內部，而不是引發(fā)新一輪的低價競爭?單個設備與單一產(chǎn)線的數(shù)據(jù)分析，是否能夠與周邊配套環(huán)節(jié)打通，提升整個企業(yè)的決策效率并持續(xù)進化，實現(xiàn)對客戶需求的快速響應?這些課題都要通過實戰(zhàn)求解。

大家還只是剛剛起跑。

本文小結：

工業(yè)4.0與工業(yè)互聯(lián)網(wǎng)的愿景，在短期內可能面臨各種糾結，從長期角度仍應堅決看好。

工業(yè)互聯(lián)網(wǎng)并不是一蹴而就，而是由“點”到“線”，再由“線”到“面”開展落地應用，其中最難解決的是工業(yè)互聯(lián)網(wǎng)的商業(yè)模式轉型問題。

LogixAI分析模塊、Sysmac AI控制器、Simatic S7-1500神經(jīng)處理器等創(chuàng)新型邊緣側產(chǎn)品值得關注。