阿里云工业大脑是什么新物种？曾震宇7000字详解

对于企业而言，数字化转型不在于你做了什么，重要的是你比你的竞争对手多做了什么。

制造业转型升级的攻坚战，显然不只是「胜」与「负」，更关乎「生」与「死」。

6年前，面对“工业互联网”这一闯入传统制造业的全新概念，厂商还在想“做与不做”的问题。

现在，当再面对“工业互联网”这一被整个产业打碎普及了的概念，面对缩减成本、提质增效的压力时，更多厂商在想“如何做”。

制造业对工业互联网的态度转变，似乎来了一个“大转弯”。

和对手赛跑，和时间赛跑，也要和偏见赛跑。

在由雷锋网主办的全球 AIoT 产业· 智能制造峰会上，智能制造领域核心企业专家、管理者们汇聚一堂，从技术和产业两个层面对当下的 AIoT 关键技术及智能制造产业进行了深度探讨的剖析。

会上， 阿里云智能副总裁、数据智能总裁曾震宇 先生带来了题为《 工业大脑驱动工业智能化升级 》的精彩演讲。 

曾震宇提到，工业制造是当前国际大背景下国家间竞争的重要领域，中国是工业大国，人口红利逐渐见底，挖掘工业制造的红利亟需被提升日程。阿里作为一家互联网企业，深刻认识到数据赋能百行千业的重要性。 

阿里云智能副总裁、数据智能总裁曾震宇

所以，阿里提出了“工业大脑”的概念，目的是希望以数据为中心，把工业企业的各种各样的数据做汇集、分析和计算，运用智能的算法发挥出工业数据的价值，以此提升工业制造的水平。做这件事，阿里不会单打独斗，会和行业领先企业、行业专家合作，形成决策闭环。 

阿里提供的工具是“工业数据中台”，具备领先的算法和算力，将工业场景下的数据重新塑造为企业资产，减少工业成本，提升工业效能。 

此外，曾震宇还公布了阿里工业大脑构建数据中台的方法论、逻辑框架和具体的6大步骤，非常干货，并在水泥制造、钢铁热轧、垃圾焚烧这3个案例中对步骤进行详实拆解。

他强调，5G、AIoT等技术于未来几年在工业场景下将得到比消费场景下更多的应用，工业行业藏宝图非常巨大，阿里将运用综合技术，挖掘数据价值，为提升我国整体智能制造水平而努力。 

以下为曾震宇的现场演讲，雷锋网做了不改变原意的编辑与整理： 

各位专家、各位朋友好，我想跟大家分享的是在工业智能制造领域，阿里云如何通过数据驱动的方式，帮助工业企业完成智能化升级。    

在过去的这些年，大家可以看到，各个国家对于工业智能制造非常重视，把智能制造放到一个重要的战略位置：美国提出了“工业互联网”，德国提出了“工业4.0”，而中国提出了“中国制造2025”······ 

我们国家如果要在下一波的国际竞争当中占得头筹，一定要在智能制造领域抢得先机。    

中国在过去几十年，已经从一个工业弱国发展为现在的工业大国，但是离工业强国还有差距，特别是相距老牌的工业制造国家差距更加明显。无论是流程制造业，还是离散制造业，咱们都会面临一些挑战，比如我们的产能过剩、能耗过大。 

随着过去几十年的发展，我们的人口红利在逐渐消失，劳动力的成本也逐渐上升，如果想要持续高速发展制造业的水平，仅仅通过增加设备或者局部改造工艺，不完全行得通。改造设备的成本其实非常高，而且显然也会让国外公司赚走我们的利益。 

我们要走一条适合自己国家发展的工业道路    

阿里巴巴作为一家互联网企业，深刻认识到对于任何一个行业而言，数据可以产生不可估量的作用。对工业也是一样，因为工业环境里面蕴藏着大量宝贵的、沉睡的数据。 

在工业场景当中，数据种类繁杂，数据量也非常可观。如果我们能将数据进行充分的打通与汇聚，用数据驱动的方式帮助工业企业提升生产效率，就能找出一条提升智能化水平的新路径。 

因此，阿里云提出了“工业大脑”的概念，目的是以数据为中心，把产品生产全流程的数据进行打通汇聚，构建工业数据中台，支撑上层智能算法把数据的价值充分挖掘出来。工业大脑不仅用数据揭示过去，更衍生出各种各样的智能化的应用，帮助指导生产。 

工业的数据种类非常多，针对工业产品生产周期各阶段，从最早的采购到产品的设计，到生产过程、工艺过程，再到生产出来后的销售供应链等等，会有非常多的工业信息化软件在里面，包括了MES、ERP、APS等，很多的软件在行业当中做得非常成熟，在每一个领域中都在发挥其作用。

但是，所有的软件都只在自己的环境里面发挥作用，软件系统之间数据没有打通，这是一个大的机会。

除了上述系统以外，产线、工厂等物理设施设备所产生的数据量也十分可观。 

目前，我们看到大部分的数据，其实是属于被闲置的状态，而这些数据蕴藏的潜能和价值其实是极其巨大。 

工业大脑的“智”造=数据+算法 

刚刚崔院长（雷锋网注：崔曙光，香港中文大学(深圳)理工学院执行院长、未来智联网络研究院院长、深圳市大数据研究院常务副院长、IEEE Fellow）讲到了IoT和AloT领域，可以通过数据+模型、算法+模型的方式，去提升智能化的能力。

工业场景也一样，这些设备产生大量的数据，可以帮助我们做相应的提升。    

除了设备生产数据以外，周边还有各种各样的数据，例如环境类数据、能耗类数据，市场运营数据等，如果我们把工业企业涉及到的各种数据进行充分打通汇聚，构成一个工业企业的数据中台，将能够对企业的发展、智能化的提升产生巨大的作用。    

工业大脑之所以能够产生那么大的作用，因为我们基于数据完成了决策闭环。 

我们把工业环境中产生的各种数据融入到数据中台之后，上层有引擎，会帮助我们生成相应的用于指导设备生产的决策。用数据产生决策，决策产生行动，行动再指导数据沉淀下来，形成一个闭环。    

工业发展这么多年，每个行业沉淀了大量的基础知识，我们的工业大脑和这些沉淀是什么关系呢？ 

第一，工业大脑不要是替代工业行业已经做得非常成熟的信息化软件，比如ERP、MES。我们要做的是把它们的数据打通汇聚到在一起。    

第二，对于工业行业当中沉淀的大量基础知识、专业知识，我们是外行。我们进入这个行业之中所建的模型，一定要基于行业机理。因此我们需要跟各个细分行业（如钢铁、水泥、化工等）当中的专家机理知识相结合，从而构成我们的模型。    

我们通过工业数据中台实现数据闭环，将数据与行业知识、行业机理相融合，从而形成相应的决策闭环，最终提升智能制造的水平。 

剖析阿里工业大脑的3个核心能力    

为什么我们认为工业大脑能够形成这样的决策闭环、能够提升智能化的水平？ 

总结下来有三种能力：数据能力、计算能力和算法能力。    

数据能力。工业生产场景当中数据源头非常多，种类非常多，要把各种生产过程、设计过程产生的结构化的数据、非结构化的数据汇聚在一起，并不是简单拷贝就行的，真正的打通汇聚要把数据有机地汇聚。 

我们以前说过盲人摸象的故事，每一个系统只有这头大象的一个侧面信息，如果我需要知道整头大象，而不是任由碎片信息离散地堆在那里，这就需要找到这些侧面信息之间的有机联系，用它们拼出一头大象。这也是我们在工业领域要做的——用数据把整个生产过程完整的链路拼出来。 

怎么拼出来？需要对生产企业各个链条上的数据进行加工和建模。这是一个复杂的过程，涉及到海量数据处理，所以统称是数据能力。    

算法能力。工业企业里面涉及到大量数据，特别是是实时类、持续的数据，基本上都是一些设备设施所产生的数据，这些数据有很强的时效性在里面。我们要去处理这类数据需要各种各样的算法，包括一些人工智能相应的机器学习算法以及运筹优化算法。    

计算能力。因为工业的数据量相对而言比较大，要实时地“算得动”这些数据、准实时地给设备相应的指导或控制，就需要强大的计算能力。    

工业大脑整体建立在阿里云的云平台之上。我们云平台提供了相应的数据加工的能力、算法的能力和计算的能力，靠着这三个能力，驱动整个工业大脑帮助工业企业，实现降本、增效、提质、安全等等这些业务目标。 

阿里云工业数据中台（IData）是什么物种？   

工业大脑的工业数据中台（IData），将来自各个孤立系统里的数据系统地打通汇聚，再对这些数据进行建模。就像互联网行业、电商领域的企业需要对数据进行相应建模，工业企业也可以对自己的业务数据建模。 

我们用分层的方式做数据建模，各种源头的数据先直接进入接入层，到了明细层会再划分成跟各种生产加工相应的订单域、原料域等等，再往上会根据业务按供研产销各个领域进行相应的建模，所有跟生产全链条、整个产品的生命周期相关的所有数据，全都在这个工业的数据中台之上。 

我们有各种相应的标签体系，可以供上层的业务去使用，同时还有一些各种各样的智能引擎可以跑在上面，这构成了一个工业的数据中台。    

数据中台构建好之后，不仅仅只是一些数据的打通、汇聚，其实对于企业而言，他有巨大的意义，这就相当于把一家企业原本散落在各个地方没有真正利用起来的数据，变成了一个整体——反映一家企业从源头到销售的整个生产链条的、实时的生产状况数据，这些数据是鲜活、实时处理过的、高质量的，成为一家企业非常有效的一种新的资产。    

对于工业企业而言，传统的资产是进口各种各样的设备，还有各种各样的人才。今天，数据可以成为工业企业的一种新的资产，我们以工业大脑、数据中台的方式，构成一个企业新的数据资源。    

工业数据中台概念，跟数据仓库还是有非常大的不同，传统的数据仓库各个行业都会有，比如在金融行业，数据仓库其实已经有几十年的时间了，数据仓库的星型模型等等那些历史非常长了，理念已经非常成熟了。   

数据仓库主要面向的是企业的决策者，还有BI分析师。它的产物是各类BI报表，可以显示出整个企业的运营状况、生产状况、销售状况，既可以给这个企业管理者看一个大盘，也可以给BI分析师做洞察分析：产品销售额下降了是什么原因、这个月某产品的生产量下降了是什么原因导致的。数据仓库是做这个目的用的，主要面对的是企业决策者和分析师，是面对人。    

数据中台的本质不仅仅是数据仓库，数据中台包含了数据仓库，数据中台是面向系统的，不仅可以产生报表，更重要的是通过数据中台可以形成决策闭环，在数据中台上层有各种不同的智能化引擎，引擎可以去影响生产。

这个过程是自动的过程，中间可能不需要人的干预，或者只需要人很少的干预，把原本企业的操作人员从重复的操作工作中释放出来，让系统以更精准的方式去控制、去提高这个企业的生产能力，这是数据中台跟数据仓库很重要的差别。    

阿里巴巴做数据中台也一样。我们有一个非常庞大的数据中台，数据中台产生的作用并不仅仅产生一些报表，不仅仅给我们的CEO看一看双11的销售额多少，更重要的目的是我们数据后面有大量的算法，会对不同人员做个性化推荐，也就是我们常说到的千人千面，这些都是算法完成的，背后不需要有人时时刻刻控制。     

工业领域是一样，我们发现数据同样可以产生作用，可以形成决策的闭环，让整个企业的生产效率能够去提升。我们认为工业场景当中数据中台跟数据仓库有这么一个非常本质的不同。 

六步构建工业数据中台，阿里的方法论    

根据我们过去几年在工业领域的实践发现，可以用以下6步实现工业大脑的工业数据中台（IData）搭建。

• 1、数据准入分析。弄清楚我们到底有什么样的数据、数据的质量怎么样，其实工业企业数据质量并不是都非常高的。

• 2、数据化。让数据能够接入进来。

• 3、数据建模。构建相应的数据模型。这几步跟传统的数据仓库的加工没有太大的差异，都是要分层、加工、导入等等做这些事情。    后面是数据中台额外做的事情。

• 4&5、知识化和智能化。我们构建专业的知识图谱，构建工业数据中台之上智能引擎，这些都是相应提供了智能化的能力，有了这些智能化的能力跟它驱动生产。

• 6、用实际效果分析数据价值，并对数据成熟度做再评估。

数据中台，为工业智能“持续供氧” 

工业大脑的工业数据中台（IData）相当于给工业企业创造了一种新的资源，这种资源是可以帮助工业企业产生实实在在的收益。

通过构建一个统一的、协同数据的组织表达，数据中台帮助企业提升决策管理水平。更重要的是，它为企业提供了一个创新平台，以往很多通过功能、机理来控制的方式，今后可以通过工业大脑和工业数据中台（IData）来实现，帮助企业提升效能。    

工业数据中台（IData）其实是工业大脑的一个底座，没有脱离了数据的智能应用。数据就像人脑里的知识一样，没有知识，就不具备深度思考的出发点。所以，工业大脑里面的数据中台是把工业的数据当成资产，这是一个基础。    

在工业数据中台（IData）之上，我们还有工业的智能“芯”。这个智能“芯”就是各种场景的智能化引擎，包括像能耗分析引擎、工艺优化引擎等等。    

引擎之上是工业智能应用。这些智能应用一定是进入到每一个工业实际的场景当中，如水泥、钢铁、石化、垃圾焚烧、橡胶等等，每个行业都有自己的业务特点，每个行业都有自己的优化目标，针对不同场景，我们会有不同智能化的应用。    

工业大脑是一个开放的引擎，从工业数据中台（IData）到智能“芯”再到智能应用，每一层都是可以不断扩充的，尤其是是智能“芯”和智能应用层面。    

工业大脑本质上是帮助企业提升智能化的能力。希望能够帮助工业企业做到全局的智能，因为我们相信，把工业企业的全量数据进行充分打通和汇聚以后，可以爆发出巨大潜力。    

这个“智能”有三层的概念，从单点智能到局部智能，再到全局智能。全局是工业大脑的未来走向，虽然现在没有到那个程度，但是我们坚信这是一个可以触达的方向。    

单点智能，是指在局部做优化工作，以化工企业为例，化工企业会有多个循环流化床的锅炉，为整个生产和企业运转提供能源，还有一些精馏塔和冷却塔。对每个设备做优化，能够让他的能耗降到最低，让热能的比例升高，这是单点智能。 

其实可以对这一组锅炉可以再做优化，实现锅炉间的负载均衡。每一个设备所处的位置不一样，所提供的能源针对的对象不一样，不追求每个设备个体做到最优，而是追求一组锅炉的整体协同最优，让能源损耗再降低一点，这是局部的优化。   

对于整个企业而言，从前期的采购、到设计、到生产，到后面的供应链销售，整个形成一个大的流程，以往很难对这个大流程做优化。我们把整个数据进行汇聚以后，可以把整个生产的功能做相应的规划，根据市场的销售状况优化每一个生产的环节。真正实现供、研、产、销、服务全流程的优化，这就是全局优化的状况。    

工业大脑的3个智能化案例 

接下来分享工业大脑的智能化案例。 

首先是水泥行业。这是一个高能耗的行业，耗电耗煤非常多，我们主要通过数据，对水泥生产回转窑做能耗降低。什么样的生产状况能耗、煤耗、电耗最低，这个机器不知道，要让工人师傅凭经验做这个事情。    

我们可以针对历史生产数据和能耗优化模型，可以知道在不同状况之下，什么样的参数可以让设备能耗最低，并给出对应的的设备参数推荐，这个参数再给到APC，由APC控制相应的分解炉。这样一个流程下来，整个回转炉的能耗大幅降低，一年可以降低数百万的煤费和电费。    

第二是钢铁行业的热轧加热炉案例。整个钢铁生产分铁前、炼铁、炼钢、热轧和冷轧几大环节。其中，热轧环节就是对钢锭再加热，轧制变成各种形状。温度是一个很重要的参数，如果温度过高，会让钢锭过度氧化，影响产品质量。以往都是人工在控制温度。工业大脑通过判断历史数据，找到在什么时候、在何种工作状态下、应该使用什么温度，来保证温度刚好合适，不产生氧化。这样就能提升整个加热炉的效力，把能耗降低下来。   

第三是垃圾焚烧的案例。现在国内很多的城市都在讲生活垃圾要分类，一部分生活垃圾会进入发电厂，处理之后进行焚烧，产生蒸汽，蒸汽产生电能，变成我们日常用的电。

生活垃圾原材料是很不稳定的，垃圾燃烧操作的过程就非常依赖操作工的判断，凭借他们多年的经验去判断要推多少料、送多少风，工人经验参差不齐，就会导致焚烧效果不稳定不可控。工业大脑通过建模的方式帮助垃圾焚烧厂用AI来辅助整个焚烧过程控制，让蒸汽的稳定性提升，减少设备损耗，这些都能带来实际的经济效益。AI的辅助也让工人操作负荷减小，也让工人的操作负荷变小，过去操作员4小时内需要操作30次，现在只需要在收到提醒后对比参数数值，最多干预系统6次即可。    

我们认为对工业来说，通过数据智能的方式，产生的行业价值是非常可观的。比如说水泥行业，在平均能耗条件下，工业大脑可以帮助一条水泥的生产线每年节省300万能耗成本。中国有1700-1800条水泥生产线，如果我们能够把每条线都做相应的优化，估算下来全国水泥生产线的能耗每年可以降低50亿元，而这背后仅仅是每条产线1%左右的能耗优化。 

而水泥行业只是中国非常庞大的工业领域中的一个分支，每个行业都有很多类似的机会和提优空间。如果把每个机会都当成一颗宝藏，整个行业的宝藏图就会非常巨大。我们只有继续走下去，才会发现我们有越来越多的机会，能够给行业创造越来越多的价值。 

工业行业宝藏图非常巨大，阿里走共建思路    

工业大脑是离不开合作伙伴的。 

阿里巴巴是一家互联网的行业，我们对算法和数据更熟悉。而在工业领域，我们自认为是一个小学生，是一个外行。工业大脑离不开在行业中耕耘多年的专家和伙伴，他们对行业机理知识了解很多，只有并肩合作，才能真正服务好各个行业。 

很多合作伙伴发现，这其实是一种强强联手，双方各自发挥所长，共同去挖掘宝藏，所以大家的信心非常足。我们目标也是要携手更多的合作伙伴，共同唤醒工业数据的价值，推动工业智能化升级。   

刚刚崔院长介绍了AloT这一系列的技术，AIoT的技术在工业场景当中运用的潜力巨大，而且5G在未来几年，可能对于我们消费者而言影响并不是那么大，但是对于工业企业、对于生产型企业而言，产生的影响是极其深远的，这是一个正面的积极的影响。 

5G技术、IoT技术，在工业场景运用得越多，就意味着我们在工业场景能够获取的鲜活而真实的数据越多，能够帮助工业大脑构建更精准的模型，从而帮助企业收获更具价值的数据资产，提升工业企业的数据化的智能制造水平，最终提升中国整体的智能制造化的水平。 

谢谢大家！

雷锋网年度评选—— 寻找19大行业的最佳AI落地实践

创立于2017年的「AI最佳掘金案例年度榜单」，是业内首个人工智能商业案例评选活动。雷锋网从商用维度出发，寻找人工智能在各个行业的最佳落地实践。

第三届评选已正式启动，关注微信公众号“雷锋网 (公众号：雷锋网) ”，回复关键词“榜单”参与报名。详情可咨询微信号：xqxq_xq

相关文章：

大咖云集，观点碰撞！《全球 AIoT 产业· 智能制造峰会》圆满落幕

。