阿里研究院安筱鹏：数字化转型的四个基本问题

近日，在阿里云智能制造加速器首次集结现场，阿里研究院副院长安筱鹏博士分享了关于数字化转型的四个基本问题。以下为现场分享内容的整理，转载请注明出处。

看待数字化转型，我们可以拿着一个“望远镜”，从更长的历史，更大颗粒度去分析。1909年，GE公司开发了一款烤面包机，电源连接部分是类似于灯泡的螺旋式接口。为什么长成这个样子？当年人们发明电的时候，能够想到的唯一杀手级应用是电灯泡，所有跟电基础设施连接，都是以电灯泡的方式去设计接口。后来，人们发现电不仅仅可以照明，还可以用来烤面包，所以在发明烤面包机的时候，能想到的自然是这种螺旋式接口。

在使用的过程中，人们发现把电灯泡拧下来，把烤面包机拧上去，太麻烦了。怎么办？于是技术人员开发了插座，从中间过渡性的接口演进到今天的产品形态。

这种设备称为“电原生”。什么叫“电原生”？有了电才有了家用电器，有了电才有了电影、电视、电话。所有的这些东西是因为有了“电”这样一个新的技术，有了工业时代的基础设施，才得以出现。“电原生”就是因电而生的产品。

当我们理解了一百年前的“电原生”，就可以理解今天的“云原生”。

　　从最初的数字基础设施形态演进到云基础设施最终形态，中间会有很多过渡性的产品，正如烤面包机经历的过程。 对于云计算来说，终极目标可能是一个“插座”。 云计算开启了一个新时代，不仅仅是一个技术变革。在经济学里有一个概念，叫通用目的技术。我们有各种各样的技术，但是 有那么一些技术会改变整个人类社会的生产方式和生活方式， 既会改变生产力，也会改变生产关系，这一类技术就可以称为通用目的技术。内燃机、电力、能源都是这样的通用目的技术，而今天的云计算也会带来一个新的时代。

这个时代是以什么样的方式去呈现的呢？

　 第一，技术变革带来的信息通信产业企业在急剧地分化。 Saleforce市值超过Oracle；过去十年微软市值涨了20倍，而IBM市值基本上没什么变化，为什么呢？不是因为微软有office或windows，更重要的是抓住了云计算潮流。

　　 第二，传统产业跟新兴产业在急剧地分化。 特斯拉销量占到全球0.4%，但市值超过几大传统汽车制造商之和。美国风电公司NextEra只有1.4万人、190亿美元营收，市值超过拥有7.5万人、销售额2650亿美元的埃克森美孚。时代已经在发生变化。

　　 第三，因为技术的变革和产业的分化，带来了全球不同国家发展的差异。 欧洲、日本跟美国的差距越来越大，中国跟美国的差距越来越小。2007年，美国科技公司的估值仅仅相当于欧洲所有国家上市公司估值的四分之一，但疫情后美国科技公司估值已经超过了欧洲所有国家上市公司的总和。

这种分化就来自于像在座各位这样的企业家持续涌现和崛起，代表了中国未来五年、十年、二十年经济增长的动力。

德国经济能源部长曾表示，“令人担忧的是过去20年德国几乎没有出现新的大型企业。而在美国和中国，过去20年里出现了大量世界领先的新的大企业，创造了新价值。”再看日本，以前曾出现了松下、索尼、东芝等企业，但是这些年很少涌现新企业。

　　 当以数字基础设施为代表的新基础设施到来时，需要长出更多的烤面包机这样的产品，以及生产烤面包机的企业。一个国家、一个地区经济繁荣最重要的标志是有没有新企业的成长，或者说新时期企业的成长是衡量一个国家和地区经济繁荣的核心要素。

二十大报告提到“制造强国”，强调经济发展的着力点要放在实体经济上。当下，那里的实体经济最值得我们学习？并不是制造业比重较高的德国和日本，而是常被人诟病虚拟经济繁荣的美国。

今天，如果要在全球找一个新的实体经济风向标，那就是美国硅谷。硅谷是全球制造业与实体经济融合的典范和样板，代表企业包括苹果、特斯拉、英特尔、英伟达等。

过去十年里，美国GDP从日本的2.6倍扩大到4.5倍，从德国的4.6倍扩大到5.4倍。换句话说，德日两个制造业大国的GDP跟美国的差距在急剧扩大。尽管美国的制造业仅占GDP的11%，但是过去十年美国制造业GDP从日本的1.5倍扩大到2.4倍，从德国的2.5倍扩大到了3.1倍。日德的制造业，跟美国的制造业相比，体量规模的差距仍在持续拉大。

　　美国在全球领先地位的巩固和确立，是新实体经济的胜利，是数字技术深度、全面融入第一、二、三产业的结果，是传统基础设施向数字基础设施迁移的结果。 结论是新实体经济的风向标不在底特律，不在斯图加特，不在丰田，在硅谷，在深圳，在杭州，在合肥，这些区域、这些企业代表了未来新实体经济的趋势。

今天，当我们讨论数字化转型时，有四个基本的问题需要思考——

　 一、逻辑起点：如何面对需求巨变与消费者主权崛起

为什么一定要数字化转型？因为需求发生了剧变。无论是消费端还是制造端，无论是工业品还是消费品，需求都在发生剧变。当客户需求发生剧变时，企业和供给端需要思考如何面对这场剧变，如何避免不可忍受的确定性损失。

1.什么是智能？

　　 诺贝尔文学奖获得者、哲学家、历史学家、数学家罗素对智能有一个定义：智能始于征服恐惧，人们恐惧不确定性。

　　原工信部副部长杨学山撰写的《智能原理》中提到，智能是一个主体对外部环境变化做出响应的能力。一个数控机床，一个机器人，一个AGV小车，一条生产线，一个立体仓库，一个研发团队，一个人，一个企业，都可以看作一个主体。 当外部环境发生变化的时候，这样的主体对变化做出实时的、科学的、精准的反应的能力，叫智能最重要的标志。

　　 核心关键词是外部需求的变化。《重构：数字化转型的逻辑》这本书里反复讲的一个关键词，就叫做不确定性。只有深刻理解不确定性，才能真正的理解数字化转型的本质，才能理解各位企业家们从事工作的最底层逻辑。

　　不确定性不是今天才有，人类社会一直面临各种各样的不确定性，而对不确定性的恐惧是人类认知世界的基本动能。不确定性来自于信息约束条件下人们有限的认知能力。过去的几百年、上千年，一个个体、族群、部落、企业、国家，会有冲突、战争、气候灾害，会有企业的竞争、市场的变化、竞争对手的策略，会有国家之间贸易战等等，这都是主体面临的各种各样的挑战。这些挑战背后的共同点是—— 主体需要在各种不确定性背景下做出一个决策，一个决定成败得失、利弊、好坏和优劣的决策。 这个决策对于个体的幸福、部落的兴衰、企业的成长、国家的繁荣、历史的走向，都会产生重大的影响。

　　 如何化解对不确定性的恐惧呢？第一，建立一套对世界的认知体系，是应对不确定性的起点；第二，当认识到了规律之后，要基于规律和各种内外部条件做预测；第三，预测之后要决策，并采取行动。

虽然看起来很简单，但怎么去理解认识世界的规律呢？有很多种方法，在部落时代军师们通过占卜、巫术等认识世界和决策。占卜、巫术、宗教、哲学、科学，这些看来毫不相关的事物本质上都是建立对世界的认知体系。

　 占卜构建了一套对世界的解释全系。 《史记》里面有多篇讲占卜。古代诸侯们、君王们把乌龟壳烧裂，看乌龟壳的花纹长成什么样子，来决定是否要打仗？什么时候出兵？因为他们认为乌龟壳能够对世界建立一套体系。小国寡民如何进行决策？《诗经》记载“尔卜尔筮，体无咎言，以尔车来，以我贿迁”。年经的姑娘要出嫁了，不知道未来自己的婚姻是否幸福，那么就告诉他的新郎，通过占卜的方式看看婚姻是吉是凶，如果卦象没有什么不吉，那就选一个黄道吉日开着车把我和我的嫁妆带回去。

　 宗教建立了一套对这个世界解释体系。 为什么北美比南美发达，北欧比南欧发达，西欧比东欧发达，香港比澳门发达？马克思·韦伯的《新教伦理与资本主义精神》有系统的论述，背后都有一个宗教因素。因为西欧、北美这些发达地区都信封基督教，区别在于，天主教信徒要通过教堂的神父跟上帝去沟通，而基督教的教徒们可以直接跟上帝沟通，没有了“中间商赚差价”。天主教认为赚钱有罪，新教让大家通过赚钱来表达对上帝的热爱，上帝喜欢勤劳和创造价值的人。信奉新教的企业家挣到钱的时候，他们认为会给上帝带来荣耀。所以，很多企业家拼命挣钱、拼命省钱、拼命捐献，是为了成为“上帝选民”。

　　 科学建立了一套对这个世界的解释体系。 爱迪生发明电灯泡是无数次试验的结果；1969年，人类登月的时候，选择火箭发射的合理窗口期；波音747通过风洞实验进行外形研发。所有的这些是因为人们建立了一套科学方法论和体系来认识和改造这个世界。

　　今天， 我们构造了一套新的对这个世界认识和改造的一个方法论，这个方法论是数据+算法。 换句话说， 占卜也好，宗教也好，科学也好，或者我们今天讲的数字化转型底层逻辑也好，都在做一件事情，就是当我们人类面临各种各样的不确定性的时候，要构造一套新的认识和改造世界的方法论。

　 2.什么是智能制造？

中国《智能制造发展规划（2016—2020》这样描述：“智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。”简单来说，用ABCDEF各种各样的技术，在各个环节广泛应用，然后带来成本降低、质量提高、效率提高等效果。

美国的国家标准与技术研究院（NIST）认为，判断是不是智能制造，看是否解决了三个基本问题。第一，更小的生产批量；第二，不可预知的供应链变更和中断；第三，差异性更大的定制化服务。归纳一下，智能制造就是企业如何对外部需求的变化做出响应的能力。

　　在德国，工业4.0的战略牵头起草机构弗劳恩霍夫研究所提出，“ 工业4.0逻辑起点是适应竞争环境的快速变化。 ”我曾经让西门子成都工厂总经理用简单朴素的语言来定义工业4.0。他说，智能制造就是“如何建立一个定制化的产品体系。”

3.消费者主权崛起

今天，中国消费者的一个重要变化在于，数字化不仅把供给端制造业的能力提升了，也把消费者武装起来了。

　 第一，新消费人群的涌现。 90后、00后可以称之为数字原住民，他们无网络不生活，数字空间即生活空间，1天有七八个小时都在数字空间里，关注国潮、个性人、互动化、二次元，其认知跟60后、70后、80后已经有质的变化。

　 第二，决策链路同样也变了。 线上发现、线下体验、社区讨论、下单购买，买了还要讨论。

　　 第三，决策模式的改变。 购买商品时，不仅关注产品，还要体验更好的服务，过去仅仅看性价比，现在要看各种各样的体验。产品设计中有没有尊重个人分享的价值感、社交体验的满足感都是重要因素。花了100块钱，吃了一顿口感不错的大餐的时候，这是一种享受，但是还有一种享受和体验是把吃的东西分享出去。今天的消费者需要参与，需要分享感受、满足社交体验。

　 第四，当人变了、决策链路变了、决策模式也变了，消费者买什么产品也就变了。 换句话说，今天的消费者需要的是一种个性化、实时化、场景化、内容化、互动化的消费和服务体验。

　　数字化把消费者武装起来了，他们有了更多的表达权、话语权、参与权、选择权。这些变化可以叫做消费者主权的崛起。 当消费者主权崛起的时候，当消费者的行为、理念、决策链路和模式发生变化的时候，供给端有没有为这场变革做出了充分准备？这就是数字化转型的逻辑起点。

“我们缺的不是用户，我们缺的是与用户的互动。”在产品设计过程中，能不能解决个性化、实时化、内容化、互动化的需求，能不能充分满足表达权、话语权、选择权和话语权？当企业具备这样的能力的时候，就会脱颖而出。瓴羊、SHEIN、盒马鲜生、认养一头牛、元气森林、三顿半等传统行业中的新锐品牌就是如此。它们是“数字原生”的企业，即天然对需求快速变化具有响应能力。

　 4.数字化转型：从“单轮驱动”到“双轮驱动”

从全球范围看看数字化转型，在个性化需求非常强烈、集中度不高的行业，如服装、餐饮、日化、食品、美妆，中国的数字化已经走在了全球前列。

　　星巴克、宝洁、欧莱雅等公司在全球有各种各样研发、生产、营销解决方案。其中，中国区域的解决方案正在向欧洲、美国输出，过去是copy to china，现在是copy from china。这是因为 中国消费互联网跟产业互联网正在“双轮”驱动发展。

在消费互联网领域，线上跟线下的融合，使得中国消费互联网走在了全球前列。在产业互联网领域，过去以CAD、ERP、SCM、MES为代表的转型，今天要升级为移动化、AIoT化、中台化、云化。中国跟其他国家最大的区别在哪里？中国有庞大的消费体系，消费互联网的快速崛起，再加上产业互联网升级，形成了一个从单轮驱动到双轮驱动的新的模式。这个模式最本质的含义是，市场营销、用户运营、产品创新、智能生产、渠道管理、品牌建设等，所有的决策都是基于对消费者需求的深刻洞察而采取的优化决策。

5.数字化战略缺失的“反射效应”

换个角度，我们从确定收益和确定损失的角度来看数字化转型，存在两个效应：确定效应——在确定收益和“赌一把”之间，多数人会选择确定收益；反射效应——在确定损失和“赌一把”之间，多数人会选择“赌一把”。

　 如果不做数字化转型，那确定性的损失是什么呢？

　　 第一，市场失焦。 不知道客户是谁，客户在哪里，客户喜欢什么，客户体验如何，因此无法精准地知道生产什么，生产多少，采购多少，市场会失焦。

　 第二，营销失语。 不知道对谁讲，在哪儿讲，讲什么，讲的效果怎么样，如何讲？搞不清楚，只能去猜，把钱扔下去，有多少效果不知道。

　 第三，系统失灵。 不做数字化转型，生产、财务、库存、新品开发速度跟不上业务发展的需要。

　　 第四，管理失衡。 不做数字化转型，前端销售跟中台、财务、生产失衡；部门和部门之间由于信息流没有打通，左右会失衡；董事长跟基层员工会失衡；实体生产跟虚拟的生产会失衡。

　 第五，增长失速。 以上带来的结果是企业增长的缓慢。

　　今天如果不做数字化转型，损失是确定的。数字化转型面临一个什么挑战呢？——很多时候数字化转型的收益是不确定的，高达60%、70%、80%的失败率，这是一个不确定的收益。但是如果不做数字化转型，损失是确定的。 很多时候，数字化转型不是因为收益可以预期，而是因为不转型的风险和成本难以忍受。

　　 二、基本矛盾：全局优化需求与碎片化供给

要讲基本矛盾，首先去看什么叫企业？企业的基本功能是什么？企业跟政府、市场都是一种配置资源的机制，市场可以通过价格信号配置资源，政府可以通过税收、金融、财税、土地、政策配置资源，企业本身就是一种配置资源的组织。

　 1.数据的自动流动提高资源的配置效率

　　就像诺贝尔经济学奖获得者罗纳德·哈里·科斯所说的，“企业的本质是一种资源配置的机制，是替代市场进行资源配置的组织（市场、政府、企业）。” 企业竞争的本质就是资源配置效率的竞争， 如何用最少的土地、资本、技术、人才，更高效率、更低成本、更高质量的满足客户需求。

　　所有的资源优化配置效率本质上是在做一件事情——决策。在各种不确定性的环境中去做决策。新品研发是决策，客户定位是决策，营销管理是决策，供应商选择、交付周期、库存管理、排产计划、新市场进入、商业模式都是决策。过去的决策很多是“三拍”模式——拍脑袋决定、拍胸脯保证，拍屁股走人。 数字化如何如何优化资源配置效率？核心在于数据的自动流动——正确的数据、在正确的时间、以正确的方式传递给正确的人和机器。 换句话说，当要优化资源配置效率的时候，采取的决策是基于“数据+算法”驱动的决策，越来越少掺杂个人主观决策。

举个例子，各位企业家都有这样的感受，服装、美妆、石化、钢铁等千行百业，会面临着各种各样的待决策事项，是否要做广告，要找什么代言人，要生产什么，要生产多少，营销渠道怎么打开，在什么渠道去发，所有的事情都需要决策。在这样一个高频变化的世界里边如何进行决策？客户的一个订单信息，这个信息需要在经营管理、产品设计、工艺设计、生产制造、产品测试、产品运维的每一个环节去流动。智能制造除了机器人、数控机床、AGV小车等设备是最先进之外，更重要的是得到了客户需求订单之后，这个订单在每一个环节都会不断被加工、处理、执行。

　　一个制造企业在数据传递的过程中，有多少数据的流动是不需要人去干预的？ 今天衡量一个智能制造的场景、标准、规范，更重要的是在数据的流动，从过去基于文档，到今天基于几何模型、性能模型、工艺模型，是不是越来越少的人参与？这才是衡量智能制造最本质的含义。

现在都在讲数字化、网络化、智能化。什么叫数字化？狭义理解就是能够把一个物理世界运行的现象，在数字空间里面去表达，解决的是数字化的信息有和无的问题。什么是网络化，网络化解决的是这些数据能不能在多个系统之间流动的问题。而智能化是什么？智能化是数据是不是可以自动流动，是不是可以不需要人去参与？

智能化的背后取决于什么？取决于采集更多的数据并输入到算法中，带来各种各样的服务。这个服务有四种基本形态。第一，可以在数字空间里去描述发生了什么；第二，可以去洞察、诊断出现情况的原因；第三，可以去预测将会发生什么；第四，可以去决策应该怎么办，这个决策信息可以给到人，也可以给到机器。在这个过程中，人和系统都在发挥作用，而且在数字空间里，系统扮演的角色越来越重，人扮演的决策越来越轻，最终优化资源配置效率。

　　 2.软件：构建数据流动的规则体系

　　刚才提到，把正确的数据、在正确的时间、以正确的方式、传递给正确的人和机器.怎么判断正不正确？要靠软件。 软件的本质是事物运行规律的代码化，软件的作用是构建数据流动的规则体系。

工业元宇宙、数字孪生背后底层逻辑是什么？是构造一个低成本的试错之路。创新就是一个试错的过程。无论是制造、建筑、医疗还是城市，当构造了数字孪生时，就可以以低成本帮助我们在数字世界中做各种商业层面、技术层面、研发层面的测试验证，从而大幅度降低成本、提高效率。

　 3.数字化：重构人类认识世界的方法论

　　回到数字化转型， 今天的数字化构造了人们认识和改造世界的新的方法论，这个方法论经历过了四个阶段。

　　 第一阶段是理论推理， 依赖于牛顿、爱因斯坦、霍金这些天才科学家，他们通过观察、抽象、数学去理解这个世界，发现规律；

　　 第二阶段实验验证， 100多年前爱迪生发明电灯泡，是通过实验验证的方式发现这个世界的物理规律，包括伽利略从斜塔上扔了大小不一的球，他的理念和逻辑是通过实物验证的，这依赖于设备材料的高投入，实验过程大协作、长周期，直观的验证结果；

　　 第三阶段是模拟择优， 飞机的风洞模拟、汽车的碰撞模拟、火箭发射模拟等，都是在数字空间里模拟试用，这依赖于高质量机理模型的支撑，机理模型和实验验证的协同，投入少、周期短；

　 第四阶段是大数据分析， 如GE风电设备通过大数据分析提高2%的发电量，基于海量数据和大数据分析模型去发现这个物理世界规律，这依赖于海量数据的获取，计算、存储资源的低成本和高效利用，数据驱动的价值创造。

　　做个小结，数字化转型的本质是什么？ 在“数据+算法”定义的世界中（数字孪生），以数据的自动流动化解复杂系统的不确定性，优化资源配置效率，构筑新型能力和竞争优势。不确定性应对不确定性，面对需求的不确定性，需要摒弃冗余思维、静态思维，走向精准思维、动态思维。

4.数字化转型的挑战和矛盾

　　当前数字化转型面临一些比较大的挑战，最突出的是“ 集成应用陷阱 ”，无论是德国、美国还是中国都会面临。

美国人认为数字化转型面临无法快速实验、历史遗留问题、信息/数据孤岛、组织协同不足、风险厌恶文化、缺乏数字化愿景、缺乏人才和预算、数据和网络安全等一系列问题。德国人提出工业4.0，从纵向集成、横向集成到端到端集成。中国人提出来两化融合四个阶段，从基础建设、单项应用、综合集成到创新引领阶段。

我曾经提出一个名词叫“集成应用陷阱”，当实现了单项应用之后，要跳到综合集成，是非常复杂的，弄不好就跳沟里去了，这就是数字化转型失败率比较高的很重要的原因之一。但为什么数字化转型这件事情又非得要做呢？除了不转型的损失无法容忍外，还因为今天对于转型的投入可能是一条直线，而未来的收益会超越某个临界拐点而呈现指数增长。

　　尽管美国、德国、中国对于数字化转型的挑战描述不一，但是本质上都在解决从单项应用到企业级集成到产业链集成的问题。 这就是今天数字化转型的一个核心问题，在于更大范围端到端的集成优化才能带来价值，但是今天的供给侧，包括阿里云以及全球大部分解决方案提供商在内， 提供的大都是碎片化的产品和服务，今天阿里云和所有在场的智能制造的企业家的共同任务就是解决这个问题。

　 数字化转型的基本矛盾是企业全局优化的需求和碎片化供给之间的矛盾。 现在，行业领导者纷纷自建系统，特斯拉、美的、犀牛智造、盒马鲜生、物美多点等这些企业没有去采购今天最先进的解决方案，不是他们不愿意，是因为一套解决方案远远满足不了他们业务的需要。2008年1月，物美集团ERP项目成功上线，中国零售领域第一个灯塔项目，2020年8月，物美集团业务系统由ERP切换为多点DMALL OS。阿里的犀牛智造和盒马鲜生当初也想采购一些现成的软件和解决方案，但发现并没有特别合适的，不得不自己去开发。今天市场上绝大部分的解决方案是满足不了客户需求的。

　 所以，今天数字化转型主要矛盾是在于供给能力不足，而不是没有需求，需求就在那里放着，是因为市面上的技术和解决方案供给能力不足，当面对的是一个消费者铸造的，或者面对的是一个需要实时响应的场景的时候，我们会发现今天在供给端的各种各样的解决方案远远满足不了这样的需要。

阿里巴巴旗下的犀牛智造就是一个灯塔工厂。之所以去做犀牛智造，本质原因是服装行业数字化解决方案供给能力远远不足。我们有一个错觉，认为中国的制造能力满大街都是，要什么有什么。实际上不是的，特别是高质量、快交付、小批量的生产能力是非常稀缺的。

犀牛智造最大的价值，可以概括为一个3000件3个月的订单，转化成几十个1周250件的订单，同时兼顾生产效率，产线切换的时间非常短。2020年9月18号，犀牛智造入选了世界经济论坛公布的“灯塔工厂”，是当年唯一入选的服装类“灯塔工厂”，评审专家对于犀牛智造在技术解决方案、商业模式、价值探索方面给予了高度评价。

犀牛智造到底做了什么呢？

　　 首先是对需求的精准洞察， 淘宝、天猫可以根据消费者需求同步商家们生产什么款式、面料、颜色，同时帮助商家决策某个品类是一个爆款、平款还是滞销款；

　 其次，当订单锁定后，可以把海量需求跟后端几十个工厂做精准匹配， 进而锁定一家工厂，这家工厂的设备、物料、人员、工艺、能力、排期，所有信息已经同步到云端；

　　 第三，需求确定后，可以转化成数字化设计、数字化版型。 并基于此在云端自动生成数字化工艺，下发到这个工厂；工厂根据订单实时生成排产计划，车间里面制造执行系统的指令都可以来自于云端而不是本地，包括车间物流吊挂系统的指令。

当然，除了生产之外，供应链系统、企业经营管理系统，都是被数字化的，都是在云端汇聚的，方便管理和优化。

　 　怎么定义犀牛智造呢？它可以被视作一家云端算法定义的工厂， 其背后的支撑技术，有几点是非常关键。 比如卖什么、卖多少、什么时间卖，以及数字工艺的地图、全链路的决策优化、制造系统及数据云化、多工厂协同、集中式的供应链等。事实上，犀牛智造的背后是一个云原生工业软件在特定行业的落地解决方案，基于“数据+算法”来提供各种各样的服务。同时，犀牛智造也构造了一个数字孪生工厂，可以低成本去试错。最重要的犀牛智造实现了端到端的集成优化，数据在多个环节自动流动，不需要人为参与去做决策，这是它的核心价值。

在工业软件方面，除了设备层软件和研发工具之外，犀牛智造基于云原生把服装行业的工业软件代码重写了一遍，价值在于核心要素的全面上云，它是一个云端算法定义的过程。

总结来看，犀牛智造的方案跟传统制造，或者所谓的狭义智能制造的共同点在于解决的核心问题没变——优化资源配置的效率，解决问题的逻辑也没有变——数据驱动。但是什么变了呢？

　　 第一，数据从哪儿来变了， 不仅仅有IT系统的数据，而且有更多设备跟IT无缝融合的数据；

　 第二，数据到哪儿去变了， 过去是孤立、烟囱林立的系统，今天汇聚到云端，实现互联互通互操作；

　　 第三，模型在哪部署变了， 过去模型都是本地化部署，现在既有边缘侧部署，也有云端部署能力，很多指令都来自于云端；

　　 第四，模型怎么部署也变了， 从整体式架构到微服务架构。最终结果是，资源优化的深度和广度发生改变。

犀牛智造所要探索的是基于“云端制造”这个理念，来解决全局优化跟碎片化供给之间的矛盾。

　　类似于犀牛智造工厂，端到端全局优化的价值在于高频、实时、精准地对需求做出响应。我经常说， 数字化开启了一场“时间减史”革命，高频竞争是企业的核心竞争力， 表现在研发上市周期更短、运营决策更敏捷、生产调度更实时、供应链周转更快、服务响应更及时，在各个环节实现提速，这是企业应用不确定性的不二法宝，也是企业评估数字化成效的有效标尺。

　 三、技术演进：软硬解耦+能力复用

1.数字技术演进的逻辑：软硬解耦

　　未来的技术正在向软硬解耦、能力复用的方向去演进。什么叫工业互联网、什么叫智能制造，它们有什么区别？工业互联网核心竞争力是什么？如果你是一个投资人，要判断一个工业互联网项目可不可以投，标准是什么？终局是什么？ 实际上很简单，就是判断它是一个项目公司，还是一个产品公司，还是一个平台公司。

　 要做这三个判断，就要分析工业互联网到底解决了什么问题。换一个角度看，工业经历了最重要的两场革命，一个是动力革命，一个是控制革命，从蒸汽机到飞机到工业3.0到工业互联网，这个世界是被控制的。过去是机械控制，后来是机电控制，后来是数控技术控制，后来有了嵌入式控制系统，到今天的云边控制优化系统，是不断演进的过程。

设备是捆在一起的，到了PC阶段，微软做了软件解耦；云计算也是将计算、存储、网络等资源虚拟化，实现了与底层硬件的解耦，用户不需要关心最底层使用的到底是哪家的什么型号的CPU、GPU等资源。

软硬解耦推动了功能汽车发展成为智能汽车，硬件不断通用化，但是服务是可编程的，背后的技术逻辑是电子电气架构向车云一体的架构迁移。从有限的传感设备、多标准封闭式软硬一体ECU，到不断被解耦，出现了摄像头、雷达等各类传感器、一体化分布+集中计算SoC，但是这个趋势很多厂商并没有充分意识到。

未来技术演进，信息技术（IT）、通信技术（CT）、数字技术（DT）、控制技术（OT）在不断融合。从工业互联网标准化的五层架构，演变成一种网络化架构。举个例子，过去有很多复杂的整体架构，而今天这个整体架构在不断的被解构和重组。设备的数据被解构出来扔到一个池子里面，同时SCADA、MES、ERP、供应链管理等传统的工业软件也在被解构、被模块化。当面对一个特定的场景，比如刹车片坏了，要去看谁设计的、看谁生产的、库存还有多少，需要快速地去了解，实际上构建了一个面向角色、面向场景的APP。因此，工业互联网平台的演进可以总结为：解构-微服务池-调用-面向角色APP。

　　也就是说， 我们要构造一个工业PaaS平台，这个平台是在工业技术原理、行业知识、基础工艺、研发工具规则化、模块化、软件化基础上形成的数字化模型。 这个模型有两类，一类是机理模型，如流体力学模型、商业模型、部件模型、工艺模型、故障模型等，这些都是机理模型；另一类是数据驱动模型，如数据分析、机器学习、控制结构等。

这些模型从哪儿来呢？来自于物理设备、来自于流程逻辑、来自于研发工具、来自于生产工艺。怎么去开发呢？需要软件开发人员，或者低代码开发工具去开发。模型是什么样子呢？可以是整体式架构，也可以是微服务的架构。最终在于模型怎么来用呢？解决四个问题：描述、诊断、预测和决策。

　　 软硬解耦技术架构的演进，如果从经济学视角来看，让硬件越来越规模化，遵循规模经济；让软件去面对各种各样的不确定性，遵循范围经济。 什么叫智能？就是及时、精准、低成本、高效率去面对各种不确定性。怎么去实现智能呢？需要把硬件资源和软件能力分开，硬件规模化生产，提高硬件资产的通用性，让它遵循规模经济，而系统的功能更多取决于软件，企业从提供同质产品向提供多样化产品转变，满足多样化需求，遵循的是范围经济。

在这个背景下，很多企业已经在做，一批工业互联网新锐正在兴起。

　 2.工业互联网平台的核心能力

从产品角度来说，软硬解耦背后隐含着开箱即用的产品设计理念，产品化程度比较高，适用性比较高。同时，产品化不代表不支持定制化，定制化是可以的，但要看ROI，定制化的效率较低。工业互联网平台化的方式，就是既要解决产品开箱即用的问题，也解决定制化带来的效率问题，最终我们以平台化的方式去构造一个解决方案。

　　从项目、到产品、到平台，是一次次能力的跃迁。对于工业互联网来说，它不是替代旧市场，而是创造一个新市场，不是IT系统功能叠加的物理反应，而是技术体系和功能重构的化学反应。今天的工业互联网，也面临这能力跃迁的困境，就像在大西洋航行的一条船，船员们可能有地图，但是没有指南针，知道大概方向，但是到底怎么做谁也搞不清楚，只能深一脚浅一脚地去探索。 工业互联网平台的意义，不是传统IT方案的升级，而是去重新定义技术价值、解决方案和商业模式。

从项目公司、产品公司到平台公司，有很多挑战。是考虑短期收入增长，还是长期的可持续发展？是要迁就传统的管理模式，还是要构建一个平台化的商业模式和组织运营？是延续传统技术开发、部署、运营模式，还是基于云原生技术体系全面升级人才、工具、方法？还有产品的形态，IT和OT融合的商业闭环怎么去做项目取舍？PAAS+SAA化产品打磨，低代码平台与工具行业知识、管理经验的沉淀与能力的快速扩散，但是也面临高风险、高投入、低收入，这些都是面临的挑战。

　　 工业互联网平台的核心能力是工业知识封装度高、扩散效率高，表现在定制化比重不断降低，产品化比重不断提高，这是未来的一个趋势，最终带来的是商业价值的拐点。

　 四、架构迁移：重构数字基础设施

云时代已经到来，云计算是数字基础设施的重构，就像电力的推广一样。在20世纪初，每个工厂都有自己的电厂，经过不断的演进、发展，后来出现“中央电厂+电网”的方式，电力大概用了50年的时间才大规模普及，才形成了今天这样的模式。

数字化基础设施正在从传统IT架构重构、切换和迁移到基于云边协同的新架构。传统的IT架构，以流程自动化为中心，预先确定流程场景，用软件进行自动化。基于云边协同的新架构，以核心能力的服务化和数据在线为中心，快速实现创新和应用不确定性。

　 今天对于智能制造来说，需求变得越来越复杂，包括产品的复杂性、供应链的复杂性、需求的复杂性。而传统的IT架构越来越难以适应这样的复杂性，它必须构建一个基于“云+中台+SaaS”的新基础设施。 在座的所有企业家们所做的工作就是推动数字基础设施的系统响应能力超过制造系统的复杂性。如果说企业不是在朝这个方向努力，那么迟早被淘汰掉，只是时间而已。

在这个过程中有很多的探索和实践。有一家公司商业模式非常典型，之前与阿里云有深度合作，双方合作的目的是做空气压缩机能耗优化。很多工业企业工厂设备大部分都是空压设备，传统方式是以“冗余思维”确保供气质量，造成很大的浪费。基于云边端架构，端侧实时感知采集压力、流量、温湿度数据，边缘侧基于智能决策模型形成设备控制优化指令，将控制参数传递给端侧，云侧基于海量数据实现模型训练与优化迭代，并将模型下发给边缘侧以形成更为准确的控制优化指令。最终所解决核心问题很简单，就是供需精准匹配，需求端需要多少气，需要什么质量的气，都可以精准的供给。

今天对于阿里云来说，在水泥、钢铁、化工、垃圾焚烧、机器人、汽车等领域，有丰富的技术能力和产品解决方案。总结来看，基础逻辑是基于“云-边-端”重新构造一个数字化的基础设施。同时，我们还看到一个基础逻辑，过去有系统的部署和软件的安装，后来出现SaaS的租用，到今天的低代码，这也是一个趋势和潮流。

　　钉钉对很多企业来说，已经成为组织和业务协同的平台。钉钉上面有90多万开发者，开发了150多万应用，这些应用被2000多万个组织使用，尽管有些应用功能还不够强大，但是这个生态已经开始形成了。有人就会问：“低代码+平台”有什么用呢？它是一个下午茶，还是丰盛的法国大餐？在我看来要取决于实际面对的场景，低代码可以有四种不同层级的能力：第一，过去IT系统没有覆盖，低代码可以做补充；第二，过去有多个系统，低代码可以做集成；第三，可以把过去系统部分模块拆掉，换成“低代码+平台”新的部署；第四，把过去的系统全部换掉，重新构建一套新的解决方案。所以， “低代码+平台”可以是一道下午茶，也可以是一顿法国大餐。

我们正在进入一个新的时代，我们需要去重新定义它。这是一个体系架构大迁移的时代，首先要重构概念体系。

过去谁在定义这个时代？国际咨询公司和IT跨国公司，他们创造了CAX、ERP、CRM、MES、SCM等概念。但是在今天看来，这些概念是一张“旧地图”，当要重新定义这个时代的时候，要面向需求、面向场景、面向角色，重新发现一个“新大陆”，重新构建一套新的技术架构和解决方案。

这种技术架构和解决方案要从过去的静态系统，演变成一个动态系统，快速迭代，过去可能是十年，现在每月、每周都在迭代；过去是一个有边界的通用功能系统，现在是一个面对客户需求实时响应的系统；过去是一个开环系统，优化起来很难，今天是一个迭代优化的闭环系统；过去是一个低频的系统，现在是一个实时响应的高频系统；过去是一个大颗粒度的系统，今天是一个小颗粒度的服务；过去是一个个孤立的系统，今天是一个面向客户、面向内部、面向供应商高度协同的系统；过去是一个管控的系统，而今天是一个高度协作的系统；过去甲方跟乙方的关系是一次性的博弈，乙方会提供各种各样的软件和服务，卖的越多越好，越贵越好，而今天是共生的关系，是持续交易的；过去以供给为导向，而今天以消费者为导向……

　　什么是企业的核心竞争力？ 企业的核心竞争力在于持续不断的进化能力， 围绕着市场需求不断地创新。竞争对手想学的时候，发现领先者已经进化出了一个新的业态。马斯克说过，护城河是一个非常愚蠢的概念，持续不断的进化能力是特斯拉的护城河。

今天，对于数字化来说，就是要构造一个持续进化的能力。

安筱鹏简介：

阿里研究院副院长，中国信息化百人会执委，东北财经大学经济学博士。

安筱鹏博士先后就职于大学、研究院所，多年来一直从事信息技术产业及信息化领域的技术、产业研究和公共政策制定工作。

先后出版《重构：数字化转型的逻辑》、《制造业服务化路图：机理、模式与选择》、《数字经济崛起》四部曲(2014-2017)等多部论著。