无边界制造：士兵、将军和国王的云计算时刻

制造能力，与创意的结合，从来都能产生令人兴奋的创新，完成规模性的商业化。然而这种产业的自然迁徙和动态演化，正在被魔化。全球化出现了新的噪音信号，闪烁不定的红绿黄灯，让路口似乎失去了往日的秩序。

在当下，中国制造迈向中高端价值链的时候，前进的阶梯出现了新的变化，可以说是一忧一喜。忧心忡忡的是，科技前进的梯子，正在被发达国家以快慢不一的速度所抽走。科技创新的火炬，以前在全球产业板块中不断传递和交融，现在则出现了犹豫和间隙。美国一些政治家，经常会质疑制造界，为什么不能赶紧把制造业搬回美国，为什么总是发生“此处发明，彼处制造”（Invented here，Manufactured There）的现象。科技脱钩的现象，这几年被广泛地讨论，很多异乎商业规则的考量，也被掺杂进来。产业发展，很难按照自己的节奏了。

这个问题并不容易解决。然而对于中国制造而言，也有积极的要素。多年来，中国已经积累了强健的供应链基地，这种深网连接的能力，可以有效抵御产业风险。另一方面，一个制造业从未见过的新军力量：数据，异军突起。工业革命几百年的历史变迁，在工厂厂长们所熟悉的生产要素中，人力资本、设备、物料等，出现各种不同的变化，都已经司空见惯。但对于看不见摸不着的数据，却基本都是被忽略了。质量大师戴明，对数据由于人性的原因而出现的篡改，从而导致对质量的严重影响，也是无可奈何。科技手段，还不赋予人能够驾驭数据的能力，数据也自然成为附属品。而现在，数据已经独立成一种显性的要素，尽管它的价值还在被议论，但很多场合已经开始大展身手了。

可以说，这是制造业从来没有见过的现象。数据作为一个要素资源，并无嫌贫爱富之心，也并无代差，所有的工厂都是平等的。考虑到制造业之上的数字化经济，中国已经成为领先者，那么中国制造，是否能够利用好这样一种全新的机会？

从历史来看，制造业已经走过了营业收入最高的巅峰时刻，也不再是利润宠儿，但制造业一直就是创新技术最密集的领域。即使美国制造业占GDP的比重不到12%，但美国70%的国内研发投入、90%企业专利也都是来于制造业。

制造业从来都是创新的摇篮，但是创新方式正在深刻的变化。数字化工厂、数字化工业、制造即服务、工业互联网等乘风破浪而来。为什么在此刻来临？这是多种技术共同推动的结果，既有廉价的传感器，还有物联网的发展，快速降利的硬件成本如机器人，唾手可得的弹性计算力等。实际上是这些综合的因素，导致了无处不在的数据。如果说数据是一种取之不竭的面粉，而云科技则是最重要的酵母。云科技是ICT发展形态的集大成者，代表了一种全新的能量。如同铀原子在中子的轰击下，会产生巨大的核能量一样。制造业被数字化，就是被要素颗粒化，就像一个一个充满元能量的原子核，在知识引领的算力的冲击下，也会释放出新的能量形态。这是我们对于制造业数字化转型的最大憧憬。

图1  微笑曲线

这条简单明了的单薄线条，无意之中忽略了供应链的复杂性。制造远比这种简单的价值分工，要复杂得多。中国供应链，有着更强的聚合效应，尤其是企业之间的结合部。大量创新，其实是由制造工厂与上游供应商，或者下游用户联合完成的。这种围绕着制造结合部而产生创新，可以称之为“灰度创新”。它意味着，一个制造企业需要通过知识交换，与它的外部组织之间的结合部位，形成一个创新共同体。由于发生在企业间结合部的交叉地带，因而呈现灰度特征，使得它的创新价值很容易被忽略。

图2  灰度创新的曲线

作为产业链条上的联合创新，灰度创新是由企业或者组织共同形成的无边界制造。它是成多个企业创新力量的叠加。施耐德电气最近启动的“企业组团，联手攻擂”的创赢计划，验证了这种供应链的联合力量。它提供了自动化控制平台，它的用户是一家生产各种PVC管的企业则提供了机器数据和工艺流程，亚马逊云科技提供了云计算能力，而一家初创公司则成为真正的主角，它需要证明自己具备为复杂生产提供快速排产的能力。数据成为一个强有力的连接剂，让四方人员可以以一个混编作战的方式，快速击中任务靶心。这是一种新型的连接。它是一个多方信任、多方交互的结果。

从这几年智能制造的实践来看，工厂里出现了沸腾开锅的全新景象。做IT、做物联网、做自动化、做云计算、做软件、做装备的各路人马，都汇聚到了工厂中，有共商大计的阵势。退回十年之前，还曾经是井水不犯河水，如IT人员不谈自动化，很少会像现在这样看到如此多不同的角色，在制造界要产生深度的交集。五湖四海的力量，汇集到一起，不考虑边界的融合是不可能的。

云计算也起着巨大的催化作用。全球范围内，已经有90%的公司都在使用某种类型的云技术。对于制造业而言，显然需要适应这些在连接和计算方面的全球变化。而到2023年，制造商使用的软件将有近一半都会考虑云技术。

既然走到一起来了，就说明制造业正在面临着各方的协作，事实正是如此。当下工业多品种小批量的苦恼，叠加诸多不确定的用户，又有高速发展的数字化和物联网技术，任何一个组织都会感受到知识浓度的不足。仅仅靠一个企业内部来创新是远远不够的，企业原有的信息化部门IT人员很难应对当前由于物联网而引起的大并发量的数据涌动，这种场景在以前并不多见。同样，工厂车间里也都开始意识到，高速旋转的机床吐出来的并不仅仅是废热铁屑，大量的数据也从刀具处喷涌，而这些数据足以描绘出机床实时的运行性能。“数字孪生”的概念，就是对这种散乱的数据价值的一种系统性整体表达。一家做数字孪生装备的深圳华龙讯达，早已不再满足简单的3D可视化，而是通过实时数据和机理模型，对机器实现实时交互，甚至可以反向控制。能够识破这些数据价值的人，往往并不来自企业内部。这需要机器制造商与数字孪生服务的厂家相互交换知识拼块。显然，增加创新氧气的最好办法，是通过灰度创新，构建企业之间的融合。打开天窗说行话，推倒围墙见共生。

同样2020年的疫情在带来深重的生命灾难的时候，人们或许会逐渐习惯了另外一种全新的方式，这里有居家办公、有线上会议，还有制造业供应链的透明化。

当病毒强制性地隔离人员无法赶到现场的时候，只有透明的数据，借助于云端才能化解这一困境。在今年3月底的时候，德国工业4.0的提出者重新回顾了十年前为何提出这样一个概念，并展望了“下一个十年工业4.0”，其中两个细节值得关注。2011年的首次出现文章是《工业4.0：依靠物联网走向第四次工业革命》，这意味着工业4.0是与物联网紧密捆绑。万物互联是基础，数据流动才是驱动力；而在展望下一个十年时，作者则认为，人们不会满足于当下的“居家办公”，而是可以“居家工位”，完成工厂里的工作。很显然，只有云科技的高速发展，才能跟上这样的挑战。

即使抛开如此宏大的主题，制造商供应链的数据流转在云端，好处也是显而易见的。最常见的是在汽车行业。汽车主机厂要求上游的零部件供应商共享一级供应商T1、二级供应商T2数据，从而知晓上游订单的供货情况，同时下游客户也能知道汽车是否按时生产。供应商生产的确定性，往往会随着远离主机厂的级别不同，而变得黑暗而不可控。但丰田汽车自2012年就开始启动的丰田新全球架构TNGA，就是为了消除内部之间的割裂，加强与外部公司的融合。它的供应链正在穿透多级，这是靠数字化来实现。大公司对于数字化的热情，会像导火索一样传递到中小企业。GE卓越制造工厂，则将数据连接做的更加微观。北京亦庄工厂的医疗CT机的现场生产节拍，通过物联网与上游供应商（哪怕再小）都连接起来。以精益生产而知名的GE工厂的产线上的律动节拍，成为一群拔河人共同的号子。这有效地指导了供应链上的小企业，GE高效的库存周转率，不再是独家的蜜罐，供应商也跟着一起共享成果。

云科技的力量，串联其中。在美国咨询公司Gartner公布的2020全球供应链25强中，施耐德电气能够跻身榜单Top5，靠的就是与供应链伙伴的开放分享哲学以及智能化物流体系。从忙碌的工厂车间抬头望过去，它在全球有200家工厂和98个物流中心，每天处理超过15万笔订单。如果把这些订单的运动轨迹勾勒出来，简直是一个斗转星移的宇宙图。如此庞大的物流所需要的精细保障，它依靠的是运输控制塔（TCT）。武汉就是全球7个中心之一，通过实时跟踪各种交通工具和评估天气、事件（如奥运会）带来的影响，以积极管理运输风险。最大的风险就是来自于诸如苏伊士运河堵船、雅加达突降大雨等突发事故的脉冲性和不确定性。而云计算的透明且灵活的弹性，为经典的供应链控制塔提供的支撑堪称绝配。无论是工程机械领头羊卡特彼勒，还是电子制造服务供应商捷普科技，都通过供应链控制塔和云计算的双重配置，实现游刃有余的全球化资源配置。

这是数据的横向流动。在企业内部的垂直流动，同样也有奥妙。IT与OT融合，成为工厂数字化转型的关键。然而，IT跟OT最大的不同在于，制造业要求是非常确定的。为什么很多时候，人工智能在制造业中并不受欢迎，因为它的运行机制往往是黑箱子。如果不能说清楚机理，工厂并不敢用。

IT代表了一种标准化的思想，化繁为简。它让一切变得简单。OT代表了一种确定性的力量，反客为主。它让一切变得稳态。

现在要把标准化的思想和确定性的力量融合在一起，粘接剂是什么？IT和OT的融合，需要同一个屋顶。云科技正在证明，自己可以成为这样的屋顶。这是多个组织需要协同的结果。

在这里，很多数据被淹没，只有一小部分参与了循环。而且，这里的数据往往是以关系型数据作为重头戏。

但现在，很多业务数据是视频、图像等形式，这并不是非关系型数据库所能承载的，原来存储和分析的方法，都受到了挑战。

全新的数据湖，正在试图重新激活这个混乱不堪的世界。它试图支持各个维度的数据源，无论是来自质量系统、MES、ERP的关系型数据，还是设备、车间的非结构化的实时数据（非关系型数据），以及来自Excel、质检文件、机器视觉图片的半结构化数据。

人们突然发现，认识数据的方式，可以采用组合拳。原来需要用老师傅耳朵辨识的发动机噪音检测，现在用声纹传感器探测就易如反掌。听觉信号，被转化成了心电图的图表。丰富多彩的数据湖上，飘来了各种创新性的工具，用来打捞来自不同系统里的数据，并进行关联性分析。

这是各种IT、OT系统的数据库所需要的融合。而这种数据湖，借助于云的弹性，使用单元成本会大大降低。这就激发了众多初创公司，前往探索其中的奥秘。数据驱动创新，由此而生，它来自三种不同的要素。

首先，大量的数据，可以称为算据士兵，漫山遍野，无处不在。无论是来自控制系统，还是传感器，或者是工业相机。这是企业内生的资源。第二，有一些强大的计算能力（无论是边缘端，还是云端），称为算力将军。实际上是泛计算力的存在，才能统帅住这些算据士兵。大量的算据，只有通过计算，才能变得有序。第三个关键点就是所谓的知识国王，它手里掌握着万物运行机理。每个行业领域、每个工厂都有一套知识体系。在这三者的配合下，笨重散乱的数据才变得有趣、有用。

这三种要素，是来自不同的方向。只有一个组织，是无法实现的。不同的组织实现无边界的融合，才能把这三种力量拧成一股绳。

万物互联之“联”，不仅仅是连接硬件，那只是表象。它本身就代表了一种数据流动性的结果，背后的意义是“万物共生”。数据、算力和知识，主导了这种势不可挡的趋势：谁先用谁先受益，联得越多集体越受益。

要知道，在20世纪60年代，当商业计算变得经济可行的时候，制造业可是第一批完全拥抱商业计算的行业之一。第一款真正的商业软件，正是美国通用电气GE在那时由内部人员开发的一款财务软件。制造业创新的火星四射，会计系统、计时系统和生产跟踪系统，都跟IT紧密地结合起来，其他很多行业如能源等则仍在使用各种纸张来管理业务。而软硬结合的数控机床，则成为那个时代IT与制造业结合的巅峰之作。随后，大型集成软件系统(如ERP)、计算机辅助设计CAD软件等，都在制造业取得巨大突破。

而这次在云计算方面，制造业可能还是落后了——它对于物联网和人工智能的拥抱，似乎更为热切。这与企业遗留IT系统有关，很难快速过渡到云。过重的包袱，难免让人总往后看，而忽略了前方崛起的力量。

时代已经进入了云计算环境，还有太多的制造公司既没有接受，也没有拥抱云。但是制造商不能若无其事地勉力维持数十年的IT体制，而忽略大量原生云应用市场的爆发性增长。原来那些老化的工程、生产和商业系统，以及相应的业务流程和员工培训，都可能已经成为进步的障碍。制造业为什么缺少年轻人？固然，制造业越来越不被认为是一个有吸引力的行业。收入固然是一个重要的考量因素，而许多工业公司过时的IT环境，恐怕也难辞其咎。年轻人生来就是“数字原住民”，习惯于随时随地访问现代系统和设备来完成自己的工作。他们生活在云中——不接受这种思维的制造商，是不会吸引到这样的年轻人才。制造业的创新，对于IT基础设施的思维解放，也是重要一环。

如今制造面临的挑战今非昔比，无论是全球精益标杆丹纳赫管理着二十多个不同领域的工业品牌，还是中国电动车引领者蔚来正在进入挪威市场走向国际化，或者广州希音用10倍于ZARA的服装款式来赢得速度之战。这些动态的复杂性，会使得巨大的内部IT基础设施成为一个显眼的麻烦。而相比之下，选择基于云的系统，则不需要相同数量的人力或基础设施，而且它提供了更大加速度的爆发力。这是制造创新的一个不能忽视的支撑点。