三无的工业互联网平台能否支撑制造业的未来

在一个通过“测绘”或“逆向工程”而发展了很多年基础上的制造业，原始性的设计实际上是非常少的，因为原创性设计需要建模，并且去测试验证，而我们简化了这个最为耗费研发投入的过程，直接测绘了已经被验证的设计，这个的确降低了成本，也缩短了研发周期，但是，这也使得我们没有基础的模型，知其然不知其所以然—知道“What”，却不知道“Why”—这个模型基础弱，就会导致所有的学习算法必须“空转”，无法去验证。

2018年上海有两家公司分别因为侵权而赔付达索1000万，他们不愿意买正版的软件平台来用，认为它太贵，但是，实际上，这些建模仿真软件设计目的都是降低研发风险的，如果你真的按照原创设计，构建物理模型、制作原型、测试、修改的循环，那么真正的研发就极其烧钱，这个时候你发现用建模仿真是可以大幅降低成本的，你一定会觉得买这些正版的软件是非常合算的，我想他们不愿意买的原因是他们仅仅是为了“绘图”的功能—因为供应链需要采用这个软件的图纸。

在一个没有模型基础上，你如何实现数字孪生?如何进行机器学习?

有些人觉得机器学习可以解决很多问题，还打算用机器学习来代替现有的控制模型-->按照之前柴院士有一次聊到的话题，你在互联网应用场景里的学习很多都是大数据小问题，但是，在工业里是小数据，大问题，并且可解释性成为了障碍—你说这样学习可以，但，能解释吗?它有什么潜在的风险吗?如果说0.1%的不确定，那么对工业而言，也是不可接受的。

很多人号称要通过学习来改变工业现有的模式，你必须明白一点“传统”那些模型实际上是“最经济”的，学习模型的成本是比较高的，而且，机器学习模型主要解决“非线性”部分的，即，观测器对现有的控制模型观测中，无法求导的那部分任务进行学习—因此在单个控制系统已经达到局部最优的情况下，工业里一直在寻找更为复杂的动态下的最优，以前这个是算力不足，但是，现在的芯片、存储、网络技术使得这件事情变得可行—那么IT的贡献在于工具和平台的贡献—就像很多人认为西医目前最大的进步来自于测量工具的水平提高了，而非就在模型方面的贡献，因为工业做这些已经非常久的历史了。

这也是我比较奇怪的，那些真正提供平台的企业如Microsoft、华为这些本身有非常强大平台、研发支撑的企业倒是很低调，定位自己的角色在于平台与工具。

但是，很多工业互联网平台—特别强调一下，说自己属于“平台”的—我觉得你这些平台可能只是微软、IBM、华为他们的“系统集成”角色比较合适，如果是这个角色，那就必须要深入工业中的应用场景实现上，那么就有很多问题需要解决

(1)你知道该怎么为复杂的参数进行分析吗?可能你连这些参数是什么都不知道，但是，你一旦要进入这个领域，如果没有一个资深业内工艺专家，你根本就没有任何可能性进行学习。

(2)你的模型是什么?就是网上下载的开源学习代码?这个要是能玩的话，那制造业的工艺专家为什么不自己玩，非要你来给我玩?

数据真的那么容易获取吗?

这是个很现实的问题，之前我曾经写过，预测性维护的伪命题，即，如果这个机器故障数据很多，那么这个机器可能在客户那里就会被淘汰，第二个问题是，如果你能采集到故障信号，但是，故障数据可能是很少的—而与之对应的关联数据如果缺乏完整性的话，这个模型就无法学习到真正的原因，而这个就需要大量的积累经验。因此，数字化的学习必须与实际的模型相结合，在这方面，拥有自主模型的工业基因的企业反倒是有条件的，但是，就是缺乏数字化工具，但是，如果你是做平台的，你有榔头却没有钉子就比较尴尬了。

三无的工业互联网平台能活多久?

在风力发电市场比较热闹的时候，国内蜂拥而上的有89家主机制造商(2012年左右)，那个时候大家就说，这个行业最终能活下来的大约就15家，现在来看，这是真的，而光伏行业在热的时候，那场景就是做鞋子、做袜子、打火机的都蜂拥而上的去做光伏了，太赚钱了，现在呢?

对的，我们主要想说的是“有标准”、“有工具”、“有模型”的平台才能真正在未来为制造业赋能、带来转型的效率提升，否则，就是风险投资中的“风险”而不是“投资”。

（编辑：江门站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!