昨天参加AII会议后受到一些业界专家的启发，也把黄培博士的话题写了一篇粗稿-今天参加e-works举办的工业软件与制造业发展论坛，后来观众提问又谈到这个话题，包括来自用户端的几个专家也谈到了自己所在领域的这个问题，以及微信后台几位IT大厂专家的留言探讨，觉得还是有必要再议一次或多次。

融合的必要性

华为的亚灵兄的观点，OT与IT融合从经济性角度自然是有潜力的，无论IT与OT都是通过大规模应用来降低成本，获得经济性，因为商业领域大量的研发与资本投入会带来技术的成本摊薄，OT若可以很好的应用这些技术，自然也能起到对制造业经济性的推进，这个的确也曾经和华为的朋友讨论过，就像华为P20 Pro,P30 Pro在图像处理方面的算法积累，也可以如何与机器的视觉融合，虽然两者本质是有区别的，一个在于还原人或景色的真实度，而视觉则关注于获取最大的轮廓，信噪比，但是，就视觉的处理应该仍然存在着共性的问题，那么已经投入的大量应用成本可以分摊—这就像美国的NNMI一样，大量的材料、能源技术投入到军方、头部供公司，但是如果能够通过共建生态系统，各个企业能够分享其中的共性技术，那么整个美国相关领域的产业就相当于将成本进行了分摊，在中国的军转民同样是这个道理。

边缘计算的商业价值问题

边缘计算是一个话题，这是一个典型的IT与OT融合的场景，在昨天的AII边缘计算组讨论中，大家的焦点都在“标准与规范”这个问题上，显然，对于OPC UA所扮演的角色有一定的共识，当然也存在质疑其是否太“重”的问题，从设备层到边缘再到云的这个过程，如何定义“有价值的数据”，以及“什么样的接口规范与标准”，这是个难题，目前看上去问题就卡在这个地方，但是，需求是否存在呢？

显然是存在的，包括以下几个方面：

1.由于连线而产生的协同问题：就已经有了制造能力而言，低端不谈，就已经达到的领先的制造水平已经是极高的，通过连接来消除中间的非增值环节，这是使得离散的生产转向“连续”，像流程工业一样具有连续性，可以进一步挖掘效率，但是，这里就会出现新的协同问题，在流程工业今天参加会议的一位冶金领域专家谈到由于原料的品质问题，以及生产负载的变化所需的动态优化问题，这个问题也会出现在离散制造业，以由于时间节拍的匹配、能源计量的粒度变小、开机浪费、由于切换造成的OEE下降等需要产生新的策略和规划问题，而这个又需要边缘侧进行处理，而在个性化产生后，大量的品质动态优化，因为实时监测与动态质量迭代就不能依赖于人工，而必须采用一种学习的方式来预测和动态参数最佳来降低能耗、时间、原料的消耗。

2.模型驱动与数据驱动：记得有一次南山群里两位朋友讨论预测性维护，但又各自似乎完全不明白对方在讲什么，后来发现两个人从两个角度来看这个问题的解决，一个是模型，基于物理的机械失效过程，另一个不管这个基于纯数据驱动—就像《智慧的疆界》中讲到的“行为主义学派”，不关心机理过程，而关心结果—看到的数据，以及通过行为如何改变结果，两者各自有其优缺点，前者具有可解释性，但对人、对行业工艺、机理模型有非常深的积累才行，而后者则基于数据，但是，存在潜在的不可解释风险，但是，却又简单易行—这是IT擅长的，如何让两者结合自然是最好的。

3.数字孪生：其实早期验证与换型中的验证的确是必要的，这对于“个性化”生产的质量迭代、运行测试过程至关重要，因为，批量变小的情况下、频繁更换生产的情况下，对于机器的适配、调校不能在产线上物理的执行，那样还没有质量迭代完，订单的批量已经完成，这显然不可能。无论是连续生产还是离散生产都存在着工艺的验证问题。

如果说从融合的必要性方面来说—是存在着潜在的需求的，但是即便对于问题，IT、OT、CT大家都在谈边缘计算，也各自有边缘计算的产品发布，但却又不尽相同，这个是基于三者的不同，OICT融合，从华为的一位朋友观点来看，难点在于这两个生态的融合，不同的开发生态、销售生态、服务生态，AI在商业领域的应用在于不同的算法优化问题，5G也同样面临行业终端的适配问题。

生态系统的建设问题

难点在于这两个生态的融合，不同的开发生态、销售生态、服务生态，AI在商业领域的应用在于不同的算法优化问题，5G也同样面临行业终端的适配问题。

事实上，早在15年写论文的时候就研究了战略管理，谈到了“生态系统”，这的确是一个管理学界的大问题，从80年代迈克尔.波特的竞争理论，到James FMoore的《竞争的衰亡》，管理学的战略研究从比对竞争战略转向了“竞合”的生态系统建设问题，这本身就是一个复杂的、前沿的问题，那么，本身就需要建立具有“利益均衡”的共生系统，而如何搭建这个系统？有朋友觉得政府和机构主导的就不好，但是，企业主导的又有私利，那么由政府机构、机构牵头，企业发挥各自的力量，如何有效的构建这个生态系统，让每个“利益相关者”都能受益其中，那么就是一个好的方向。

因此，有朋友会提到这种组织机构是否应该引入咨询机构、战略管理专家对整个组织进行规划设计，而不是由技术专家们进行，比较好的像IEEE，它来自于企业、大学，但是，却能有效的运作各种标准，这个是如何运作的，值的研究。

做技术的人往往忽略管理的价值，这个是普遍存在的一种现象，多个维度思考问题，术业有专供，如何构建“组织”、“生态”，本身也是一个大的话题。

IT与OT的相互认知问题

1.教育问题：大家也提到了教育问题，这个在于目前的垂直专业划分，使得工艺类、自动化类、机械、计算机、人工智能、软件、通信都无法有效的横向沟通，当然有些好的学校像清华、上海交大等也能做到跨学科教学，这些领先的教育尝试也是比较有效的，让各个专业相互能够有所认知。

2.OT端缺乏对IT方法、工具、能力的认知，虽然有问题，可能因为缺乏认知就无法充分利用，而IT端也缺乏对现场的认识，就想当然认为这些工具方法在商业领域的成功可以轻松复制到工业领域，显然，这个交叉处的问题就像通信一样，本质上控制是基于“等时同步”，即，周期性、确定性、实时性、可靠性等的问题，如交大戴老师所言，IT关注Best Case，而OT关注Worst Case，对IT来说不行再来一次，而对OT这个不行，IT的东西太重，而OT需要短小精悍与稳定，这种需求的巨大差异使得在基本的技术面就缺乏相互的认知。

3.跨界创新的问题：当时间来到了一个需要跨界融合的时候，却缺乏这方面的相互沟通，就像一位专家今天提到的，虽然他们有需求，但是，在设计院没有这方面的设计能力，并且沿袭传统的架构是“安全的”，人们延续了很多年就无法突破原来的设计架构。

我们需要的创新是什么？

很多系统都是来自于国外，但是，中国的实际情况需要一种本土的创新，因为中国的生产规模、生产环境的复杂情况是在原有的系统设计时没有考虑的，或者说进口的系统没有遇到过中国的生产场景的规模、原料复杂度、人员的缺乏规范。那么，如何在这种不确定下设计有利于我们自己的。

创新—当我们有些领域已经走到了世界的前沿，我们需要创新才能解决问题，跨界，但是，这种缺乏认知则限制了创新，新的技术无法被有效的利用。

IT与OT的应用，在中国已经达到了国外无法比拟的地步，我们今天的支付系统已经强大到我居然出差都可以钱包里是空的，这样的网络便利，我们的5G也快速发展，大量的互联网应用场景，本身给我们提供了大量的条件，如何结合自身情况解决好自己的问题，我们真的需要自主创新，别人的工具可以用，但是，要学会自己造工具，因为，我们的情况是他们没有遇到的复杂、多变，所谓的“VUCA“时代，易变的、不确定的、复杂的、模糊的环境。

我们需要结合自身的情况制定适用的工具方法、产品与技术，开放的学习，融合技术、管理、经济、心理、教育多个维度的融合创新。

即使问题如此之多，似乎难以前进，不过，我总记得在同济大学读MBA的时候，我们的一位张茂林老师总会说一句话“请相信，一切都会变好的“。

来源：微信号 说东道西

作者：宋华振

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。