以解耦·重构·共创推进工业物联网开放蓬勃生态系-专业自动化论坛-中国工控网论坛

上期【共话工业物联网产业生态发展之道】中，我们听到了阿里研究院副院长安筱鹏博士，道破原有思维、逻辑和方案的盲点，为大家解答如何突破集成应用困境。今天站在企业经营的角度，听研华科技技术长杨瑞祥，从“解耦 · 重构 · 共创”维度，如何推进工业物联网生态体系的发展。

数字转型2.0，是用AI+IoT可以带入的一个绝好机会点。

——研华科技技术长杨瑞祥

我们今天要谈的题目，是解耦、重构和共创。解耦前面两位演讲者有提到，今天的问题很多是昨天的成功带来的，过去30几年IT系统非常有效，我们也习惯了功能导向、单体式的系统。但是忽然之间数据驱动的技术，它证明了导入人工智能的潜力，让判断更高效，让所需人力更少，可以驱动企业经营的再一波成长。

那么如何来挖掘人工智能的能量？

你必须要有数据作为支撑，特别是在工业应用情景。所以，必须要功能解耦，必须要有数据的融合，重构企业整个经营管理系统。这中间有很多能量来自外部团队，特别是新创团队，因此需要共创。

01 工业IoT平台的发展四阶段

安博士的《重构》一书中，提到工业IoT平台发展的进程，基本上有四个阶段。

第一个阶段是建立一个平台。

第二阶段，在这个平台上面推导应用方案，找出有效系统。过去的单体式功能驱动的设计思维必须要升级为数据驱动。导入AI，这必须要能够克服集成困境，集成的困境之所以困难是因为我们过去太习惯，中间再开发一个新系统的时候不自觉就会用过去的思维，又做成一个功能导向的专用系统，这个习惯必须要革新。我们开始要习惯谈微服务、容器化，以便我们在组合新功能的时候可以快速地集成。

第三个阶段是能力交易阶段，企业开发出来的模块、方案要扩散出去，给同行乃至整个产业来用，整个系统建设的效率也会大幅提高。

第四个创新阶段，当我们突破了一个临界点，当我们这些模块丰富到一定程度的时候就会发生连锁反应，这时候就会有爆发性的成长，到了创新阶段，因为你的整个基础已经打底建筑到了一定的高度。

阿里、腾讯在消费型的应用上面已经实证了这么一个过程，非常成功，他们核心是通过一个生态系，针对电商、通讯延伸出去，导入最新的IT技术（云技术），破坏了很多现有传统的消费型的服务，它们完全用不同的竞争模式，用占压式的新技术纷纷革新很多消费者所需要的食衣住行、医疗理财等。

如果我们参考这个生态系，再来看一下在产业界会是一个什么样的模样。

在企业我们要从点到线到面到一个体，从边缘导入一个云架构，这中间的挑战如何去克服，除了内部投资、建立团队之外，有没有一个更快速的方法，这个杠杆思维一定要导入。

02 平台互联互通助力企业数字转型2.0

数据融合离不开工业物联网平台，平台有必须要进行互联互通。

杨瑞祥表示，工业物联网的PaaS若能部分开放，甚至与其他PaaS平台互通、共享部分技术模块，将促使工业APP开发者拥有更多的工具选择，进而设计更符合工业应用场景的解决方案，以加速推动产业转型与进化。研华目前已锁定几家平台业者，积极推动平台的互通互用。

研华推出WISE-PaaS Marketplace，邀请所有共创伙伴，在商城上架功能服务，提供给全球的目标产业的用户来评估参考。

以智能工厂情景当做一个案例，目前很多工厂的现况都是拥有相当多的自动化设备，另外还有相当多的IT系统，不管是MES、ERP、APS，可以做到一定程度的自动化和信息化。要再往前跨一步的时候，现场边缘的数据收集也要再更进一步，比如物理量、化学量，以前可能是依赖组长、厂长来判断，现在有IoT的技术，你可以利用这些技术把这些数据收集起来。

如今人工智能技术的出现以及它巨大的潜力，代表如果我们有足够的数据，导入相对硬的AI技术，是有机会用同样的人做更多的事情，但是这个基础是一个数据平台。从这个数据平台再延伸到应用层的时候，我们在通过和很多伙伴互动的过程当中，也发现很多云工业解决方案有共同点：必须要视觉化，必须要做设备管理，如果思维更先进，就要导入人工智能。

人工智能并不是一个单点专案式的概念，而是推动引擎有自己的生命周期，它也要进化，同时在一个暗仓里面，我们可能需要几十种，甚至上百种不同的AI推动引擎。

如何去做AI推入引擎的大规模训练、管理、部署，这就需要一个后台，这也是研华在应用层级上面提供的AI框架服务。再往上堆叠，针对情景有的数据、专业，结合这些技术所推导出来的这些服务。

03 设备可视化管理：研华战情室

在呈现给目标应用情景，我们呈现的方式基本上会给每一个企业发一个战情中心。

这个战情中心的首页基本上是这个企业目前在数字化转型2.0上面已经搭载部署的相关应用。这是研华在昆山的工厂自己实际的战情室。当它建起来以后，我们厂务同仁用这套体系运行，很快市场就能看到相关程度的效能提升。

这个思维从现有的现场设备、IT系统，再搭载额外的IT数据采集，再导入AI模型来做管理这套逻辑思维，事实上我们发现不只在智能工厂可用，我们在智能医院上有好几个暗仓，用一样的架构思维在推动，相当有效，我们后来发现零售、物流、能源基本上各行各业怎么导IT就怎么可以导AIoT，这个架构我们认为大致可以照办。

研华工业物联网架构里面的核心实际上就是微服务跟数据。

讲实话我们是一个获利者，基本上在商业B2C的云平台上面，这架构已经验证完毕，认为是可靠、高效、可扩张，这已经验证完整。研华基本上是导入这整套以开源系统为主的微服务架构，构建了一个高可用、可扩容的一个云基础平台。

在这个云基础平台上面，我们再增加了刚刚提过的可视化、设备管理和AI服务，来支撑各行各业快速的AIoT服务的打造。

04 WISE-PaaS AIoT应用架构服务

云基础架构主要的目的是用来收集海量的数据，数据的价值挖掘我们认为有三个层次：

第一，可视化，可视化之后公司里面的专业人员可以方便简单地立即感受到公司哪一些地方效率可以立即提升，这还不需要AI，这是工人智能。

第二，导入设备管理、框架服务，叫APM，设备管理框架服务是针对企业里面所用到的固定设备或者移动设备，它的物理特性、关键参数，你用配置导向的方式把它管起来，在配置这些设备所部署的拓扑，它到底怎么样布局在这个空间场域里面，形成一个集成，这集成里面有结构。集成里面结构对应到的管理人员，这基本是APM的部分，这是第二层的数据价值挖掘。

第三，导入AI，从规则性管理到AI的深度学习来模拟专业人士的高等判断，这三个加值服务基本上可以引导出一个代码，或是不需要编程的一个组合。

在Marketplace我们有很多的微服务，这些微服务如何扩散到一个更大的生态形式。研华的Marketplace即将改版，会导入所谓导览式、导购式的选购。基本上是你到哪一个产业，这个产业的AIoT的解决方案架构是什么，这里面的服务模组又有哪一些供应商你可以选择，由这些导览式的对应配置以及它相对应的顾问跟安装服务，整个配置给你。