在疫情、“新基建”政策、贸易摩擦等一系列事件作用下，传统制造业和互联网的融合进程在进一步加快，未来传统制造业和互联网企业的边界会逐渐模糊。但隔行如隔山，融合过程又有哪些挑战和破局之道。

11月26日，在第5届小饭桌青年创业者大会现场，晨山资本合伙人欧阳琦玮对话摩尔元数总裁兼首席顾问方金华、湃方科技CEO武通达、宾通智能CEO龚超慧、踏歌智行创始人兼CEO 余贵珍，一同探讨了互联网和工业融合中的机会。

欧阳琦玮：大家好，我是晨山资本合伙人欧阳琦玮，一直关注智能制造、工业互联网等方向。在过去几年的行业观察中，我逐渐积累了一些思考和困惑。感谢小饭桌创造了今天这个机会，让我就相关问题跟几位CEO一起沟通和讨论。

方金华：我是摩尔元数的方金华。工业软件是当前工业互联网落地、新制造转型的重要支撑。当下，传统的工业软件存在开发难、应用难、成本高等痛点，而且需要工业经验的长期积累，开发门槛高，摩尔元数依托10余年来为300多家头部企业研发和导入工业软件的成功经验，在业内首创工业软件“全云化低代码的协同开发平台”，引领新一代工业软件数字标准，打造工业软件协同开发新生态。

通过该平台技术创新和工业经验沉淀，赋能工业软件开发企业（ISV）更简单更高效开发各种业务场景的工业应用，赋能全产业链提高开发效率，加速推进中国制造业信息化变革，把原本只属于头部企业的奢侈品应用，也普惠给更多高成长型的企业。

余贵珍：我是踏歌智行的创始人余贵珍，踏歌智行专注于大型露天矿的无人运输，主要为客户提供安全的、高效的、经济的无人运输服务。

欧阳琦玮：余教授做的无人矿卡非常大，矿卡的轮子3米多高，车高约为6米，或者说有两层楼那么高，他们要控制这样的车来完成无人驾驶。这么大的车通常在路上是见不到的，只能在类似《流浪地球》这样的科幻电影中看到。

龚超慧：大家好，我是宾通智能的CEO龚超慧。我们想做通用化、标准型的智能操作系统，实现发展1000家集成商来服务100万家工厂的目标。

我们会把系统分解成三部分，第一，怎么用标准化通用型的模型以及通用的算法平台，利用数据驱动业务流程和生产的优化；第二，我们通用型的调度系统，怎么根据最优的生产计划实现所有人和机的最优调度；第三，怎么用通用型的AMR、AGV的控制器，把所有的生产环节连接在一起，实现生产流程自动化。总之，我们要从智能决策走向智能的自动化，实现一个完整的闭环。

武通达：大家好，我是湃方科技的CEO武通达，我们是一个来自于清华的年轻企业，目前成立了两年，我们是把在学校期间研究的超低功耗物联网级人工智能芯片，与算法技术结合在一起，目前我们面向于工业场景落地，做了一套智能物联网的解决方案。

我们的产品体系有两个特点，一方面在物联网智能终端节点上，能够做到传感器级的边缘计算，把整个硬件采集基础设施的成本降到非常低；另一方面，在算法上面，我们目前正在面向比较广泛的工业通用机械设备，进行数据的采集建模分析，为客户提供预测性维护，包括能效分析、设备之间的协同优化，和工况模型建立等等。

现在我们已经服务了很多家客户，不仅包括设备的最终用户，还和一些设备的制造商合作，直接帮助他们制造智能设备，帮助他们转型升级、打造设备的后运维服务等一套产品体系。我们希望能够把非常小型化的智能物联网技术，在工业设备里面应用起来，让设备智能化发展往前更快一步。

欧阳琦玮：工业企业投资过程中的一个难点，即子行业多而分散，很多垂直品类都需要相当的专业性才能理解，这构成了投资者的第一个障碍。虽然各位CEO刚刚都做了自我介绍，我想还是有很多听众并没听懂。所以，首先我想跟着创始人一起来帮助大家理解第一个问题，即这些企业到底是干嘛的。比如说湃方科技的预测性维护，到底是预测了什么？

武通达：数据是工业互联网的基石，我们做的第一件事情就是，把五花八门的设备数据，以低成本、高效的、便捷地方式采集起来。

在这个基石之上我们能产生很多价值，比如刚才提到的预测性维护。在一个流程行业中，运行设备的管理运维意义重大，运行的设备意外停机会对整个工厂带来非常大的损失。如果我们能提前预知到这些问题，规避设备意外停机带来的损失，对于一些像石油化工等重工业的价值是巨大的。

除了设备的意外停机外，制造业还有一个大的痛点是，运行设备的能耗高居不下。每年在流程工业生产中，很大一部分成本来源于电量的消耗。但我们通过对设备运行状态的数据采集、分析和建模，能发现至少60%以上的节能空间，帮助客户节省成本。

欧阳琦玮：类似于给工厂设备装上了听诊器和心电图机，通过类似“心电图”的方式随时进行体检喝健康管理。在回答了第一个“做什么”的问题之后，接下来我那么来讨论下第二个问题：工厂里面的设备种类这么多，工厂的位置又如此分散，如何有效地进行设备管理，并将企业规模不断做大？

武通达：我们在管的通用机械设备，如果要给它一个定位的话，它是这些流程类工业的动力节点，中国每年30%左右的能耗都是消耗在这样的设备上。中国每年电机的量超过6亿台，这和消费终端的规模都达到了一致，有非常大的空间。

既然设备这么分散，量这么大，怎么样有效地监管起来？这涉及到两大问题，第一个如何找到有效的数据？我们采用的方式是直接和设备的厂商合作，目前我们已经和中国几个比较大的龙头设备厂商达成合作，已经积累了百万条的故障数据。

第二，算法对于场景的理解。石油行业和水务行业需要的算法肯定有差异的，因为介质、运行的环境、设备大小都不一样。为此，我们独创了自动学习的算法框架，可以在没有人干预的情况下，通过一段时间的数据采集，去学习相同类型的一个设备，它在不同的环境下运行后，对自己的模型进行自动更新，我把它叫做“一设备一模型”。

欧阳琦玮：也就是说，假设你要做空调和洗衣机，或者冰箱的维护，得先把空调厂、冰箱厂都搞定。然后，我大批量地对每一种场景进行个性化的定制，对空调做采集、对工厂也做一个采集，最终把个性化或者分散化的问题解决掉。

武通达：完全正确。

欧阳琦玮：武总团队是来自清华的学霸，接下来我们听听另一个学霸有什么看法。龚博士所在的卡耐基梅隆大学（CMU）在计算机领域是非常有名的，CMU在前两年名声大噪的AlphaGo开发过程中做出了很大的贡献而宾通的产品也是基于与AlphaGo类似的算法开发出来的。接下来我们请宾通的龚总介绍下如何将AlphaGo用在工业场景中，以及如何突破各个垂直类目的分散性实现企业的持续发展。

龚超慧：首先，一个好的创业者一定要忘却自我。我自己做技术出身，但我在创业的时候得忘记自己的技术背景，更多地去思考这个场景真正需要的是什么，以及价值是如何产生的，要避免用锤子去找钉子的过程。

第二个是视角上的变化，首先要有宏观视角，尽量去寻找到行业中共性的问题，同时要有非常微观的视角，看清底层机理，最终思考以何种理论和何种方式，可以最有效地解决业普遍面临的问题。

我们现在有一套建模的系统，可以把所有工厂的运作规则和运作流程，描述成一个下棋的规则。而不同的工厂，它的游戏规则是不一样的，首先我们要理解它的运作过程，并将其抽象的描述之后，制定了游戏规则。一旦有了游戏规则，我们就可以套用类似于AlphaGo这样的程序，让其可以玩围棋、玩象棋等等。

总的来说，真正好的算法、好的系统，需要未卜先知和预见未来的能力。

比如刚才讲的预测性维护，跟上一代的软件是不一样的。上一代的软件技术是监控到数据，然后逆向地追踪，提示犯了某个错误，下次不要再犯了。

而现在对于数据的要求以及机理模型算法的要求是说，今天工厂还没有生产，但我已经考虑了100万种可能性，而有一种可能性是最优的，可以大幅度提升生产效率、降低任何的生产过程中带来的风险。这种未卜先知的数据驱动、和预知未来的能力，是智能制造应该要走的方向。

欧阳琦玮：龚总是用下围棋的算法来帮助工厂做生产计划管理，将一个个不同的需求和场景抽象为可以被算法“暴力求解”的元素，继而把经过抽象后的整个工艺流程链条都输入系统，并通过类似蒙特卡洛模拟的方法来求解最优路径，而求解出的路径又最终变成我们工厂里面实际上运行的真实工单，这真是个有趣的想法。目前这个想法的落地情况怎么样？

龚超慧：目前我们已经在五六个行业内，都有这个头部客户落地了整个的系统，半导体行业的世界头部客户、机械加工行业中日本做精益生产最知名的客户、商飞复合材料加工中心、施奈德等都是我们的客户。我们可以看到，在这些不同的行业里面，同样的一套系统展现出了它的标准化能力和可复制的能力，我们也持续深入到更多行业，确保我们系统有足够好的通用性和泛化能力。

第二个，这样的系统在选择行业落地中，是要有先后顺序和侧重点。如果某行业生产的柔性比较低、不够离散，中间也不需要做动态决策，那这类产品导入进去也不一定能给客户带来非常大的价值。而那些需要快速地、不断地监控生产过程，并做出动态决策的场景，是我们更适合切入的。所以一方面，我们产品是否ready，另外一个方面市场什么时候会ready，这两个都是创业者要关注并平衡好的事情。

欧阳琦玮：您觉得哪些行业可能更好进入一些，哪些行业还要等一等？

龚超慧：我们选行业的时候，标准非常的简单。任何一个讲道理的客户，他都应该把投资回报率算好。客户买单我们的系统，第一个他们实施的完整成本要足够低；第二个他们要收获到系统带来的足够大的价值。

怎么样保证他的成本足够低呢？我们要选择的行业，要有相对比较好的信息化基础、有相对完整的生产体系和生产流程的数据梳理。企业信息化基础高，做智能化的成本反而是低的。同时，如何这个生产场景过程非常的复杂，环节非常的多，上下游需要进行大量的配合，以及SKU的数据和监控点和控制点数量都是庞大的，那这个时候我们的系统，能够给它们带来较大的回报。

欧阳琦玮：明白。其实龚总他不止控制工厂里面的每一个工具，他还尝试控制这个工厂里面货物的搬运，并推出了AGV的控制器。工厂里面的AGV形态多样，小型AGV的大小就类似家用的扫地机器人。而接下来踏歌余总的项目，则是无人驾驶的超大型卡车这种卡车的载重可以达到两三百吨，对应三五千个成年人的重量。余总的另一个身份是北航交通科学工程学院教授，在聊完学霸创业之后，我们也来听听教授的看法。

余贵珍：我介绍一下我们创业的整个逻辑。城市建设第一道运输就是矿物质运输，我们生活中80%的原材料来源于矿，我们很少看到或接触采矿的工艺流程，但却与生活紧密相连。如今采矿行业就业形势非常严峻，基本没有年轻人干，尤其是在运输环节，都是50多岁以上的司机在干。

我觉得产业要长久可持续发展，需要新技术赋能。正好我从本科开始，一直做汽车无人驾驶技术的相关研究。所以，我们想将无人驾驶技术落地在露天采矿上。

欧阳琦玮：近几年自动驾驶和AGV都很火，一个是路上跑，一个是工厂里跑。踏歌智行要做一个在矿上跑的，请问最初是如何选定这个方向的呢？ 

余贵珍：在工厂里跑，工厂主可以说了算，但在公共道路上跑，需要规则和法律约束，但是现在的规则和法律，都是为有人驾驶制定的。这是我们当初为什么选择矿区场景的原因，实话讲，一般创业公司其实只能看到三五年之内的趋势，十年后会发生什么很难预料。企业创新中，要让新技术运用在有痛点的地方，才有客户愿意买单；同时，企业一定要给用户创造实实在在的价值，才能与客户分享价值，获得回报，彼此成就。

公司成立之初，我们就确定选择特定场景，考虑了很多场景后选择了露天矿。当时考察了大概二三十个露天矿，了解了矿里的司机和生产等各种情况。我们认为在露天矿场景上，既不会受不适用的规则和法律约束，同时也能通过机器替人产生比较好的经济价值。

欧阳琦玮：讲到工业互联网，大家往往也会聊到新基建。而今天的踏歌智行，就好像是一个新基建大满贯的项目，像是5G、物联网、自动驾驶、人工智能、新能源汽车等新基建元素全都体现在其中。踏歌智行做了国内第一个5G无人矿车项目，同时也能基于电动矿卡开展自动驾驶。刚才咱们提到，工业项目往往面临碎片化的应用场景，前面两个项目湃方科技和宾通智能都通过找共性、抽象等方法服务于千行百业，这样就能具备持续发展的能力。而我们踏歌智行只服务于露天矿这个单一场景，那又如何做大呢？

余贵珍：实际上，生活中80%的原材料都来源于矿。比如中国高速公路的混凝土、高铁的钢铁和城市建设用的土石方，都是来源于采矿产业。一年大概有200亿方。这个运输量从矿内的爆破采挖运到两公里远的矿外大概需要十块钱，仅仅土石方这块的运输量每年就有2000亿的市场，市场前景非常广阔。

欧阳琦玮：谢谢余教授，听完了两位学霸和一位教授的高密度分享，接下来可以换换脑子，听一听摩尔元数经验。与前几家学术光环满满的企业不同，摩尔元数的长处在于积累了丰富的行业知识和实战案例。我们有请方总。

方金华：传统制造业的生产模式，生产全流程和“人机料法环测”全要素的信息都是依赖人工记录、设备记录和管理，各种信息非常的离散和孤立，基本依赖人来做事后的分析和管理。过于依赖人的情况下，会出现因为人的差异导致生产效率波动和产品质量不一致性等问题。

而我们要做的事情，就是通过工业软件，帮助企业建立一个生产的中枢神经，把生产全流程和生产全要素的数据，通过我们的工业软件采集上来，然后通过工业软件算法和模型进行分析、控制和优化。让企业减少对人对设备的依赖，形成了一致性的标准，确保生产效率和品质提升。其次我们也把一些优秀企业的经验，形成行业最佳业务实践的工业软件套件包，通过这些软件套件包，快速把领先企业的先进管理赋能给更多的中小企业，让他们实现精细化、协同化的管理。

传统的工业软件开发企业都是以客户需求为导向，通过编程语言进行大量定制开发，这种传统开发模式开发难度大、周期长、成本高，所以工业软件的开发企业也难以良性发展。

我们通过十多年的经验积累，在业内首创了协同开发平台和生态，首先做了一个全云化开源的低代码开发平台，能够把开发的技术门槛降低、开发效率提高，其次通过这个开发平台把过去服务的头部企业和生态中ISV的经验做成软件化的模型组件和算法沉淀下来，类似乐高的积木一样，可以让工业软件开发企业利用这些组件快速组合出客户各种需求的产品，以往企业有1%的个性化需求都要重新开发，但现在不用，我们开源后，企业稍微有点IT能力就可以利用工具快速的组合和调整，满足自己的企业需求。

所以，现在我们通过这样的模式，打造了工业软件开发和应用的协同生态，目前生态中已经有130多家的工业软件开发企业（ISV）。

欧阳琦玮：制造业隔行如隔山，服务每一个行业都需要深入的行业知识，甚至服务每一个企业也都需要深入了解客户的独特流程和运营环境。摩尔怎么解决这个问题？

方金华：目前工业软件整个市场放眼去看，是非常分散的市场，很多人有行业的经验，但是没有技术创新的能力。

我们赋能的方式，是企业基于行业的know-how，为他们提供技术的工具。用技术型的工具加上行业的知识经验最后形成一个产品，交付给我们的客户。

欧阳琦玮：所以是开发一个“开发者的平台”给中小代理商来用，帮助各个代理商提升二次开发的效率？

方金华：会有两个层面的客户，一是我们过去服务过的客户，基于他们的行业经验，我们提供算法工具等；另外是其它的一些有行业支持的工业软件企业，它使用我们的工具去构建新的行业。

欧阳琦玮：要同时服务这么多行业，还要建立“开发者的平台”，那一定需要非常多的行业积累。我们之前否有足够的行业和案例积累？

方金华：从2005年开始，我们是国内最早一批专业从事MES等工业软件研发的企业。目前我们主要聚焦在离散行业，有电子、汽车零部件、新能源、机加、涂料、卫浴等20多个细分行业，目前服务的企业有500多家2000多个项目，其中全国电子百强有20%都是我们的客户，比如长虹、海信、浪潮、海尔等。所以说在服务这些企业过程当中，一个方面是沉淀了非常多行业know-how，其次也创新了很多工业应用的开发技术。

欧阳琦玮：做了500多个客户后，逐渐形成了做平台的能力。但如果想取得商业上的成功，仅仅有能力是不够的，还需要有足够的行业空间。当摩尔推出平台型解决方案的时候，在不同行业里面也会碰到这个行业里面比较大的传统玩家，比方说我们刚刚提到的长虹。那么摩尔与与长虹是什么关系，竞争还是合作？

方金华：工业互联网领域是一个相互依存相互融合的生态，创业企业看似面临着行业头部玩家的竞争压力，但只要坚持做自己擅长的事情，把自己擅长的东西做到精而细、最后两者之间常常是互为客户的关系，彼此相互赋能。

长虹各个子公司，包括他的供应链企业中，有的也是我们服务过的客户。

这样行业头部制造也企业，也会去服务自己的内部企业或者供应链企业。

但是他们在技术上，不会都从零去做，他们愿意使用我们的开发平台去降低服务的成本和时间消耗。有些项目它们可以选择我们会协助去做，也可以只用我们的平台自己去做，所以说形成了一个既是我们客户又是我们伙伴的关系。

欧阳琦玮：看起来小的代理商和大的核心企业，我们都可以合作。

方金华：对的，工业软件开发门槛比较高，既要懂开发技术又要懂工业知识，不像消费互联网的APP用一个开发工具就搞定。所以很多工业软件的开发企业都不会从零去做起，而会选择生态合作，相互融合相互赋能，所以这也是我们定位和专注打造工业软件协同开发平台和生态的初衷。

欧阳琦玮：感谢各位CEO带来的分享，希望能给大家带来更多的思考，也希望未来中国的智能制造，能够有更广阔的落地空间，谢谢大家。