IBM陈黎明:“互联网+”的三个挑战

2015-05-19 08:05 来源: 《财经》
浏览量: 收藏:0 分享

  IBM陈黎明:“互联网+”的三个挑战.jpg

  目前,围绕“互联网+”、“中国制造2025”、“工业互联网”、“物联网”和“工业4.0”的观点纷繁多样,我愿意结合今年的政府工作报告和《中国制造业发展纲要(2015-2025)》,谈一谈我对“互联网+”与提升中国经济竞争力关系的看法。

  “互联网+”是哪个互联网?

  首先,起主导作用的是工业制造业,而非消费级互联网。中央政府提出“互联网+”的概念之后,从官方到民间都对互联网公司投入了巨大关注,风投等资本更是热情高涨。但消费级互联网能否在中国经济结构性调整、产业升级中起到一招定乾坤的作用,仍需要深入探讨。

  大家所熟悉的互联网,是消费互联网,它已经展示出在销售、营销、支付、品牌、物流等与消费端紧密结合领域的创新能力。消费互联网改变了消费者与产品提供者之间的权力关系,甚至将在柔性生产时代改变生产与消费之间的“供需关系”,已有公司提出了pro-sumer(生产-消费者)和CEC(Chief Executive Consumer,首席消费官)的概念,让消费者参与产品的设计、生产、公司的决策。

  但是,消费互联网从存在之初就不是为工业制造业等深度的行业应用而设计的,其安全性、可靠性、准确性都不可能满足“中国制造2025”和信息化工业化“两化融合”的需求。正如中国工程院邬贺铨院士所说:“互联网能不能促进工业制造业核心竞争力的提高?能。但我们需要的是智能化工业互联网,而不仅是一般意义上的消费互联网。”

  差别何在?以建筑行业为例,建筑信息模型(BIM,Building Information Model)可以在动工之前,从设计开始,预算、施工、竣工到维护的全生命周期都可以测算、评估。从每一个螺丝钉、每一根钢筋、每一扇门窗,到水泥用量、灌注顺序、土层水文分析,都可以提前建模,实现精细管理。从时间上,这可以大大缩短工期,提高效率;从空间上,可以围绕BIM进行全球化的生产协作,完成产业链的高度整合。

  BIM是基于一套建筑对象的工业基础类(IFC,Industry Foundation Class)数据模型标准,IFC可以对很多物体进行精确的数据化描述,描述对象从螺丝钉、油气、重工机械到航空母舰。建筑物的生命周期中,涉及的物品种类众多,使得与建筑相关的数据非常复杂。数据完整性,数据交换性,如何让以建筑为基础的软件数据交换形成高效连续的工作流,此类问题一直困扰着建筑产业。而这种量级的数据是无法通过消费类互联网技术进行存储、调用和运算的。

  未来三年的发展,将会决定未来十年的国家竞争力,把数据驱动的工业互联网当作未来的国家基础设施工程,毫不为过。

  为什么不用“工业互联网”代替“互联网+”?

  那么,中国政府为什么要用“互联网+”这个概念,而不直接提“工业互联网”呢?

  中国政府提出“互联网+”(以及“中国制造2025”),一方面是应对欧洲大陆国家和美国的国家政策(比如德国的“工业4.0”,和美国的 “制造业回国”),另一方面也结合了中国特殊的产业结构和行业现状。宏集团创始人施振荣先生的“微笑曲线”可以帮助我们理解,欧洲、美国和中国各自的政策主张,背后是不同利益立场和价值主张。

  以德国为代表的欧洲,占据微笑曲线的左端:机械产品的研发、大型装备的嵌入式系统、工业控制和制造工艺流程都占据全球领先地位,比如戴姆勒-奔驰、蒂森-克虏伯、西门子、SAP等公司。右端,美国一直占据营销、品牌、咨询的世界顶级地位,比如4A公司、麦肯锡、IBM的咨询服务业务,Google、Facebook某种程度上也可以看作广告营销类公司。而中国的产业,大部分还停留在微笑曲线的最低端。

  但是中国的产业结构和行业发展也具有独特性。比如,中国是全世界最大的移动互联网和PC互联网消费市场。再比如,中国的产业结构虽然发展阶段高低不同,但是行业覆盖面广,工业、服务业、制造业门类齐全,从义乌的小商品制造到三一重工、沈阳机床。

  与此同时,中国的工业制造业公司自动化程度参差不齐,大多处于初级阶段,中小企业上网率只有25%左右,上云率只有23%,跟风企业较多,创新型企业不足,对新生事物普遍没有洞察力。因此,中国政府提出“互联网+”是客观现实的,符合中国目前的发展水平。

  德国“工业4.0”希望从左端出发向右迈进,充分发挥德国企业在装备制造和软硬件一体化方面的优势,重新定义大数据时代制造技术。以我个人对德国公司的观察,他们优势比较明显,自动化程度很高,在行业深耕几十年甚至几百年但却勇于拥抱现代,大公司有效率,小业务有特点,这对于德国进行“工业4.0”均有帮助。美国在“全球化战略”和技术创新、产品设计发展到一定阶段后,一直期望制造业能够回归本土。

  各国的提法不同,但都是要打通一条微笑曲线:创新、研发、设计——制造、组装、物流——营销品牌、咨询。从研发一端,到消费一端,利用技术手段进行跨行业的整合。

  “互联网+”的“+”是何涵义?

  但打通、连接只是第一步。2008年IBM提出“智慧地球”时强调三个方面:物联化、互联化、智能化(简称3i,Instrumented、Interconnected、Intelligent)。在提出“智慧地球”的时候,还没有今天无所不在的传感器(Instrumented),并没有国家提出与物联网(Interconnected)相关的国家战略。

  七年后,我们看到在很多城市和很多行业中仍然只是实现了物联化,跨公司、跨行业的互联化才被提到战略高度,还远未实现。但我们仍要强调七年前的观点,互联化不是结果而是手段,“互联网+”之后打通价值链上下游的数据,仍远不能实现“智慧地球”,关键在于最后的一步“智能化”——对实时数据进行分析的大数据技术,在进行大数据分析之后产生“洞察”(insight),并实现实时决策——这才是终极目标。

  根据IBM价值研究院的报告,今天90%以上的实时数据只是被静态地存储了起来,并没有经过分析,但60%以上的实时数据只有在实时的决策中有价值,之后便变得毫无意义。

  没有洞察的数据,只是静态的数据,只能实现“描述性分析”(Descriptive Analytics),即根据历史数据进行统计归纳,可以实现现象的准确描述。这属于大数据分析的第一阶段,大多应用于消费互联网。

  如果能够根据历史性数据进行“预测性分析”(Predictive Analytics),在数据中发现规律、形成洞察,就能够更加接近客观真相。比如IBM和美国亚特兰大州格威纳特县的公立教育机构合作,用大数据分析学生逃课的规律,发现需要帮助的同学,并给他们及时提供更多的教育资源。根据分析数据呈现的规律,我们可以在纽约预测犯罪的发生,在沈阳预测交通拥堵,知道一个城市何时出现用电高峰可能导致全城停电,预测米兰时装周的流行趋势,了解小德在红土、草地、硬地上击球的力量和速度规律,蜂群迁移的方向,流行感冒暴发的规律。

  比“描述性分析”和“预测性分析”更重要的是“指导性分析”(Prescriptive Analytics)。因为对于很多决策者来说,相对于描述过去的事实和预测可能的规律,更重要的是如何在多变、不确定、动荡的当下作出正确的决策。

  去年APEC会议期间北京上空惊现“APEC蓝”,就是指导性分析的结果。IBM大数据分析和认知计算精确地测算出,在11月4日到5日和11月9日到11日两个时间段内,北京会遭受严重的空气污染,污染源分别来自北京西南周边地区和北京东南周边地区。这一情况提前三天就被预测出来,政府因此实现了小规模、分时段的管控,保障了会议期间北京的空气质量。值得一提的是,北京市政府并没有简单地对周边区域全部工厂进行大面积关停处理,而是用最小的经济代价实现最大的社会价值。

  智能化决策在全世界绝大多数行业,还远未实现,这正是“互联网+”下一步的远景目标。

  “互联网+”的三个挑战

  实现“互联网+”,靠的不是想象,而是技术能力和人才。对中国而言,未来的挑战来自三个方面。

  首先,数字技术与传统工业技术的深度整合——数字物理系统(CPS,Cyber Physical System),对信息安全的要求极高,如果出现安全问题,不仅会带来巨大经济损失,也会危及国家利益和人民生命。

  其次,在确保信息安全性的前提下开放标准。这是建设强大的智能化工业互联网的关键。在“互联网+”深入到各行各业的过程中,最大问题是国家、行业、企业以邻为壑,各自为战,通过独立标准和封闭技术系统阻挡网络联通和数据流动,人为地割裂本来应该开放的工业互联网。

  最后,中国面临人才窘境:既懂得制造业的工艺流程、核心技术又懂得IT技术的跨界人才极度匮乏。现有的教育体制无法提供这样的人才,也不会有公司投入大量的时间、资本去设立机构培养;另一方面,今天的浮躁现实,并没有为互联网、大数据、软件精英人才提供深入研发和跨界发展的外部动力。

  一篇德国留学生的文章写道:“德国的信息产业虽然没有美国那么风光无限、创新不断……但离开了实体工业的互联网,其实没有我们想象的那般强大。

  在工业领域基础雄厚的德国,企业家们明白这个道理。在中国,传统企业向“互联网+”或者“工业4.0”转型,还需要深度的人才开发和研发投入,这种改变才会发生。

标签:

责任编辑:admin