為了更進一步探索2022年的新風向，我們邀請了一系列重量級的領軍人物、企業高管，以及行業專家們進行訪談，聊一聊他們對智聯網產業未來的見解。正是這些專家們不同思想的碰撞，校準著我的判斷;正是這些大咖們開闊思路的視野，填補了我的盲區。本文想與你分享的觀點，來自兩位德高望重的師長，他們是工業人工智能之父李杰教授和中國蜂窩物聯網發(fa)展的(de)關(guan)鍵推(tui)手之一的(de)聞庫秘書長。
這(zhe)是(shi)我在【物女心經】專欄寫(xie)的第239篇文(wen)章(zhang)。
臨近年末，我的好朋友們知道，物聯網智庫與(yu)摯物AIoT產(chan)業(ye)(ye)研究(jiu)院每年(nian)(nian)在這個時候都會舉辦(ban)AIoT領(ling)域的(de)(de)產(chan)業(ye)(ye)年(nian)(nian)會，目的(de)(de)是與(yu)你一同(tong)展(zhan)望AIoT未(wei)來的(de)(de)發展(zhan)趨勢。
為了更進一步探索2022年的新風向，我們邀請了一系列重量級的領軍人物、企業高管，以及行業專家們進行訪談，聊一聊他們對智聯網產業未來的見解。
在交(jiao)流的過程中，不免會聽到(dao)視(shi)角(jiao)完全(quan)不同的觀點和聲音，也不免會觸及一些(xie)從未(wei)耳聞的概(gai)念和術語。
正是這(zhe)些(xie)專家們(men)不同思想的(de)(de)碰撞，校準著(zhu)我(wo)的(de)(de)判斷;正是這(zhe)些(xie)大咖(ka)們(men)開闊思路的(de)(de)視(shi)野(ye)，填補(bu)了我(wo)的(de)(de)盲區。
本文想與你(ni)分享的觀(guan)點，來自兩位德高(gao)望重的師長(chang)，每次與他們交流(liu)，既能讓我仰望星(xing)空，又能兼顧腳踏實地。
他們是工業人工智能之父李杰教授和中國蜂窩物聯網發展的關鍵推手之一的聞庫秘書長。
每次與李杰教授交流(liu)，他都能(neng)帶(dai)我搶先一(yi)步看到未來。
李老師擔任鴻海(hai)科技集團副(fu)董事(shi)長、美國(guo)辛辛那提大(da)學(xue)(xue)講(jiang)座教授、美國(guo)國(guo)家科學(xue)(xue)基金會(NSF)智能維護(hu)系統(tong)(IMS)產(chan)學(xue)(xue)合作中心主任、世界(jie)經濟論壇(tan)(WEF)全球未來委(wei)員(yuan)會先進制造(zao)與生產(chan)委(wei)員(yuan)，曾(ceng)任麥肯錫(xi)全球資深顧(gu)問。著有“工(gong)業人工(gong)智能三部(bu)曲”：《工(gong)業人工(gong)智能》、《從大(da)數據到智能制造(zao)》、《CPS：新(xin)一代(dai)工(gong)業智能》等著作，對世界(jie)智能制造(zao)有重(zhong)大(da)影(ying)響(xiang)。
每次與聞庫秘書(shu)長(chang)交流，他(ta)都會(hui)讓我看清腳下的(de)路要從哪里邁起。
聞老師擔(dan)任中國(guo)通(tong)信(xin)(xin)(xin)(xin)(xin)標(biao)準(zhun)化(hua)協會(hui)(CCSA)副(fu)理(li)事長(chang)(chang)兼(jian)秘書長(chang)(chang)，曾歷(li)任郵電(dian)(dian)部(bu)電(dian)(dian)信(xin)(xin)(xin)(xin)(xin)總局(ju)網管(guan)中心主任、郵電(dian)(dian)部(bu)科技(ji)司(si)副(fu)司(si)長(chang)(chang)、信(xin)(xin)(xin)(xin)(xin)息(xi)產(chan)業(ye)部(bu)科技(ji)司(si)副(fu)司(si)長(chang)(chang)和(he)(he)信(xin)(xin)(xin)(xin)(xin)息(xi)產(chan)業(ye)部(bu)電(dian)(dian)信(xin)(xin)(xin)(xin)(xin)管(guan)理(li)局(ju)副(fu)局(ju)長(chang)(chang)和(he)(he)信(xin)(xin)(xin)(xin)(xin)息(xi)產(chan)業(ye)部(bu)科技(ji)司(si)司(si)長(chang)(chang)、工業(ye)和(he)(he)信(xin)(xin)(xin)(xin)(xin)息(xi)化(hua)部(bu)科技(ji)司(si)司(si)長(chang)(chang)、工信(xin)(xin)(xin)(xin)(xin)部(bu)信(xin)(xin)(xin)(xin)(xin)息(xi)通(tong)信(xin)(xin)(xin)(xin)(xin)發展司(si)司(si)長(chang)(chang)等(deng)職。
你也許(xu)會好奇，這(zhe)兩(liang)位(wei)老師一位(wei)來自(zi)學界(jie)、一位(wei)來自(zi)政界(jie);一位(wei)鉆研人工智(zhi)能、一位(wei)深耕通信連(lian)接，他(ta)們之間會有(you)什么共同點呢?
他們的觀點既(ji)涵蓋了AI、也囊括了IoT，完美交(jiao)織于AIoT。
共(gong)同點是他們都(dou)把推(tui)動產業發(fa)展(zhan)視為使命，視為一種高(gao)于生存的人(ren)生意義，因此與他們交流總(zong)會覺得智慧撲(pu)面(mian)、酣暢淋(lin)漓(li)。
1、產業元宇宙的基礎是CPS
我(wo)們(men)每個人往往面臨一個悖論，就是我(wo)們(men)不知道我(wo)們(men)不知道的是什么。
這(zhe)個困擾在李教授這(zhe)里，總能輕易(yi)化解。
因為李教授(shou)多年思考的問題，正(zheng)是如(ru)何讓(rang)不(bu)可(ke)見的部分變得可(ke)見，讓(rang)不(bu)知(zhi)(zhi)道(dao)的信息被(bei)知(zhi)(zhi)道(dao)。
雖然最近元宇宙Meta-verse被熱炒，但一個同詞根的術語也值得被關注，Meta-model。
Meta-model已(yi)經(jing)存(cun)在數十年(nian)，并(bing)不是新東西，從字面(mian)上理(li)解(jie)，它是指(zhi)模型的模型，由元(yuan)模型Meta-model可以構建一個整(zheng)合管理(li)的系統。
什么意思呢?李教授舉了(le)個例子(zi)。
在產(chan)業(ye)(ye)(ye)中(zhong)，我(wo)們經常會(hui)(hui)強調數據的(de)(de)重要(yao)性，但現實情況(kuang)(kuang)往往是給了(le)你(ni)數據，你(ni)依然不(bu)知道如何去操(cao)作和改(gai)進。比如一個人炒股，天天盯著股價看(kan)，仍舊不(bu)會(hui)(hui)投。專業(ye)(ye)(ye)的(de)(de)投資(zi)人不(bu)只(zhi)是看(kan)股價波動，還(huan)(huan)要(yao)了(le)解企(qi)(qi)業(ye)(ye)(ye)的(de)(de)基本(ben)情況(kuang)(kuang)，發生了(le)什(shen)么新(xin)聞，有沒有并購事件，推出了(le)什(shen)么新(xin)產(chan)品。這些還(huan)(huan)不(bu)夠，投資(zi)人還(huan)(huan)會(hui)(hui)看(kan)行業(ye)(ye)(ye)趨(qu)勢，整體(ti)的(de)(de)發展方向，這個公司的(de)(de)上下游產(chan)業(ye)(ye)(ye)鏈等很多信息。還(huan)(huan)有些投資(zi)人會(hui)(hui)參與企(qi)(qi)業(ye)(ye)(ye)管(guan)理，為企(qi)(qi)業(ye)(ye)(ye)發展提(ti)供幫助，讓企(qi)(qi)業(ye)(ye)(ye)變得更好。所以炒股不(bu)能只(zhi)盯著數據看(kan)，還(huan)(huan)要(yao)了(le)解股票背(bei)后的(de)(de)企(qi)(qi)業(ye)(ye)(ye)，并為企(qi)(qi)業(ye)(ye)(ye)的(de)(de)發展助力。
這就是從數據Data，到模型Model，再到元模型Meta-model的思維邏輯。
投(tou)射(she)到(dao)工業領域，什么是智(zhi)能制造的Meta-model?
李教授以(yi)質(zhi)量(liang)管(guan)理為例，生(sheng)產線(xian)所(suo)產生(sheng)的(de)問題，產品質(zhi)量(liang)的(de)結果，都可(ke)以(yi)通過Meta-model被完全追溯。生(sheng)產過程中，Meta-model就可(ke)以(yi)預測下一批次的(de)產品質(zhi)量(liang)是否合格，根據(ju)Meta-model提供的(de)校準數(shu)據(ju)，產線(xian)可(ke)以(yi)自我(wo)調節和持(chi)續(xu)優化。
簡單地說，生產線的一般Model提供的是控制能力，但控制是控制，管理是管理，Meta-model側重于管理。
Meta-model應該可以預測、發現和反饋不可見的問題。
為了解決“可見”的問題，很多企業開展了工業互聯網項目，引進傳感器、邊緣計算設備，強調要探索數字孿生，這些都是(shi)慣常的(de)做法，但(dan)是(shi)卻(que)往往忽略了一(yi)些根本性的(de)問題。
工業企業到底需要怎樣(yang)的信息物理系統(tong)CPS(Cyber-Physical System)、數字(zi)孿生(Digital Twin)?有哪些問題和挑戰(zhan)是以往解決不(bu)了的，而(er)CPS和數字(zi)孿生又為(wei)何(he)能解決這些問題?
CPS與數字孿生的作用是解決那些(xie)工業系統中(zhong)還沒有被(bei)充分認(ren)知的“不(bu)可見”問(wen)題。
如果CPS、數(shu)字孿生僅僅被用(yong)來解(jie)決可見的問題，很容易被誤解(jie)和誤用(yong)。
怎么被誤用的(de)?李教授又舉了一個例子。
就像(xiang)照鏡子(zi)(zi)。鏡子(zi)(zi)可(ke)以反映出來(lai)這個人(ren)美不美，衣服(fu)有沒有穿對。企業也用數(shu)字孿生來(lai)照鏡子(zi)(zi)，反映設備的運(yun)行情況。但實際上數(shu)字孿生并不僅(jin)僅(jin)是鏡子(zi)(zi)，它的能(neng)力在(zai)于建(jian)造了Twin Model，能(neng)夠像(xiang)醫生一(yi)樣發現(xian)不可(ke)見的問題。
現階段工業(ye)和(he)制造企業(ye)最(zui)主要的(de)痛點是如何去解決和(he)避免不可見(jian)的(de)問(wen)題。不可見(jian)的(de)問(wen)題包括(kuo)哪些(xie)?比如設備性(xing)能的(de)衰退、精度(du)的(de)缺失、易耗件的(de)磨(mo)損和(he)資源(yuan)的(de)浪費，等等。
說(shuo)回與Meta-model同(tong)詞(ci)根的Meta-verse元宇(yu)宙(zhou)，如果元宇(yu)宙(zhou)在(zai)工(gong)業領域應(ying)用，需(xu)要滿足多種條(tiao)件才(cai)能成為產業元宇(yu)宙(zhou)。
第一是需要通過Meta-model不僅做到控制，更要實現管理。
怎么區分(fen)控制和(he)管理?比(bi)如(ru)一臺(tai)風機(ji)，我(wo)們(men)(men)調整它的狀態(tai)，實現最大風能捕獲，這是控制。如(ru)果我(wo)們(men)(men)做到它的健(jian)康(kang)衰退評估，將(jiang)這些知識與(yu)風機(ji)的結構(gou)設(she)計、控制邏輯相(xiang)關聯，使它能夠在不同健(jian)康(kang)模式下，都能保持最佳的狀態(tai)，這是管理。
第二是社交元宇宙不一定有目的，但是產業元宇宙需要很強的目的性。
互聯網、大數據、人工(gong)智(zhi)能…應(ying)用這些技術不是目(mu)的(de)(de)，工(gong)業領(ling)域往往有很強的(de)(de)目(mu)的(de)(de)性。目(mu)的(de)(de)并(bing)不是解(jie)(jie)決(jue)可(ke)見(jian)的(de)(de)技術問題(ti)，目(mu)的(de)(de)是在不可(ke)見(jian)空間內發(fa)現(xian)問題(ti)、解(jie)(jie)決(jue)問題(ti)和獲取價值。
明(ming)確目(mu)的(de)，可以更好的(de)做(zuo)決策。
工(gong)業領(ling)域的目的性很強，每個(ge)(ge)目的背后都有痛點(dian)(dian)問題。數(shu)據不(bu)(bu)能標準化是(shi)(shi)痛點(dian)(dian)、質量需要(yao)提升(sheng)是(shi)(shi)痛點(dian)(dian)、數(shu)據量太大是(shi)(shi)痛點(dian)(dian)、資源(yuan)浪(lang)費是(shi)(shi)痛點(dian)(dian)…從每個(ge)(ge)痛點(dian)(dian)向前溯源(yuan)，人、機、料、法(fa)、環，直到(dao)分析出(chu)痛點(dian)(dian)的來源(yuan)，再分析哪(na)些是(shi)(shi)可以(yi)(yi)數(shu)字化的，哪(na)些是(shi)(shi)不(bu)(bu)可以(yi)(yi)數(shu)字化的，形成(cheng)數(shu)字化轉(zhuan)型(xing)的目的。這是(shi)(shi)一個(ge)(ge)系統性的工(gong)程，從痛點(dian)(dian)Pain到(dao)目的Purpose。
李教授從(cong)十幾年前就(jiu)開始關注CPS，并著(zhu)有《CPS：新一(yi)代工業智能(neng)(neng)》一(yi)書，提(ti)出CPS是可以持續傳承的智能(neng)(neng)系統。
從字(zi)面翻譯，CPS是信息-物理系(xi)統(tong)，也(ye)可被譯為賽博-實(shi)體(ti)系(xi)統(tong)。實(shi)體(ti)系(xi)統(tong)代表的(de)(de)是對功能性(xing)的(de)(de)管理和建模，賽博系(xi)統(tong)是對實(shi)體(ti)、環境(jing)和活動之間關系(xi)性(xing)的(de)(de)管理和建模。
CPS是賽(sai)博空間中的(de)通信、計算和控制(zhi)與實(shi)體系統在所有尺度內的(de)深度融合。以物(wu)聯網(wang)為重要元素的(de)CPS，能夠將整個價值鏈(lian)上的(de)環節相連，使位于產業(ye)(ye)鏈(lian)各個位置(zhi)的(de)角色(se)能夠以很低的(de)成本(ben)(ben)，直接(jie)服(fu)(fu)務(wu)于用戶，也使得產業(ye)(ye)鏈(lian)之間在服(fu)(fu)務(wu)方面的(de)協作成本(ben)(ben)降低。
因此(ci)，從某種意義上來說(shuo)，產業元(yuan)宇宙的基礎是CPS。
2、深耕AIoT要做好踏踏實實“篩沙子”的準備
謀(mou)定而(er)(er)動，乘勢而(er)(er)上(shang)。
聞(wen)老師(shi)總是能讓我(wo)們看(kan)清，當下這一步要(yao)從哪里邁起。
最近，美國5G部署因為頻(pin)譜“卡脖(bo)子”被(bei)迫暫停的(de)(de)消(xiao)息在國(guo)(guo)內引起了(le)(le)熱議，與美國(guo)(guo)相比(bi)，中國(guo)(guo)5G頻譜規劃和政(zheng)策更為有效，在供給側保障了(le)(le)產業界對頻譜的(de)(de)需求(qiu)，因而助力5G商用的(de)(de)領先。
我們(men)在(zai)5G上半(ban)場(chang)(chang)打(da)得不(bu)錯，現在(zai)開(kai)始打(da)下半(ban)場(chang)(chang)。上半(ban)場(chang)(chang)是(shi)(shi)技術、網絡、手機終(zhong)端等部署，下半(ban)場(chang)(chang)要開(kai)始應(ying)用，尤其是(shi)(shi)各(ge)行(xing)各(ge)業的應(ying)用非常(chang)重要。
5G應用(yong)，尤其是物聯網(wang)的應用(yong)，是一個金礦(kuang)。但是物聯網(wang)這個金礦(kuang)有什么特點呢?
就(jiu)是(shi)整塊的金(jin)子(zi)少，碎片化的金(jin)沙多，大量金(jin)子(zi)需要花費力氣去篩。
看上去物聯網這個金礦里面滿滿是金子，但是真正要淘出來不容易，需要做好踏踏實實，慢慢挖掘的準備。
開(kai)墾物(wu)聯網金礦(kuang)很(hen)難(nan)，不過當(dang)所有(you)人都(dou)意識(shi)到很(hen)難(nan)的時候，最難(nan)的階段(duan)可能已經過去(qu)了。
聞老師從2009年國家提出感知中國開始，就一直在推進物(wu)聯網的應用落(luo)地。
以(yi)無錫(xi)為例，那里的(de)公安(an)局發現電動(dong)自行(xing)車(che)的(de)丟失(shi)問(wen)題很嚴重，小(xiao)偷挺難抓，公安(an)局就想了個辦法，給一(yi)(yi)批電動(dong)車(che)悄悄在(zai)看不到的(de)地方，綁(bang)上一(yi)(yi)個類(lei)似(si)小(xiao)手機的(de)防丟設備(bei)，一(yi)(yi)旦車(che)子被(bei)偷就能(neng)很快(kuai)對其定位。
經過驗證(zheng)這招很管用——有(you)次他們看到有(you)輛(liang)卡車運了(le)一整箱的電動(dong)自行車，過收費(fei)站的時(shi)候發現其中一輛(liang)就(jiu)裝了(le)這種防丟(diu)設備，通過追蹤警察(cha)迅速就(jiu)把案(an)(an)破了(le)。現在所有(you)電動(dong)自動(dong)車幾乎都裝了(le)這種防丟(diu)設備，這是(shi)物聯(lian)網實現價值的一個典型案(an)(an)例。
后(hou)來大家又發現了(le)各種電(dian)動(dong)自行(xing)車(che)的痛點，比如車(che)鎖總是(shi)壞，現在深圳有個企(qi)業研發了(le)一種新(xin)鎖，因為看不到實體(ti)鎖，所(suo)以使用過程中根(gen)本不用手(shou)動(dong)去觸碰(peng)。手(shou)機(ji)APP控制開鎖，騎完把車(che)停好，手(shou)機(ji)APP結束行(xing)程，車(che)就自動(dong)上鎖了(le)。
物聯(lian)網(wang)是一門不(bu)斷(duan)迭代的生意。有些應用(yong)不(bu)是上了物聯(lian)網(wang)就完事了，還需要不(bu)斷(duan)去(qu)完善。
物聯網發展的難點在于可復制性差，需要抱著淘金“篩沙子”的耐心，慢慢解決。
在這個過程中，最重要的是解決問題的成本劃算才行。
聞老師舉了(le)(le)個(ge)現(xian)實生活中的(de)(de)例子。比如(ru)家(jia)庭用的(de)(de)和面(mian)機(ji)。大(da)食堂的(de)(de)和面(mian)機(ji)因為天天要用，使用頻率很(hen)高(gao)，所以是劃算(suan)的(de)(de)。但(dan)是到了(le)(le)家(jia)庭場景(jing)，一(yi)個(ge)禮(li)拜吃(chi)一(yi)次(ci)饅頭，一(yi)個(ge)月吃(chi)一(yi)次(ci)面(mian)條，買個(ge)和面(mian)機(ji)不(bu)容易(yi)洗還占地(di)，就(jiu)不(bu)劃算(suan)了(le)(le)。
物聯網的(de)(de)應(ying)用也(ye)是(shi)同(tong)樣(yang)的(de)(de)道理，成(cheng)本上劃(hua)算是(shi)應(ying)用規模化(hua)的(de)(de)前(qian)提。物聯網要普及，就(jiu)得把物聯網的(de)(de)終端價格水平(ping)降下來。
大(da)家都看(kan)好(hao)的(de)5G Redcap定義了一(yi)個輕量版的(de)5G。相對于之(zhi)前(qian)的(de)版本，Redcap做了顯著(zhu)的(de)簡(jian)化(hua)，擴(kuo)大(da)了5G物聯網能夠支持(chi)的(de)終端范疇。Redcap不是一(yi)個新東(dong)西，它是一(yi)個對現有東(dong)西的(de)裁減(jian)。
未來(lai)從技術角度來(lai)講，應該(gai)會出現(xian)一(yi)些(xie)類似Redcap這樣的(de)東西，敢于刪掉(diao)沒用(yong)的(de)功能，便(bian)宜(yi)、簡單，讓大家都好用(yong)。技術迭(die)代(dai)不是朝著高大上(shang)的(de)方向迭(die)代(dai)，而是應朝著便(bian)宜(yi)好用(yong)迭(die)代(dai)。這是真(zhen)正的(de)迭(die)代(dai)，有用(yong)的(de)迭(die)代(dai)。
從運營企業來說，近20年來移動通(tong)信(xin)基本上都是(shi)和手機打(da)交道，商(shang)業模式是(shi)To C。但是(shi)5G應該朝著(zhu)企業走，To B解決問題。業界對Redcap保持較高的期待(dai)，將其作為5G To B的一個(ge)重(zhong)要抓手。
除了善用技術迭代，還要轉變運營思路。
舉個例子，比如運營商(shang)為一(yi)家(jia)工業(ye)企(qi)業(ye)服務，給每個工人(ren)配一(yi)部(bu)5G手機，一(yi)共3000人(ren)配了3000部(bu)，雖然收費面向企(qi)業(ye)，但實(shi)際上(shang)本質仍(reng)舊是(shi)To C。
真(zhen)正做(zuo)到(dao)To B就(jiu)要在網(wang)(wang)絡(luo)上有(you)所改變，通信(xin)設(she)備(bei)就(jiu)像企(qi)業(ye)的(de)(de)生產(chan)(chan)設(she)備(bei)一(yi)樣，企(qi)業(ye)想怎(zen)么(me)用就(jiu)怎(zen)么(me)用，甚至(zhi)可以(yi)反向(xiang)控制通信(xin)設(she)備(bei)。而(er)且通信(xin)設(she)備(bei)產(chan)(chan)生的(de)(de)數據(ju)要能夠與生產(chan)(chan)、財務、運營等數據(ju)整合為一(yi)體，在這種情況下，企(qi)業(ye)需要對通信(xin)網(wang)(wang)絡(luo)有(you)一(yi)定的(de)(de)自主權(quan)。
因此To B方面(mian)，5G網(wang)絡也應(ying)該(gai)逐漸(jian)發(fa)生變化，把網(wang)絡改造(zao)成(cheng)能夠面(mian)向企業使用。
聞老師認為，如果物聯網應用沒用廣泛落地，那么AI、AIoT都是“空中樓閣”。
AI跟loT結合(he)，基礎(chu)是IoT要先搞好。沒(mei)有(you)物聯網(wang)的數據支撐，AI的產業(ye)應用可(ke)能就停(ting)留在講(jiang)概念階段。在很(hen)多場景中，AI和(he)IoT還沒(mei)搭(da)上邊，中間有(you)挺長一段距離，前(qian)期要費很(hen)大的勁。
----寫在最后----
還有(you)很長的路(lu)要走。
物聯網發展到今天，變得越(yue)來越(yue)復雜(za)，不(bu)斷融(rong)合與疊(die)加了各種概(gai)念(nian)，比如5G、AI、區(qu)塊鏈，甚(shen)至元(yuan)宇宙(zhou)。這些復雜(za)性，讓物聯網的(de)發展充滿(man)了挑(tiao)戰。
正(zheng)是挑戰與(yu)復雜，讓物聯(lian)網的探索(suo)之旅充滿了樂趣與(yu)機遇。
