每日最新頭條.有趣資訊

成立3年估值23億美金,“Uptake”掘金工業互聯網的秘訣

Uptake是美國工業互聯網領域的明星創業公司,目前已是估值23億美元的獨角獸。

Uptake於2014年7月成立於美國芝加哥,圍繞高價值設備提供設備監管、運維、預測性維護等產品服務。2017年11月,Uptake獲得1.17億美元D輪融資,估值23億美元,總融資額達2.5億美元。

融資和估值迅速提升的背後,是Uptake業務的爆發增長。2014年成立首年,Uptake第一個訂單為卡特彼勒的上億美元訂單。2015年,Uptake拿下了卡特彼勒旗下一家火車頭公司的訂單。2016年,Uptake拿下全美國最大的風機運營商Berkshire Hathaway Energy的訂單。

截止目前,Uptake已服務了一百多家企業,橫跨能源、製造、礦業、農業、航空、建築、施工、車隊、政府、油和氣、軌道等領域。

Uptake找到了哪些痛點?提供什麽樣的解決方案?產生怎樣的價值?成功的核心因素是哪些?最新的規劃和動態是什麽?

圍繞這些問題,36氪採訪了Uptake全球副總裁、大中華及北亞董事總經理陸泓。

Uptake融資歷史(數據來源:crunchbase)

抓住核心增長引擎:設備預測性維護

卡特彼勒是世界上最大的工程機械和礦山設備生產廠家,每天有300多萬台運轉設備,難以統一管控。Uptake創立之初拿下的第一個訂單,是為卡特彼勒開發一套設備聯網和分析系統,采集設備的各類數據信息,聯網監控,同時分析預測設備可能會發生的故障,以提前應對。

以設備預測性維護為核心抓手,Uptake擴展到了多個高價值設備行業,包括工程機械、火車頭、風機等。在另一個維度,設備產業鏈上,Uptake也擴展到了設備使用企業、經銷商、主機廠等多個重要角色。

設備經銷商連接著主機廠和設備使用企業,是Uptake的重要服務對象。陸泓告訴36氪,在重型機械領域,如果設備在維保期外發生了故障,約有80%的維修、更替都不會找到原主機廠,而是購買價格更低的仿製品。

針對該問題,Uptake為經銷商提供設備聯網運維系統,可以對所有其銷售的設備進行預測性維護分析,預判設備故障並及時告知客戶,快速高效完成相應維修。

這樣可以保證客戶施工的不中斷,同時大大提高經銷商和原廠的售後服務收益,降低服務人工和備件成本。更重要的是將設備運行反饋傳遞給了原廠商,用於改造製造工藝和優化供應鏈,提高產品質量,從而形成良性的產品閉環

Uptake的工業AI和物聯網服務架構(圖片來自Uptake)

設備預測性維護,是一門大生意

從上一節我們看到,設備預測性維護是Uptake業務增長的核心引擎。國內也有大量的工業互聯網公司,提供設備預測性維護,但是鮮有真正能大範圍落地的。

我們也聽到一些聲音,認為設備預測性維護規模太小,需求不強烈,提供價值有限,並不是一個好的落地場景。

所以先回答一個問題,設備預測性維護有多大的價值?陸泓給了我們一些實際案例:

美國一家Class1的火車公司,在美國有大約一萬四千個火車頭,通過啟用人工智能做的預測性維護,幫助他們企業每年節省4700萬美金。AMEREN是美國一家發電廠,每年用了Uptake的人工智能應用平台幫公司節省990萬美金。PaloVerde是一家核電廠,每年Uptake幫他們節省1000萬美金。某個重型機械經銷商,UPTAKE軟體服務幫助公司每年提高850萬美金的收入。

這些案例都清晰的表明,無論是提高收入還是降低成本,設備預測性維護可以發揮的價值巨大,能直接帶來企業的顯性經濟效益提升。

如何真正落地:“人工經驗+算法模型+閉環無限迭代”

前面我們聊了Uptake以預測性維護為核心,解決了哪些痛點,能產生多大的價值。這麽好的生意全球自然有不少模仿者,可是絕大多數設備預測性維護的公司並沒有賺到錢。

所以在這一章節中,我們來探討下Uptake是如何讓設備預測性維護產生這麽大價值的。

和陸泓聊完後,我將答案總結為3個關鍵點:“人工經驗+算法模型+閉環無限迭代”。我們結合Uptake的項目服務流程來具體說明,在拿到一個客戶項目時:

Uptake會先和客戶探討明確他們的痛點,即定義好問題;

然後看相應設備是否有需要的數據。Uptake不做數據采集,隻做數據對接,客戶要將所需要的數據準備好。

弄清楚客戶是怎麽診斷設備故障的,怎麽看參數和症狀。然後建立一個故障模型,能判斷出:什麽樣的設備數據,對應什麽樣的故障。

將故障模型用在分析實際問題上,讓技工判斷模型分析結果是否正確,這是模型優化過程。最終在這一步,已經能夠較準確實現算法自動診斷設備故障,但是還不能做到預測。

根據采集的大量設備運轉數據,結合AI算法等進行擬合建模,得出:什麽樣的設備數據表征和趨勢,對應什麽樣的故障。這就得到了故障預測模型。

將該模型應用在實際問題分析上,結合技工的反饋,持續優化迭代。同時,根據以上邏輯流程,不斷建立新的故障預測模型。從而在故障預測種類和準確率這兩個指標上持續迭代,最終目標是“預知設備一切問題”。

特別說明的一點是,實現預測性維護價值的前提並不是“所有設備實時聯網”

Uptake大多數客戶只有20%的設備是聯網的,一方面是數據源不僅是設備數據,還包括一些企業數據,如ERP數據,維修工單等,以及使用環境、地理位置、交通等一系列可能影響到設備運轉的數據。另一方面是故障預測模型可以直接植入設備,通過邊緣計算的方式進行判斷。

這點也能給國內企業很多啟發,太多的公司都是不管能分析出什麽,先把設備上雲了再說。

另外,Uptake使用公有雲提供SaaS形態的產品服務,可以將每個項目的經驗進行沉澱,並在更廣泛的類似項目中進行推廣。考慮到安全性,Uptake目前隻選擇了AWS作為雲服務夥伴。

圖片來自Uptake

Uptake成功的三大因素

一家公司的成功,除了某一項業務的優勢,一定還有方方面面的綜合因素。

關於Uptake為什麽會成功的核心因素,陸泓給出了他思考的答案:專注,優秀的團隊,數據科學Data Science

專注。在領域上,Uptake隻專注於工業,甚至隻專注於“設備預測維護”這一核心問題。在服務目標上,則是專注以“客戶第一”為導向,幫客戶提高經濟效益、降低成本、提高生產率和利潤。

優秀的團隊。UPTAKE的創始人Brad Keywell和Eric Lefkofsky曾是大學同學,他們兩人從大學畢業後,連續創業十幾家科技公司, 其中Groupon、Echo Global Logistics、InnerWorkings這三家都成功上市。除了這兩位創始人,公司同時也挖掘和招募了很多行業優秀的企業高管團隊,很多來自GE和思科等專家團隊。

數據科學Data Science。Uptake平台有超過21億小時的機器學習,連接了130萬工業設備並不斷在增加,並通過收購APT公司掌握了6萬個失效模型,即使設備不聯網,Uptake也可以通過這些失效模型來預測設備故障,從而幫助企業運用最優化的機器維護策略。2018年初,UPTAKE平台一天的數據交易量達已到紐約證券交易所的六倍以上。

2019年,Uptake將落地中國

2018年底,Uptake啟動了全球擴張策略,從美國向美洲、亞洲、歐洲、大洋洲等擴張。中國作為全球工業產值最大的國家,自然也是Uptake高度重視的市場。

經過4個多月的多方研究、考察與行業調查,陸泓對於Uptake要如何在中國落地已有了初步的想法:一定要充分本土化落地,以開放的姿態,與中國本土的企業和基金合作,建立“有中國特色的”Uptake。

更直白的說,就是基於Uptake在美國的成功經驗,不排除與中國公司合資,並吸納中國相關領域人才,去成立一家中國工業互聯網創業公司,與中國公司(運營商、雲服務商、集成商等)合作,為中國工業客戶創造價值

當下正是中國工業互聯網火熱的時機,Uptake是否能在中國續寫美國市場的輝煌?中國企業又將面臨怎樣的機會和挑戰?我們將持續關注。

相關閱讀

深度研究 | 拆解兆工業互聯網賽道,尋找下一個GE

(我是36氪記者陳紹元,關注物聯網、AI、科技,交流或尋求報導(不收費)加微信:963757163,請注明公司、職位、姓名)

獲得更多的PTT最新消息
按讚加入粉絲團