從聯想智能化變革，看如何改變工業互聯網升級“老大難”

深響原創 · 作者 | 馬小軍

4月1日，聯想在2019/2020新財年的第一天，對外發布了“聯想智慧中國”的企業願景，強調企業將基於智能物聯網、智能基礎設施、行業智能解決方案，推動中國企業的智能化轉型。

2018/19財年對聯想來說，是反轉的一年。

「深響」早前對

聯想2018年Q3財報的分析

也提到過，聯想FY 2018/19至今的數據確實很亮眼：截至2018年12月31日第三財季業績，聯想營業額連續第六個季度實現年比年增長，達971億人民幣，為4年來最高水準。

而作為聯想新財年的重中之重、在2016年就已經出現的智能化變革，也已經在近幾期的財報中有所體現。從聯想2018/19年Q3財報中我們可以看到，直接承接智能化變革的軟體定義基礎架構領域，營業額年同比增長近70%。

然而，即便目前產業互聯網已經成為了互聯網行業的大熱領域，工業領域的智能化升級與數字化改造，實際上還面臨著大量的挑戰。

作為新財年的戰略核心，聯想在工業智能化方面，是如何布局的？又將如何應對工業領域多年來信息改造不完全的歷史包袱？

從聯想的種種布局與動作中，我們或許可以窺見產業互聯網所面臨的機會與挑戰。

「聯想的智能化轉型」

聯想的智能化本身就是目前國內企業數字化轉型的一個縮影。

2011年，為了應對聯想內部的電池續航、時間信號優化的需求，聯想啟動了內部的大數據業務——隨著全業務鏈條對於數據服務的需求持續提升，這項業務很快擴展到了聯想企業內部全價值鏈，包括供應鏈預測、倉儲運營優化、精準行銷等方面的應用。

自身生產精細化需求催生了產業鏈整體的數字化升級需求，而隨著數據采集得越來越多，又在數據的質量、效率、應用以及采集、計算成本方面，出現了大量新的問題，進一步推動企業轉向邊緣計算、深度學習等等技術，尋找適合的解決方案。

而隨著自身經驗與技術的逐漸成熟，到2016年，聯想開始將積累的技術和經驗產品化，提供給聯想的企業級用戶——譬如聯想智能製造中的不少解決方案，也是最先在聯想旗下主要承載聯想電腦系列產品生產需求的聯寶科技試行後，才進行產品化升級的。

與此同時，外部市場中，“中國智造2025”、工業互聯網等領域，成為了移動互聯網市場紅利殆盡後的新增量。對於大型企業，尤其是製造企業而言，目前急需解決降本增效的問題，以應對經濟放緩的挑戰。

根據《證券日報》報導，工業互聯網產業聯盟測算，2017年中國工業互聯網直接產業規模約為5700億元人民幣，按照2017年-2020年18%的年平均複合增長率，預計2020年將達到兆元人民幣。

面對巨大的增量市場，相較於才剛剛入場的一眾移動互聯網巨頭，聯想實際上是有競爭優勢的。

一方面，在多年硬體開發積累下，聯想有現成的商用物聯網設備產品線，能夠覆蓋從嵌入式計算、移動和工業平板、網絡和通信設備、測量及機器視覺設備，到工業PC、模塊化PC等多個領域。

而另一方面，聯想也有多年來服務企業客戶的經驗，以及過往客戶資源的積累。根據早先行業報導，目前基於“PC+伺服器+雲”的綜合解決方案，聯想已經在為600家以上企業客戶，提供超過300萬台PC和50萬台伺服器的專業IT運維服務，是國內最大的桌面IT運維服務商。

對高遷移成本的B端業務而言，這些既往的客戶與長期合作經驗，都是巨大的優勢。

賽道有增長紅利，自身也有發展優勢。對於聯想而言，“智能化”戰略的重要性一再被提高就再合理不過了。

「聯想智能化變革已揭開

大幕一角」

不過，對今天的行業巨頭而言，有明確的“戰略”不難，難的是高舉高打的戰略是如何真正落地的。

面對聯想的“智能化”戰略，首先要看的是這項戰略究竟包括哪些部分？

根據公開資料，升級成聯想“智慧中國”願景的3S布局，分別指的是智能物聯網（Smart IoT）、智能基礎架構（Smart Infrastructure）和智能垂直行業（Smart Vertical）。

其中Smart IoT智能物聯網的業務驅動核心主要是聯想PC業務在內的C端消費市場，將由一系列包括個人PC在內的消費級產品以及商用邊緣計算設備（如嵌入式電腦）的物聯網化、智能化升級為主。

而Smart Infrastructure智能基礎架構顧名思義，側重於基礎技術研發，包括了傳統IT、軟體定義數據中心、超大規模數據中心和高性能計算/超算在內的4個基礎架構引擎的建設。

而最後一個S——Smart Vertical 智能垂直行業，則與兩會後大家所關注的 “智能製造”、產業互聯網升級轉型密切相關。在聯想3S戰略語境下的智能垂直行業，主要指的是通過大數據、物聯網、人工智能的技術為行業的智能化提供支持。

目前，聯想對外推出的智能垂直行業產品主要包括聯想商用IoT解決方案、數字化轉型谘詢服務、工業互聯網平台LeapAI和工業物聯網平台LeapIOT。

LeapAI和LeapIOT作為平台性產品，可供企業自主構建自身的解決方案。大數據平台整體可以主要供整合企業內部ERP、CRM及行銷系統的全量數據，構建數據湖。

而LeapAI平台的定位在於“為企業提供一個自服務的軟硬體一體化的自動化機器學習平台”。簡單來說即是通過平台提供的自動化機器學習技術，允許普通業務和技術人員，通過簡單的數據輸入和目標設定，實現算法和參數的自動化選擇及組合，來降低生產中AI應用的門檻。

至於物聯網平台主要用以構建信息物理系統CPS（Cyber-Physical Systems），核心作用在於在OT（Operational Technology）域裡面整合所有的數據，例如在產線上實時采集PLC、DCS這些工業自動化領域的智能部件所產生的數據，監控產線的運行狀況。

OT域內產生的數據可以在本地通過邊緣計算進行快速處理，滿足產線上實時異常情況預警、回饋閉環等需求。同時也能在日常運營中基於整體數據，實現長期的設備優化、OEE，包括生成質量、能耗優化等。

據聯想集團副總裁、首席研究員，聯想工業大數據和工業智能業務負責人田日輝近期向媒體介紹，這幾個平台以及聯想整體的解決方案，已經在國內“服務了100多家企業”，領域覆蓋“製造、汽車、電子、消費電子、鋼鐵、石化，還有一些公共事業，像電力運營、水務等行業”。

目前相關平台的應用在企業數字化轉型的過程中已經逐步展開，並直接反映在了被服務企業的各方面業績上。

例如聯想在武漢石化上線了產線智能監測項目，在原有的煉化生產系統基礎上，基於企業的DCS（集散控制系統）、MES（生產製造執行管理系統）及實時數據庫等，構建了基於大數據技術的生產運行優化應用平台。這套系統目前在武漢石化的產線檢測上已經落地，通過運行數據的實時抽取和建模，能夠做到將操作異常檢出率提升26%，關鍵點位異常檢出率提升33%。

同時，聯想通過智能物聯網設備，實現了機器自動調節、自動管理，幫助武漢石化把油品收率平均提升0.3-0.8%，充分挖掘生產潛力，創造最大的生產效益。

——工業互聯網正是如此，每一項優化都是真金白銀，都是大量生產成本的降低，生產效率的優化，和真實的企業利潤的提升。

「產業互聯網挑戰與機遇並存」

但即便今天，包括聯想在內的諸多互聯網企業都已經喊出了產業互聯網、賦能傳統企業智能製造的口號，逐步推出了大量的解決方案，傳統行業數字化的壓力依然遠超想象。

從過往的技術債，到人才積累，到企業文化及管理方式轉變，無一不是傳統企業數字化進程中的老大難問題。

“雖然現在大家都在說工業4.0，但是實際上產業裡真正完成3.0的企業也不是很多。在做數字化改造之前，很多基礎數字化改造、自動化改造課是要補的。”田日輝表示。

對於傳統企業，尤其是製造企業而言，目前在業務鏈條上還存在大量的數據真空地帶，尤其是生產線上還有大量的“啞終端”，基礎的自動化數據生產、數據采集的工作還遠遠沒有完成，現有的數據質量也存疑。在這個情況下談大數據、自動化生產，只能是偃苗助長。

“舉個典型的例子，我們曾經在國內一家電動汽車廠商調研，他們的電動車數據已經收集了40萬條，但當他們想做電池優化的時候，我們發現只有不到1%的數據能用——他們的數據采集了兩年了，但是這些數據沒有人用過，也就沒有人確定數據質量。”田日輝表示。

同時，要讓“啞終端”上線，還有不可避免的設備改造成本問題，對於企業來說也是不得不考慮的投入。從目前而言，成本不可避免，不過包括聯想在內，市面上已經有一些解決方案提供商，拿出了輕量化的方案，包括有強本地學習的邊緣計算、軟硬體一體化設備等，已經逐步降低設備改造，及後續能耗成本，從初期建設的一次性投入上降低企業的升級改造門檻。

除了本身的設備改造成本外，對於傳統企業而言，有大數據應用、分析能力的人才也是高度稀缺的。目前一個博士畢業的數據科學家的年薪可以達到80萬以上，大量引進這個級別的人才，對於傳統企業來說也是不小的負擔——而未來，隨著傳統企業在生產智能數據分析方面的要求不斷提升，人員薪資恐怕還會隨著供需關係的傾斜水漲船高。

而對於企業既有的管理班子而言，業務模式轉型也會帶來現有人員知識結構、能力結構、工作模式轉型的壓力，對於傳統企業中高管而言也會是巨大的挑戰。面對量級倍增的實時數據，如果沒有對數據的敏感度及分析理解能力，也會陷入數據多而無用、“為看數而看數”的陷阱中。

應對人才缺口和企業管理人員知識結構轉型，僅靠高薪招募，不單是企業人力成本上的不可承受之重，從高精尖人才的培育速度來說，也是不切實際的。因此，平台解決方案的“傻瓜化”也尤為重要，除了前面已經提到的自動化機器學習技術之外，解決方案的一體化也能為企業解燃眉之急。從BASIC到圖形化界面互動方式改變了人類整體的工作效率，對於工業智能而言，操作門檻的降低也必將是大勢所趨。

同時，這或許也是技術谘詢行業再次興起的契機。今年年初，聯想也借以數據智能為核心“START”數字化轉型方法論，發布了大數據數字化轉型谘詢服務，相當於是從戰略制定，到軟硬體解決方案落地，長期企業管理能力升級，做了全鏈條的鋪開。正如前面所提到的電動車的案例，對於在數字化轉型歷程上走得較慢的領域及企業來說，僅僅有硬體上的改造升級還遠遠不夠，全鏈條的解決方案未來必定是大勢所趨。

而對於加入到產業數字化轉型隊伍中的企業而言，如何才能夠幫助客戶從企業文化、管理模式轉變，到學習成本、人才成本的降低，再到軟硬體一體的低成本優化方案研發，都將是最終市場核心競爭力的體現，也將是野心勃勃的To B玩家們亟待解決的課題。

本文系「深響」原創，請勿以任何形式抄襲、搬運、洗稿