2020年國家密集部署“新基建”政策，將人工智能與5G、工業互聯網、數據中心等七大領域共同列為“新基建”的政策範疇。工業互聯網成為激活我國工業高質量發展的源動力。
2020年3月20日，工信部發布了20項措施推動工業互聯網加速發展，將“加快新型基礎設施建設”作為首要任務，目標於2025年基本形成具有競爭力的基礎設施和產業體系。據賽迪顧問統計預測，未來三年工業互聯網市場將保持每年14%的增長率，將形成萬億級市場規模。
自2017年以來，工業互聯網在政策層面之所以“炙手可熱”，因為中國製造業已經到了不得不轉型升級的歷史關口。500強的利潤率已從2010年5%的高位，跌到了近年的2%左右。隨着近年來人口紅利的消失，人力成本的上漲，廉價勞動力已不再是中國工業的競爭力，以工業互聯網、工業人工智能等為代表新技術就成了被寄予厚望的突破口。
然而，工業互聯網產業卻可以用“冰火兩重天”“雷聲大雨點小”來形容。2020年上半年，青桐資本的一份調研數據顯示，目前工業互聯網方案商的收入規模在1000-3000萬區間的佔53.3%；1億規模以上的僅佔20%。
一方面是政府、工業互聯網平台的熱情高漲，另一方面卻是工業企業的躊躇觀望。
工業互聯網“落地難”最主要的原因在於：行業應用太少，尤其是缺乏直擊痛點的應用。不同行業之間“隔行如隔山”，甚至不同的企業之間的需求都千差萬別，不存在一個包打天下的通用平台。
是不是工業互聯網熱潮註定是一場飄在空中的泡沫？是不是工業互聯網在“千企千面”面前註定無解？在“新基建”時代的機遇面前，工業互聯網如何真正從概念走向落地？
面對這份時代給出的“考題”，登上《人民日報》頭版的天澤智雲給出了自己的高分“答卷”。它是騰訊、思科、富士康、微軟、等工業互聯網領軍行業的合作伙伴與供應商，獲得2020年北京市專精特新企業以及中關村瞪羚企業稱號。
雖然是一家成立才四年的創業公司，天澤智雲卻站在一位工業前沿技術領域先鋒的肩膀上，傳承了它20年在幾十個行業、100家世界知名企業工業智能化領域的成功經驗。將這些經驗智慧、技術提煉成了賦能每一家工業企業的“內功心法”。
當絕大部分工業互聯網平台都停留在“設備互聯、數據上雲”層面，它卻清醒地認識到工業互聯不是終點，工業智能化才是最終目的。當很多平台迷信於機器學習等“高大上”的人工智能技術，而它卻深信不能拿着錘子找釘子，只要能解決客户痛點的技術就是適用的技術。
當整個工業互聯網領域都在被數據孤島、場景碎片化、知識壁壘所困，它卻遵循“工欲善其事，必先利其器”的思路，通過打造工業智能基建系統，實現快速流程化、標準化、系統性地為客户交付可持續傳承的工業智能解決方案，在風電、鋼鐵、煙草、機加工、軌交、化工等行業深耕落地應用。
工業和信息化部於2017年發佈的《深化“互聯網+先進製造業”發展工業互聯網的指導意見》，提出到2025年，形成3—5傢俱有國際競爭力的工業互聯網平台，實現百萬工業APP培育以及百萬企業上雲。
在這樣一個國家級戰略中，天澤智雲要扮演一個什麼樣的角色？CEO孫昕認為，百萬工業APP背後是百萬工業場景中的痛點，是中國從製造大國邁向製造強國要解決的關鍵問題。重點不是“百萬”，甚至不是“APP”，而是能持續解決問題的專業知識和能力。
這是天澤智雲賦予自己的使命，為百萬工業APP的開發者提供工業界的GitHub，即無限接近完善的一套集成的開發工具，將跨領域人才的專業知識和能力匯聚並沉澱積累為可傳承的資產，賦能工業企業工程化地化解工業智能化落地應用的挑戰，讓成千上萬智能化場景的進程加速。
天澤智雲“工業界GitHub工具箱”裏都有什麼？智能化並不是只有大量的數據或者做到了自動化控制就能實現，而是要搭建一個從數據採集到知識沉澱再到動作執行的閉環系統，更重要的是兼具工程化能力和效率。根據這樣的思路，天澤智雲把“模力工場”抽象為三層結構，分別對應三套工具：
工業物聯與邊緣計算系統EdgePro — 實現高低頻混合數據採集與處理，端邊雲協同及模型一鍵部署；
工業大數據服務中台CyberDataHub — 實現多源異構數據集成、體系化的數據資產管理與服務；
工業智能模型研發平台CyberCube — 工業智能建模與分析，工業智能模型全生命週期管理。
區別於通用性設備的接入和數據獲取，只考慮工業設備的特點，也不具備深入理解工業領域數據的特點，天澤智雲堅持要做自己的邊緣計算硬件和數據採集管理系統，不是與客户搶奪數據資產，而是為了確保數據質量。
技術研發VP金超用了一個形象的比喻：“這就跟做壽司一樣，要自己去魚市看魚，好的廚子也要是懂魚的人，能判斷出食材新鮮的程度。我們也一樣，有這樣的能力，才能保證最終交付的東西可以滿足客户需求。”
天澤智雲的EdgePro能夠不被國外廠商的壟斷所限制，通過靈活的外加傳感器等方式，實現高價值數據的獲取，結合邊緣計算提升數據質量，支撐實現工業智能化的業務目標。
在與某國內3C加工巨頭合作的過程中，針對上百台不同種類不同型號的設備，獲取振動、聲音等高頻數據，並進行實時處理，EdgePro的工程化能力輕鬆實現5步快速接入：硬件連線—添加設備—關聯測點—配置策略—獲取數據，將物聯數採的效率提升了4倍。
設備數據採集上來之後，還需要經過一個十分重要的過程，那就是數據的彙集與管理。因為工業數據來源於多個系統，也包括大量第三方外部系統數據，“碎片化”問題嚴重，所以在數據可進行分析建模之前，需要對大量的原始數據進行集成、降噪、對齊、去重等預處理，還要對數據資產進行質量校驗、分層體系化存儲管理。
工業大數據服務中台CyberDataHub，凝結了天澤智雲自成立以來，交付近百個工業智能化項目經驗，同時結合全球領先的工業智能理念和方法論，以及對工業大數據3B（Bad Quality、Broken、Background）特點的深刻理解。
其中，對於工業領域尤為重要的數據質量的管理，是其他產品所不具備的功能。“不僅僅能告訴你數據採集上來了，你能看到它什麼樣，還能告訴你這個數據有什麼問題。你的數據採集系統有什麼問題，保證採集到的數據是能用的。”金超表示。
CyberDataHub幫用户探究數據質量背後可能的問題來源，比如發現了一些數據異常之後，天澤智雲正在申請的專利能夠判斷這是由電磁干擾造成的、還是電源不穩定，可以直接指導數據採集如何更加科學、精確。
致力於打破工業製造經驗認知孤島的工業智能模型研發平台CyberCube，堪稱天澤智雲的獨門絕技殺手鐧。
早在IMS的時候，金超就曾經想在內部推動一個名為Project Excellence的項目，把IMS十多年來獨有的一些案例、方法固化成為領域算子和行業模版，將建立模型的流程固化為通用工具。
然而，產品化在高校內部很難落地，“因為它不以規模化為導向，不會想到要把研究的脈絡、創新的方法沉澱下來，對於學生來説，最迫切的問題是如何能畢業”，而不是把這套體系傳承下去。
到了天澤智雲這樣一家商業化公司之後，金超終於有機會大展拳腳。將他在數十個工業項目中遇到的真實需求，挖掘其建模價值，再集成IMS 20年來積累的工業智能建模的專業經驗，通過“數據清洗——標籤生成——機理特徵提取——場景化模型訓練”四個步驟，降低企業的建模門檻，提升模型質量。
經過四年項目實踐和十幾輪迭代，天澤智雲打磨出端到端的、覆蓋工業智能全流程的算法工具包、數千個模型，以及20多個行業模板，瞄準解決工業用户在設備運維、良率提升、與節能降耗方面的痛點，覆蓋工業領域多個行業。
早在2017年，這套工業智能分析與建模的概念就面向市場進行了發佈，受到了工業界的高度評價。
CyberCube在很大程度上降低了工業智能分析的門檻，為企業跨部門的不同角色，如數據科學家、軟件工程師、IT運維人員等提供統一的工具平台和運行管理環境，提升模型的研發效率、降低模型維護與管理成本。
工業基因與工程基因結合，模型驅動的工業人工智能平台隨着越來越多智能化項目的交付，天澤智雲發現隨着智能資產的積累，模型的研發效率固然重要，但流程、自動化和跨團隊協作則更加重要。基於這樣的認知和實踐，借鑑孫昕在IBM時推行的DevOps理念，天澤智雲構建了完整的跨領域、跨部門、跨階段、跨環境的工業人工智能體系，從數據的採集與管理，到算法的設計、探索、驗證，以及監控和部署，將模力工場進一步升級為的以模型為驅動的工業人工智能平台。
初期目標是為了大幅提升工業AI應用的開發效率。
比如，工況分割是工業領域大數據分析的第一步，目的是要把設備在不同運行狀態下的數據分割出來，做有針對性的信號處理與特徵提取，只有先做好工況分割，才能進行下一步的處理和分析。
在過去，工況分割主要靠工程人員利用經驗知識來實現，天澤智雲則開發一整套工況自動切割的方法，沉澱在了EdgePro和CyberCube裏面，成為組件，提升數據預處理的效率；CyberDataHub通過可視化方式幫助開發者快速驗證數據質量，整個數據分析與模型開發過程得到大幅提升。
再比如，在算法開發這一過程中，利用AutoML、異常檢測包等工具開發工業AI算法與模型，能夠縮短70%以上的模型開發時間。與此同時，模力工場減少了95%代碼量，可以通過拖拉拽式進行可視化建模。
“CyberCube不只是開發工具，還把這些積累都變成資產庫，變成了一個將來驅動商業變革的算法交易市場。”孫昕如此看待CyberCube的戰略意義。
早在CyberCube的概念剛成型的時候，騰訊就看中了天澤智雲這一整套“建模、管模、用模”的能力，認為這將是工業互聯網的核心組成部分，也是團隊遍尋中國科技圈找到的唯一一家深諳工業人工智能專業領域知識，並且具備全面能力的企業。
於是，騰訊與天澤智雲展開合作，先將它的幾套工具組件接入自己的工業雲平台。然後雙方以此為槓桿，在智慧城市、智慧產業戰略中快速賦能更多的行業，撬動更多工業生態，沉澱更多工業數據資產，在此基礎上挖掘各種商業模式的可能性。騰訊工業互聯網平台WeMake於2020年底入選工信部工業互聯網雙跨平台清單，也是在與天澤智雲的專業能力整合基礎之上所收穫的成果。
如今，模力工場立足於解決工業行業客户的共性關鍵問題，積累並提煉了大量具備強通用性的算法，也已沉澱了豐富的場景化核心技術，包括機理與數據驅動融合建模、領域特徵增強、深度模型輕量化邊緣部署等。這成為其本身的“工業基因”。
此外，作為以模型為驅動的工業人工智能平台也兼具“工程基因”。得益於孫昕和團隊當年作為首批專家將全球領先的軟件工程落地中國的親歷經驗，模力工場融入了大量系統工程和軟件工程的技術理念，將工業知識、軟件工具進行標準化和規範化，能夠以低成本經濟化的方式交付高效的業務成果。
工程思維對於製造業非常之關鍵。V-Model是典型的系統工程的開發模型，除開軟件工程本身，對於機器、系統的開發也同樣適用。甚至，如孫昕的解讀，一個工業產品的全生命週期也可以套用V模型的思維框架。
一個工業產品比如生產設備，從設計研發到生產製造所用時間少則幾個月，多則幾年，然而都抵不過該設備自被製造出來後投入運行的生命週期時長。針對設備運行的狀態管理與運營維護，週期往往長達數十年。模力工場從設備的運維數據入手，將預測性維護作為核心的落地場景之一，並逐步拓展至工藝優化和能耗優化等應用場景。
經過數十個項目的磨礪，模力工場積累了大量具備強行業屬性/功能的算法模板，能夠極大地提升模型的複用效率，助力工業智能模型高效生成、讓跨行業應用快速落地。將工業AI落地全過程的時間縮短65%，人力減少70%。這些模型持續積累、迭代成長，成為模力工場中最具價值的資產。
天澤智雲懷抱着一種開放且開發中立的態度，可以把核心能力“嵌入”任何一個工業互聯網平台中去服務最終用户。對於具體客户而言，模力工場既可以選擇把這些工具部署在自有服務器上，可以部署在私有云上，甚至部署在其他工業互聯網平台上。
不僅如此，客户完全可以根據需求和成熟度來選擇適合自己的工具。
“如果一個企業已經有研發能力，需要一個平台來支撐從數據管理、分析到模型的開發、部署、管理能力，那麼天澤智雲模力工場的全套產品會是它的最佳選項；如果一所科研院所更關注研發體系，CyberCube就可以滿足它的需求；如果一家企業未來準備建設自己的研發能力，目前先做數據彙總或數據互聯，那麼CyberDataHub或EdgePro也能夠匹配它的階段性需求。”孫昕表示。
相比於市面上大部分工業互聯網平台的“整體解決方案”，可以按需點菜的“模力工場”更適合企業的個性化需求。而對於航空航天、汽車製造、精密電子等信息化程度、管理成熟度已經足夠高的行業，在進一步向智能化升級的過程中，引入一整套“模力工場”無疑將會事半功倍。
長期目標寄託了為國家搶佔下一代工業軟件制高點的願景，“模力工場”將幫助那些有能力構建願景、有研發能力的組織，在智能化過程中不再受制於人，不再落後於一些歐美廠商，使中國工業在邁向高質量發展的進程中完全做到自主可控。
雷鋒網雷鋒網