工业人工智能与工业互联网
2020年国家密集部署“新基建”政策，将人工智能与5G、工业互联网、数据中心等七大领域共同列为“新基建”的政策范畴。工业互联网成为激活我国工业高质量发展的源动力。
2020年3月20日，工信部发布了20项措施推动工业互联网加速发展，将“加快新型基础设施建设”作为首要任务，目标于2025年基本形成具有竞争力的基础设施和产业体系。据赛迪顾问统计预测，未来三年工业互联网市场将保持每年14%的增长率，将形成万亿级市场规模。
自2017年以来，工业互联网在政策层面之所以“炙手可热”，因为中国制造业已经到了不得不转型升级的历史关口。500强的利润率已从2010年5%的高位，跌到了近年的2%左右。随着近年来人口红利的消失，人力成本的上涨，廉价劳动力已不再是中国工业的竞争力，以工业互联网、工业人工智能等为代表新技术就成了被寄予厚望的突破口。
然而，工业互联网产业却可以用“冰火两重天”“雷声大雨点小”来形容。2020年上半年，青桐资本的一份调研数据显示，目前工业互联网方案商的收入规模在1000-3000万区间的占53.3%；1亿规模以上的仅占20%。
一方面是政府、工业互联网平台的热情高涨，另一方面却是工业企业的踌躇观望。
工业互联网“落地难”最主要的原因在于：行业应用太少，尤其是缺乏直击痛点的应用。不同行业之间“隔行如隔山”，甚至不同的企业之间的需求都千差万别，不存在一个包打天下的通用平台。
是不是工业互联网热潮注定是一场飘在空中的泡沫？是不是工业互联网在“千企千面”面前注定无解？在“新基建”时代的机遇面前，工业互联网如何真正从概念走向落地？
面对这份时代给出的“考题”，登上《人民日报》头版的天泽智云给出了自己的高分“答卷”。它是腾讯、思科、富士康、微软、等工业互联网领军行业的合作伙伴与供应商，获得2020年北京市专精特新企业以及中关村瞪羚企业称号。
虽然是一家成立才四年的创业公司，天泽智云却站在一位工业前沿技术领域先锋的肩膀上，传承了它20年在几十个行业、100家世界知名企业工业智能化领域的成功经验。将这些经验智慧、技术提炼成了赋能每一家工业企业的“内功心法”。
当绝大部分工业互联网平台都停留在“设备互联、数据上云”层面，它却清醒地认识到工业互联不是终点，工业智能化才是最终目的。当很多平台迷信于机器学习等“高大上”的人工智能技术，而它却深信不能拿着锤子找钉子，只要能解决客户痛点的技术就是适用的技术。
当整个工业互联网领域都在被数据孤岛、场景碎片化、知识壁垒所困，它却遵循“工欲善其事，必先利其器”的思路，通过打造工业智能基建系统，实现快速流程化、标准化、系统性地为客户交付可持续传承的工业智能解决方案，在风电、钢铁、烟草、机加工、轨交、化工等行业深耕落地应用。
工业和信息化部于2017年发布的《深化“互联网+先进制造业”发展工业互联网的指导意见》，提出到2025年，形成3—5家具有国际竞争力的工业互联网平台，实现百万工业APP培育以及百万企业上云。
在这样一个国家级战略中，天泽智云要扮演一个什么样的角色？CEO孙昕认为，百万工业APP背后是百万工业场景中的痛点，是中国从制造大国迈向制造强国要解决的关键问题。重点不是“百万”，甚至不是“APP”，而是能持续解决问题的专业知识和能力。
这是天泽智云赋予自己的使命，为百万工业APP的开发者提供工业界的GitHub，即无限接近完善的一套集成的开发工具，将跨领域人才的专业知识和能力汇聚并沉淀积累为可传承的资产，赋能工业企业工程化地化解工业智能化落地应用的挑战，让成千上万智能化场景的进程加速。
天泽智云“工业界GitHub工具箱”里都有什么？
智能化并不是只有大量的数据或者做到了自动化控制就能实现，而是要搭建一个从数据采集到知识沉淀再到动作执行的闭环系统，更重要的是兼具工程化能力和效率。根据这样的思路，天泽智云把“模力工场”抽象为三层结构，分别对应三套工具：
工业物联与边缘计算系统EdgePro — 实现高低频混合数据采集与处理，端边云协同及模型一键部署；
工业大数据服务中台CyberDataHub — 实现多源异构数据集成、体系化的数据资产管理与服务；
工业智能模型研发平台CyberCube — 工业智能建模与分析，工业智能模型全生命周期管理。
区别于通用性设备的接入和数据获取，只考虑工业设备的特点，也不具备深入理解工业领域数据的特点，天泽智云坚持要做自己的边缘计算硬件和数据采集管理系统，不是与客户抢夺数据资产，而是为了确保数据质量。
技术研发VP金超用了一个形象的比喻：“这就跟做寿司一样，要自己去鱼市看鱼，好的厨子也要是懂鱼的人，能判断出食材新鲜的程度。我们也一样，有这样的能力，才能保证最终交付的东西可以满足客户需求。”
天泽智云的EdgePro能够不被国外厂商的垄断所限制，通过灵活的外加传感器等方式，实现高价值数据的获取，结合边缘计算提升数据质量，支撑实现工业智能化的业务目标。
在与某国内3C加工巨头合作的过程中，针对上百台不同种类不同型号的设备，获取振动、声音等高频数据，并进行实时处理，EdgePro的工程化能力轻松实现5步快速接入：硬件连线—添加设备—关联测点—配置策略—获取数据，将物联数采的效率提升了4倍。
设备数据采集上来之后，还需要经过一个十分重要的过程，那就是数据的汇集与管理。因为工业数据来源于多个系统，也包括大量第三方外部系统数据，“碎片化”问题严重，所以在数据可进行分析建模之前，需要对大量的原始数据进行集成、降噪、对齐、去重等预处理，还要对数据资产进行质量校验、分层体系化存储管理。
工业大数据服务中台CyberDataHub，凝结了天泽智云自成立以来，交付近百个工业智能化项目经验，同时结合全球领先的工业智能理念和方法论，以及对工业大数据3B（Bad Quality、Broken、Background）特点的深刻理解。
其中，对于工业领域尤为重要的数据质量的管理，是其他产品所不具备的功能。“不仅仅能告诉你数据采集上来了，你能看到它什么样，还能告诉你这个数据有什么问题。你的数据采集系统有什么问题，保证采集到的数据是能用的。”金超表示。
CyberDataHub帮用户探究数据质量背后可能的问题来源，比如发现了一些数据异常之后，天泽智云正在申请的专利能够判断这是由电磁干扰造成的、还是电源不稳定，可以直接指导数据采集如何更加科学、精确。
致力于打破工业制造经验认知孤岛的工业智能模型研发平台CyberCube，堪称天泽智云的独门绝技杀手锏。
早在IMS的时候，金超就曾经想在内部推动一个名为Project Excellence的项目，把IMS十多年来独有的一些案例、方法固化成为领域算子和行业模版，将建立模型的流程固化为通用工具。
然而，产品化在高校内部很难落地，“因为它不以规模化为导向，不会想到要把研究的脉络、创新的方法沉淀下来，对于学生来说，最迫切的问题是如何能毕业”，而不是把这套体系传承下去。
到了天泽智云这样一家商业化公司之后，金超终于有机会大展拳脚。将他在数十个工业项目中遇到的真实需求，挖掘其建模价值，再集成IMS 20年来积累的工业智能建模的专业经验，通过“数据清洗——标签生成——机理特征提取——场景化模型训练”四个步骤，降低企业的建模门槛，提升模型质量。
经过四年项目实践和十几轮迭代，天泽智云打磨出端到端的、覆盖工业智能全流程的算法工具包、数千个模型，以及20多个行业模板，瞄准解决工业用户在设备运维、良率提升、与节能降耗方面的痛点，覆盖工业领域多个行业。
早在2017年，这套工业智能分析与建模的概念就面向市场进行了发布，受到了工业界的高度评价。
CyberCube在很大程度上降低了工业智能分析的门槛，为企业跨部门的不同角色，如数据科学家、软件工程师、IT运维人员等提供统一的工具平台和运行管理环境，提升模型的研发效率、降低模型维护与管理成本。
工业基因与工程基因结合，模型驱动的工业人工智能平台
随着越来越多智能化项目的交付，天泽智云发现随着智能资产的积累，模型的研发效率固然重要，但流程、自动化和跨团队协作则更加重要。基于这样的认知和实践，借鉴孙昕在IBM时推行的DevOps理念，天泽智云构建了完整的跨领域、跨部门、跨阶段、跨环境的工业人工智能体系，从数据的采集与管理，到算法的设计、探索、验证，以及监控和部署，将模力工场进一步升级为的以模型为驱动的工业人工智能平台。
初期目标是为了大幅提升工业AI应用的开发效率。
比如，工况分割是工业领域大数据分析的第一步，目的是要把设备在不同运行状态下的数据分割出来，做有针对性的信号处理与特征提取，只有先做好工况分割，才能进行下一步的处理和分析。
在过去，工况分割主要靠工程人员利用经验知识来实现，天泽智云则开发一整套工况自动切割的方法，沉淀在了EdgePro和CyberCube里面，成为组件，提升数据预处理的效率；CyberDataHub通过可视化方式帮助开发者快速验证数据质量，整个数据分析与模型开发过程得到大幅提升。
再比如，在算法开发这一过程中，利用AutoML、异常检测包等工具开发工业AI算法与模型，能够缩短70%以上的模型开发时间。与此同时，模力工场减少了95%代码量，可以通过拖拉拽式进行可视化建模。
“CyberCube不只是开发工具，还把这些积累都变成资产库，变成了一个将来驱动商业变革的算法交易市场。”孙昕如此看待CyberCube的战略意义。
早在CyberCube的概念刚成型的时候，腾讯就看中了天泽智云这一整套“建模、管模、用模”的能力，认为这将是工业互联网的核心组成部分，也是团队遍寻中国科技圈找到的唯一一家深谙工业人工智能专业领域知识，并且具备全面能力的企业。
于是，腾讯与天泽智云展开合作，先将它的几套工具组件接入自己的工业云平台。然后双方以此为杠杆，在智慧城市、智慧产业战略中快速赋能更多的行业，撬动更多工业生态，沉淀更多工业数据资产，在此基础上挖掘各种商业模式的可能性。腾讯工业互联网平台WeMake于2020年底入选工信部工业互联网双跨平台清单，也是在与天泽智云的专业能力整合基础之上所收获的成果。
如今，模力工场立足于解决工业行业客户的共性关键问题，积累并提炼了大量具备强通用性的算法，也已沉淀了丰富的场景化核心技术，包括机理与数据驱动融合建模、领域特征增强、深度模型轻量化边缘部署等。这成为其本身的“工业基因”。
此外，作为以模型为驱动的工业人工智能平台也兼具“工程基因”。得益于孙昕和团队当年作为首批专家将全球领先的软件工程落地中国的亲历经验，模力工场融入了大量系统工程和软件工程的技术理念，将工业知识、软件工具进行标准化和规范化，能够以低成本经济化的方式交付高效的业务成果。
工程思维对于制造业非常之关键。V-Model是典型的系统工程的开发模型，除开软件工程本身，对于机器、系统的开发也同样适用。甚至，如孙昕的解读，一个工业产品的全生命周期也可以套用V模型的思维框架。
一个工业产品比如生产设备，从设计研发到生产制造所用时间少则几个月，多则几年，然而都抵不过该设备自被制造出来后投入运行的生命周期时长。针对设备运行的状态管理与运营维护，周期往往长达数十年。模力工场从设备的运维数据入手，将预测性维护作为核心的落地场景之一，并逐步拓展至工艺优化和能耗优化等应用场景。
经过数十个项目的磨砺，模力工场积累了大量具备强行业属性/功能的算法模板，能够极大地提升模型的复用效率，助力工业智能模型高效生成、让跨行业应用快速落地。将工业AI落地全过程的时间缩短65%，人力减少70%。这些模型持续积累、迭代成长，成为模力工场中最具价值的资产。
天泽智云怀抱着一种开放且开发中立的态度，可以把核心能力“嵌入”任何一个工业互联网平台中去服务最终用户。对于具体客户而言，模力工场既可以选择把这些工具部署在自有服务器上，可以部署在私有云上，甚至部署在其他工业互联网平台上。
不仅如此，客户完全可以根据需求和成熟度来选择适合自己的工具。
“如果一个企业已经有研发能力，需要一个平台来支撑从数据管理、分析到模型的开发、部署、管理能力，那么天泽智云模力工场的全套产品会是它的最佳选项；如果一所科研院所更关注研发体系，CyberCube就可以满足它的需求；如果一家企业未来准备建设自己的研发能力，目前先做数据汇总或数据互联，那么CyberDataHub或EdgePro也能够匹配它的阶段性需求。”孙昕表示。
相比于市面上大部分工业互联网平台的“整体解决方案”，可以按需点菜的“模力工场”更适合企业的个性化需求。而对于航空航天、汽车制造、精密电子等信息化程度、管理成熟度已经足够高的行业，在进一步向智能化升级的过程中，引入一整套“模力工场”无疑将会事半功倍。
长期目标寄托了为国家抢占下一代工业软件制高点的愿景，“模力工场”将帮助那些有能力构建愿景、有研发能力的组织，在智能化过程中不再受制于人，不再落后于一些欧美厂商，使中国工业在迈向高质量发展的进程中完全做到自主可控。
