赵敏
关于工业互联网，很多人都会讲到它的三大功能体系：网络是基础，平台是核心，安全是保障。这些都是纯粹的ICT（信息通信技术）定义，但是，对于这个功能体系，我有一些不同的看法。
工业互联网，第一标签是“工业”，“工业”在哪里？这是我一直疑惑的问题。所以，必须首先澄清“工业是主体”，工业互联网是工业、制造业提质增效的有效手段，以此为前提，我们再来谈网络，谈平台，谈安全，谈数据，这才是一个合乎实际情况的逻辑。近两年来，我国高度重视“新基建”建设，因此，我们对工业互联网的宣传不能走偏了。
澄清定义——
工业要素联接的互联网络
对于工业互联网，至少有两派不同的观点。第一种，认为工业互联网是罩在工业实体上的一张电信网，这是最常见的观点；第二种，认为“是互联网的下半场”。工业互联网跟我们讲的社交/消费互联网没有任何关系，这是必须搞清楚的。所以，数据有没有工业属性，能否反映工业的实际情况，能否真正为工业业务环节赋能，在提质增效上发挥实际作用等，这些不是只奢谈数据就能达到的。这种观点下的工业互联网“不接地气”，是在平台、网络、安全层面的数据，跟工业少有交集。
我认为，工业互联网不是工业的互联网，也不是互联网的工业，它是工业要素联接的互联网络。因此，数据必须源于工业，用于工业，优于工业，而且要“接工业的地气”，实现新型的ICT要素和传统工业要素之间的融合。
工业互联网的重点是联接并且服务于我们的工业实体，与工业实体融为一体。可以用两个维度来衡量我们的工业实体：一个维度是我们企业最常见的资源类“人、机、料、法、环”，另一个维度是现在常被忽略的企业之间的实体关系。所有企业协作关系、企业实体关系、央企集团关系、乡土合作网或者原生的线下关系网络，实际是工业互联网和实体关系网的叠加和融合，只有这样才有利于工业互联网的发展。
另外，我认为工业现场的数据，必须与其所依附的工业端保持着密不可分的高频互动，将复杂的数据种类映射到更为复杂的工业现场关系网络中，这才是工业互联网当中一个实质性的东西。数据必须对工业互联网所映射的工业现场关系，以及企业资源类“人、机、料、法、环”进行加载、穿透、映射，而且按照工业的模型、算法和机理对其进行分析、推理，才能做出解决工业现场实际问题的决策和预测，即“好的数据”是能为企业解决实际问题的数据。
框定来源——
“时空背景+业务逻辑”
数据是怎么来的？举个例子。比如用传感器采集工业现场的数据，采集的就是高频的数据。一个大型的石化央企，一般会有5万个~10万个数据采集点，每个数据采集点有个传感器，即使1秒钟只采10个数据也有50万条~100万条数据。这就是时序数据。假如在一个典型的中小微企业场景，如何把人和机器的动作有序拆解，形成工业基础数据，才是我们要研究的“人机工程学”。其实就是要研究人的每一个躯干肢体有什么样的“动素”，能发生什么样的“基础动作”，这个“基础动作”会构成什么样的“生产动作”，这个“生产动作”再形成什么样的“标准工艺”，我们再把“标准工艺”分成合理的步骤，排好“标准工序”、形成“工序线”，最后用“产线”来实现。这样就生成最基础的工业数据或者工艺数据。
把这种基础数据数字化，就形成了比特化的基础数据。数字化就是把我们工业现场所有机器和人的动作、所有的工艺步骤数字化，从而形成一整套的DIKW体系（数据、信息、知识及决策体系）。我们可以从顶层往下降维、解构数据，在软件里去查询；也可以从底层不断地向上升维、重构数据。
如何重构？重构是经过计算、决策之后，以更好的方式去生产和优化工业现场。这样一个DIKW体系体现了系统的智能属性。我们用比特数据对工业现场的实体进行解构，这是真正基于二进制的数字化，从根本上来说就是0和1。
数据是什么？就是用二进制表达的，一个又一个8位的东西。它可以是数字，也可以是单词类的，比如“价格”“石油”。但是当往上一层，把数据拼合起来、赋予数据时空意义后就变成了信息，消除了数据的不确定性。我们生产工艺当中的任何一个动作也就具有了时空意义。再往上，还可以进行升维和重构。其实，零散的数据、信息作用不大，甚至包括零散的知识。举例来说，首先知道每吨柴油多少钱，接着再判断俄乌冲突正在继续，油气价格在欧洲一定会涨，如果正好面向欧洲做大宗货物贸易，就可以事先囤一批货。所以，利用已有的数据、信息、知识，最终构成一个带有智慧性的预测和决策，我们才能消除外部世界的高度不确定性，做正确的事情。也就是说，来源于工业现场、运行在软件之内、存储于电脑之中，最终能够形成有效决策的所有不同格式数据，才是我们要谈的“数据”。
在工业互联网当中，按照不同阶段，有在研品、在制品、在用品等数据；按照采样的频率，可以有不同的数据；按照属性的划分，也可以有实时数据、时序数据、标识数据等。如果把实时数据留存下来，消除了里面的噪声和垃圾数据的话，对未来的分析是有意义的，但必须有完整的时空背景。
所以，我们一定要强调：数据来源一定是“时空背景+业务逻辑”。数据不会凭空来，也不会悄然遁去。数据的产生要有明确的时空背景，是真实的“人、机、料、法、环”等工作信息的映射。所以，离开了业务需求、工业现场的时空背景去讨论数据，是不科学的、不正确的，也是荒谬的。
释放潜能——
工业数据流动方能产生价值
数据怎样提炼并应用？我们一定要知道：企业当中的数据是我们业务场景呈现的状态变量；软件中的数据是模型、算法所支配的客体对象；机器当中的数据是驱动设备、控制它去精准运转的指令。因此，数据的属性和功能往往是非常多元化的，说数据是新型生产要素也没有任何问题。
不过，数据虽然可以通过软件赋能而迸发出巨大的生产力，但数据本身不是生产力。这个概念我们要予以澄清。
原料级的数据一定要经过处理才能使用。我们要把这些数据提炼并数字化之后输入信息系统，在数字化系统当中按照最优的模型和算法计算。把软件作为“磨盘”，把原料级的数据进行各种颗粒度的精细加工，不断地识别、接收、计算、解读、打磨、重构，最后生成符合我们业务需求的精品数据，再用软件作为“增压泵”，用网络作为“管道”，把精品级的数据“泵”回到需要的地方，即要回到我们的业务环节当中去，重新放大、赋能、解构、重构我们的业务，让它产生最好的软件赋能、数据赋能效果。
因此，数据有这么两手硬的功能：第一，用来显示，在各种屏幕上显示我们的计算结果；第二，不显示而直接去驱动（设备），即按照人的预先设计进行自主决策，让数据直接进到设备当中。可以说，第一种形式是第三次工业革命的结果，第二种形式是第四次工业革命的结果。大家今天看到的自动驾驶汽车就是这种方式，数字指令可以自动驱动机器。
数据源于工业时空，优于赛博时空，回归工业时空。一去一来，算力提速，模型精炼，算法优化，数据焕新。数据映射的那些企业资源，都在软件、算法的“巧妙安排”下得到最优配置。因此，我认为，数据确实可以为企业释放出巨大的能量。
还要注意，数据到底是“姓公”还是“姓私”？所有的企业都不愿意把数据分享出来，这是私有性。但是，数据也有具有无损拷贝的属性，那么一旦出了企业的范围，它就会失控。数据还具有“公有性”，不流动的数据是没有价值的。而只有被软件充分解构、重构的数据，才具有这种流动价值。如何消除这种矛盾？一定要让数据流动起来。流速越快、流动越顺畅，分享的范围就越大，流动频次就越高，它产生的价值就越大。这是数据给我们的赋能。尽管我们不能把所有数据变成公有，但工业互联网一定有这个职能。否则，我们为什么要建工业互联网的大数据中心？
数据本身具有两面性，既可以载舟，也可以覆舟。如果模型和算法有问题，在算力加持下，高速流动和经过分析的数据，会让错误的结果随之放大，造成大范围的业务损失。所以我们要注意：工业是主体，核心是数据，关键是软件。具有工业属性的数据，必须在一定范围之内流动、交易，才有可能演变成动态价值流，形成数字生产力，为企业产生巨大价值，为数字经济做出应有的贡献。
（作者系走向智能研究院执行院长）
《中国冶金报》（2022年08月16日03版三版）
扫一扫关注微信