很多时候，“利益驱动”是企业乃至产业向更深层次发展的重要推力。同样的，能否为企业创造实际收益也是传统行业数字化转型的关键。
对于工业制造领域而言，不同细分领域的每家工厂都可以看作是一个小型生态，有供应端、需求端、销售端等完整的产业链。显而易见，销售端是可以直接带来收益的角色，这也是工厂从不吝啬于做推广营销的重要原因。而所谓开源节流，除了需要扩大销路外，降低供应链成本是工厂间接提高收益的主要手段。
一直以来，很多工业互联网企业也都是在围绕订单侧与上下游供应链来为工厂提供解决方案，但是鲜少有人关注工厂内部的供应端，蘑菇物联则是另辟蹊径，看似错失了工厂销售端的大好机会，却走出了真正的工业SaaS价值之路。
蘑菇物联创始人沈国辉在家用电器制造集团格兰仕工作了十年，是最早一批接触智能家居与AIoT技术的先行军。也正是因为看到了物联网、人工智能、大数据等新兴技术为传统家电带来的历史性革新，以及智能家居行业在推进AIoT时所遭遇的阻碍与滞后性，所以，他毅然改换了一个新的身份——蘑菇物联创始人，并选择了工业制造领域来实践其AIoT创想。
日前，物联网智库创始人、物女皇彭昭与蘑菇物联创始人沈国辉进行了一次深度对话，聊了聊AIoT产业的未来风向。
谈及从智能家居到工业制造的大跨步，沈国辉直言，单台价格几百元的智能家居设备都能实现连接，那么动辄几十万、几百万的工业设备背后的连接价值更加值得挖掘。所以蘑菇物联将目光锁定在了通用设备以及由通用设备所构成的公共辅助类车间，专注于为其提供AIoT SaaS软件。
正如沈国辉所言，AIoT时代，“连接”的价值不容忽视，如果价值比较“薄”的话，很容易导致“只连接不使用”，即为了连接而连接；只有价值足够“厚”，才能真的赋能产业。
告别“概念纠结”
迈向“价值追求”
彭昭：“观今宜鉴古，无古不成今”，AIoT产业发展一步一步走来，每一步都有它的意义，请沈总回忆一下今年以来，您个人以及蘑菇物联经历过哪些令您印象深刻、令您惊喜，或者是对AIoT产业发展起到关键性作用的节点/重要事件？
沈国辉：今年让我印象比较深刻的主要有两件事情——蘑菇物联AI模型的突破，以及整个行业从概念的纠结期走到了价值的追求期。
首先，对于公司内部而言，我们实现了单一AI计算模型的突破，增加至5个计算模型，可谓是革命性的变化。其中，压降的AI计算模型可以实现压降的智能计算；需求突变的AI预测模型可以预测工厂内的温湿度改变等；供需特征的AI识别模型可以为工厂提供供需特征曲线；供需差异的AI匹配模型可以通过识别供需特征来进行供需差异的智能匹配等……
过去，在工业领域使用人工智能技术都很“克制”，因为考虑到智能系统以及AI模型的不可控性，可能为工厂带来无法挽回的损失，所以用户对于数字化系统的接受度不高，这也就导致了AI模型的数据积累不足。但是，长期以来，工厂数字化水平不断提升，在数据闭环的场景中，AI也在逐步从尝试性应用向深度应用过渡。
其次，对于市场环境而言，整个行业已经逐渐告别“概念纠结期”，走到了“价值追求期”。回顾2020年，我们可能还需要和工厂解释什么是工业互联网、什么是AIoT、云计算和大数据之间有什么关系……今年，用户明显已经不关注数字化转型、智能制造这些名词与物联网、AI之间会产生什么火花，而是更加在意我们的产品能做什么、能带来什么价值。我们可以明显感觉到，整个市场的大环境都不再执着于讲概念，而是注重AIoT的价值输出。
彭昭：您在介绍蘑菇物联AI计算模型时提到了“供需”，能否为我们详细介绍一下这里的“供”和“需”分别指代什么？以及蘑菇物联创建“供需”AI模型的初衷是什么？
沈国辉：以蘑菇物联比较专注的空压站领域为例，空压站就是人们常说的压缩空气站，由空气压缩机、储气罐、空气处理净化设备、冷干机等设备组成，主要通过管道将压缩空气输送至各个有用气需求、配置了气动工具的生产车间，比如汽车厂中的喷涂车间、熔喷布生产车间等，我们将这些用气车间统一称为需求侧。而空压站则无疑是压缩空气的供给侧。
我们之所以建立了“供需”模型，主要是因为观察到了目前的供给侧与需求侧都处于变化之中。在供给侧，空压站的设备投入量、设备的运行功率及频率与设备参数均可能发生变化；在需求侧，生产车间的产能配置可能变化、工人的生产进度也不尽相同。而我们针对供需两端建立的AI模型则可以分别识别供给侧与需求侧的变化特征，再根据特征进行供需差异匹配。
在工厂内，提供水电气冷热这一系列综合能源的车间被称为公共辅助车间，其中水、煤炭、石油、天然气等属于一次能源，经过加工后形成电力、煤气、蒸汽、热水等属于二次能源，而我们刚刚提到的压缩空气是需要先把煤转化成电，再把电转化成压缩空气，属于三次能源。
所以，在某种意义上，我们讲的压缩空气的“供需”问题，逐本溯源，其实是水、电、气在整个工厂内的供给与需求的匹配。
蘑菇物联的供需特征识别AI模型可以分别绘制一条供给的曲线，一条需求的曲线，这两条曲线是相互咬合的，但是中间不断地会有差值。显然，两条曲线之间的差值越小，说明供需越匹配，即能源利用率越高、越节能。针对于此，蘑菇物联通过智能算法来减小差值，让供给曲线与需求曲线尽可能地咬合在一起，让其压力波动减少，提升供给和需求间的匹配度。
彭昭：您所提到的工厂能源利用率也与国家的“双碳目标”息息相关，这对于蘑菇物联来说有哪些新机遇？
沈国辉：最初，企业都是将重点着眼于工厂的订单与供应链，更愿意花钱去做市场营销、推广来拉动订单，以及降低供应链成本，这一点不会因为数字化升级而改变。但是，随着能源的战略地位不断提升，工厂作为能耗大户，必须要有所行动，需求的提升无疑为整个工业互联网领域带来了更大的发展空间。
IoT、云计算、大数据、AI
推动工业互联网升级
彭昭：如此看来，蘑菇物联的解决方案是进一步将AI落地于工厂供需调配之中。如今，整个AIoT的市场环境与产业落地都处于快速发展之中，逐本溯源，自然离不开技术底座的有力支撑。所以，站在技术的角度，您认为接下来哪些技术迭代会深刻影响新一年的产业发展进程？
沈国辉：回答这个问题之前，我们不妨先了解一下工业互联网的构成。首先，IoT技术将生产线、设备、车间连接起来；其次，IoT所带来的海量实时数据需要在云端进行计算、反馈；随后，因数据量庞杂，所以在云计算阶段需要引入大数据、时序数据等技术；最后，在海量数据支撑下，利用AI挖掘数据价值。
可以说，物联网、云计算、大数据、AI综合构成了工业互联网技术。其中，AI不断深化落地，赋能价值凸显，面向工业垂直场景，AI也将与工业机理、工业know-how相结合，进一步推进工业互联网发展。
而IoT也在随着通信技术的不断迭代，处于快速发展中。如今，蓝牙、Wi-Fi、LoRa、NB-IoT、5G等通信技术百花齐放，尽管都可以在不同的适用场景中独当一面，却也都存在不同的bug，所以通讯技术的迭代升级也将为AIoT的场景应用保驾护航，提供更加稳定的连接。
数据库的不断发展也为AIoT企业带来了巨大变革。随着终端连接量的不断增长，海量的、实时高并发数据涌入，对数据库效率提出了更严苛的要求，近年来，时序数据库以及数据仓库的发展在很大程度上缓解了企业的存储压力。
而云平台、APaaS则是大大降低了工业互联网企业的交付工作量，尤其是在面对拥有几十年生产经验的大企业时，工业互联网系统往往需要与其管理逻辑相匹配，APaaS便是一个非常重要的手段。如今，APaaS本身也在快速发展中，所以搭建APaaS的技术要求也更加苛刻。
总结来看，如今，AI已经从浅层次的尝试过渡到了深层次的应用落地，加之物联网、云计算、数据库的快速迭代升级，将为工业互联网的发展注入更强的动力。
彭昭：可以说，AI已经成为了蘑菇物联各类解决方案中不可缺少的技术底座，那么，此处的AI和我们经常提到的AI四小龙所专注的AI是同一种概念吗？还是面向工业领域重新定义了“工业AI“的概念？
沈国辉：我认为，AI四小龙讲的AI主要是是面向泛场景，特别是C端的海量数据场景，例如人脸识别、声音/图像处理，他们通过底层AI框架、通用AI模型或算法，在上亿数据量的场景中实现落地。
但工业制造场景目前显然称不上“海量”，虽然工厂设备种类与数量很多，但工业领域的商务拓展较为繁琐，没办法像人脸识别技术一样快速普及，工业AI很难快速落地在亿级设备上。所以，工业AI一定是面向垂直场景的AI应用。
彭昭：所以蘑菇物联与AI四小龙之间并不存在竞争关系？
沈国辉：是的，他们主要面向海量数据的泛场景，更加注重AI模型、AI算法在海量数据中的训练，但我们则是面向精准场景，重视数据积累、垂直场景的特征学习，以及系统稳定性，也就是现在常提到的“鲁棒性”。
APaaS和IPaaS
彭昭：最近一段时间，业内频繁提到对于“APaaS”这个词，这个“A”到底指代什么？
沈国辉：A就是Application，Application platform as a service，应用平台。现在还有人提出了IPaaS，I就是Infrastructure，基础设施。
简而言之，IPaaS是指靠近基础设施层的PaaS的技术，APaaS则是靠近应用层的PaaS技术。
目前的APaaS并没有达到大众化、工具化以及标准化，只有部分企业已经开始布局APaaS，确实为交付提供了很大便利。自去年起，蘑菇物联就已经着手布局APaaS，以满足客户的定制化需求。
彭昭：目前，工业领域的不同企业都有哪些差异化需求？蘑菇物联分别为其提供了哪些产品？
沈国辉：在工业制造领域存在不会改变的五大要素：人（人力）、机（机械设备）、料（物料）、法（标准）、环（环境）。其中，机械设备涉及的三大主体“FSU”，亦是工业设备产业链的三端，即F—设备制造企业、S—设备服务企业、U—设备使用企业都是蘑菇物联服务的对象。
以设备使用企业为例，蘑菇物联推出了“云智控”数智化控制系统，可实现远程监测与分析、远程智控与调参、在线点检、预测性维护等功能，同时可通过规则引擎和AI算法实现最优设备组控制，帮助企业实现车间节能10-30%。
产业落地如登山
彭昭：目前，市场大环境的转变大家有目共睹，那么从现阶段发展来看，您认为市场正在诞生哪些新的需求？刺激行业的哪些新发展？
沈国辉：毫无疑问，现阶段，整个社会的各行各业都处于数字化转型的洪流之中，工业制造领域也都在向智能制造过渡。如今，对于工业企业而言，其最大的需求就是开源节流，简言之，就是赚钱、省钱。
而在数字化时代，企业正在从一种“说不清、道不明”的赚钱、省钱，向可测量、可量化、可视化的开源节流转变。在此背景下，对于AIoT企业而言，用“数字”向工厂证明自己的价值成为了第一要义，即让工厂看到AIoT可以节省多少成本、如何提升效率……
彭昭：目前，业内也有一个普遍的痛点，一些企业虽然涉足的行业很多，但是在每个行业内都是“项目型”，只有一个典型用户，其解决方案无法规模化复制，但是，我了解到，蘑菇物联一直以来都是非常精准地深耕通用设备领域，聚焦长三角及珠三角地区，近年来取得了不俗的成果。那么，面向2022—2025年的新征程，我认为这三年将是工业互联网发展的关键阶段，您对于这三年有没有一些趋势和洞察可以与我们分享？
沈国辉：我也非常同意2022—2025年是非常关键的三年。我认为，目前AIoT技术已经确立了可落地性，下一步，最重要的就是实打实“抓落地”，也就是要从概念到价值、从连接到价值、从飘在空中到落地创造价值。
我认为，推进产业落地就像登山一样。如果面前有五座山，千万不要把每座山都爬一半，而是要先把其中一座山爬到山顶，然后再下来爬另外一座山。此时，你爬第二座山的速度甚至可以达到最初的10倍以上，因为在爬第一座山的过程当中，无论是电闪雷鸣、豺狼虎豹的窘境，还是坑坑洼洼的复杂路况，你都已经经历过了，当遇到同样的困难时，你就会非常清晰地知道该如何应对。当然，前提是这些山不要有太大的差异，不要从黄山变成珠穆朗玛峰，但从黄山过渡到泰山还是可以迁移经验的。
蘑菇物联在选择应用场景时也是遵循同样的方法。空压机是我们选择的第一个切入点，也就是第一座山，其重要性，可以在制药行业中管窥一二：如果气压不稳定，生产无法进行；如果压缩空气不干净，因为压缩空气会与药片接触，后果不堪设想。
水、电、气对于家庭有多重要，对于生产就有多重要，围绕水、电、压缩空气的通用设备如同基础设施，在工业领域均有着有十分重要的地位。站在技术的角度，压缩空气的供给和需求与其他公辅能源类车间的供需模型在大的数学模型上其实是一样的，但是在具体的细分工业机理上仍存在差别。换言之，我们可以凭借一座山的经验，开始对第二座山的探索，在客户的帮助下，探索更多工业机理。
彭昭：“落地”也是我感受最深的地方。几年前，企业还需要做品牌营销和产品推广，但是现在的企业大部分都已经非常明确了聚焦的垂直细分行业、找到了业务抓手，已经开始在该领域内扎扎实实地落地。作为产业智囊服务平台，物联网智库多年来也在持续帮助企业走进行业、走进区域。
感谢沈总的精彩分享！
