趙敏
關于工業互聯網，很多人都會講到它的三大功能體系：網絡是基礎，平臺是核心，安全是保障。這些都是純粹的ICT（信息通信技術）定義，但是，對于這個功能體系，我有一些不同的看法。
工業互聯網，第一標簽是“工業”，“工業”在哪里？這是我一直疑惑的問題。所以，必須首先澄清“工業是主體”，工業互聯網是工業、制造業提質增效的有效手段，以此為前提，我們再來談網絡，談平臺，談安全，談數據，這才是一個合乎實際情況的邏輯。近兩年來，我國高度重視“新基建”建設，因此，我們對工業互聯網的宣傳不能走偏了。
澄清定義——
工業要素聯接的互聯網絡
對于工業互聯網，至少有兩派不同的觀點。第一種，認為工業互聯網是罩在工業實體上的一張電信網，這是最常見的觀點；第二種，認為“是互聯網的下半場”。工業互聯網跟我們講的社交/消費互聯網沒有任何關系，這是必須搞清楚的。所以，數據有沒有工業屬性，能否反映工業的實際情況，能否真正為工業業務環節賦能，在提質增效上發揮實際作用等，這些不是只奢談數據就能達到的。這種觀點下的工業互聯網“不接地氣”，是在平臺、網絡、安全層面的數據，跟工業少有交集。
我認為，工業互聯網不是工業的互聯網，也不是互聯網的工業，它是工業要素聯接的互聯網絡。因此，數據必須源于工業，用于工業，優于工業，而且要“接工業的地氣”，實現新型的ICT要素和傳統工業要素之間的融合。
工業互聯網的重點是聯接并且服務于我們的工業實體，與工業實體融為一體。可以用兩個維度來衡量我們的工業實體：一個維度是我們企業最常見的資源類“人、機、料、法、環”，另一個維度是現在常被忽略的企業之間的實體關系。所有企業協作關系、企業實體關系、央企集團關系、鄉土合作網或者原生的線下關系網絡，實際是工業互聯網和實體關系網的疊加和融合，只有這樣才有利于工業互聯網的發展。
另外，我認為工業現場的數據，必須與其所依附的工業端保持著密不可分的高頻互動，將復雜的數據種類映射到更為復雜的工業現場關系網絡中，這才是工業互聯網當中一個實質性的東西。數據必須對工業互聯網所映射的工業現場關系，以及企業資源類“人、機、料、法、環”進行加載、穿透、映射，而且按照工業的模型、算法和機理對其進行分析、推理，才能做出解決工業現場實際問題的決策和預測，即“好的數據”是能為企業解決實際問題的數據。
框定來源——
“時空背景+業務邏輯”
數據是怎么來的？舉個例子。比如用傳感器采集工業現場的數據，采集的就是高頻的數據。一個大型的石化央企，一般會有5萬個~10萬個數據采集點，每個數據采集點有個傳感器，即使1秒鐘只采10個數據也有50萬條~100萬條數據。這就是時序數據。假如在一個典型的中小微企業場景，如何把人和機器的動作有序拆解，形成工業基礎數據，才是我們要研究的“人機工程學”。其實就是要研究人的每一個軀干肢體有什么樣的“動素”，能發生什么樣的“基礎動作”，這個“基礎動作”會構成什么樣的“生產動作”，這個“生產動作”再形成什么樣的“標準工藝”，我們再把“標準工藝”分成合理的步驟，排好“標準工序”、形成“工序線”，最后用“產線”來實現。這樣就生成最基礎的工業數據或者工藝數據。
把這種基礎數據數字化，就形成了比特化的基礎數據。數字化就是把我們工業現場所有機器和人的動作、所有的工藝步驟數字化，從而形成一整套的DIKW體系（數據、信息、知識及決策體系）。我們可以從頂層往下降維、解構數據，在軟件里去查詢；也可以從底層不斷地向上升維、重構數據。
如何重構？重構是經過計算、決策之后，以更好的方式去生產和優化工業現場。這樣一個DIKW體系體現了系統的智能屬性。我們用比特數據對工業現場的實體進行解構，這是真正基于二進制的數字化，從根本上來說就是0和1。
數據是什么？就是用二進制表達的，一個又一個8位的東西。它可以是數字，也可以是單詞類的，比如“價格”“石油”。但是當往上一層，把數據拼合起來、賦予數據時空意義后就變成了信息，消除了數據的不確定性。我們生產工藝當中的任何一個動作也就具有了時空意義。再往上，還可以進行升維和重構。其實，零散的數據、信息作用不大，甚至包括零散的知識。舉例來說，首先知道每噸柴油多少錢，接著再判斷俄烏沖突正在繼續，油氣價格在歐洲一定會漲，如果正好面向歐洲做大宗貨物貿易，就可以事先囤一批貨。所以，利用已有的數據、信息、知識，最終構成一個帶有智慧性的預測和決策，我們才能消除外部世界的高度不確定性，做正確的事情。也就是說，來源于工業現場、運行在軟件之內、存儲于電腦之中，最終能夠形成有效決策的所有不同格式數據，才是我們要談的“數據”。
在工業互聯網當中，按照不同階段，有在研品、在制品、在用品等數據；按照采樣的頻率，可以有不同的數據；按照屬性的劃分，也可以有實時數據、時序數據、標識數據等。如果把實時數據留存下來，消除了里面的噪聲和垃圾數據的話，對未來的分析是有意義的，但必須有完整的時空背景。
所以，我們一定要強調：數據來源一定是“時空背景+業務邏輯”。數據不會憑空來，也不會悄然遁去。數據的產生要有明確的時空背景，是真實的“人、機、料、法、環”等工作信息的映射。所以，離開了業務需求、工業現場的時空背景去討論數據，是不科學的、不正確的，也是荒謬的。
釋放潛能——
工業數據流動方能產生價值
數據怎樣提煉并應用？我們一定要知道：企業當中的數據是我們業務場景呈現的狀態變量；軟件中的數據是模型、算法所支配的客體對象；機器當中的數據是驅動設備、控制它去精準運轉的指令。因此，數據的屬性和功能往往是非常多元化的，說數據是新型生產要素也沒有任何問題。
不過，數據雖然可以通過軟件賦能而迸發出巨大的生產力，但數據本身不是生產力。這個概念我們要予以澄清。
原料級的數據一定要經過處理才能使用。我們要把這些數據提煉并數字化之后輸入信息系統，在數字化系統當中按照最優的模型和算法計算。把軟件作為“磨盤”，把原料級的數據進行各種顆粒度的精細加工，不斷地識別、接收、計算、解讀、打磨、重構，最后生成符合我們業務需求的精品數據，再用軟件作為“增壓泵”，用網絡作為“管道”，把精品級的數據“泵”回到需要的地方，即要回到我們的業務環節當中去，重新放大、賦能、解構、重構我們的業務，讓它產生最好的軟件賦能、數據賦能效果。
因此，數據有這么兩手硬的功能：第一，用來顯示，在各種屏幕上顯示我們的計算結果；第二，不顯示而直接去驅動（設備），即按照人的預先設計進行自主決策，讓數據直接進到設備當中。可以說，第一種形式是第三次工業革命的結果，第二種形式是第四次工業革命的結果。大家今天看到的自動駕駛汽車就是這種方式，數字指令可以自動驅動機器。
數據源于工業時空，優于賽博時空，回歸工業時空。一去一來，算力提速，模型精煉，算法優化，數據煥新。數據映射的那些企業資源，都在軟件、算法的“巧妙安排”下得到最優配置。因此，我認為，數據確實可以為企業釋放出巨大的能量。
還要注意，數據到底是“姓公”還是“姓私”？所有的企業都不愿意把數據分享出來，這是私有性。但是，數據也有具有無損拷貝的屬性，那么一旦出了企業的范圍，它就會失控。數據還具有“公有性”，不流動的數據是沒有價值的。而只有被軟件充分解構、重構的數據，才具有這種流動價值。如何消除這種矛盾？一定要讓數據流動起來。流速越快、流動越順暢，分享的范圍就越大，流動頻次就越高，它產生的價值就越大。這是數據給我們的賦能。盡管我們不能把所有數據變成公有，但工業互聯網一定有這個職能。否則，我們為什么要建工業互聯網的大數據中心？
數據本身具有兩面性，既可以載舟，也可以覆舟。如果模型和算法有問題，在算力加持下，高速流動和經過分析的數據，會讓錯誤的結果隨之放大，造成大范圍的業務損失。所以我們要注意：工業是主體，核心是數據，關鍵是軟件。具有工業屬性的數據，必須在一定范圍之內流動、交易，才有可能演變成動態價值流，形成數字生產力，為企業產生巨大價值，為數字經濟做出應有的貢獻。
（作者系走向智能研究院執行院長）
《中國冶金報》（2022年08月16日 03版三版）
