8月3日，“2022（第七屆）大數據產業生態大會”在北京市海淀區遼寧大廈進行，應大會的邀請，走向智能研究院執行院長趙敏教授為大會做了題為《釋放工業互聯網的數據潛能》的主題報告。
[敏感詞]是該報告的具體講演內容（根據錄音整理）。
我給大家報告的題目是《釋放工業互聯網的數據潛能》，也正好是匹配我們今天的這個論壇的主題。首先，我向大家介紹一下對于工業互聯網看法。
關于工業互聯網，很多人講的時候，都是講到了它的三大功能體系。主要是說：網絡是基礎，平臺是核心，安全是保障。基本上所有的白皮書也都是這樣寫的。
但是，對于這個功能體系，我有一些不同的看法。因為這樣的定義都是純粹的ICT的定義，對吧？網絡，ICT的，毫無疑問；然后平臺，是咱們軟件平臺，ICT的；安全，是在說賽博安全、信息安全、網絡安全，還是ICT的。
那么工業互聯網，第一標簽是工業，工業在哪里？——這是我一直質疑的一個問題。所以，我認為工業是主體，必須要首先澄清。而且，在工業是主體的這個前提下，我們再來談網絡，再來談平臺，再來談安全，再來談數據。這才是一個合乎實際情況的邏輯。
因此的話，我們在現在大家經常聽到工業互聯網的宣傳當中，一直有這樣一個悖論：網絡、平臺、安全、數據，但是不一定具有工業屬性。而工業互聯網又恰恰是為我們工業、為我們制造業提質增效的有效的手段，在我們百年交匯的這樣一個新的時期下，中央高層高度重視的這樣一個“新基建”的建設，，我們對工業互聯網的宣傳，對于其中的數據的認識，不能走偏了。這是我一直堅持的一個觀點。
對于工業互聯網，有很多不同的看法，至少是兩派不同的觀點。
很多人認為，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；或者說，是互聯網社交/消費互聯網那一派宣傳的，說“是互聯網的下半場”，我都不知道這個“下半場”是怎么推出來的。工業互聯網跟我們講的社消互聯網沒有一毛錢關系，這個是必須搞清楚的事情。
所以，數據有沒有工業的屬性，反映不反映工業的實際情況，能不能真為工業業務環節來賦能，為我們的提質增效發揮真正實際作用，這不是只是奢談數據所能達到的，也不是像某些廠商講的：“把你的數據給我，我來給你賦能”，這樣的活動沒有一個是成功的，盡管過去幾年，很多的企業都在用這樣的方式來去做的。
我認為這種觀點下的工業互聯網是“不接地氣”的，他們是在平臺、網絡、安全這個層面的數據，跟工業少有交集。所以用這樣的概念談來談去的話，是有很大的誤解的。
其實應該是（圖中）右邊這個觀點：工業互聯網既不是工業的互聯網，也不是互聯網的工業，它是工業要素的聯接，我反復寫文章、寫書說明這個觀點，所以我再重復一遍：工業互聯網不是工業的互聯網，也不是互聯網的工業，是工業要素聯接的互聯網絡。因此的話，數據一定要具有工業屬性，必須源于工業，用于工業，優于工業，而且要“接工業的底氣”。
在我所認知的工業互聯網當中，它是一種我們新型的ICT要素和我們傳統的工業要素之間的融合，而且并不是說，傳統的工業要素它就不先進，一定要避免有這種誤解。工業互聯網的重點是聯接并且服務于我們的工業實體，而且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，這是我在馬上就要出版的一本新書，叫作《人本：從工業互聯網走向數字文明》，在這本書當中描述的兩個維度：一個維度是我們企業最常見的“人、機、料、法、環”，這是咱們很熟悉的觀點，企業常見資源；另外一個維度，是現在都被忽略掉了的，企業之間的實體關系。所有的那些企業協作關系、企業實體關系、央企集團關系、鄉土合作網，或者說原生的一些線下的這種關系網絡，那么實際上它（指工互網）跟它（指實體關系網）的疊加和融合，才有利于工業互聯網發展。這就是我們工業的基本盤——兩個維度構成：一個是資源類的“人、機、料、法、環”，一個是企業之間的實體關系。
另外一個就是數據的工業屬性，我認為工業現場的數據，必須而且一直與其所依附的工業端，發生著密不可分的高頻互動，以復雜的各種數據種類，映射到更為復雜的工業現場關系的網絡，這才是工業互聯網當中的一個實質性的東西。
你聽很多人談的數據沒有任何工業屬性，除了講“五個V”之外，我就不知道他們在談什么。數據，必須按照工業互聯網所映射的工業的現場關系，以及我們企業的資源“人、機、料、法、環”，對它們進行加載、穿透，對它進行映射，而且按照工業的模型、算法和機理來進行分析、推理，才能做出能夠解決工業現場實際問題的決策和預測，就如同剛才楊部長講的，“好的數據”是給企業去解決實際問題的數據，而不是就是光談“一個數據”的數據。
我給大家舉一個例子。一個是大家熟知的，我用傳感器去采集工業現場的數據，那就是高頻的，比如說一個石化企業，它是流程制造業，通常的話會有5萬到10萬個數據采集點，大家注意，在一個央企的大型的石化企業當中，一般會有5萬到10萬的數據采集點。每一個數據采集點上的每一個傳感器，就算1秒鐘只采10個數據的話，那就是100萬條，更何況實際采的數據量，可能還要相當大。這是我后面要談到的，這些高頻的、實時的數據，或者叫時序數據。
另外一個，我把它放到一個不是央企，不是大國企業，而是一個典型的中小微企業（場景），比如說被服廠。對于工業現場，我們怎么把人和機器的動作有序地拆解，形成我們的工業基礎數據？這才是我們要研究的——我們要研究工業現場這種叫作“Ergonomics”，就是“人機工程學”，就是要研究人的每一個軀干肢體，它有什么樣的“動素”，它能發生什么樣的“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”，這個“標準工藝”我們再把它分成合理的步驟，排好我們的“標準工序”，最后這個“標準工序”再形成“工序線”，“工序線”再用我們的“產線”來實現，這才是從人和機器拆解，我們把它從工業現場提煉出來，它生成了我們最基礎的工業數據，或者叫工藝數據。
這種基礎數據我們把它數字化，我們把它放到電腦里面去，因此它形成了比特化的基礎數據，也就是說，我們數字化在數字化什么？數字化我們工業現場的所有的機器的動作、人的動作，所有的工藝步驟，這個時候才形成了我們一整套的這些所謂的DIKW——我在[敏感詞]會去講它的作用。
我們可以從頂層往下降維、解構數據，在軟件里去查詢；也可以在底層不斷地向上升維、重構數據——重構是干什么？是經過計算、決策之后，以更好的方式來去生產，來去優化我們（拆解了人、機基礎工藝數據）的工業現場。
大家可以看到，在這樣一個DIKW體系當中，D就是Data，I就是Information， K是Knowledge，W是Wisdom——我們把它叫作“決策”或“預測”，這個是體現了我們的系統的一種智能（或者叫智慧）。
大家可以看到，工業現場的實體，我們把它用比特數據進行解構，這是真正的基于二進制的數字化，我們電腦的原理、軟件的原理就是這么來的，因為從根本上來說，它們就是0和1。
比特0和1，可以用ASCII編碼表示任何的東西。一個8位是一個字節，兩個8位或者說16位，或者說64位——64位就可以編碼我們全世界任何一粒砂子，都可以編碼進來。這就是剛才我們講到的數據是什么？是用二進制表達的，一個8位、一個8位的這樣的東西。
它可以是數字，數字沒有任何意義，只能比較大小——我知道100比99大，2比3小，除此之外，沒有任何意義，因為它沒有時空背景。還有一些數據是單詞類的，比如說只是一個“價格”，它叫“石油”，它叫“汽油”，或者這個叫“攝像機”，這些都是叫數據，都在電腦里。
但是當我把數據給它拼合起來，我再往上一層，它就變成了信息，為什么呢？“20”是一個數據，“元”是一個數據，“20元”就變成了“錢”，而不是20匹，20輛，20噸，所以數據就被賦予了時空意義，這就是信息。我們的工藝當中的任何一個動作，也就具有了時空意義。信息消除了數據的不確定性。
那么再往上，我還可以進行升維和重構，為什么呢？因為我們可以說：“我要買20噸汽油，該是多少錢”，這句話又變成了一條知識，對吧？我告訴你，要20噸油該是多少錢，對吧？因此的話，我們又把數字化的信息——這個information變成了知識，有了具體的語義。
而知識和知識的關聯，就更不一樣了。剛才楊部長談到關聯的問題，零散的數據、信息作用不大，甚至包括零散知識。但是當你把它們關聯起來，作用就大了！剛才舉的“天眼查”的例子，就是非常好的例子。對于我們來說，我們可以說每噸柴油多少錢，那么我們再判斷，俄烏現在在打仗，那么再判斷，油氣價格在歐洲一定會漲，如果你做大宗貨物，你正好面向歐洲做，那么你就可以事先囤一批貨。所以，你利用已有的數據、信息、知識，最終構成了一個帶有智能性或智慧性的這樣一個預測和決策，那么我們才能夠正確的去判斷、去做事情，才能夠去消除我們經常所面對的、這些外部世界的高度的不確定性。
因此這就是決策和預測所帶來的價值，這也是我們基本的數字化、信息化的邏輯，也就是說，來源于工業現場、運行在軟件之內、存儲于電腦之中的、所有的不同的格式的那些數據，才是我們要談的“數據”。
因此，工業大數據搞了很多，廣義上說，市場調研、需求分析、產品規劃、工藝制定等等這一票，都叫數據，還有庫存啊，等等。
在我們工業互聯網當中，按照不同階段，我們可以有在研品、在制品、在用品，有不同的數據；按照采樣的頻率，也有不同的數據；按照屬性的劃分，也有不同的數據，比如說實時數據、時序數據、標識數據等等——咱們部里面講到這個工業互聯網的標識，這也是一類數據。
比如說，實時數據就必須是實時采的，實時來用，它才有作用。一旦過去了，它就沒有什么用了。但是，這些數據如果把它留存下來，它有明確的時空背景，消除了里面的噪聲和垃圾數據的話，那么它對于未來的分析是有意義的。但是還必須要完整的、從哪產生的，有那個時空背景。
時序數據是帶有時間戳的數據，一定是帶有時間戳的，要分得清楚先后，一旦分不清楚先后，這些數據就全部都是垃圾，沒有任何意義。
所以我們一定要強調一點：這個數據來源一定是“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工業現場的時空背景，是真實的我們的“人、機、料、法、環”等工作信息的映射。所以我們在工業實體上的上下游企業，他們之間的合作，我們把這個需求，因為需求是剛性的，我下了訂單，你接了訂單，就要按合同、按照契約精神給我來做這個訂單。訂單一步一步分解到企業里面，就會變成不同的內部業務環節和流程。我們就會去備料，我們就會準備工藝，我們就會啟動機器，一步一步去做出產品。
所以，我們所有的數據的來源和業務需求必須要匹配，才能產生合乎邏輯的結果。這是我們要說的，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。
那么，數據怎樣煉？
我們一定要知道：在企業當中的數據，是我們業務場景呈現的狀態變量；在軟件中的數據是模型、算法所支配客體對象；在機器當中，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，它往往是非常多元化的。
所以，說數據是新型生產要素，一點沒有問題。數據可以通過軟件賦能而迸發出巨大的生產力。但是數據本身它不是生產力。這個概念我們就是要予以澄清。
原料級的數據一定要經過處理才能夠使用，就像剛才我說的，從“動素”一直到“產線”的這樣一個拆解，我們把這些數據都提煉出來，但是這是原始工藝數據，它要數字化之后，進到我們的信息系統，進到我們的數字化系統當中去算，按照最優的那些模型和算法——軟件里面全部都是算法，合乎工業邏輯的基本模型和算法，讓它去算。
把軟件作為“磨（魔）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，最后再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，給它“泵”回到你所需要的地方，就是剛才我畫的那張圖中的生產現場，它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，讓它產生最好的一個軟件賦能的效果、數據賦能的效果。
因此，我們數據有這么兩手硬的功能：第一，用來顯示，在大屏幕上、各種屏幕上顯示我們的計算結果；第二，按照人預先設計的這個自主決策，數據直接進到我們的設備當中，就是我不顯示而直接去驅動（設備）。
所以第一種形式，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，數字指令自動就可以去驅動機器。
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，都在軟件的算法的巧妙安排下得到最優配置。
因此，我認為，數據它確實是可以為我們企業釋放出巨大的能量。
但是還要注意，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，因為這?屬于是“我的（數據）”，是私有性。但是，數據也有具有無損拷貝的這種屬性，那么一旦出了企業的范圍，它就是失控。
數據還具有“公有性”，就是說你一定要在一定范圍之內來流動，不流動的數據是沒有價值的。只有流動的數據，被軟件充分解構、重構的數據，才具有這種流動價值。
因此，我們怎么能夠去消除這種矛盾？那就一定要讓數據流動起來。流速如果越快，流動越順暢，分享的范圍越大，流動頻次越高，它產生的價值就越大。這個是數據給我們的賦能。
盡管我們不能把所有數據變成是公有的，但是工業互聯網一定有這個職能，要把一部分私有性的數據轉換成公有性的數據。否則，我們為什么要建工業互聯網的大數據中心？我們回答不了這個問題。
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，高速流動和分析的數據，由于軟件千百倍地放大，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。
工業互聯網天然具有工業屬性。這就是我們所談到的，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。
好，我就講到這，謝謝大家！
8月4日（今天），“2022（第七屆）大數據產業生態大會”還有一整天會期，有眾多內容豐富的專業報告，值得大家在線下、線上觀看和分享。詳細會議內容請在下圖中掃二維碼觀看。
