阿里云如何拿下制造业？不是降维打击、而是一场攻坚战

本月初，2022云栖大会在杭州云栖小镇召开。云栖大会的前身是“阿里云开发者大会”，从2015年起更名为“云栖大会”，是以云计算和数据智能为主题的科技展会。

2022云栖大会

在往年的云栖大会上，行业解决方案展馆更多是展示智慧城市、智能居家、无人驾驶等热门领域的进展；而今年，在行业解决方案展馆里占C位的，是云计算和数据智能在传统制造业的应用，像水泥、钢铁等行业。阿里云在今年力推两款工业解决方案——AICS智能控制优化系统和数字孪生。云计算技术正在“从云端”走向“生产线”，落地成实实在在的生产力。

很多人以为，用高大上的云计算和AI技术去改造水泥、钢铁这些“傻大笨粗”的行业，是完全的降维打击，只用“金手指”轻轻一点，就能立马让这个行业改头换面。其实没有这么简单。制造业对数据智能的接受过程，比消费端要慢得多。

要注意，不是说制造业的理念落后、不接受先进技术，而是制造业的要求更高。就以AI视觉识别为例，消费端用的人脸识别技术，准确率做到90%—95%就可以了，大家完全能接受。进小区刷脸，一次刷不上，大不了你多试几次。而如果要把AI视觉识别用在工业上，做产品表面缺陷的检测，要求的准确率“高到变态”，需要达到99.5%甚至更高，否则就会有大量不合格产品走下生产线。

工业AI

还有，在消费端，你可以随时调整AI模型、搞AB测试之类，而一旦用在生产线上，调整模型就是“在飞行中换发动机”，过程中出现了残次品，或者搞崩了整个生产系统，这损失怎么算？

制造业考虑的是一些非常实在的问题，他们不会为你的先进概念买单，更不可能去追求什么新奇体验，他们只看你的解决方案能不能实实在在地降低生产成本、提高生产效率。对云计算和AI技术来说，为制造业提供解决方案，不是什么“降维打击”，而是一场技术攻坚。

而且，光是提供解决方案还不行。想要让解决方案在生产线上真正落地，不只要打技术攻坚战，更要打一场文化攻坚战。从领导层，到工艺工程师，再到一线操作员，关关都是难题。阿里云团队下工厂的故事，很有代表性。

当时，阿里云团队想把他们刚刚研发出来的“AI炼钢”项目推荐给攀钢，派出团队去和攀钢领导层接触。按照云计算行业的传统方式，阿里云提出整套解决方案的报价，客户在这个基础上直接议价就行了。

但是前面我们说了，制造业是特别看重成本收益的，一个项目要上马，不管你把功能吹得天花乱坠，我怎么知道它能够带来的实际收益是多少？算不出来实际收益，我就没法拍板决定。而站在阿里云这边来看，“AI炼钢”到底能带来多少收益，要看项目的具体执行和AI模型的后续优化情况，确实没办法事先算出一个数来。换句话说，阿里云可以提供“无法计算的价值”，但攀钢必须“让价值可度量”。双方就僵在这儿了。

人类和AI的碰撞

幸好，阿里云后来及时调整策略，不试图一锤子把解决方案卖给攀钢，而是采用合作方式，双方投入资源共同推动项目，实现收益后双方分成。你看，充分理解制造业的诉求，转变商务合作方式，这是领导层面的文化攻坚。

过了领导这一关，接下来，阿里云团队还要过工艺工程师这一关。工艺工程师对阿里云这种纯数据团队的怀疑是很自然的：你们连制造工艺都不懂，怎么可能改进工艺？谁能教别人连自己都不会的东西？

举个水泥行业的例子。当时，阿里云团队帮助东华水泥建设“水泥工业大脑”项目。AI模型显示，有一个原料磨循环风机的阀门，它的参数调整对提高产量、降低能耗有帮助，但实际生产中很少去动它。阿里云团队建议调整这个阀门看看，水泥厂的工艺工程师马上不干了：“这个阀门你不要给我乱动，动坏了怎么办？再一个，你说调这个阀门有效，你的理论依据是什么？”阿里云的算法工程师回答：我不知道理论依据是什么，这是大数据算出来的，大数据没有理论依据可讲。

你不能说工艺工程师的质疑不对，算法工程师的回答也没毛病。双方又僵在这儿了。后来，还是东华水泥的领导出来打破了僵局，问：这个阀门如果来回动，有没有安全问题？工艺工程师回答：安全问题倒没有，但来回调整，容易损坏生产设备。

领导听了拍板说：“设备坏了，那是设备的可靠性不行，我们就去修设备。如果没有安全性的问题，我们就试一试。”最后试出来的结果，是通过阀门调整，可以把台产从460吨提高到480吨，工艺工程师才心服口服。

过了工艺工程师这关，接下来，还得过一线工人这关。“水泥工业大脑”的AI模型，会根据实时数据，给一线工人提供操作建议，包括前面说的阀门控制，以及喂料量、喷水量等等。奇怪的是，这套优化模型在实际运行一段时间后，没有达到预期的效果。

仔细观察后才发现，原因可能不在AI模型本身。AI显示的推荐参数和一些老师傅的个人经验不符合，他们不愿意听AI指挥。“如果有领导盯着还好，他还会往那个推荐值上去努力；如果没人盯着，他就按照自己的经验来，该怎么操作还怎么操作。”这种情况在制造一线普遍存在。

后来，阿里云在水泥、钢铁、固废等行业的解决方案中，给AI模型加上了自动化控制系统，就是AI+CS（control system），合称为AICS。AI直接向机器发指令，由机器替代人来进行各种加料、调参操作，形成从数据到算法到设备运转的闭环。相比只做参数推荐的AI模型，AICS对算法和数据智能的要求更高，也对阿里云团队提出了更多新挑战。

“产业互联网之所以难以像消费互联网那样倏然而起、席卷天下，是因为每个细分产业涉及的痛点、难点都各不相同，而涉及的相关方又特别多，利益考量也不一致。但也因为如此，产业互联网的可为之事极多，想象空间极大，用阿里云相关负责人的话来说：‘穷尽我的一生，都看不见产业互联网的天花板。’”