来源：数字原生组织
对话嘉宾：郭朝晖（《知行:工业基因的数字化演进》作者）、彭昭（物联网智库创始人云和资本合伙人）
物联网智库 原创
导读
3月18日晚，智次方创始人彭昭邀请郭朝晖博士，围绕“工业基因的数字化演进”主题展开了一场深度对话。郭朝晖博士耗费八九年心血，浓缩几十年实践经验，成书《知行：工业基因的数字化演进》，这场对话或许能够给您带来一些数字化转型道路上的启发。
数字化转型是传统制造业转型升级的必由之路，也是一条需要不断摸索的道路。制造企业在数字化转型的实践中，很容易走弯路、走错路。如何突破困境，真正做到“知行合一”，实现数字化转型的突破，是每一个制造业企业都要思考的问题。
3月18日晚，智次方创始人彭昭邀请郭朝晖博士，围绕“工业基因的数字化演进”主题展开了一场深度对话。郭朝晖博士耗费八九年心血，浓缩几十年实践经验，成书《知行：工业基因的数字化演进》，这场对话或许能够给您带来一些数字化转型道路上的启发。以下内容根据直播访谈内容整理：（关注「数字原生组织」视频号即可查看完整直播回放）
Part1 专治砖家不服
一问：工业领域的专家具备什么特质
彭昭：很多砖家其实是缺少对工业的效率、管理、质量这些问题的深度思考和实践的，所以他们在演讲的时候，只是说一些很难落地的泛泛的概念。还有一些“砖家”轻信了企业经过人为美化的宣传资料，里面的数据不一定是可信的，但是“砖家”就拿来宣传，造成一个不好的整体氛围。那么企业应该如何去找到真正靠谱的人士来做指导呢？
郭朝晖：我在博士毕业之后到宝钢，发现工厂的师傅们水平很高，自己反而像个小学生一样。所以什么才能让一个人成为工业界的专家呢？
第一点，实践出真知，这是最基本的要求。专家既要了解工业最基本的特点，具备工业实践经验，同时也要具备企业经营管理的经验，否则专家是无法切入进来的，容易导致混乱。我非常敬仰的一位老前辈何麟生先生，他经常告诉我要将我们多年的经验分享出去，这也是我写这本书的一个重要初衷。何麟生先生是从基层开始做起，一路做到鞍钢副总，然后来到宝钢，并带领第一批人实施了信息化建设。他的父亲是中国第一批逻辑学教授。所以何麟生先生理论水平和实践经验都非常高。
第二点，一定要关注身边人的评价。所以我写这本书的时候，我特地让我的师傅王洪水先生，宝钢集团刘国胜书记，褚健老师为我写书进行评价。这是因为身边的人对细节更加关注。
第三点，数字化领域的专家一定要具备很强的逻辑能力和表达能力。数字化转型需要更高的逻辑能力，这与工艺、产品设计的逻辑能力完全不同，就像我的师傅王洪水先生，除此之外他还有另外一个特点——表达能力极强，作为宝钢信息系统的领导，需要跟下属沟通，用最朴实简单的语言让操作工明白这件事情。如果是帅才，则还必须具备丰富的想象力，面对数字化转型和企业变革，他们必须具备未来的视野，而不仅仅是解决当前的问题，我常常感叹何麟生先生的视野超前于我们许多年。
真正的专家都有一个共同的特点：他们通过实践得出真知，他们身边的人评价都非常高。相比之下，有些人满脑子都是新概念，每年都要出很多书，但我认为这些人并不是真正做学问的人。因为做学问尤其是工业学问需要沉下心来思考，他们往往不会喜欢过于新颖的概念，通常用最朴实的语言来表达问题。
二问：企业应该如何鉴别真正有能力的专家？
彭昭：像您接触很多行业专家，而且您是沉浸在整个工业圈子里面的，所以能够一眼就看出来靠谱的专家是什么样子的。但是我们企业很多时候是需要和一些陌生的专家打交道，比如说别人介绍的一个专家，然后给到企业，那企业怎么能够分辨或者验证他到底是不是具备专家的能力呢？
郭朝晖：专家的能力，就是他不仅仅知道一个问题的本身，他还会知道背后大量的细节。我前两天写过一篇文章——五个馒头一口汤。说有个人吃了五个馒头，喝了一口汤之后感到饱了。他说早知道我不吃那五个馒头了，直接喝口汤就行了。他就开始研究：这个汤到底有什么秘诀？为什么喝一口就饱了？
我觉得这个假的"砖家"，就像研究这口汤的，他认为所有的东西都是这口汤来给他解决的。比如说，这个项目用了什么样的算法、算法上有什么先进的地方？在他们眼里，这个算法好成就了这个项目。在我看来，这些算法往往是“一口汤”而已，完全可以是水到渠成的。
关于真正重要的背后这5个馒头，我们可以举例来说明一下：
比如说你是编程人员，你开发难在什么地方，难在细节。因为要求安全、稳定、可靠，会带来成千上万个细节的问题，他一定会觉得这个事情特别复杂。所以细节就算一个馒头。
再比如，大多数算法都很简单，但是为什么过去没有这么多技术，现在有了呢？因为过去的条件不一样，但是现在有了工业大数据、工业互联网平台，只需要几天甚至几小时就能做出一个功能。所以我们为什么要推进平台？平台相当于基础工程。只有把基础打牢了，在上面做任何一个事情就都变得简单了。过去做一个事情，花10万块钱，我现在有了平台之后，花5000块钱就能做了。并不是算法多复杂。
另外，我经常说提出一个问题，比解决一个问题还要重要。你要提出一个既可行又能解决又有价值的东西。什么叫可行？可行就是方法简单。这个原理一听就清楚，这就叫技术可行。什么叫经济可行呢？这件事真的有价值。
比如说随着信息通信技术的发展，能存储这么多数据，并且能快速的运算，这也是一个基础。
当然还有一个基础，就是做数字化转型，很大程度是跟人打交道，要涉及到人的利益，你得懂得怎么去调整这个事情。
所以，你要是跟一个专家去谈的话，他至少会谈到这里面的一些东西。他不会说我这个算法很厉害等等，他一定是在细节方面谈到很多内容。
彭昭：是的，凡是那些泛泛地谈一些概念，或者是只泛泛地谈一些其他企业的实践案例，说你这公司可以照着做。我觉得这种就是不靠谱“砖家”。真正的专家是能够把脉这个企业，能够诊断出来企业哪里有问题。而且专家提的这个问题，不一定是业务层面的，包括组织层面的这样的一些问题，都能够一针见血的提出来，而且能提出有一个最优解。Part2 固有观念刷脑
三问：如何具备工程思维，少走弯路？
彭昭：接下来我们再来刷刷脑。郭老师我们一块儿参加大赛评审的时候，好多团队或者好多项目方，他们都是用人工智能/数字孪生建了一个模型。但是对于模型解决什么问题，如何去实践、落地、和业务结合起来等，可能他们考虑的并不多。
而且很多时候我们发现项目谈的很宏观，打个比方，项目操盘者做了一个玩具飞机，他就敢说他能做大飞机。但是当企业发现的时候，钱也已经投下去了，企业做了这么一个模型，或者是企业这个项目的第一步已经启动了，但是后面这个人接不住了，或者这个模型其实没什么用，很难完成这个模型的落地。企业这些相关的投入不就打水漂了吗？那我们企业怎么能够避免发生这种事情呢？怎么能够让我们的时间和精力花的更有效率？
郭朝晖：这个问题非常好。数字化转型和创新的方法论非常接近，都有一个共同的特点——个性化特别强。
过去我们学习了国外的很多创新方法，发现到了中国就不能用。因为咱们中国的许多学者/专家没有尝试。后来我发现通过三个问题，能把90%没有尝试的项目给砍掉。
问题一：用户是谁？你说你的技术很好，那这个东西到底是给谁用的？用户是谁，是指的用户哪一个角色，对他要干什么，一定要把这个事说清楚，说不清楚就没法落地。举个例子，有人说我把信息都采上来了，给谁看？给领导看。可是这里面成千上万台设备、压力、温度、流量，领导根本没精力看这些。相当多人其实就没有搞清楚用户是谁，到底哪个角色，在什么时候用这个东西。
问题二：用户如何来使用这个技术的？要把用户使用这个技术的场景说清楚，如果场景不清楚，他的需求、约束条件就不清楚，你需要解决什么矛盾，自然也就不清楚。
问题三：过去为什么不搞？别人为什么不搞？我觉得要把这个事情说清楚。为什么呢？咱们搞创新，搞个性化的时候，有一种重大的失误就是轻敌。创新要记住一点，特别在大企业，在社会广泛的项目中，你能想到的，别人都会想到的，这是一个常见的问题。
关于这个问题我有一个逻辑：天时地利人和。
什么叫天时？过去没条件，计算机太慢，现在有条件，计算机快了。
什么叫地利？我的条件好，别人的条件差，我做这个项目很有价值，我是1000万吨钢，你只有10万吨钢，它的价值就不够大。
什么叫人和？你的实际优势在什么地方，是什么出身，有什么经验等等。
除了这三个问题，外还需要了解两个概念——技术可行+经济可行。
什么叫技术可行？我觉得技术可行并不是原理可行。原理是在理想的条件下可行。技术可行指的是在各种场景下，甚至在极端的场景下，能够做到安全、稳定、可靠。在这个时候，你就会发现细节决定成败。
讲个小故事，过去有一个人编辑程序，他说郭博士你看这个程序怎么样，我说拿回去重写。他说哪个地方错了，我说我也不知道，他说你不知道错了，干嘛让我重写。我说因为你的程序太复杂，我不能证明你是对的。为什么？就是因为出一个问题，它会导致极大的差别。我觉得要理解技术可行性，是一定要理解在多种甚至苛刻场景底下的安全稳定可靠性问题。要有100个场景的、1000个场景的、10000个场景，这个复杂性就来了。原理不复杂，但是技术可行复杂。就像我说的，你可以坐个飞机飞上天，但是你做个A380就不容易了。
什么叫经济可行？经济可行性就是你做出来，你的成本是不是能控制，这个市场有多大等等。面向一般大众市场的话，它的市场多大是非常重要的。因为互联网一个极大的优势就是有可能扩大你的市场。因为过去你的服务半径很有可能是周围的人。互联网来了之后，让你服务于全国，服务于全世界等等这个方面。另外，数字化经济底下一定要考虑知识经济最基本的特点，就是研发一个知识，花很多的钱，你多一个用户，不增加成本。所以当你的市场足够大的时候，哪怕你经济不可行，也会有可能做到经济可行了。
所以我觉得经济可行性、技术可行性要理解到位，避免失败。
彭昭：对，我觉得您的这个思维模式特别好。90%的人可能都会正着想，就想说比如有一个新的技术AI，然后我怎么能用这个AI建模之类的。但是很少有人是逆着想的，就是用户是谁，用户怎么用，为什么之前其他人没有人用这个东西来做？是我有天时地利人和，是哪个条件发生了变化，就是把这个考虑清楚，逆着想这个事情怎么用起来的，然后再决定这个事情要不要做，可能就会更有效果一些。
郭朝晖：是工程思维，这就是说学术思维和工程思维的差别。工程思维就是要学会以终为始的来考虑问题。
四问：工业领域的AI是新技术？还是新锤子？
彭昭：其实我们身边很多技术（AI，数字孪生…），它们在工业上还处于探索阶段，离成熟的技术还有很远的路要走，这一探索时期我们称之为“锤子”阶段。最近这一周GPT-4和百度文心一言的发布，我认为可能工业领域又有很多人用这个新的“锤子”，来把它尝试说成是一种技术。当然对于这种新的技术，我们应该是抱着一种愿意尝试、包容的心态来看待它。您觉得这个“锤子”有可能在工业上“锤”出东西来吗？还是说离我们工业应用还有一段距离？
郭朝晖：我认为目前来看，GPT-4可能对文职人员的作用要更大一些。当然，它对编程似乎也有一定的帮助，可以提高一些方面的能力。但是对于工业应用来说，仍然适用一句话：我认为人工智能技术的热点大多数并不是针对工业本身。它针对的是什么呢？我曾经有这样一个区分。
我认为工业这个领域，讲究的是确定性的东西，安全稳定可靠。为什么要求六西格玛？因为它关注的是确定性的东西，它关注的是物理世界的规律。而人工智能，无论是写诗还是理解语言等等，都是研究人类自身。
我曾经说过这样一件事情：假如这个星球上没有任何生命，只有一块石头，石头突然掉下来了，你一定能研究出它为什么会掉下来，因为它所受的力和风的作用等等是可以研究的，这个过程的发生几乎是必然的，可以预测的。但是，比如说我今天很累，我需要出去散步，你能预测我要出去散步吗？这基本上是不可预测的。
针对人类，人工智能研究的是一种随机性。而工业过程很多时候是针对一种确定性的，即针对某种对象。从这个角度来看，GPT-4对工业的理解可能还是不会太深，但是对于研发和服务，尤其是研发出能够满足用户需求的产品，它可能会发挥比较大的作用。对于生产制造过程，它的作用可能会相对较弱。
彭昭：我同意这种观点，因为这种大模型是基于互联网上的语音、语言、图像、视频等数据进行训练的。而工业场景中的很多数据是不可读取的，或者即使读取了也需要一个翻译和解读的过程才能理解。
郭朝晖：事实上，在我的书中我已经谈到了这一点。回到我们最开始说的话题，工业是一个实践过程，它是跟物理世界交互的过程当中所产生的知识。而人工智能则不同，它并不是直接跟物理过程随机交互的。这是一个本质性的区别。
彭昭：您也是一直在实践AI 和工业智能的应用。我认为 GPT 模型可能有助于工业领域的应用。例如，如果我们的产品是面向最终消费者的制造业产品，我们可以使用 GPT 模型收集类似舆情监测的消费者评价，进而发现产品的优点和改进方向。此外，对于家居类产品中搭载小型机器人的音箱，机器人与人之间的对话可能有更多改进的空间。另外，我发现许多使用Python 编程的程序员使用 GPT 来帮助他们编程。如果 GPT 熟悉梯形图的话，我们是否可以使用 GPT来帮助编写梯形图，而无需自行编写呢？
郭朝晖：是的，最终还需要人的确认和验证。Part3工业基因知行
五问：工业进入深水区，如何正视0.1%的提升或改善？
彭昭：第二部分我们讨论了固有观念刷脑，甩掉一些不对的这些理念，如我们在设计产品的时候，不一定非得用最新的技术，可能是用最实用的这个技术才是最好的。最后第三部分我们回到这本书本身，讨论一下工业基因的数字化演进。
现在有很多朋友在做工业实践的时候很迷茫，感觉工业实践进入到了一个深水区，比如说我们花了很大的力量发现项目的提高只有0.1%，或者产量的提升可能只有1%，但实际上就是这0.1%或1%的提升也很宝贵，而有些人却看不上，这些进步真的有那么重要吗？怎么能突出这部分的意义和价值呢？
郭朝晖：我觉得这个问题特别好，我们可以分几种情况来看：第一点，针对大工业它特别重要，比如宝钢大约年生产1400万吨钢，1%就是14万吨，0.1%就1.4万吨，这个价值还是蛮大的。
第二点，对于高端技术，我觉得它特别重要。比如心脏支架手术，你要说这个支架的缺陷率0.1%，意味着1000个人当中会有一个要出问题，大家肯定不敢做了。真正的高技术追求六西格玛，百万分之3.4以下的缺陷。大家再想想芯片，一个芯片可能集成有多少亿个晶体管，如果这里出点问题，那里出点问题，整个系统会受到很大的影响。所以我觉得越是高端的技术，其实质量越是重要，0.1%它都容忍不了，甚至0.001%都容忍不了。制造业从低端向高端转型，越来越多的企业会发现这0.1%是非常重要的。
第三点，我觉得它是促进管理和优秀文化的一种手段。在军队里经常干几件事，踢正步、整理内务，为什么要做这个？和战斗力有什么关系呢？他其实是培养军人的素质——服从。
我们企业当中经常会抓零库存、零缺陷，其实在背后，企业是通过追求零库存和零缺陷来发现过程中存在的问题，从而能够有不断往前进一步的这种能力，而不至于有很多东西在他自己的视野之外看不到。
此外，还有一个想法叫做“但行好事，莫问前程”。一个问题解决了之后，或许会给另外一个问题的解决带来启发、带来条件。可能这一个问题没有引起大的变化，但当你做了100件小事，可能其中就会引起大的改变，引起进一步的发展，那意义就是非常大的了。这也就是持续改进会带来大型技术进步或重大变革。
六问：将数字化转型成果转化为利润的创新做法
彭昭：刚才我们聊到工业发展进入深水区，哪怕其实1%、0.1%的改进都很有价值，深水区的还有一个特点，就是以前我们一直把数字化转型当作是一个纯成本投入，但现在很多企业进入到了一个新阶段，可以把这个成本中心变成一个利润中心，比如有些企业通过一些设备共享模式、加工车间共享模式；有些企业在做的工业互联网平台，除自己公司使用外，还可以对外赋能；还有一些比如您书中提到的工业淘宝模式、工业的网约车模式等等。那您觉得哪些企业适合把之前数字化转型的这些成本转化成利润？有哪些创新的做法是您最近观察到的？
郭朝晖：互联网背景下一个非常重要的特点就是用户规模可以做的很大，而用户规模大到一定程度之后，由量变到质变，原本亏钱的模式可能就会变得赚钱。我觉得这个特点在工业当中同样存在，但是它有不同的地方，这是我的一个基本的认识。
我跟大家讲一个平台的例子，无锡有一家公司，是做不锈钢加工生产的，即承接用户的订单，按照用户的要求加工出来，并给用户运过去。他一年加工200万吨，很赚钱，为什么呢？因为它的本质是共享模式，很多用户来了之后，可以拼单，拼单就会把这个边角料减少，会减少7%的消耗，200万吨乘以7%，就是14万吨。这一吨不锈钢多少万块钱，所以他的这个效益是非常大的，这是不锈钢公司。
还有一家公司，做的是普通钢材，他们的模式就不是这种共享，他们做的就有点像饿了么这样一个平台，用户有什么需求到我这儿来，通过平台来交付给哪家工厂或车间给用户加工，是这样一种对接的平台模式。
为什么不锈钢加工做得成共享模式，而普通钢材就做不成呢？道理很简单，不锈钢它很贵，一吨几万块钱甚至十几万块钱，生产之后交付运的很远的话，这个运费可以忽略不计。但普通钢材一吨可能只有几千块钱，交付运很远的话运费成本不划算。所以不锈钢加工服务的半径就比较大，而碳钢加工服务的半径比较小。因此做普通碳钢的，他只能利用这种类似饿了么的平台模式，找到目标用户附近且符合需求的加工厂，这样就能把运输距离缩短，从而有可能会具备经济性。
你看同样是钢材，他的服务半径不一样，创新模式和价值就不一样。
就像咱们中国现在产业集群做的非常好，为什么呢？产业集群是一个乡、一个镇、一个县里面有成百上千个甚至成千上万个企业，他们的距离短了，可以共享、协同、复用的东西就多了，就有可能具备产业价值。中国制造业的核心价值就在于我们有大量的这样一些企业，所以产业集群大的一定程度也是很有发展前途的。
大企业支付能力强，能够做深度定制模式，做一个也能赚钱，这是一种模式。如果不是大企业，就需要通过扩大用户群的方式来赚钱，比如SaaS服务，当然用户群扩大之后也会有一些损失，就是个性化程度降低。
关于怎么扩大用户群，我觉得工业和淘宝是不一样的。工业关注的是先买对，再买便宜。我买一个杯子，这个杯子十块钱，我不要了扔了，损失十块钱。但我买了一卷钢，比如说1万块钱，一旦冲裂了，我的整个生产都得停下来，我损失多少？如果没处理，做成零件，卖给用户一个零件，导致用户的一个车子报废了，那损失又是多少？所以工业的情况是先买对，再买便宜。
而为了满足买对，就会有大量的标准、认证等一系列的东西，从而导致淘宝式的随机对接变得困难度比较大。我觉得它的发展前途是两方面去发展，一方面是生产质量由低到高提升，另一方面是对质量的把控能力要逐渐上升。
上海有一家企业海智在线，号称工业领域的滴滴，我觉得他做的不错。一个重要原因是它的质量容易把控，他要求客户提供把3D的零件，把材质、加工要求都能说的清清楚楚。当然它不能是太高级的东西，你要做做心脏支架那种太高级的东西可能这种方式不太现实。我觉得它满足了特定情况下的相当一些需求和问题，就是能够在满足用户质量要求的前提条件下，扩大他的用户规模。关于工业界的质量规范化、标准化问题，数字化也会给我们带来了很大的优势，因为更容易标准化了。
彭昭：是的，之前我们也聊到过，如果说企业能够把数字化这条路走稳，或者说把成本中心变成利润中心的话，就需要对质量、效率、成本、标准、管理等有一个很本质很透彻的理解，这也是这本书里面最核心的东西，所以您花了很大篇幅来写这一部分。其实也是基础打得好，后面才有变成利润中心的可能性。
感谢郭朝晖博士的精彩分享！
3月31日，深圳扫描下方二维码即可报名参与中国万物智联大会 工业物联网专场·深圳站
