来源：钛媒体APP
7月20日，钛媒体全球连线科技月举办新基建板块系列论坛。在钛媒体的新基建圆桌对话，钛媒体集团联合创始人兼首席研究官万宁、中国华能集团原CIO朱卫列、北高峰资本及坤湛科技创始人兼CEO闵万里、天鹰资本创始合伙人迟景朝、《5G革命》作者陈志刚几位大咖，共同探讨新基建浪潮将如何重塑产业价值链。
国务院国资委的国资信息监管的信息化专家 小组的副组长，也是前中国华能集团的首席信息师朱卫列在圆桌讨论前进行了主题分享。本次以《工业互联网与智能化创新之路》为题的分享中，他着重谈到了工业互联网概念中存在的五大认知误区。
1，“平台”、“算法”思维不完全适用于工业互联网
我们在做智能化的时候，主要是做图像识别和语音识别，这两种智能化在很多的特征选择上，是非常简单的，往往忽视了工业做智能化核心内容。
真正做工业智能化时，我们往往会发现，数据是第一要务，没有数据肯定是跑不出来的，但是算法，实际上很多开源的算法已经可以解决很多工业上的问题。另外，在算力已经是基础性工程，可以被解决。真正做工业智能的难点在于厘清工业的逻辑关系、知识、特别是领域知识，是非常重要的。
2，“知识图谱”在工业中应用受限，工业智能化突破方向是寻找工业机理
知识图谱的概念在IT界是非常的火，但是实践结果发现，知识图谱对于通常2C的很多知识可以使用，但是在工业领域、工业数据中，知识图谱很难做到定量分析，定量精准度不够。
所以，只以“知识图谱”这条道路作为工业智能化核心突破方向的话，很难做到数据的精准定量关系。我们在做工业里头，需要走另外一条道路——通过工业大数据和工业机理分析，并且用神经网络机器学习技术，找到他们之间的定量关系。
3，工业互联网应当是重平台、重应用
现在在工业互联网领域，很多工业企业受互联网影响，也提出工业互联网应该是“重平台、轻应用”，甚至还提出了“微应用”、“App上云”等等，但这恰恰是没有深入工业。
“重平台、轻应用”在互联网公司是适用的，但并不适合工业领域。工业领域要做智能的分析，手机点几下是不能完成这项工作的。所以，工业领域一定是“重应用”，而不是“轻应用”。这样相比起来，如果我们在应用里头放上人工智能的技术，把人工的技术很好的和工业相结合，这个技术就远比我们做一些平台的技术难度要大得多。
4，旧的概念又被提起，影响整个工业互联网建设
我们在做平台时，发现很多几年前的旧概念、旧平台又被提起，比如“hadoop”等等大数据平台，特别是平台开发商，频繁提起这些旧概念，也会产生误导。很多企业可能根本用不到这样的平台，也来采购，这样的现象也影响了整个工业互联网建设。
5，对“平台”认知不清：工业互联网应该是分布式架构，而不是互联网平台
我们强调工业互联网的时候，应该对“平台”有一个很重要的认识——它是一个局部的概念，很有可能是一个企业有一个或N个平台，然后再互联；企业跟企业之间的平台，又产生新的互联，这才是工业互联网。如果仅在一个企业里做工业互联网，只能算是企业内网，不可能称之为整个工业互联网平台。
朱卫列最后总结道，工业互联网及智能化建设，一定要走一条创新的道路，千万不要抄袭别人的概念。“我们已经找到了工业互联网和工业智能化的一个突破口，后续就看我们能不能把握这样的一个战略机遇期了。我希望我们国家能把这个领域，在世界领域能够有所突破，走向前端。在第四次工业革命里头，中国应该走在前列。”（本文首发钛媒体App）
以下为朱卫列主题演讲全文，略经钛媒体编辑：
大家好，主持人好，借这个机会，与大家分享我本人在工业互联网和工业智能方面的思考与创新。
先简单的介绍一下自己：我是工科背景，早年一直在生产、基建、经营等业务领域工作，后来转到了信息化。有幸组织、参与了华能九年的工业互联网建设与发展历程，在这里与大家分享一下。
我今天讲的是四个方面的问题。
第一个大问题：问题的提出。
我们知道“新基建”内容之一是工业互联网，无论是中央政府还是地方政府均非常的热衷于在工业互联网，大家知道工业互联网的核心内容是工业的智能化。然而我们同时也看到了国际上主流的机构和媒体，并没有看好工业互联网，特别是工业智能化，他们把智能化的重点放在了交通、医疗、家庭机器人等领域，工业领域的人工智能往往提及的并不多。
国内来讲，新基建虽然很热，但工业互联网有价值的应用并不多，对工业而言智能化的效果并不令人满意，这是什么原因？我们工业互联网所下的功夫是否找准了突破口？我们找准了突破的技术路线？我们走的路对吗？我们的突破口到底在哪里？我想今天主要就这几个问题跟大家做一个探讨。
第二个大问题：探讨、澄清几个概念与问题。
第一：智能化的三大要素问题。
目前业内提到智能化，大多数人均引用“工业大脑是数据、算力、算法”的概念。这一概念经由某个大的互联网公司提出后，基本上被整个行业，特别是IT领域引为经典被广泛采纳了，大家都认为只要有数据，有算法，有算力就可以做工业大脑、实现工业的智能化。一些搞智能化的IT企业，把一些算法集成起来，做一个平台，卖给客户，号称是工业智能平台大脑，居然还造势、受到追捧，卖价很高。
但是在我们看来，真正做过工业互联网的项目，或者是工业智能的来说，我们认为这样的一个提法，实际上会起到相当的误导作用。
为什么会起到这样的一个误导呢？我个人也分析了一下，主要是我们在做智能化的时候，主要做的是图像识别和语音识别。所以他在很多的特征选择上，它是非常简单的，是忽视了工业里头那种只是在里头的做智能化的一个核心内容。
我们真正做智能化的时候我们会发现，数据是第一要务，没有数据肯定是跑不出来的，算法很重要，但不是深不可测，实际上我们经常用到的算法，借用开源的就可以解决很多工业上的问题。此外，在算力方面，当前已经不算是一个很重要的方面，因为当今算力已经是基础性工程。
做工业智能，工业的逻辑关系、知识，特别是领域知识，是非常重要的。所以我们认为真正做智能化以后，我们必须把工业里的知识，模型的这种基本的特征，把它放在我们的算法里头。
为什么要纠正这个概念呢？就是担心很多企业，我们很多企业信息化花了大量的钱，去买这样的一个算法平台，实际上买了以后基本上没有什么作用，所以会导致我们行业的一个误导。
第二，说说智能化的道路。
也有一些很知名的工业企业，国外的知名企业，他们也谈到了工业互联网、智能化，也出了很多的知识图谱。这个知识图谱的概念在我们IT界是非常的火，但是我们实践的结果发现，它对于通常2C的很多知识可以使用，但是在工业里头，工业数据里头，它很难做到定量分析，定量模型的精准度不够。所以这条道路只作为我们工业互联网核心突破方向的话，它只能做相关性分析比较多。我们在做工业领域，我们必须走另外一条道路，就是寻找工业机理获得数据相关性，并且用神经网络、机器学习的方法，找到物理量之间的定量关系。
第三，我想谈谈这个平台与应用的关系。
很多很多企业受互联网的影响，他们都提出工业互联网就是“重平台、轻应用”，或者是“重平台、微应用”，目前这样的一个提法在我们的工业互联网领域大量的被提及。这种提及就涉及到还有一些提法也衍生出来，就是什么把工业APP上云，包括主流机构也都是这么提的。但是这恰恰就是没有深入到工业里头去。
这种重平台、轻应用，早期像阿里这些企业，肯定是，因为它的应用是很轻的，都是拿手机轻轻的点几下，就能开发一两个应用，但是在工业领域确实不是这样轻的一个应用。工业领域你要做智能的分析，手机点几下是不能完成这项工作的。所以很重的一条，就是重应用，而不是轻应用。这样相比起来，如果我们在应用里头放上人工智能的技术，把人工智能技术很好的和工业相结合，这个技术就远比我们做一些平台的技术难度要大得多。
另外工业应用也是非常非常多的，因为每一个工业设备都可以做很多的应用，这个市场非常之大，相比来说我们这个平台就没有那么大的作用。
我们发现周边很多的企业过去一直在建工业互联网平台，建完平台以后，没有应用，反而没有实质性的工业互联网的价值。由于这样的一个误导，产生我们在工业互联网里头雷声大、雨点小，因为你没有解决企业里头实际的问题。
第四，我们做平台的时候，我们也发现很多的企业，一上来就选择hadoop等等的大数据平台。最近一张大数据架构图又被登到出来，这个图实际上是好几年以前的，最近朋友圈又继续发这张图，也会产生一些误导。我们一些企业，其实根本用不着hadoop的，他们也采购这样的一个结构。当然了，这一些做法也会影响到我们整个工业互联网的建设。
第五，工业互联网现在提到的，包括很多企业，一起去申请国家项目，都是申请工业互联网平台，以为互联网平台就可以解决很多的问题。但实际上工业互联网应该是一个分布式架构，分布架构，实际上是平台和平台、应用之间，都会架起一个桥梁，就是互联互通，在我们的节点上，每一个节点都有边缘计算和智能的应用，智能应用产生一些数据以后，给更大的系统做更多的应用。这样的一个应用，就是一个星云架构的一个方式。
所以在我们强调工业互联网的时候，对于平台大家应该有一个很重要的认识，它是一个局部的概念。也很可能在一个企业里头有一个平台，或者是有N个平台，然后再互联。企业和企业之间的平台，又产生新的互联。这才是工业互联网。因为你要仅仅做一个企业里头的工业互联网平台，那个东西，它不可能称为整个工业互联网的平台，它是一个企业内网的系统而已。
第三个大问题，工业互联网和工业智能化技术突破点在哪里？未来发展方向是什么？
我们看到的工业互联网，迄今很多的工业级应用主要停留在图像识别和语音识别上，就是把我们2C的很多应用，图像识别的一些东西用到工业里来，如识别输变线铁塔上的鸟窝、螺栓松动、掉落；锅炉的管壁机器人，利用图像识别去识别锅炉管壁的锈蚀，甚至是漏洞；裂纹纺织车间里，利用图像识别发现布匹的瑕疵等等。这个应用确实是用到了人工智能的技术，这些应用有一定作用，但针对整个工业来说，这样的应用实在是贡献太小，而无关痛痒。
如果我们把人工智能都发展在表面的应用上，不去探索、研究深层次的计算和应用，我们对工业的智能化，将失去历史机遇。
从工业数据的角度看，我们不能把将我们眼睛仅仅盯住图像数据、语音数据方面，更不应该仅仅把大家普遍掌握的图像识别、语音识别应用于工业，而应着眼其他工业数据，并努力开拓新的人工智能技术。
实际上我们在许多工业企业中，我们有很多的实时数据，我们工业设备产生的数据，称为实时数据，它是按秒级，或者是毫秒级产生的。
想一想一个发电厂一台机组就有1.5万-2万的实时数据测点，每个测点按秒级输送，这个数据量非常之大。所以我们说工业智能化的方向，不能停留在表面的图像识别这样一些数据上，而应该对工业的真正的大数据，能够有一些突破。这个突破，才会产生更大的经济效益。
早期的工业里头对这些数据有没有应用和探索呢？是有的。
过去我们也曾对实时数据做过一些分析，主要统计学知识进行分析，比如说我们的统计发电量，统计机组可靠性指标等等，按月统计，做一个环比、同比的一些分析，并用BI技术进行展示，给管理层做一些真正的一些比较好的报表、图形等等。
稍深一些层次的应用，也有一些建模的技术，比如我们用同一个变量来计算不同的时间点参数的AR（p）的这种自回归的方式；也有用因变量与自变量之间的设置，也就是我们现在比较多的，特征选择的这样的一种方式。当然也有把两个方式统一起来，建一个ARMA这样一个自回归模式去解决一些工业、经济学、金融领域的问题。这些技术未来依然会用到，但是经过几年的探索和开发，我们发现我们可以将人工智能技术应用到工业生产实时数据中。
这一人工智能技术，我们用的更多的是机器学习。工业生产实时数据量太大了，将这些数据用机器学习进行计算后，形成工业设备的数字模型，或者是它的系统的一个模型。这种模型的产生和建立，就是定量化的，它将给工业带来巨大的变化。
生产实时数据，跟过去的自动控制有什么区别？
自动控制是一个短时间的数据的反馈，这个数据反馈，它是几秒钟、几分钟的数据反馈，但是机器学习，是用至少半年到一年的数据反馈，它是更大领域上的时间跨度的建模和分析。
我们发现建模可以有更大时间跨度的，具了解美国有一个earthcube项目，它是研究整个地球的数据系统。在这个系统建模后，可以进行远期的考古分析，预测地球未来的发展变化，预测地震，了解石油资源等等。他实际上是在更大的时间维度上去建模。
机器学习今天带给我们的，依然也是这样的一个道理。我们在工业领域，也是加大了时间跨度，变成一个比较长周期的数据分析。
利用工业时序数据和机器学习我们解决了一个什么问题？
我们找到了工业设备、以及系统这样一个复杂系统的一个建模的方法，寻找到工业设备各个输出参数之间的定量的数据关系。有了这样一个数据关系，实际上我们打开了工业领域智能化的一个天窗。
因为过去我们工业领域这么多的数据，它们之间的这种逻辑关系，我们很难用一个显函数来表示。工业领域系统参数那么多的维度，之间的关系往往以隐函数的方式显示，我们不知道它的具体数值关系，这种维度太多的时候，我们很难解决问题。
有了机器学习，我们终于找到了工业系统里头多输出量这样的一个隐函数这样一个问题。实际上搞到工业设备，或者是系统，或者是机组它们之间的运行的内在关系，内在逻辑关系就找到了。再来用这样的方法解决我们的实际问题。
比如我们现在正在探索的锅炉优化燃烧的问题，在过去是非常复杂的，现在这个问题我们能够解决。
举几个简单的例子。比如说我们在水电领域，我们来进行状态检修。过去我们在厂里也有监控系统，这种监控系统，实际上把，像我们自控系统似的，把数据进行展示，靠人进行分析。用了机器学习以后，等于我们能够找到这个设备的特征关系，从而预测它什么时候出现问题，主要是通过特征量的劣化这样的一个时间维度来解决，从而完成设备状态检修的技术问题。
去年一年，我们通过这种方式在一些电厂减少了100多天的检修，流域之间的检修间隔也拉长了，节省了大量的检修费用。
风电也依然是这么做的，比如说风电塔基的沉降的一些问题，都是通过大数据机器学习的方法来解。
这几个例子，效益基本上都是可以在半年或者是一年就可以回收的。现在看来工业智能化的拐点已经产生了，大家已经慢慢接受这样的一个方法。
目前还有一个关键，就是掌握这类技术的人员还太少。
第四个大问题，创新开拓问题
现在我们看到的国外的一些企业，实际上还没有走这条路，他们期望走知识图谱的道路，我认为是有问题的。现在我们在这个领域我们已经突破了技术的门槛，我们已经突破了，找到了工业智能的新道路。
总结起来，工业互联网及工业智能化建设，一定要走一条创新的道路，千万不要抄袭别人的概念。现在我们就发现在这个领域里头，抄别人的概念太多，或者是沿用互联网公司的概念，或者是抄国外的概念。抄概念的人往往自己又没有做过人工智能，所以就会这样不断的抄袭，抄来抄去把行业弄乱了。
我们已经找到了工业互联网和工业智能化的一个突破口，后续就看我们能不能把握这样的一个战略机遇期了。
我希望我们国家能把这个领域，在世界领域能够有所突破，走向前端。在第四次工业革命里头，中国应该走在前列。
