制造业遇上数字化

企业数字化转型需要进行全面的变革，其中重要的是企业核心业务的转型升级。新的竞争对手不断涌现，新的商业模式层出不穷，很多企业面临着核心业务增长乏力的问题，如何利用ICT技术重塑企业核心业务、迈向新增长之路?在过去几年，华为携手各个行业的企业进行数字化转型，积累了大量的经验和教训。基于各行业企业和华为自身的数字化生产实践，我们总结出了数字化生产变革“三步走”的战略路径，希望能给转型中的企业提供一些借鉴和参考。

当前，行业数字化正在进入深水区。制造业、服务业等传统意义上的非数据密集型行业开始产生海量的数据，数据成为各行各业的基本生产要素之一;ICT与行业深度融合，从企业的支撑系统向生产系统转变;企业数字化的目标也不再满足于原有业务的效率提升，而是开始聚焦新业务的价值创造。在这个背景下，数字化生产——以数据为处理对象，以ICT系统为生产工具，以数字化产品和数字化服务为目的的价值创造过程——走到了聚光灯下。

数字化生产可以追溯到20世纪末的美国联合攻击战斗机研制项目。这个项目要求能在一个原型机上同时发展成三个不同用途的机种，以满足空军、海军、海军陆战队的不同需求。为了按时完成合同，以洛克希德·马丁公司为首的、由30个国家的50个公司组成的联合团队，采用了数字化的设计、开发、管理方式，让50个公司可以协同设计、制造、测试、部署并跟踪整个项目的开发过程。终成效非常显著：设计时间减少50%，制造时间缩短67%，总装工装减少90%，零部件数量减少50%，设计制造维护成本分别减少50%。

随着ICT在各行各业的广泛应用，数字化生产开始从军事、航空等高价值领域扩散到各行各业，“旧时王谢堂前燕，飞入寻常百姓家”：微信利用数据提供精准广告，GE利用数据预测飞机发动机何时需要维护，医院利用数据判断一个人何时可能罹患某种疾病，政府利用数据运营智慧城市……数字化生产将变得越来越普遍，未来所有企业都将使用数字化生产。

1、掌控核心数据

数据是未来的石油。智能硬件和万物互联让数据丰富，无论你在跑步、开车、购物，甚至是在睡觉，几乎每项活动都会产生数字痕迹;与此同时，企业可以采用大数据、人工智能等技术从中提取越来越多的价值。特斯拉在上半年只卖出了4.7万辆车，但目前市值却比卖出470万辆车的通用汽车还高，很大原因就是特斯拉可以从它的自动驾驶汽车那里收集大量数据，用于改进自动驾驶技术。

对于传统企业来说，如何制定数据战略，才能把数据变成自己的核心竞争力?

首先是资产数据化。企业数字化转型需要三类数据：客户数据、运营数据、资产数据(包含产品和服务数据)，其中资产数据是行业独有的数据，是数字化生产变革的关键。不同行业资产数据化的难度相差很大，互联网行业天生是数字化的，金融、电商、电信等也是数据密集型行业，而制造、公共服务等行业则需要将资产进行改造才能采集到所需的数据。例如，GE通过几百个传感器让飞机发动机源源不断地吐出数据，OFO采用NB-IoT技术甚至可以获取停在地下室的共享单车数据。

其次是数据流动化。企业需要改变以往各部门分别收集、分别管理数据的做法，将企业内甚至价值链合作伙伴原本分散的数据集中起来，建设统一的数据底座，通过良好的数据治理实现数据的一致和共享，让数据在流动中产生价值。

重要的是产品模型化。对于大部分企业来说，堆积的数据就像面包屑一样，很难直接变现;企业需要为核心产品构建类似“数字孪生(Digital
Twin)”的数据模型，实现数字世界与物理世界的双向沟通和反馈闭环，大化数据的价值。数字孪生一词早在2003年由美国密歇根大学的Michael
Grieves教授提出，目前已得到产业界的普遍接受。数字孪生的核心是为物理实体在数字世界构建一个数字镜像，通过数字镜像实现物理产品全流程状态实时可视、风险可预测预防、可远程控制，从而支撑物理产品在研发验证、销售、制造、供应、交付、运维等各环节大幅提升效率。Gartner预测，3到5年内，数以亿计的物件将由数字孪生呈现。

以华为在无线通信领域的探索为例。基于历史积累的基站研发数据和350万站点数据，我们构建了基站产品和安装站点的“数字孪生”，可以从全流程上缩短网络业务的上线时间，降低成本并提升效益：在研发设计环节，设计人员可以戴着VR眼镜和感应手套进行各种场景的虚拟安装，快速迭代优化设计;在工程安装环节，安装前只需一次3D扫描就能完成对站点的勘测，解决了频繁上站勘测的问题;在安装验收环节，现场只需拍几张照片，后台就能通过图像识别完成验收，避免了人工上站验收的成本。

2、改造生产系统

有了明确的数据战略，企业就可以打通端、网、云各个环节，打造一个强大的数字化生产系统，进入一个数据变机会、机会变服务、服务变收入的商业闭环。

端：会说话的机器。数字化生产需要大量来自终端设备的信息，这就要求机器会说话，通过传感器源源不断地吐出数据，实现“行为即记录，记录即数据，数据进系统”。同时，很多场景还需要智能终端有边缘计算的能力。据估算一辆自动驾驶汽车每秒会产生1G的数据，要实时处理这么大的数据量显然离不开强大的边缘计算能力。

网：联接万物的网络。数字化生产需要将企业的各种资产设备连接和管理起来，就需要NB-IoT(窄带物联网)等特殊的网络，实现低功耗、远距离的海量连接。其次，企业还需要通过园区网络、专业安全服务等方式确保数据传输安全。

云：多层次的云平台。数字化生产需要企业具备海量数据处理以及将数据转化成机会的能力，云平台成为必然选择。云平台有多个层次，能给企业带来直接价值的是应用软件层(SaaS)，包括企业自行开发的应用，以及应用市场中第三方开发的各种行业应用，我们预计2025年85%的企业应用将被部署在云上;应用的开发离不开平台软件层(PaaS)，包括大数据分析、IoT平台、人工智能平台等模块;底一层是基础设施层(IaaS)，提供计算、存储、网络、安全等云服务，大中型企业出于数据安全的考虑一般采用混合云的方式，在混合云的公有云部分则尽可能选择安全可信的提供商，例如欧洲空中客车飞机制造公司之所以选择德国电信的公有云，很大一个原因就是德国电信更能满足政府要求数据存储80年的规定。

值得注意的是，数字化的生产系统不需要全部自建，企业可以在聚焦和加强核心模块的基础上，开放合作，利用全世界先的平台和服务来实现。全球第二大电梯公司迅达与华为、GE的合作的“百万电梯互联网”就是一个典型的案例。在这套端网云协同的解决方案中，终端(迅达电梯)集成了华为带边缘计算的物联网网关，将700多个传感器采集的电梯运行数据进行本地计算后，通过无线或有线的方式传入网络;网络集成了华为的SDN(软件定义网络)控制器，以管理上百万电梯的低成本部署和维护，再把电梯运行的参数实时地传送到云平台;云平台则集成了GE
Predix平台的IoT服务、大数据分析系统，以支撑迅达自己的行业应用。通过开放合作，迅达构建了一个梯联网的数字生产系统，实现了电梯的预测性维护，提升了电梯运营安全，并大幅节约了维护成本。

3、重塑客户价值

传统意义上，一个企业提供给客户的基本价值是稳定的，比如汽车制造公司可以为不同水平的客户提供交通、安全性、舒适性和身份感等价值。但在数字时代，技术进步大大降低了数据变机会的时间和成本，使原来高成本的服务变成了低成本服务，原本碎片化的服务变成了规模化的服务，原本无法提供的服务现在变得容易起来。大规模的数字化服务变得越来越有利可图，产业价值开始从传统产品和服务向数字化服务转移。

数字化服务不是凭空长出来的，全球数字化转型标杆都是以现有的优势产品为载体，将ICT与对行业的深刻理解相结合，为客户提供数字化服务。各个企业可以根据自己的具体情况寻找切入点，发现新的商业机遇，重塑客户价值。

对于传统制造业，企业可以在优势的产品上安装传感器，打造端、网、云协同的数字化生产系统，通过对实时数据的分析和利用，从销售有形的产品进入数字化服务。典型的例子就是，GE不再直接出售飞机引擎，改为出售引擎的飞行时长，并通过提供实时诊断/动态维保、故障提前预测、燃油线路规划等飞行服务;德国Holmer为其全球销售的3500台甜菜收割机提供预测性维护服务，降低了30%的维护成本。

传统服务业也纷纷利用ICT重构其核心业务，转向数字化服务，例如电信运营商开始在连接服务之上提供视频、云计算等服务，银行开始向数字银行转型。作为保险业探索大数据和人工智能应用的一次试水，中国太保基于1.1亿保险客户数据积累，新推出业内智能保险顾问“阿尔法保险”，上线四天用户访问量超过了200万。

在传统制造业和服务业之外，交通、水务、农业、公共安全等各个领域都开启了业务创新和价值创造的数字化变革。智慧停车可以使能车位的利用率提升30%，深圳龙岗公安局通过公共视频大联网在15小时找回了被拐儿童……很少有人会把牛与数字化联系在一起，但银川一家养殖场在5万头奶牛脖子上挂传感器组建了“牛联网”，可以测量体温和脉搏进而掌握奶牛的健康状况，通过科学喂养和及时配种，每头牛可以提升2500元的收入。