工業互聯網革命

Art+Kleiner+John+Sviokla

今后幾年，工業互聯網將把每家公司變成具備數字化能力的企業。

2020年，工業社會的基礎將發生深刻的變化。各種大型機器將充斥著傳感器和軟件控制功能，互操作性越來越強。

雖然西北大學的經濟學家Robert Gordon認為生產力增長注定永久性放緩，麻省理工學院的Erik Brynjolfsson預計即使生產力恢復，自動化也會侵蝕就業，但GE CDO（Chief digital officer）Bill Ruh堅信生產力會提高。他正在打造的軟硬件平臺有望把工業技術帶入到新的繁榮發展階段。

自1892年創立以來，GE就一直處于技術變革的前沿。近年來，這家公司依托工業平臺，逐漸重塑了新的形象：渦輪機、噴氣式發動機、電力系統和醫療保健設備生產商。借助傳感器、數據分析工具和互聯網連接技術，GE正將自己重塑成為軟件驅動型產品生產商，或者正如Immelt所說“到2020年成為十大軟件公司之一。”

Q： GE Digital的起源是什么？

A： 它起源于我們熱衷借助銷售的設備和服務來提高客戶的生產力。到2010年左右，大多數公司的生產力增長率比較高。這意味著它們的收入盈利比平均每年以4%的速度增長。后來到2011年，生產力增長率下降了。這可能歸因于GDP增長放緩和油價高企，但最大的因素也許是流程創新減弱。流程創新再也無法像過去那樣大幅提高生產力。

于是我們問自己：下一大飛躍將來自哪里，以便工業公司可以再度提高生產力？答案就是數字技術――具體來說是分析技術。我們生活在數據豐富的世界。如果我們可以有效地組織管理這些數據，就能以前所未有的幅度提高生產力。

然而那意味著IT與其他部門不能分開來。在未來的工業公司，不會有單獨的IT部門。一流領導人會像如今了解財務和會計那樣了解數字創新。他們會將數字技術設計到產品和實踐中。這與僅僅五年前的情況發生了深刻變化――現有領導人的類型、他們的背景和培訓，以及他們看待自己、下屬及產品的角度統統都發生了變化。

Q： 在數字生產力領域，基于數據的競爭是如何體現的？

A： 2013年，我們針對風能推出了一項名為PowerUp的數字分析軟件。它針對獲得的風力來優化每塊葉片，讓風機的發電量增加了5%。此舉意義重大，因為發電量增加5%意味著風力發電場的利潤提高20%。這方面得到了進一步改進――使用同樣的硬件，發電量增加至20%。

與之相仿，針對北美鐵路，我們提高了機車性能，每小時平均多開一英里。對鐵路公司來說，這相當于每年利潤增收2億美元。可以使用類似的分析技術為航空公司或電力公司提高燃油效率;對它們來說，這將改變行業游戲規則。

通常來說，如果我們可以從工業資產獲得操作信息，基于對這些資產運作情況的了解來研發分析工具，并實時提供洞察力，我們認為這就可以讓工業界的生產力增長率回到4%，也許更高，因為這樣的技術能比之前更有效地利用工業資產。

我們最終會迎來這樣的工業世界：什么都不會壞，因為它先得到了修復;工業環境下沒有人會受到傷害;資源的效率近乎完美。這一幕不會一下子出現;我們會看到小巧應用程序帶來持續30年的進步，這些應用程序結合起來，以我們之前從未想過的方式來優化增長、安全和效率這三個要素。

從某種意義上說，這是將質量先驅W. Edwards Deming這些人士談論的一切實現數字化：使用更好的管理系統，將質量和生產力做入到產品中。現在除了培訓人們不斷改進系統外，我們還將持續改進理念融入到技術中。

我們還將改變產品設計方式。產品使用時，操作數據將徑直回饋給工程和研發團隊。工程師將更快地改動產品，因為他們的設計將直接進入到制造環節。借助添加式制造（3D打印機和數字制造），我們能夠以前所未有的速度改進產品。那些是根本性的變化。

Q： 這樣的平臺是如何構建的？

A： 我們將平臺視作一個生態系統，誰都可以為工業互聯網市場開發B2B應用。當然，我們還處于早期階段，類似亞馬遜網絡服務（AWS）在2007年的狀況，推動消費級互聯網，或者是2000年代初期Salesforce.com開創軟件即服務的時期。我們早早重新思考這個工業世界，力圖把它帶到一個新的水平。

我們學習了消費互聯網，而工業互聯網有一種額外的核心方法是消費者世界中所不存在的。那就是基于物理的建模（physics-based modeling）這個概念。所有資產（建筑物、車輛、車隊甚至金融資產）都有物理屬性。基于物理的建模模擬了工廠、發電機、發動機及其他有形資產的行為。工業互聯網或有一些人聲稱的工業4.0，是由基于數據分析的模型和基于物理的模型共同驅動。

基于數據分析的建模讓你可以查看行為模式，并更早地采取相應行動。基于物理的建模給了人們這種洞察未來的選擇。通過分析工具可以發現，機器有可能損壞后，是停止運行進行修復？還是送出去維護？借助基于云和物理的模型，你可以同時模擬上百萬個場景，并選擇一個針對所要完成的任務經過優化的那一個場景。如果結合分析流程和基于物理的建模，你就能讓這項工作自動化。這是工業互聯網的一個特征，消費互聯網通常沒有這個特征。

這無法光憑IT部門就能實現。IT部門的數字專家并非孤立行事，他們要貼近業務，業務領導人需要更精通數字技術。這兩種思維方式相結合，才會產生最佳效果。

Q： 這對人員的技能有怎樣的要求？

A： 在傳統工業界，IT職能專注于基礎設施，部署網絡、搭建數據中心、安裝ERP系統。我們一直注重交易事務。這不需要業務領導人具備很強的數字洞察力。他們可以跟IT人員說：“幫我使這個實現自動化。”endprint

這種情況將發生變化。工業公司要為你在消費互聯網上或在谷歌和蘋果的用戶體驗上定方向。商業智能（即分析你自己的業務流程和競爭對手的業務流程）需要不斷演變，從僅僅是一項報告能力變成擁有專業級數據分析能力，幫助不斷改進系統和實踐。我們還要由內部部署的ERP方法轉向對移動設備友好、基于云的世界，讓人們可以通過智能手機應用來訪問業務系統。

如果你結合看待這些能力，會發現它們需要一系列新的技能和實踐。硅谷風格的技能在傳統的工業公司并不常見，比如敏捷軟件開發、用戶體驗設計和深度機器學習。在許多公司管理IT職能的機械工程師和電氣工程師擅長基于物理的建模，但其他方面（比如人工智能）不太擅長。他們還使用未與基于云的移動世界合拍的傳統開發工具。

所以常常需要重新學習技術技能和實踐。在GE，我們現正在進行這種重新學習。這不是說擯棄現有的所有能力，因為我們仍在使用ERP及其他傳統系統。但我們要兼顧新舊人才，讓兩個群體在統一的整體中相互合作。

Q： 隨著工業互聯網的部署，它會如何影響就業和經濟增長？

A： 自動化是核心。這將使一類工作被取代，制造技術的本質就是這樣。我們公司及其他許多公司正將制造業帶回美國。但是新工廠的效率比以前（比如20年前）高得多。所以工作不同了，需要不同的技能組合。20世紀初期，許多人受雇照料和清理馬匹。那些工作在汽車問世后消失了，但其他工作出現了。我認為，這一幕會再度上演，但它不會像有人描述的那么可怕。

目前仍難以預測會出現什么樣的新工作、數量會是多少。但現在對數據科學和世界級編程能力的需求不斷增長，對技術技能的要求也會提高。人們要知道如何處理自動化機械，與機器人高效地共事。公司要善于管理和培訓技術員工隊伍，順利完成這一轉型。

Q： 這個轉型如何與GE的總體情況相契合？

A： 我雖然在GE擁有首席數字官的頭銜，但真正的首席數字官是首席執行官Jeff Immelt。GE的核心領導團隊成員包括Immelt、首席財務官Jeff Bornstein和首席營銷官Beth Comstock，他們都是數字化領導人。這么多年來，他們獲得了扎實的技術背景，理解決策和制定決策的能力，這是我在加入前無法想像的。他們重視學習和增強自身能力，并將這種能力推廣到整個公司。

我們邁向工業互聯網時，意識到手下沒有足夠的數據科學家，于是我們把這方面的專業人員由三年前的2萬人增加到今天的2.8萬人。但我們沒有引入新的人才來取代現有勞動力，我們需要把新老技能融合成一體。如果無法將物理建模人員與數據建模人員結合起來，就無法全面發揮員工隊伍的價值。

我們在整合這些技能方面只完成了一半，這需要改變我們的領導力培訓，以便數字化是每項計劃的重要組成部分。我們并不期望每個人都精通Python（一種大受歡迎、頗有影響力的編程語言），但確實要求他們了解Python是什么、我們在使用另外哪些技術、為何它們很重要，以及這項技術如何影響公司業務。

我們也在重新思考IT在GE這類公司中的作用，包括CIO的工作、IT部門的組織結構，以及員工的職銜和能力。我們仍得運行網絡、構建數據中心，并提供ERP。但所有這一切如何與推動業務發展的新型深度分析和洞察力相結合？這些新的軟件技術如何與我們的機器、修理店、服務和制造設施聯系起來？如何影響我們的產品組合？我們全公司的年度數字化收入從之前幾乎為零增加到超過60億美元。這個重大變化影響了我們開展的各項工作。

Jeff Immelt說，我們才走到50個步驟中的第15步。在任何一個時刻，你必須能非常細致地看到后面三四步，確信自己在干的工作。你可以計劃10個步驟，闡明到了第50步想做成什么樣。但無法一下子從第3步跳到第45步。你要知道短期內可以完成什么，得到的結果會讓你有信心，并清楚如何改變旅程，以正確的方式獲得最終結果。

（本文由普華永道思略特公司授權刊載）endprint