昆仑数据创始人陆薇：工业互联网是“有墙的花园”

2018年2月1－2日，2018工业互联网峰会在北京国家会议中心盛大开幕。本届峰会邀请了来自政府、企业、高校等的2000位工业互联网领军人物，聚焦工业互联网发展趋势，全面解读工业互联网发展理念。

其中昆仑数据创始人CEO、工业大数据制造业创新中心主任陆薇进行了题为《工业互联网之基石——昆仑工业互联网平台KSTONE》的演讲。陆薇认为消费互联网是一个开放的草地，而工业互联网是一个有墙的花园，而昆仑数据正在这个“有墙的花园”中建起一个“透明工厂”。

工业互联网是“有墙的花园”

昆仑数据是专注于工业领域的一家大数据公司，目前也是国内工业互联网领域的一个领军企业。我们希望能够用大数据和人工智能这样的一些技术帮助工业企业从自动化和信息化的工业3．0时代走向工业4.0，我们也参加了中国制造2025的制定。

在过去的三年里，我们一直在和工业的一些龙头企业，一起探索这个“互联网＋”的业务转型。如果我们说消费互联网是一个开放的草地，工业互联网则是一个有墙的花园。

为什么我们做这样一个比喻呢？消费互联网其实大家非常熟悉，就是它是为了满足消费者衣食住行方方面面的需求。而且这样的需求的满足通常是在一个开放的互联网的环境下面在进行。它的参与也是没有限制的，任何一个人，只要发现了一个痛点，发现了消费者本质想要的一个东西，只要他能开发一个好的APP，然后好用，并且能够市场推广得当，它就可能会流行起来，有可能会爆发。

但是，这样的领域在工业互联网里面其实有非常大的不同。首先工业互联网是分门类的，工业有非常多的门类，有能源、化工、钢铁，工业里面的每一个门类都有非常不同的对专业领域知识相应的一些需求。

同时，在工业的很多领域里面，其实准入是有一定的门槛的。特别是在一些特定的，比如说，像能源这样的一些领域，它的参与是受限的，是需要经过审核的，是需要拿到牌照的。

其实还有很大的本质不同是在于，消费互联网提供的是个人满足感，工业互联网是To B的业务，一定满足企业本身的业务需求。一个工业企业如果愿意被一个互联网平台所连接，一定是这个互联网平台，抑或是能够对它既有的业务提供额外价值，让业务的运行成本更高，效率更低，抑或是有了这个平台之后，可以提供以前没有办法做到的一些新的业务机会。

抓住行业节点，与龙头共建“生态型”平台

大家会看到，因为工业是分门类的，天然有这样一个产业链，在产业链上，其实天然就有一些所谓的核心节点，所谓的工业的龙头企业。

所以，在过去的三年时间里，昆仑数据也在积极的践行这样一个认知。我们与一些比较重要的领域中，愿意进行互联网转型的工业企业一起合作，我们赋能于他，帮助他建设在这个相应的垂直领域里面的工业互联网平台。

我们与国家电网的青海电力功能共建了绿能工业互联网平台，这也是国内第一个由电网来牵头的，能够从发电端到电网，到用电企业所有的数据能够打通，集聚到一起的一个互联网平台。并且通过这个平台对外开放，可以让产业链里面的其他的合作伙伴来参与，大家共同基于这些平台来提供为上下游所有相关企业提供服务。

以及和积微物联，攀钢集团的互联网公司，他们也是希望用互联网技术达到对整个钢铁产业链的升级。它的做法是能够端到端的看整个钢铁从生产到运输，到最后被使用的整个的产业链链条里面，还有哪些是比较低效的地方，我们可以用一个互联网平台，用一个互联网的服务，线上和线下一起来配合，能够把整个产业链的效率给提升。

工业大数据中心：打造“透明工厂”

我们还在做的一件事情就是依托于我们在制造业集聚，建立的工业大数据的创新中心。我们针对区域的建设升级提供了这样一个平台，为企业的智能制造，提升它的经营管理水平做的一个透明工厂的方案。

我们打造KSTONE这样一个工业互联网共性技术赋能平台的这样一个原因，就是希望它成为工业互联网平台的基石，能够在不同的领域里面赋能龙头企业，帮助他来打造一个他的垂直领域中的平台。所以，这个平台主要的作用，最本质是上面要支持百花齐放的APP，这些APP能够解决各种各样的问题。

针对这个工作其实还做了很多针对工业这个特性数据的一些特别的优化，比如针对工业里面特别的数据，完成了包括存储结构、产品引擎、分析算法做了很多的优化。还有针对工业数据里面普遍存在的各种质量问题，可能有缺失，可能有乱序，可能有时标对不齐等问题。我们也内置了很多数据治理、数据质量提升的这样一些功能，使得有了这个平台之后，这个数据能够被非常好的管理起来。

有了这些数据之后，可以用这些数据来解决问题、创造价值。那么，这就涉及到要基于一个特定的问题，选择以合适的数据来开发相应的算法和模型。工业的算法是需要把工业机理和数据科学非常有机的结合在一起的，这个需要数据科学家，人工智能专家和工业领域的专家大家肩并肩的一起合作，来理解这个领域的问题。而打造整条的数据智能流水线，通过这个流水线来辅助这些不同的角色通过协作的方式打造一个真正能够把工业机理和数据科学结合在一起的、一个带行业语义的、能解决行业问题的这样一个算法。