工业互联网革命

　　今后几年，工业互联网将把每家公司变成具备数字化能力的企业。

　　2020年，工业社会的基础将发生深刻的变化。各种大型机器将充斥着传感器和软件控制功能，互操作性越来越强。

　　虽然西北大学的经济学家Robert Gordon认为生产力增长注定永久性放缓，麻省理工学院的Erik Brynjolfsson预计即使生产力恢复，自动化也会侵蚀就业，但GE CDO（Chief digital officer）Bill Ruh坚信生产力会提高。他正在打造的软硬件平台有望把工业技术带入到新的繁荣发展阶段。

　　自1892年创立以来，GE就一直处于技术变革的前沿。近年来，这家公司依托工业平台，逐渐重塑了新的形象：涡轮机、喷气式发动机、电力系统和医疗保健设备生产商。借助传感器、数据分析工具和互联网连接技术，GE正将自己重塑成为软件驱动型产品生产商，或者正如Immelt所说“到2020年成为十大软件公司之一。”

　　Q： GE Digital的起源是什么？

　　A： 它起源于我们热衷借助销售的设备和服务来提高客户的生产力。到2010年左右，大多数公司的生产力增长率比较高。这意味着它们的收入盈利比平均每年以4%的速度增长。后来到2011年，生产力增长率下降了。这可能归因于GDP增长放缓和油价高企，但最大的因素也许是流程创新减弱。流程创新再也无法像过去那样大幅提高生产力。

　　于是我们问自己：下一大飞跃将来自哪里，以便工业公司可以再度提高生产力？答案就是数字技术――具体来说是分析技术。我们生活在数据丰富的世界。如果我们可以有效地组织管理这些数据，就能以前所未有的幅度提高生产力。

　　然而那意味着IT与其他部门不能分开来。在未来的工业公司，不会有单独的IT部门。一流领导人会像如今了解财务和会计那样了解数字创新。他们会将数字技术设计到产品和实践中。这与仅仅五年前的情况发生了深刻变化――现有领导人的类型、他们的背景和培训，以及他们看待自己、下属及产品的角度统统都发生了变化。

　　Q： 在数字生产力领域，基于数据的竞争是如何体现的？

　　A： 2013年，我们针对风能推出了一项名为PowerUp的数字分析软件。它针对获得的风力来优化每块叶片，让风机的发电量增加了5%。此举意义重大，因为发电量增加5%意味着风力发电场的利润提高20%。这方面得到了进一步改进――使用同样的硬件，发电量增加至20%。

　　与之相仿，针对北美铁路，我们提高了机车性能，每小时平均多开一英里。对铁路公司来说，这相当于每年利润增收2亿美元。可以使用类似的分析技术为航空公司或电力公司提高燃油效率；对它们来说，这将改变行业游戏规则。

　　通常来说，如果我们可以从工业资产获得操作信息，基于对这些资产运作情况的了解来研发分析工具，并实时提供洞察力，我们认为这就可以让工业界的生产力增长率回到4%，也许更高，因为这样的技术能比之前更有效地利用工业资产。

　　我们最终会迎来这样的工业世界：什么都不会坏，因为它先得到了修复；工业环境下没有人会受到伤害；资源的效率近乎完美。这一幕不会一下子出现；我们会看到小巧应用程序带来持续30年的进步，这些应用程序结合起来，以我们之前从未想过的方式来优化增长、安全和效率这三个要素。

　　从某种意义上说，这是将质量先驱W. Edwards Deming这些人士谈论的一切实现数字化：使用更好的管理系统，将质量和生产力做入到产品中。现在除了培训人们不断改进系统外，我们还将持续改进理念融入到技术中。

　　我们还将改变产品设计方式。产品使用时，操作数据将径直回馈给工程和研发团队。工程师将更快地改动产品，因为他们的设计将直接进入到制造环节。借助添加式制造（3D打印机和数字制造），我们能够以前所未有的速度改进产品。那些是根本性的变化。

　　Q： 这样的平台是如何构建的？

　　A： 我们将平台视作一个生态系统，谁都可以为工业互联网市场开发B2B应用。当然，我们还处于早期阶段，类似亚马逊网络服务（AWS）在2007年的状况，推动消费级互联网，或者是2000年代初期Salesforce.com开创软件即服务的时期。我们早早重新思考这个工业世界，力图把它带到一个新的水平。

　　我们学习了消费互联网，而工业互联网有一种额外的核心方法是消费者世界中所不存在的。那就是基于物理的建模（physics-based modeling）这个概念。所有资产（建筑物、车辆、车队甚至金融资产）都有物理属性。基于物理的建模模拟了工厂、发电机、发动机及其他有形资产的行为。工业互联网或有一些人声称的工业4.0，是由基于数据分析的模型和基于物理的模型共同驱动。

　　基于数据分析的建模让你可以查看行为模式，并更早地采取相应行动。基于物理的建模给了人们这种洞察未来的选择。通过分析工具可以发现，机器有可能损坏后，是停止运行进行修复？还是送出去维护？借助基于云和物理的模型，你可以同时模拟上百万个场景，并选择一个针对所要完成的任务经过优化的那一个场景。如果结合分析流程和基于物理的建模，你就能让这项工作自动化。这是工业互联网的一个特征，消费互联网通常没有这个特征。

　　这无法光凭IT部门就能实现。IT部门的数字专家并非孤立行事，他们要贴近业务，业务领导人需要更精通数字技术。这两种思维方式相结合，才会产生最佳效果。

　　Q： 这对人员的技能有怎样的要求？

　　A： 在传统工业界，IT职能专注于基础设施，部署网络、搭建数据中心、安装ERP系统。我们一直注重交易事务。这不需要业务领导人具备很强的数字洞察力。他们可以跟IT人员说：“帮我使这个实现自动化。”

　　这种情况将发生变化。工业公司要为你在消费互联网上或在谷歌和苹果的用户体验上定方向。商业智能（即分析你自己的业务流程和竞争对手的业务流程）需要不断演变，从仅仅是一项报告能力变成拥有专业级数据分析能力，帮助不断改进系统和实践。我们还要由内部部署的ERP方法转向对移动设备友好、基于云的世界，让人们可以通过智能手机应用来访问业务系统。

　　如果你结合看待这些能力，会发现它们需要一系列新的技能和实践。硅谷风格的技能在传统的工业公司并不常见，比如敏捷软件开发、用户体验设计和深度机器学习。在许多公司管理IT职能的机械工程师和电气工程师擅长基于物理的建模，但其他方面（比如人工智能）不太擅长。他们还使用未与基于云的移动世界合拍的传统开发工具。

　　所以常常需要重新学习技术技能和实践。在GE，我们现正在进行这种重新学习。这不是说摈弃现有的所有能力，因为我们仍在使用ERP及其他传统系统。但我们要兼顾新旧人才，让两个群体在统一的整体中相互合作。

　　Q： 随着工业互联网的部署，它会如何影响就业和经济增长？

　　A： 自动化是核心。这将使一类工作被取代，制造技术的本质就是这样。我们公司及其他许多公司正将制造业带回美国。但是新工厂的效率比以前（比如20年前）高得多。所以工作不同了，需要不同的技能组合。20世纪初期，许多人受雇照料和清理马匹。那些工作在汽车问世后消失了，但其他工作出现了。我认为，这一幕会再度上演，但它不会像有人描述的那么可怕。

　　目前仍难以预测会出现什么样的新工作、数量会是多少。但现在对数据科学和世界级编程能力的需求不断增长，对技术技能的要求也会提高。人们要知道如何处理自动化机械，与机器人高效地共事。公司要善于管理和培训技术员工队伍，顺利完成这一转型。

　　Q： 这个转型如何与GE的总体情况相契合？

　　A： 我虽然在GE拥有首席数字官的头衔，但真正的首席数字官是首席执行官Jeff Immelt。GE的核心领导团队成员包括Immelt、首席财务官Jeff Bornstein和首席营销官Beth Comstock，他们都是数字化领导人。这么多年来，他们获得了扎实的技术背景，理解决策和制定决策的能力，这是我在加入前无法想像的。他们重视学习和增强自身能力，并将这种能力推广到整个公司。

　　我们迈向工业互联网时，意识到手下没有足够的数据科学家，于是我们把这方面的专业人员由三年前的2万人增加到今天的2.8万人。但我们没有引入新的人才来取代现有劳动力，我们需要把新老技能融合成一体。如果无法将物理建模人员与数据建模人员结合起来，就无法全面发挥员工队伍的价值。

　　我们在整合这些技能方面只完成了一半，这需要改变我们的领导力培训，以便数字化是每项计划的重要组成部分。我们并不期望每个人都精通Python（一种大受欢迎、颇有影响力的编程语言），但确实要求他们了解Python是什么、我们在使用另外哪些技术、为何它们很重要，以及这项技术如何影响公司业务。

　　我们也在重新思考IT在GE这类公司中的作用，包括CIO的工作、IT部门的组织结构，以及员工的职衔和能力。我们仍得运行网络、构建数据中心，并提供ERP。但所有这一切如何与推动业务发展的新型深度分析和洞察力相结合？这些新的软件技术如何与我们的机器、修理店、服务和制造设施联系起来？如何影响我们的产品组合？我们全公司的年度数字化收入从之前几乎为零增加到超过60亿美元。这个重大变化影响了我们开展的各项工作。

　　Jeff Immelt说，我们才走到50个步骤中的第15步。在任何一个时刻，你必须能非常细致地看到后面三四步，确信自己在干的工作。你可以计划10个步骤，阐明到了第50步想做成什么样。但无法一下子从第3步跳到第45步。你要知道短期内可以完成什么，得到的结果会让你有信心，并清楚如何改变旅程，以正确的方式获得最终结果。

　　（本文由普华永道思略特公司授权刊载）

　　文/Art Kleiner、John Sviokla 编译/沈建苗