产业互联网的四条护城河

三个故事与四条大河

哥伦布至死都以为，他航海抵达的是东印度群岛。这是他最初的目标概念，所以哥伦布也将上岸见到的美洲土著称为印第安人（indias，西班牙语的印度人）。

这个故事在反复上演。从工业革命到互联网时代，探路者涌入新兴领域所进行的许多伟大行动，都是已经走到半路上，突然发现远远超越了最初的概念。

今天，人们发现的新大陆正是“产业互联网”。

为了唤醒和加深大众、特别是投资者的信心，新的相关概念，也像搭积木一样开始严丝合缝的垒向天际。但坦白讲，有时候即使概念看起来众声喧哗，可实际上还是远远不够。原因也非常简单：探索这片新领域，行动会先于概念，也更依赖对“下沉市场”的觉察。

所以接下来，让我们来看这样一个基本事实。

十年前，中小企业创造的最终产品和服务价值相当于GDP总量的60%，完成了65%的发明专利和80%以上的新产品开发，提供了80%以上的城镇就业岗位。现在，消费级市场已经以支付作为入口，基本完成了互联网化。而工商业产业领域，则几乎都还没有开始真正互联网化的进程。

幸运的是，工商业产业领域还没有开始真正互联网化时，有的企业主已经开始了自我察觉——他们自己行动了起来。我这里可以先讲三个下沉市场用户，自发编织产业互联网的故事。

第一个故事叫，企业主为什么把能耗管理插件当搜索引擎用？

在青岛某橡胶厂，企业主主动给某售电公司打过许多电话：企业主想搞清楚自己工厂的某一道工序——密炼工序的能耗数据，然后根据数据去调整企业的生产运营计划。满足这个需求并不复杂，花了几天的时间就开发完毕了一个基于平台的插件，用来显示这个工序的数据情况。

但企业主几乎隔几天就打电话问，这个数据是什么意思？那么数据代表什么含义？过去是能源管理人员看能耗数据，现在是企业主自己看能源数据，关心用能的角色变了。过去能源管理人员可能一个月看一次数据，现在企业主一天要看好几次，因为这个企业主把这个数据当作了解自己企业运营的一个链条。当用户一天需要好几次去搜索一个数据时，搜索引擎就出现了。

所有的管理行为，第一步都是测量，测量需要依靠无差别的数据。而能源数据，更聚焦地说，电，贯穿企业运营的几乎每一个环节，正是从哪儿来，到哪儿去，无法说谎。那么，位于三四线城市的小企业，有没有企业运营的管理需求，以及随之发展的能源数据管理需求呢？这个故事已经给出了答案。

产业互联网的重要入口之一，在工商业企业的产线。入口中的入口，在能源数据管理。

第二个故事叫，你能不能把电波画出来？

我的一位朋友某天来找我倒苦水，原委是这样：他去某高校讲ppt，内容是如何帮助高校宿舍做节能管理，ppt准备了100多页，讲到一半被打断了。对方说，我们对如何节能这件事不是很感兴趣，我就一个需求，你能不能在寝室使用电水壶、电吹风的时候，识别出来，然后断电？

对方花了很大的篇幅去介绍高校宿舍因为使用大功率电器，导致火灾的案例——这关系到学生的生命安全，而安全事故对高校负责人来说是一票否决的。

从技术上来讲，画出特定电器的电波形，然后进行识别操作，这件事在1990年代已经有海外研究者提出，国内也不是没有厂家拥有类似的技术，只是没有进入这样的特定封闭场景。但这已经和电没有太多关系，起到决定性作用的是算法和训练数据。

需求已经越来越具体，而且看起来很不合理，可这就是来自能源管理市场的真实需求。

第三个故事叫，别以为农民工刷脸打卡是作秀。

在以往最不可能出现互联网技术创新的行业——比如依赖重资金、高周转的房地产施工行业，互联网化的趋势也已经出现了。

因为工作关系，我们和上海的一家资方打过很多交道。这家资方旗下有房地产开发的建筑施工公司，他们发现房地产行业的利润趋势不可逆转之后，想了很多办法去降低成本，扩张服务链条，其中就包括做建筑行业的互联网标准化软件。不仅自己可以用，而且可以输出给其他的房地产开发商。

其中他们就谈到，要在建筑施工管理中引入面部识别功能。这是一个种地时“亮出锄头”的动作吗？一开始，我们也是有疑问的。后来经过多次拜访，我们发现这家资方的办公桌上，凌乱得摆放着各种机器，主人很抱歉地说，不好意思，是开发人员在做测试。于是那个之前存在的疑问再次出现：你们是真的在做这个系统的开发吗？

答案是肯定的。而且为什么是用面部识别技术，原因非常接地气。

施工总包方总是会遇到分包方因为种种原因消失的风险，这个时候，干活儿的工人只能找到总包方要工钱。如果工人像打卡一样，在每天进场前面部识别，就能统计出有哪些工人，以及上下工时间。总包方可直接将工资打到工人账户上，然后将相应工资在分包方的合同里扣除。因为房地产施工的场景非常封闭，只要把住出入口，面部识别就能发挥作用。

与传统互联网公司“发现需求-商业计划书-融资-产品原型”的开发路径不同的是，这家公司的开发路径是：项目获取-取得资金-用项目孵化产品原型-用项目迭代产品原型。说得通俗一点，就是不靠“预期+免费”模式去培养用户习惯，而是靠“项目+替代”模式去迭代用户习惯。

上面提到的三个故事，前两个跟我的行业背景——传统的电力能源行业有关，最后一个则扩散到了传统行业。从这三个故事当中，我们可以体会或者感受到不同的趋势。

这些面向产业互联网的产品服务，天生具备以下四点不同：

需求多半从实际有需求的公司孵化出来，而不是平地起高楼；

能孵化出这些需求的公司大多营收正向，而不是烧投资人的钱；

都是用盈利项目进行孵化，孵化即盈利，盈利即孵化；

具备行业内的强复制性。

这看起来没有护城河——也就是技术门槛，好像我是传统行业，我自发启用自己的资金、技术力量，加上外来赋能的互联网平台就可以了。对于一些大型企业来说，这种想法不可避免。但其实横跨在我们面前的，有四条护城河——每一个行业的产业互联网，都可能不一样。

能源互联网将是产业互联网的最重要应用领域之一。聚焦到能源互联网行业，这四条护城河在哪？如何跨过这四条护城河？

【一】 人工河：宁要昂贵的人海战术，不要便宜的机器换人

企业规模越大，市场链条越长，越不容易启动——即使你帮他实实在在降低了财务成本。要跨过的第一条护城河，是巨大的成本矛盾：宁愿要昂贵的人海战术，也不要便宜的机器换人。为什么？

2019年春节之后有一条新闻，说不少年轻人选择送外卖，不愿意去工厂上班。至少从2000年开始，每年基本都会出现这样的报道。现在的工厂吸引力下降确实是事实。

22年前上映的电影《花季雨季》里，女主角还能在暑期去生产线打工，大方地和邻座的工友讨论“拉长”是什么意思——拉长，大概就是英文line的意思吧？。在电影里，生产线代表着一个有活力的深圳。

60年前的日本东京，丰田启动不断被后世学习的丰田汽车生产线、丰田精益生产管理法。工厂成为一个国家崛起的发动机，也成为日本“经营四圣”向东南亚企业家传道授业解惑的道场。

106年前的美国密歇根州福特汽车生产线上，无数的工人通过协作，创造出90分钟出产一台T型车的纪录。这时的工厂，第一次取代传统作坊，取代传统薪酬体系，取代工人培养和晋升方式，塑造出现代企业的样子。

所以你看，工厂从来就是企业组织变革的主战场。

但是别忘了，福特生产线员工的日工资是五美元，这样的工资水平，五个半月就能买一台自己生产的T型车。反观现在，许多中国工厂和106年前的福特汽车生产线没有本质区别，甚至还达不到106年前的标准。有的工厂负责人也不愿意机器换人，更愿意用人海战术去支撑订单。巨大的厂房内，两千名员工从早到晚重复机械劳动，工资水平增长缓慢，看不到未来。

为什么工厂不愿意机器换人，依然大量雇佣人去进行机械劳动？从工资成本考虑，机器是更省钱的。只是从企业存活的安全性考虑，用人是最安全的。为什么？

因为人是最好的柔性生产者。中国企业的大多数生产线面临无序的现状，供应链的无序，订单的无序，现金流的无序……当你无法判断下面三个月该代工生产什么产品时，你也会选择放弃使用机器，而是用人。因为人可以做任何动作，按照你需要的时间、节奏工作。

但是现在年轻人不愿意去工厂了，这是个问题。所以很难预测，很难管理，很难有序。这就形成了一个莫比乌斯环。如果这些问题不被解决，年轻人还会进一步抛弃工厂，强迫工厂放弃过去的方式。这个用技术或者产业互联网的方式一定是可以解决的，但它不是一个领域的公司能单独解决的问题，它是一个系统工程。

工厂需要一次巨大的变革，这也正是产业互联网的机会。让每一个工厂、每一条生能源数据管理能普度众生——帮助每一家企业提高运营效率。但是并不是每一家企业都能入这个法门——进行能源数据管理。获得数据、链接，用技术去解决预测、管理、无序的问题。然后，年轻人用自己的行动去投票，埋葬那些不愿意改变的工厂。

年轻人抛弃工厂是产业互联网的一个不起眼，但是极为重点的背景，当越来越多的年轻人抛弃工厂，也正是工厂开始迭代新生的时刻。

【二】 孤岛河：巨大的用户挑选偏差，易出现新时代的上山下乡

几乎所有商业模式的创新，都是基于技术的变革。同时，某一项技术变革能够支撑商业模式成立的重要原因，不在于这项技术的超前性，而只在它极大提升了效率。

南京信息工程大学商学院副教授张三峰、华侨大学经济发展与改革研究院教授魏下海撰写的《信息与通信技术是否降低了企业能源消耗——来自中国制造业企业调查数据的证据》一文，引用世界银行提供的中国制造业企业调查数据，就发现了如下事实：

无论是资本密集型、劳动密集型，还是介入中间类型的企业，信息和通信技术（ICT）都能帮他们提升能源使用效率；

无论是成熟企业还是初创企业，ICT都能帮他们提升能源使用效率，而且企业越成熟，提升效率越高；

无论是大企业还是小企业，ICT都能帮他们提升能源使用效率。

能源数据管理一定能提升企业的运营效率，因为其本质正是将企业运营过程中的关键节点、里程碑、控制点、检查点全然数据化，然后不停的计划、执行、修正、迭代。如果质疑这个规律，那就等同于质疑戴明环（PDCA），动摇整个现代企业管理的基础。

举个例子，能源数据管理会倒回来影响财务计划、预算和核算，去扒一层成本的皮。在中车眉山车辆有限公司，他们就是用财务手段进入到能源管理领域。把能源管理称为和质量管理、安全管理同等重要的管理内容，然后开始明确管理额度，明确测量精度，在收到明确测量结果后进行分类闭环。

最直观的结果是，单车成本下降了78.28元。全年的财务成本降低在千万元级别。更细节的变化是：1.生产安排因此发生调整。增加深夜生产用电，减少峰谷差电费。仅此一项吨钢件耗电成本同期下降188.16元，每年节约电成本304.79万元；2.用电来源因此发生调整。通过和园区协议采购留存用电，每年节约电成本1279万元；3.用气方式因此发生调整。六个月的运行数据显示，平车单车成本下降78.28元。同时，工业气站房被撤销，减少人员定额6人，全年节约成本约80万元。

这只是其中比较典型的三项数据调整。而这所有的变化，爆发点都来自于财务核算全部接入能源管理的概念，在于财务开始扒火车皮，在于公司组织出现了一个跨部门的，客观的数据链——能源数据链。

所以你会发现，用能源管理的方式可以搭建一座沟通财务和业务的桥梁。它居然是一种沟通不同部门协同作战的方式。也就是说，它提升了整个企业运营的效率，并不只是节能。所以，其实能源数据管理也挑企业。

这就好像一句绕口令：能源数据管理能普度众生——帮助每一家企业提高运营效率。但是并不是每一家企业都能入这个法门——进行能源数据管理。那么，什么样的企业适合进行能源数据管理呢？

对成本敏感——能源成本占产品／服务成本比重越高的企业，越需要能源数据管理。这是一个简单的用户画像；

对竞争敏感——市场化竞争越透明越公开的行业，越需要能源数据管理。这是一个简单的行业生存（都不能叫成长）需要；

对管理敏感——需要从组织管理中要营收和利润的企业，越需要能源数据管理。道理也很简单：管理不是坐而论道，是实践科学。它需要测量、抓手。

电赋予了企业进行这一维度管理的能力。这件事情有趣的地方在于，电其实是一种无差别的产品，你无法说出来哪一度电更有气质，还是更有眼缘，唯一的判断是单价。而神奇的是，当电开始在企业、生产线中流动时，它就成为最了解这家企业的存在。

如果缺乏这三种敏感，未经挑选地在大中型企业的生产线开始能源数据管理，就会出现这样的场景：程序员在生产线上不知道采集什么数据，因为他们既对产线陌生，也对企业运营陌生；不同年代采购的机器，虽然各自都有完好的通讯，但相互不同，数据无法交流，形成数据孤岛。

一个生产流程改造可以耗时140多天，成为新时代的码农“上山下乡”。这还不是最要命的。最要命的是，换一家同样的企业，数据马上没有参考意义，因为产线机器的组合完全不一样，一切从头开始。

【三】 专家河：链接分散的专家网络，形成固定企业用户模型

能源数据驱动企业运营不是假设而是事实。在产业互联网开始引爆之后，无论是否作出主动选择，每一家制造企业都将进入能源数据驱动企业运营的赛道，就像1999年张瑞敏提出企业「不触网就死」一样。原因很简单：

降低产品成本的需要。能源在产品制造中占有不同程度的比例。越是占比高的企业，越对能源数据敏感；

减少企业运营错误的需要。企业运营提升靠管理，管理的第一步是测量，测量的第一步是数据。能源数据是企业生产整个价值链最忠实的使者。就好像有人只看三项指标来判断宏观经济走势：水泥、钢铁、用电量。

如果要找一个充分体现能源数据驱动企业运营的行业场景，那么，造纸行业再典型不过。因为它是能耗密集型产业，有比较长的生产线，这些生产线又使用不同的能源。更关键的是，它比较容易用能源数据驱动，将工艺流程的能源数据渗透到企业运营管理之中，让能源数据变成企业管理依据。

用一句话来说明，那就是：如果你了解了一家造纸厂的能源管理如何实现，也就大致清楚了能源数据驱动企业运营的逻辑。

而要弄清这个逻辑，160页纸都不够。这是华南理工大学博士张燕忠的答案，在他撰写的博士论文《基于数据驱动的造纸过程能源系统能耗异常诊断研究》中，用了160页的篇幅，也只是说明了能源数据如何判断能耗故障这件事。

故障是观测变量或对象参数在可接受范围内的偏离， 换一个角度去理解，知道故障在哪并能做出判断的基础，是对整个企业能源数据的全盘掌握，它降低了企业运营的风险成本，又间接为倒逼企业降低财务成本提供决策依据。这就是能源数据驱动企业运营的方法，NASA在1967年就专门成立了机械故障诊断预防小组。

造纸厂这类企业的能源数据管理模型可以成立的先决条件，是结成一个贯穿所有环节解决方案的专家网络——将那些能解决某一个环节问题的院校、科研院所专家，链接起来，然后把这一整套的模型打通才有效。

同理，木材加工厂，又是一类企业的能源数据管理模型。冷库也一样。但涉及的技术与学科又有所不同。

所以，这也是我们要跨过的第四条护城河：巨大的跨界学科合作，这在以往，除了在军事、航天领域，很少大规模实现过。很多人知道“产业互联网+”，只是不太确定这个“+”号有多大。

【四】 跨界河：跨学科交叉合作，与基础学科再相遇

让我们再次近距离的看一看，某一个单一场景的能源数据管理，一直往前走会和哪些基础科学相遇在十字路口。

还是从能源的角度来看，冷库的制冷能耗一般占冷库运营的70%，冷库成本的降低，将直接带来生鲜价格降低的可能性。这是一个令人兴奋的比例，它意味着企业管理者对能源成本的敏感度会很高。

举个更具体的案例，在上海宝山区某新建食品冷链物流冷库项目（占地8434平方米）中，项目主要技术要求是：温度-18度；总容积18790立方米；设计进货温度-8度；设计出货温度-18度；每日进货量按储藏量的5%计算……

如何降低这个冷库的成本，让生鲜更便宜？

第一步是建模，这涉及到建筑设计自动化。要建项目的BIM（建筑信息模型化）模型。我们就需要对这个项目的冷库建筑设计、冷库围护结构、制冷及系统能效、能量回收和可再生资源利用、冷库运营管理五个大指标进行数据化显示和评估。简单来说，这是一个计算的过程。涉及到计算冷库外表面积、冷库体积、窗墙面积比（关系到透光性和散热）、外墙传热系数、外窗传热系数、屋面传热系数等等。

第二步是分析。比如分析自然采光，上海经度121.47，纬度31.23，采用全阴天模拟，得出一个分析结果；再比如分析建筑被太阳直射而得热的数据，又得出一个分析结果；分析屋顶光伏发电的能力，然后和设计电耗对比，得出节能等级数据……其他分析指标还包括：气密性和防渗、电气与照明系统能效、融霜排水系统能效等等。

第三步是评价，这涉及到能源管理的基准线设定。将所有数据集合在一起，进行评价。设定一个能源管理的基准线，对这个项目的能源管理现状进行评级，比如优秀、良好、均衡、有潜力。

第四步是启动能源管理。当知道了这个项目的已有数据，并通过自我发展的方式模拟出缺失数据之后，这个项目的能源管理潜力就一览无遗了，我们可以去相应的环节改善它。

所以，这是一系列假设、计算、实践的过程。在这个过程中，交叉学科和研究的进入，并不是点缀，而是必须。

产消合一：产业互联网的尽头

能源数据管理的前路是能源互联网，而能源互联网将是产业互联网的最重要应用领域之一。那么，能源互联网的本质是什么？这个答案在国内有很多解释。不过我认为，至少需要问一下这个概念的提出者里夫金。

是里夫金在《第三次工业革命》中提出了这个概念。同时，这个概念在中国要比在美国热得多。我相信里夫金自己都没有意识到，这个概念会被单拎出来，演化成一个行业的热词。至少2015年的秋天，在新华社大礼堂的演讲中，我坐在台下，并没有感受到里夫金对能源互联网这个词的特别关照。

事实上，这个词汇更多代表的是一种属于未来的哲学态度。

它意味着：产销一体，消费者同时也是生产者，未来25年将有数百万消费者同时生产绿色能源；

它意味着：电能的价格消失，因为电能获取的边际成本无限趋近于零，即零边际成本；

它意味着：电力公司的销售模式不再存在，即不再依靠电费的收取存活。

在这个基础上，人类社会的生产效率、生产模式出现重大变化，进而产生新的工业革命。

让几乎所有人都参与到经济活动中，用市场把交易降低到零边际成本。如果说存在一个所谓的原教旨主义的能源互联网，那么这才算是能源互联网的本意。就像uber出现时，人人都可以是消费者，人人也都可以是生产者，同时，你不必真的拥有一部汽车。

所以知道这个原教旨主义的概念有什么用？

我的回答是：当马斯克知道第一性原理，达利欧知道原则，卡斯知道有限和无限游戏时，请看他们创造出了什么。我想，产业互联网的未来应如是。

更多过去被忽视的中小企业，可以用便宜的价格，使用人工智能的服务，进而开始数字化的进程，开始有了测量，能够开始真正意义上的运营管理；

更多过去没有被链接起来的基础科学工作者，被链接到不同的企业用户场景／模型当中，持续不断的为不同的企业用户创造数字化价值；

更多的传统行业因为数字化的进程加速，开始抛弃过去的概念，开始生长为产业互联网的样子。

注：文/胡佳恒，公众号：腾讯研究院（ID：cyberlawrc），本文为作者独立观点，不代表亿邦动力网立场。