观点记·朱骁洵：西门子把未来押在数字化上，到底下了哪些赌注？

原创朱骁洵金鸡湖创业驿站

观点记

从风电到建筑，ABC的应用无处不在，特别是在生产中是大势所趋。智能化的生产带来的不仅是直接提升的效率，其背后产生的数据更是具有不可估量的价值。

20160602_e35e346778ff8357e8e4Uy35wU1FZdIg_副本.jpg

朱骁洵

西门子(中国)有限公司高级副总裁、西门子中国研究院院长，专注于通过和中国创新生态系统中本地伙伴的协同研究解决中国市场所面临的独特的技术挑战。

在本周二的百度云智峰会上，朱骁洵作了以“工业机器智能：从智能数据到商业价值”为主题的精彩演讲，向大家展示了西门子20年来的经典数字化案例与未来的数字化战略。

各位领导、各位嘉宾，大家好！首先非常感谢百度给我这个机会，今天向这么多人阐述西门子在智能数据方面的一些思考。

传统与未来

西门子是一个横跨很多领域的工业公司。我们的目标主要是三个：电气化、自动化、数字化。电气化和自动化是我们传统的、根深蒂固的一些行业。从发电、输配电以及楼宇，西门子都有涉足。

数字化是西门子的未来。

西门子推动数字化企业落地中国

数字化本身是一个非常大的题目，今天时间有限，我想把这个题目限制在工业机器智能，其实也就是人工智能，或者说得简单点，数据分析。

我们在这一方面做了什么？在百度面前，如果我来讲人工智能的技术可能是班门弄斧，我会更着重于基于这些技术怎样在数据上发掘价值，最后产生商业价值。

在数字化的未来，工业不是千篇一律的，各行各业中用户需求的差异相当大。技术手段虽然相当多，但用户价值价值寻找的可能性更多。

说来惭愧，西门子做神经网络、增强学习之类的人工智能题目已经有20多年了，但是我们的知名度远远比不上像谷歌、百度这样的公司。谷歌一个AlphaGo一下子就娱乐了几亿甚至十几亿的地球人民，其实AlphaGo核心的技术，像深度学习、神经网络，西门子早就在应用了，而且早就已经落地了。

西门子展示的机器人

举个例子，西门子所有海上风电的优化、运营，全部都是由人工智能的深度神经网络来做到的。我们达到了什么呢？我们把发电效率提高了1%。

一边谷歌做了几年，娱乐了几十亿的人，一边我们一帮研究人员辛辛苦苦提高了1%的效率。这可能就是互联网和物联网的区别：互联网的娱乐效益相当大，而工业还是一个很苦的行业，很多高科技放进去，最后——1%。

西门子上海中心办公楼的能耗比传统办公楼低三分之一

我刚才讲到，西门子的数字化是我们未来的一个方向。我们横跨了很多领域，从消费领域一直到最后的能源工业，这些复杂度是不一样的。复杂度不一样，数字化的进程也不一样。

相对来说，和消费者打交道的行业，数字化非常迅速。交通、医疗等虽然数据是大量的，但数据的模式相对来说还是固定的。就医疗而言，不管是哪个公司的机器出来的数据都是一样的，因此这些行业数字化相对复杂度不高。

与西门子合作，应用PROFINET的数字化工厂外景

突破与驱动

西门子觉得制造业，包括离散和流程工业是复杂度的临界点，也就是说我们要去做技术上突破的话，离散流程工业，包括一些能源行业可能是我们下面的一个突破点。

突破点有两个驱动，第一是技术驱动。这是西门子传统的思维模式，即我们去开发一个高精尖的技术，然后把这个技术卖到市场上去，通过这个来赚钱。这些技术基本上和所有公司都一样，包括传感器、物联网、云平台到后面的算法。

西门子提供的智能交通管理系统助力武汉实现交通智能化

还有一个是业务驱动，业务驱动在数字化里面非常重要，和技术驱动完全分不开。作为一个公司，我们也意识到，传统上我们是一个传统公司，通过卖产品来赚钱，而慢慢的，解决方案更多的是以用户为中心，以怎么去体现用户价值为核心的目标。

可能与方向

数字化把数据应用起来，创造用户价值，有哪些可能性呢？最简单的是监控和告知，就是把数据采集起来，这个我们相信99%企业都做到了。监控和告知是一个已经解决的问题。

那么进一步我能不能再做一些分析，比如报警管理。包括智能楼宇、智能工业都有同样的问题，即每一天都会有成千上万条报警，但大部分的报警是没有意义的。在传统模式下，管理员看到那么多报警会麻木。怎么样能够更好地运用数据分析的手段，把真正重要的报警抓出来，并且产生关联？目前在工业领域这一手段会逐渐增多，现在大约有30%的行业做到了这一点，在近期业务上面报警管理是一个很大的突破。

那么从技术角度来讲，更有意思的一个是故障预测。这个各个行业不一样，有的行业简单一点，有的行业如果你真正解决这个问题，后边的价值是相当巨大的。越到后面，可能也就越难。到后面的运营和生产优化，尤其在考虑到智能电网行业的话，真正要把这一点完全做到可能都不是一年两年的事情。

工业智能不止是对于数据的分析和应用，它基于工业4.0的前提，和工业4.0是相辅相成。

第一是设计和工程组态方面。从产品设计开始，工业4.0我们强调的是要把产品和设计紧密连接起来，一个数字双胞胎的概念。数字双胞胎是什么？简单讲就是一个集成数据模型。拿风电做例子，我可以做一个完整的物理模型，模拟风吹过来所有部件是怎么运作的、是怎么损耗的、发热点在哪里，这些都可以通过数字模型来模拟。

PLM软件以数字化方式创建和验证完整的产品和生产运营过程

第二点，自动化运行。一想到智能制造，就肯定会以自动化入手。现在数据采集手段大部分也都是通过自动化运行系统。自动化系统某种程度上已经是物联网的基础，在这个基础上再附加一些额外的传感器，数据的来源就存在了。

最后是维修和维护。如何把这些数据通过服务提升用户一定的价值？从大数据分析的角度上来说，利用数据来做维护、维修这个我不用提了。怎么通过自动化来采集数据这个也是显而易见的事情。

数据双胞胎有一个很有意思的案例，可以用双胞胎来训练神经网络，像AlphaGo可以通过和另外一个AlphaGo下棋来学习。我们不需要在一个真正的风电模组上来不停地试参数，而是可以通过一个好的数字双胞胎。

现在的数字双胞胎技术是非常可靠的。举个例子，美国送到火星上的机器人用的就是西门子的技术。送到火星的机器人没有办法测试到底会不会在火星上出问题，所以它所有问题的模拟测试和演练都是在软件里进行的，这是非常成功的一个案例。

成果与案例

从西门子角度来说，智能数据覆盖了我们所有的客户领域，从发电，发电厂的燃气内能机，智能电网，工厂医院包括可再生能源，我们交通领域以及楼宇。

西门子智能电网工作原理

西门子认为的核心竞争力是领域知识，加上对产品的知识，以及我们内部的数据分析能力，但是在数字化环境下，没有一个公司可以单打独斗，靠自己一个人的力量把所有的需求全都满足。未来西门子会采取一个开放合作的态度和中国的其他企业合作，最后达到一个新的业务模式。

我们做了20多年，案例非常多样化，用的技术手段也都不一样。比如说，所有人都知道西门子有一个工业4.0工厂在德国安贝格，当然成都也有一个，是它的双胞胎。在安贝格，所有能源的分析、消耗都是通过神经网络来完成。

西门子成都工厂的柔性混流装配线

我们在全球30个钢铁厂也用了一些在线神经网络学习以及分析应用，来控制钢铁厂的能耗。

发电厂的话，我们最近在推这个业务。比如说一个燃气热能机上面有5000个传感器分分秒秒在产生数据，我们通过这些数据来保障发电厂的运营。

我们在维也纳正在和政府一起建造一个完全新的智慧城市，不管是分布式发电、智能电网以及智能楼宇，全部都是新的，政府负责投资运营这样一个新的城市。

西班牙的高铁是一个很有意思的案例。西班牙的高铁公司有一条线从马德里到巴塞罗那的，而从马德里到巴塞罗那的航班很多，就像京沪线一样，这个钢铁面临和航空公司竞争的挑战。后来它公布一个政策，在这条线上如果延误超过15分钟，全额退款。这个高铁线到现在是非常成功的，背后是西门子提供的服务和担保，担保99%的准点率。

西门子在北海的风力发电厂

风电我刚才讲到，风电利用了一个深度学习网络，西门子在北海的风电全部联网，用神经网络来控制。神经网络通过风电的数据双胞胎，在很快的时间把算法都学习出来。

最后再讲一个很有意思，有些前瞻性的问题。在一个电网中，要能够可靠地定位在电网的哪个地方出现了问题，用常规方法大概只能做到80%。我们利用了深度学习技术对历史故障事件学习，通过已经分布在电网中的继电器，来更好地判断电网出了什么问题，出在哪个地方等等。学习算法已经嵌入到我们标准断路器的产品中。

将来人工智能不再是单个的、集中的大脑，这些算法会慢慢遍布到日常小的断路器里面，在每个普通的部件里面有个小的AlphaGo在里面跑步，甚至彼此交流。我们希望即使是一个看似普通的小设备，背后也有一个人工智能的算法在后面，解决一些传统手段做不到的问题。

西门子官网上的宣传语

合作与生态

以上就是今天我想要介绍的比较成功的西门子案例。更多的，比如我们谋求和百度能够的合作点，需要去找到更多的痛点在哪里，用户的价值在哪里。技术手段目前来说已经非常丰富，我们缺的是怎么去找到，怎么通过技术解决客户痛点。

谢谢大家。

继续滑动看下一个