每個項目在建設初期我們都會去論證項目的必要性，而且項目的必要性是一個項目當中最難確定的，因為項目的開展有部分玄學在其中，像“薛定諤的貓”一樣，誰都沒有辦法確定項目上線之后所帶來的裨益。但是又必須在項目實施之前去論證他的必要性，所以在執行層面很可能會自己創造一些所謂的項目必要性，比如縮減工人的勞動時間、降低勞動強度，這種明顯是站在執行人員的角度去思考了必要性，站在企業決策層的角度去看縮減工人勞動時間真的是這個項目建設的必要嗎？很顯然是不必要的，因為雇傭這個工人就是為了購買他的8小時，如果縮減到了7小時或者7.5小時，意義又何在呢？同樣的問題，即使降低了工人的勞動強度，會因為強度降低而減少人員嗎？或者會因為降低強度而降低個人薪資嗎？所以在論證項目必要性的過程中很容易陷入到同理心思維，自己認為可以達到的目的就是項目的必要性。

之前網絡上有一位科學家認為自己論證了幾個月的項目，被一個處長就可以否了，給人第一印象就是科學家論證的很清楚，但是決策不了。但是站在另外一個角度我們去思考：科學的角度論證的非常明白，大概率是站在技術上去論證，但是是否需要去建設該項目肯定不止是技術維度，還有民生、社會、收益等多維角度。制造業數字化轉型是一場持久戰，需要全行業有長跑的耐心與長期投入的決心。制造業的業務屬性決定了數字化轉型或者智能工廠的建設是一場漫長的修行，因為制造業的數字化轉型并不僅僅是PPT或者word上的風花雪月，更多的是項目過程中一兩個流程、界面或者功能的各種溝通與討論，或者是現場工控機如何排布時各個尺寸的錙銖必較，抑或是某功能上數據展示方式的斟酌。因為個人在項目中見過很多因為一個流程幾十號人在會議桌前跳腳式的討論，并且可能還定不下來，因為一個業務的執行會牽涉到方方面面，會牽一發而動全身，或者會更改業務人員的工作方式與職業方向。所以當在某會議上用數字化轉型的PPT侃侃而談的時候，真切的希望他們參與過制造業的某個信息化項目。如下圖所示，在某個數字化轉型的會議上，很顯然下邊的PPT肯定會出現，因為基本上包含了智能工廠涵蓋的所有關鍵詞：精細化、柔性生產、個性化定制、上下游協同等，讓人熱血沸騰，仿佛智能制造就在眼前，我們可以將這些詞匯理解為智能制造項目的必要性，很顯然如果這個必要性作為MES、ERP或者QMS、CRM的項目必要性的話，一定會被噴的體無完膚。

站在信息化發展的角度來看，項目的必要性同樣也是一個變動的參數，從開始單點的成本、效率，到之后的用戶滿意度，再到最終尋找到業務增長的新引擎，跨越歷史發展的周期。

2021年的一份調研報告中指出，在受訪的2000家企業中，接近半數企業將探索新商業模式與創造新收入機會放在數字化轉型目標的前兩位。結果中不難看出，制造企業數字化轉型的重心正逐漸由供給側轉向需求側，從過去的紅海搏殺轉向新藍海競爭。過去我們觀察到，眾多行業領軍企業、骨干企業，無論是采取企業母體內部孵化的方式，還是獨立于母體的外部創業，拋棄其他不談，就單純從信息化領域來看，三一重工孵化樹根互聯、格力孵化格創東智、美的孵化美云智數、徐工孵化徐云等都是非常普遍的嘗試，但是新的商業模式的試錯成本很高，比如前期看到的數字化轉型、智能制造肯定是一個方向，而且有市場需求，但是帶不動未來體量幾十億的公司，而且實施過程中成本很難控制，除非以做咨詢+出售硬件為主，交付外包給個人團隊，但這種并不是長久之計，窗戶紙遲早會被戳破，所以數字化轉型或者智能工廠的可落地的必要性集中在降本提效當中，雖然占比不大，但是腳踏實地。

智能制造未來的三個方向：

1）AI單點或者自動化業務優勢將成為重點突破的對象
工業AI由試驗、試點逐步擴展到車間/工廠級的部署。企業借此實現由現階段局部決策優化升級到全局決策最優。之前生產過程中大部分依賴人工智能作為決策，比如大量的質量把控都需要人工參與，未來在人工成本急劇增加、工人對于重復性勞動抵觸加大的背景下，工業AI會被大量提及，比如離散裝備行業質量檢測工具會有人工檢測到數顯量具，再帶通過藍牙自動傳輸數據，釋放人工工時；物料運輸會由叉車、手工推車被AGV替代；之前依賴手工搬運機加件會全部替代成機械手臂；比如除非要求特別精密的焊接、噴涂車間，現在基本上已經全部由人工替代。流程行業本來追求的就是極致的效率，所以工業AI單點替代更是不遑多讓，比如之前需要手工控制的閥門全部利用集控程序自動控制，之前的開機自檢將會由程序自動進行檢查；生產過程中的質量監控會被感知設備一一代替，同時之前依賴人眼睛觀察、監測的質量問題則會被視覺AI質檢代替。而且單點的業務優化的趨勢是持續的，但是會越來越艱難，因為單點業務優化肯定優先從容易替代且成本低廉的業務場景入手，比如前些年AGV還是奢侈品，現在已經飛入尋常百姓家。所以典型的AI場景肯定是從骨干制造業開始被突破，然后逐漸普及化。

2）數據收攏的平臺化訴求增加

隨著現場自動化的場景或者AI機器視覺的場景會增多，加上生產設備也會加入大量的傳感設備，造成生產現場的數據會指數級增加，比如離散裝備行業質量檢驗本來是手工檢測，但是由于現在安裝傳感器的成本大面積下滑，本來質量數據分析是不需要考慮環境因素的，但現在許多大型裝備行業質量分析會將溫度作為一項參考項，所以未來比如傳感器、控制器件、振動抑或是電流等方面的數據會越來越多，所以集成的數據量、數據頻次都會增加，需要將分散的數據聚集在一起，然后再統一分散到各個業務場景當中去應用。而且未來的數據貫通或者互相聯動的訴求一定會增加，IT與OT質檢的聯合驅動會成為生產當中的主流，比如當生產設備被預測將會出問題，該信息會被及時傳達到APS系統，由APS及時更換設備或者修改排產日期。當AI質檢發現流量不穩定，需要及時給控制系統傳達信息，執行降低設備轉速或者皮帶轉速的操作。所以隨著數據量增加、數據集成與交互頻次增加，敏捷性的數據平臺會在生產領域被推崇，但是如何在數據收攏的同時保障數據的實時性將成為挑戰。

3）應用數理急劇增加且迭代速度加快

移動互聯網以及各類學習資料對客戶進行反復再教育，客戶對于應用的訴求會越來越多，與APP或者小程序類似，大致的社交、支付、出行、導航等幾個大類之外，還會衍生會許多新的需求，比如微信主打熟人社交、陌陌主打陌生人社交，但是這樣就已經將社交需求挖掘完畢了嗎，很顯然沒有，只是需求還沒有被發現或者被聚攏起來。移動互聯網被稱為工廠管理的技術前瞻，所以未來工廠的應用一定會越來越豐富，而且越來越多垂直的應用會被做出來，所以希望將每個應用都了解透徹、了解全面，還不如將精力花在對于業務的了解、需求的了解之上，因為只有了解業務與需求才能夠創造一些應用供用戶選擇。當應用越來越多的時候，同時對于開發平臺是有一定訴求的。所以未來工廠應用類的項目，會越來越多讓人沒有見過名字的應用，與移動APP一樣，大類就是幾個，但是也有許多除了固定人員，其他業務人員一輩子也可能不會用的應用。

除了管理的訴求之外，以人為本也會成為未來工廠的主旋律，降低對于個人的要求，傻瓜式操作會越來越普遍，比如之前自動擋，現在手動擋，未來的自動駕駛，都是降低對個人的要求，傻瓜式操作；裝備行業之前質檢員、工人必須要會畫圖紙、看圖紙，但是現在許多企業都在做MBD進行三維標準，工藝、生產都用三維模型，降低了工人查看圖紙的體驗，甚至NC程序可以通過三維模型自動生成。除了降低個人要求之外，對于不適合人類的重復性勞動，比如巡檢設備、抄表等重復性勞動也會被重點突破，但這個并不是企業做這些項目的必要性，真正的必要性是在惡劣的環境下需要付出更多的薪資，或者招聘難度太大。

行業縱深與業務理解會成為護城河

提出了工廠未來發展的三個趨勢，即單點場景優化會越來越多、數據收攏平臺需求加劇、應用多樣化全覆蓋，三者任何一個能夠非常全面的闡述其出現的背景、痛點與未來都是非常艱難的事情，之前信息化項目售前基本上是科普，告訴客戶什么是MES、ERP，什么是工業4.0，但是現在學習的渠道甚多，所以單純的講系統的功能已經無法令客戶很心甘情愿的叫你一聲老師，尤其是MES這些非常吃行業的系統，在售前階段不僅要告訴用戶什么叫MES，還得告訴客戶隔壁老王是怎么做的，為什么這么做，兩者之間的區別是什么，真正做到咨詢顧問的角色，對于客戶的問題知其然知其所以然，然后給出行業通用方案。

去年遇到一個項目就是行業縱深打敗了全面，用戶屬于半導體行業，希望上線MES系統，我們提供了AI質檢+MES系統，但是沒有半導體行業經驗，競爭對手做了好幾個半導體行業的案例，經過反復斟酌、對比，用戶最終還是選擇了另外一家，典型的是行業咨詢大于技術壁壘，因為現在信息化管理系統幾乎已經沒有了技術壁壘，甚至平臺壁壘，見過許多MES、QMS根本沒有平臺，就是采用網上的開源框架，這種項目做的多了，會造成部分同事認為所有的系統都可以不買平臺，自己開發就可以了。工業時代，制造企業追求的是生產規模，業務發展是線性的、確定的、可預測的。因此IT建設注重的是穩定與效率，讓業務跑在流程上，流程穩在系統上。承載著業務流程、管理最佳實踐的一系列信息系統，通過一個個信息化項目，以完整的瀑布式的方式實施上線。就如同規模化生產追求的是穩定的生產節拍，這個時期的IT建設，也有著穩定的節拍和路徑。但進入到數字化階段，商業環境充滿不確定性與偶然性。這就需要IT更加敏捷、有彈性、可延展，才能與業務變化同頻。例如健康碼僅用幾天時間便完成了開發、測試與上線。如果沒有之前的案例支撐，沒有顧問對于這個行業的理解，十幾天內交付一個系統的雛形，按照蔡少芬的說法就是“臣妾做不到呀”。

不止是對于行業的理解、案例，而且不同行業的業務側重以及數字化成熟度不同，企業在路徑選擇上會存在明顯差異。例如以鋼鐵、化工為代表的資產導向型企業，更多精力會投入到工廠/園區的數字化建設上，以追求更大程度的降本增效:以品牌作為價值導向、直面消費者的生產企業，例如家電、快消企業，更加側重由C到B的端到端價值鏈打通，提升供應鏈的響應速度。這種現象造成了我們是做離散裝備行業MES的，對于化工行業的MES了解基本是零。這種局面就會造成下圖的數字化轉型架構，架構越往下穩定性越高，行業屬性越少，比如數據中臺、業務中臺，比如網絡、服務器、云計算等；但是一旦到了業務層面，各個行業的成熟度、業務痛點、管理模式相差甚大，基本上沒有哪個團隊可以覆蓋，所以這類建設本身就需要小團隊的支撐，這類不屬于大廠的業務范疇。如果大廠只是想賣咨詢或者硬件，很可能會在幾年內在這個領域逐漸消失，一定需要聚集一大堆行業ISV才可以，而且需要為行業ISV殿后，否則肯定是一地雞毛。

于企業、于個人

1）談到于企業，其實有兩方面的含義，一個需求單位即甲方，如果有數字化轉型需求，應該重點緊密對接行業ISV，如果某一個ISV覆蓋不了所有的范圍，找一個大廠做底盤用于監理也可以，這個時候切莫陷入品牌效應，將所有的項目歸集到某大廠，然后由大廠去切分蛋糕，由于大廠吸收了很大一部分利潤，造成行業ISV很難交付。如果某大廠一定要收取高額的咨詢費，然后再著手實施項目，這種大廠建議立即拉入黑名單，可以接受請咨詢與監理的角色，重咨詢只會讓用于交付的項目資金進一步萎縮然而還沒有特別大的作用。
2）于企業，即我們所說的大廠，如果是復合型項目，可以作為監理方收取一定范圍的管理費用，同時將自身的硬件、平臺、算法以及案例中包含的，或者希望未來拓展的案例包含在其中，但是類似于MES、QMS或者ERP等一定需要找到合適的ISV，因為一旦決定自己開發，不僅效果欠佳、周期變長、成本增加，最終客戶滿意度也比較差。所以重點進入綜合性項目或者已經有案例應用的項目，比如AI質檢等，如果只是單純的傳統信息化項目，大廠建議直接轉包即可，因為并不屬于大廠的業務范疇。3）于個人，如果一個人畢業之后就在大廠做制造業的信息化相關內容，則會浮于表面，因為基本上都是大數據、AI或者物聯網，基本上無法深入到企業的深層業務流程當中，所以如果希望從事于該行業，建議還是應該起初深扎于中小企業業務當中，比如ERP、MES等業務系統，然后再到大廠進行數據平臺、AI應用場景等方面，則會更加得心應手，因為已經介入業務非常深刻，講出來的大數據應用、AI應用場景則會更加奪人心魄。