四大观点!工信部副部长怀进鹏解读中国工业化和大数据

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

image

怀进鹏

“以后我们找机器人打网球的可能性已经有了。”1月23日,在国务院发展研究中心主办的一个论坛上,工业与信息化部副部长怀进鹏对中国制造业面临的目标与任务进行权威解读,批评中国制造业面对转型观望与等待的惯性思维,还表示,制造业创新改变规则(Change Game)就在未来3-5年。

怀进鹏的另一个身份是:科学家。这位中国科学院信息技术科学部院士,计算机软件专家,2009年5月任北京航空航天大学校长,此外,他还担任国家信息化专家咨询委员会委员、863计划计算机主题首席科学家、国家电子政务试点示范工程总体组组长、国家电子政务标准化总体组组长等职。

2015年2月怀进鹏任工业和信息化部副部长。

在了解他的主要观点之前,我们先来看怀进鹏在论坛上播出的一段无人机接球的视频。这段TED视频点击量已破千万。

很神奇对不对?

在20毫秒(1秒=1000毫秒)当中,不仅有摄像传感器来发现抛出的球,平稳移动接到球以后,无人机能够确定位置,做出新的规划,通过综合反馈,又把它传回给发球的人。“这种人机交互就是大量采集的数据和准确定位分析”,怀进鹏说,“以后我们找机器人打网球的可能性已经有了。”

不止于无人机同人的人机交互,无人机之间的多机合作也已经实现。TED视频中,三架无人机各执一端,共同牵起一张编织网,同样协同自动完成了接球、定位、抛球一系列动作。这意味着,不久将来你不仅能和一个机器人对垒网球场,还能和机器人各自组队过一把足球瘾。

在怀进鹏看来,人类脑细胞总量这三五千年没有多大发展,但某一单个芯片集成电路的集成度到2018年,将超越脑细胞数量。

2015年一年的全球集成电路并购案,超过了2012-2014年三年总和的四倍。“这表征和预示了产业发展的集聚性和深刻性”。“工业互联网,或者两化融合(信息化与工业化深度融合),真的不是狼来了,也不再是想象”,怀进鹏说,它已经是技术上的现实,只差一步工程化而已。1我们有一个大坎,就是数字

以德国工业4.0为代表的工业化与信息化融合的制造业战略成为近两年来的热词。

image

德国人认为:18世纪制造设备的机械化标志着工业1.0时代,20世纪初的电气化与自动化标志着工业2.0时代,1970年代兴起的信息化标志着工业3.0时代。而工业4.0时代则代表人类进入实体物理世界与虚拟网络世界融合的时代。在工业4.0时代,传统制造业利用物联网和大数据分析,进行智能化转型。同样的计划在美国叫工业互联网。

中国早在十六大上就已经提出“以信息化带动工业化,以工业化促进信息化”的两化融合的新型工业化思路。去年,中国也发布实施制造强国战略第一个十年的行动纲领《中国制造2025》,其核心正是加快新一代信息技术与制造业深度融合,推进智能制造。

“对全球制造业发展来说,哪一个企业善于把握工业的数字化,能够有效拥抱两化融合,制造企业就会有更强的制造能力”,怀进鹏说。南都记者也注意到,2013年以来世界货币基金组织等国际机构谈到近年来,发达国家经济有所回升的重要原因,正在于两种IT技术的融合,一种是信息技术(Information technology),另一种是工业技术(Industry technology)。

“我们有一个大坎,就是数字”,中国工业化进入新阶段,首先就是数字化,对数据分析进行自然分析就是智能的结果,其使制造业走向真正的竞争力,“先自动化、再数字化,必然导致结果就是智能化。”怀进鹏说。2

想进入智能制造,感知是第一步

image

而感知似乎是人们在讨论大数据时被遗忘的一步。“要想进入智能制造,互联互通绝对重要,但是第一步先要感知到,把信息数字化之后才能互联,大数据背后是什么,是感知,是传感器啊,首先感知到后面才有数据”。

“传感器的发展,对我们新形势的重要装备齐了重要作用”,怀进鹏说,它将引发数据的大规模爆炸,并带动产业结构的变革。当传感器装置进入生产领域,它将改变所有的过程,带来人工智能的新变化,与物质的数字化,3D带时间标签,5D把生态感知材料加入,这样的迭代变化,不断更新,对社会发展将是难得的。

怀进鹏说,未来形成远超现在72亿人拥有的72亿台终端,五年之后,智能终端达到500亿,这样的规模当我们从人人交流,进入人与物、物与物交流,形成万物互联的时候,这种指数爆炸性增长,“我们人类社会以前没有想过,更不用谈我们为此做过一些准备”,他的分析是,未来影响制造业的重要信息技术就是大数据和物联网。

3生产模式将从刚性转变为柔性

工业化加上数字化带来的智能化,其最终目的,应该是实现生产活动高度整合,使得工业系统能够像人一样思考和协同工作,特别是满足用户定制化需求的生产技术,将传统的刚性生产模式转变为柔性生产模式。

怀进鹏的观点是,工业3.0的信息化已经走过了两大阶段,第一阶段在体系内,体现为各种数据、生产报表;第二阶段关注到了企业生产管理中的经销存,进入互联网。第三部,企业要关注上下游产业链,生态链,关注从设计一直到维护的产品全生命周期,“走得出来就走得出来,走不出来,企业就彻底沦为代工”,怀进鹏说。

从2013年起担任美国白宫信息物理系统专家组顾问的李杰(Jay Lee)在他的《工业大数据》举了一个柔性制造的案例,在未来的工业4.0时代,人们去4S店选车,不再仅仅是选择车型、颜色和内饰等定制化特征,而且用户还可以在一辆布满传感器的车内进行试驾,当用户坐上驾驶座椅时,传感器自动记录压力分布,这些大数据都将使得厂家有能力为你“柔性制造”符合你身形和坐姿习惯的座椅。

image

此外,车内传感器还能够记录驾驶动作,预测驾驶习惯,提醒用户习惯变化对于能耗和剩余里程影响。更智能的是,汽车驾驶过程中还能够记录路面平整度,获得的数据首先会在系统内分享,提醒后面的即使这减速,随后还可以分享给市政府,进行路面维护。

“智能制造,已经走出一个产品,走出产品、设计、管理、维护,建立整个产品的全生命周期”,怀进鹏说,这个观念不建立,对智能制造、两化融合是没有办法理解到位的。这也是大数据背后的真正含义。

工业4.0的革命性不仅仅是对数据的利用,而在于市场竞争将会从以往满足客户可见的需求,向寻找用户需求不可见的缺口转变。产品只是服务的载体,数据是服务的媒介,用户在使用过程中,不断挖掘需求的缺口,利用挖掘到的数据信息,进一步提升生产,创造价值。“互联网不是简单的信息商,它推动技术和格局上的变化,推进工作机制组织变革”,怀进鹏说。4 企业核心竞争力:拥抱工业数字化

四年前,怀进鹏讲过,谁拥有大规模数据,并且能够处理它,就是现在企业的核心竞争力。四年后,今天再看制造业的时候,他说“哪一家企业积极拥抱工业数字化,实现工业化和信息化融合,这样的企业就会更有竞争力”。拥抱工业数字化,意味着有获得数据的能力,也有对数据进行实时分析的能力,同样意味着将分析结果应用并建立在工业技术之上。

怀进鹏认为,现在重新反思制造业时,美国将工业技术的分散和低水平重复看作是自己“缺失的中间地带”,甚至有学者据此称硅谷是死亡之谷。“工业能力的加强是任何一个国家都不应该放弃的”。而欧洲方面也有自己的担心,据悉目前全球十大互联网公司,有6家在美国,4家在中国,欧洲没有一家,未来数字化大统天下之时,谁有数据,谁就有了帝国,欧洲担心沦为数字殖民地。

对中国来说,在信息技术发力制造业的时候,中国在现代社会发展过程中,第一次和世界站在同一起跑线上,但在制造强国的路上,“不仅要往信息技术同步发展,还要补工业化的课”。据悉,工信部方面也在重点围绕提升工业能力的目标,解决中国缺失的中间地带。

实际上,外界颇为看好中国在工业4.0时代有所作为,美国白宫信息物理系统专家组顾问、辛辛那提大学讲座教授李杰就认为未来工业4.0的中心将会在中国,“因为中国不仅仅是世界第一制造大国,更是世界第一的使用大国,无论是制造设备还是终端消费品,中国都拥有最庞大的使用数据。”不过,数据如果不能被很好发掘并加以利用,就没有真正的竞争力。

怀进鹏也直指,除了自身实力差距,制造业对转型发展认识还不足,还在等着是不是有现成的产品或者解决方案直接用就行了,惯性思维尚未转过来。“未来3-5年,加快制造业创新将是能够change game(改变规则)的重大问题”。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
6月前
|
NoSQL 物联网 大数据
【补充】助力工业物联网,工业大数据之AirFlow安装
【补充】助力工业物联网,工业大数据之AirFlow安装
92 1
|
6月前
|
Prometheus 数据可视化 Cloud Native
助力工业物联网,工业大数据之服务域:可视化工具Grafana介绍【三十八】
助力工业物联网,工业大数据之服务域:可视化工具Grafana介绍【三十八】
155 1
|
6月前
|
存储 SQL Oracle
助力工业物联网,工业大数据之服务域:项目总结【三十九】
助力工业物联网,工业大数据之服务域:项目总结【三十九】
102 1
|
6月前
|
SQL Prometheus 监控
助力工业物联网,工业大数据之服务域:node_exporter插件【三十七】
助力工业物联网,工业大数据之服务域:node_exporter插件【三十七】
77 1
|
6月前
|
存储 Prometheus Cloud Native
助力工业物联网,工业大数据之服务域:Prometheus的介绍【三十六】
助力工业物联网,工业大数据之服务域:Prometheus的介绍【三十六】
94 1
|
6月前
|
Prometheus 监控 Cloud Native
助力工业物联网,工业大数据之服务域:服务器性能监控Prometheus及项目总结【三十五】
助力工业物联网,工业大数据之服务域:服务器性能监控Prometheus及项目总结【三十五】
71 1
|
6月前
|
分布式计算 资源调度 物联网
助力工业物联网,工业大数据之服务域:定时调度使用【三十四】
助力工业物联网,工业大数据之服务域:定时调度使用【三十四】
75 1
|
6月前
|
Oracle 关系型数据库 大数据
助力工业物联网,工业大数据之服务域:Shell调度测试【三十三】
助力工业物联网,工业大数据之服务域:Shell调度测试【三十三】
51 1
|
6月前
|
监控 物联网 大数据
助力工业物联网,工业大数据之服务域:AirFlow的架构组件【三十二】
助力工业物联网,工业大数据之服务域:AirFlow的架构组件【三十二】
118 0
|
6月前
|
NoSQL 大数据 物联网
助力工业物联网,工业大数据之服务域:AirFlow的介绍【三十一】
助力工业物联网,工业大数据之服务域:AirFlow的介绍【三十一】
177 0