本文是《中智觀察》“企業數字服務供需市場”行業洞察之DPS（工業）篇，傳統產業如何構建數據資源，為此專門開設DPS專題，進行研究與探索，工業數字化，數據是構建人工智能的關鍵，是AI發展的基石。我們將一直關注DPS的動態與需求。

——海比研究院

2022年4月20日

工業數字化，是全球工業發展的一大現象。中國工業群體實現數字化轉型，不是隨波逐流，而是要從根基做起，培植自己的數字經濟大樹。

數據，相當于數字經濟大樹的根系，為大樹的成長源源不斷地提供水分與營養。當數字工業逐漸走向智能化，數據體系也逐漸形成一個產業，有了扎實的產業結構和組織模式，吸引各類廠商與資源的聚結。

DPS（Data Process Service）是一個數據處理的流程，對數據的加工，沒有一張滿分100分的答卷，只有無限的深入、無限的精通。數據為王，誰在數據上下足了功夫，誰有機會成為市場的王者。

工業數字化，是工業制造從傳統方式走向智能方式的一個過程。從產業內部的縱向結構到外部的橫向聯合，必然都要經歷數字化的全面換身。

2015年，國務院出臺了《中國制造2025行動綱領》和《促進大數據發展行動綱要》，指出工業制造是國民經濟的主體，大數據是工業發展的必然選擇，企業是推進大數據創新的主體。2016年，國務院在《“十三五”國家信息化規劃》中提出，大數據建設的重點在于對關鍵技術的開發，具體包括對數據的采集、清洗、存儲、分析、挖掘、可視化、隱私保護和數據安全等技術要點。

2016年，發改委通過了《促進大數據發展三年工作方案（2016—2018）》和《促進大數據發展2016年工作要點》，強調工業經濟的關鍵在于深入發掘數據的潛力，激活數據要素。2016年，工信部也發布了《大數據產業發展規劃（2016—2020年）》，要求培養一批專業化的數據服務骨干企業，創建一批大數據產業聚集區，建立大數據標準體系，成立一批大數據產業聯盟，將數據體系推向國際先進水平。

2022年3月，工信部部長肖亞慶強調，要扎實推進數據中心的基礎設施建設，加快豎立技術產業化規模化應用，促進數字經濟持續壯大。目前，我國正在打造10個國家數據中心集群。在2022年全球TOP500超級計算機榜單上，中國占173臺，總量居世界第一。中國的數據優勢逐漸顯現。

數字經濟對大數據的強勁需求，必然促使數據處理過程成長為一個產業。在DPS（Data Process Service）數據流程服務理論中，數據是構建人工智能的關鍵，是AI發展的基石。DPS成為一個產業，也是解決中國數字經濟地區差異的需求。

在計算機的應用過程中，數據，就是為計算機程序所加工的素材。它的來源十分廣泛和復雜，進入計算機后，它們被記寫為數字、字母、符號等可操作的單元。在通往人工智能的過程中，數據與算力、算法共同完成深度學習的任務。

而算力、算法方面，沒有太大的變化空間。實際應用中，算力、算法在全球都可以形成一致的標準，而數據則有無限的發揮空間。計算機產品千變萬化，主要是靠對數據的無限投入。在工廠的生產過程中，即使算力、算法并不高明，但是只要在數據上達到高質量，就可以產出極好的產品。反之，即使擁有很高的算力、算法，數據上卻很低劣，產出的將是一堆庸俗作品。

因為數據無限，且充滿變數，所以通過對數據的采集和加工，可以產生粗糙或精細的、品質優劣不等的、大小不一的單元。無限復雜的數據材料，可以提煉為一個單元素材，投送到一個應用途徑；一個數據材料，可以分解為無數的單元素材，投送到無數的應用途徑。所以，業界逐漸形成一種認識，認為在生產過程中，80%的努力用在了數據上，20%的努力才是用在算力和算法上。

久而久之，數據流程工作走向成熟，必然會從企業生產的大流程中獨立出來，成為一個高度專業化的數據流程產業。當一個企業的數據流程分立出來之后，它又可以變身為向無數企業提供流程服務的新企業。

（案例一）數據處理服務，需要扎根在產業體內

與農業不同，工業領域的產業結構非常復雜。在生產線上，物料數量龐大，物性指標嚴苛，零部件型號繁多，工藝過程復雜且升級換代頻繁，高端裝備產品對質量的要求極高，后續運行環節也復雜，存在太多的風險因素。

拿煤炭行業來說，煤礦生產工藝有特殊性，技術有專業要求，井下作業面臨安全風險，煤炭的采挖和洗選過程有很大的不確定性。目前，國內煤炭業正面臨采掘失衡、地質透明技術障礙、智能化系統協同困難、生產線各環節數據難以貫穿、信息化嚴重滯后等困難，對“工業數字化”有很大的挑戰性。

數據服務企業面對煤炭行業數字化，該如何下手？2018年，在江蘇無錫市成立了一家“雪狼云”數制科技公司，在推出工業數據智能系統時，就有一項專門對付煤炭業數據管理的業務。

這家公司利用大數據技術對煤礦產業的海量數據進行了集成分析與數據價值挖掘，進行動態診斷與輔助決策，克服了煤炭行業數字化轉型的痛點。公司開發的“雪狼云”OS工業數據智能系統，為煤炭產業自下而上的生產結構中設置了數據資源層、大數據分析應用層的處理結構。數據資源層，是通過在線監測形成數據，把數據匯入“一張圖”空間數據庫。大數據分析層屬于最頂層，通過對“一張圖”數據的調度，定向投放每一個生產的環節。

公司將OS系統應用到山西、陜西、山東的多家煤炭企業，分別在調度指揮、智能化選煤、皮帶運輸、經營管理等環節得到了驗證。例如，在陜西省某煤礦5G智能礦山調度指揮中心，OS系統建設完成了智慧礦山“115”規劃建設，即1個智能管控平臺、1片大數據企業云、5個應用子中心。實踐中，系統利用大數據、云計算、人工智能、5G智能網絡等技術，為管理者提供決策依據，形成了整個礦山的“智慧大腦”，開發出了安全管控、綜合集控、預警管控、經營管理、VR培訓5個分支系統。

在這個案例中，數據流程服務具體表現為：扎根煤炭產業體內，構建企業全域數據資產，進行大數據細化加工。雪浪云公司梳理了其在煤炭產業的數據處理工作：OS系統基于煤炭行業數據標準，完成了對BIM、GIS、集控數據、傳感器監測數據、MES、ERP、音視頻、文件等多種類型的數據處理工作；OS系統支持煤礦元數據管理、主數據治理、數據分發等能力，同時構建了企業全域數據資產（如地理信息管理、經營管理、煤礦生產、機電管理、安健環、輔助運輸、分選加工以及智慧工業廠區），提供了煤炭企業運營指標體系、數據分析模型體系等服務。

（案例二）來自企業的訴求：工業數據處理有特別的要求

工業活動涉及眾多的體系，內部的縱向結構與外部的橫向聯合復雜多變。在工廠內部，大數據的生產過程包含設計、原料、生產、銷售、服務等階段。在生產環節，大數據要參與加工工藝、元件調度、產品合成、質量檢驗、物流分化等細節。對于外部環境，數據技術要參與產業鏈上下游企業之間競爭與合作的辨析，對市場環境進行計算，對客戶進行畫像。

在這些過程中，身處其間的企業都有深刻的感受。南京一家“金寧匯”科技公司，利用數據技術幫助某軍工企業建立了工業數據交換平臺，幫助某鋼板制造廠與造船廠實現了信息共享，幫助南京市江北新區大數據管理中心構建了“江北鏈”，在工業數據應用的實踐中形成了深刻的認識。

2019年，南京的金寧匯科技公司參與了一項南京玻璃纖維研究院中標的復合材料行業中心建設項目，以自主創新的New Spiral平臺為基礎，通過非對稱加密、智能合約以及隱私計算等核心技術，圍繞著項目的檢測、評價、認證、標準、咨詢等方向提供服務。項目建成之后，得到了中國建材集團的認可。

2021年10月，國家工業信息安全發展研究中心發起了“信創區塊鏈測評”項目，至2022年3月9日，有10款產品首次通過測評。其中，南京金寧匯科技公司的聯盟鏈底層平臺NewSpiral系統軟件V2.0是產品之一。近三年來，這家公司年收入連續保持在300%以上的高增長，其中近三分之一的業務來自工業領域。

公司創始人石寧接受媒體采訪，道出了數據企業參與工業領域數據建設的難點：“工業領域的數字化不能簡單模仿消費互聯網，二者的底層邏輯不同。”工業領域的數字化先是從消費領域的數字化引申而來的，但是工業有自身的底層邏輯，多方主體之間存在不互信、不互通的僵局，如果照搬消費領域的數字化，那么結果只是一場空。

“消費互聯網本質是內容的數字化，流量是關鍵，工業數字化的本質，是要建立有能力的數字化。”石寧表示，金寧匯從區塊鏈模式中找到了出路，因為區塊鏈的去中心化的數據構建方式，能夠為各個產業實體之間提供數據確權、數據分類分級、數據多方管控的解決方案，從而使建立共同數據庫成為可能，促進了跨組織的交換。

數字經濟不是從中國發起，而是從一些發達國家興起之后，帶動中國走向數字化。中國的數字化進程，是從追隨者的身份逐漸發展為領先者。國內各產業層次的數字化，首先是從服務業上形成氣候，再進一步向工業領域、農業領域實現過渡。

當前，國內服務領域的數據企業已經有了相當的火候，像世紀互聯、萬國數據、秦淮數據這樣的優勢企業，主要服務于騰訊、百度、阿里、華為、京東、字節跳動、微軟這類的大型互聯網用戶，已經在市場上形成了很大的影響力。三家企業先后在境外實現了上市，業績連續多年保持高增長。

但是在工業領域，這樣的頂級數據企業還比較少。即使有一些企業取得了可觀的成就，也只是針對目標產業實現了專業性的數據投入，還沒有對行業形成足夠強的輻射作用。在工業數據群落中，正需要形成一批骨干力量，不僅在技術上形成突破，也要在規模上構造影響力。

2021年9月，原工信部部長李毅中在一次企業數字化論壇上表示，工業是數字化的主戰場，工業數字化轉型要從企業做起，但企業對數字化的認識還不夠充分。他指出，工業門類多、體量大，數字化過程中存在不少的阻力，轉型周期會比較長，一些中小企業因經營困難還沒有投入轉型，一些大型互聯網企業對工業的關注度不夠。

據業內統計，2021年，我國在視覺計算、機器學習、深度學習、知識圖譜等方面的工業智能應用核心產業規模為93億元。這與中國工業體量30萬億元來說，簡直是九牛一毛。從技術上分析，視覺數據處理在各項數據應用中進展程度最高，較好的視覺能力為工業機器人的開發提供了前提條件。可是到了經營、管理、服務的環節，人工智能還有很大的欠缺。

企業從體驗中得出結論，在運維環節，落實人工智能還有很大的困難。主要在于數據的采集和處理還不夠成熟。數據流程服務要解決的痛點，就是對數據的真實性、深入性、全面性、客觀性方面還要加大投入的力量。而一些初見成效的企業，滿足于相對其他企業的領先地位，沒有從根本上下功夫。

規劃中，數據質量提升、重點行業數字化轉型、數字技術創新突破等內容被列入目標工程，要求通過建立強大的“新基建”基礎設施為工業數字化創造條件，為工業數字化轉型建設智能制造示范工廠，同時推動數據資源標準化工作，鼓勵工業企業利用5G、時間敏感網絡（TSN）等技術改造升級企業內外網，完善標識解析體系。

工業數字化帶來市場的大淘沙，成了一個與時間競賽的考場。實現轉型的企業將會脫穎而出，沒有轉型的企業會面臨市場的淘汰。企業要培植自己的數字經濟大樹，扎根數據就是一個必須投入的任務。

本文作者系海比研究院·酸泥

本文來自微信公眾號 “中智觀察”（ID：Hapiweb-soft6），36氪經授權發布。