邑通软件章佳：智慧企业应像人一样自己去变聪明

9月27日，2020中国500强企业高峰论坛在郑州举行。厦门邑通软件科技有限公司益管通总经理章佳出席并发表演讲。

厦门邑通软件科技有限公司益管通总经理章佳  新浪财经 邓健 摄

　　章佳表示，我们去对比智慧企业，我们认为智慧企业应该要具备的特征跟人的智慧要具备的特征是一样的，我们希望他能够像我们的人一样自己去变聪明，他应该具备一个什么样的特征呢？首先他要通过各种方式获得实时状态的全感知，比如说5G和供应互联网各种技术来实现整个运行状态的感知。那感知完之后会做整个数据资源的分析，包括相关资源的匹配和调度，你企业的大脑会自动给这个决策建议告诉他应该怎么做并且自动去执行，执行完了之后最重要的一点是在执行完之后需要对执行完的结果做批判，你需要自动去批判这件事情做下去之后或者这个操作做下去之后是好的或者是不好的，因为你只有评判了才能让你自己在这个过程当中学习和成长，我们认为这是很关键的一点，所以我们认为整个智慧企业的特征是可以类比人的智慧特征进行思考的。

　　以下为演讲摘录：

　　2020年是真的非常不平凡的一年，我们今天坐在这里摘下口罩面对面做交流和有这样的沟通机会对于在座每一个人来说都是很幸运。大家都知道2020年发生了非常严重的新冠疫情的事件，在整个面对疫情环境以及我们在抗击疫情的过程当中可以看到我们运用了5G技术、工业互联网的技术。比如说我们很多人在疫情期间都习惯了在线上办公，包括我们家的孩子也在线上接受老师线上的课堂等等，包括在抗击疫情期间我们用人工智能的技术可以看到帮助很多的医生去看很多的片子等等。其实这些都是新基建相关的技术在我们整个抗疫期间的应用，可以说在整个过程当中新基建挺身而出带领相关的产业来进行了这个产业空间的拓宽，帮助我们支撑了在非常困难环境下的经济持续发展。所以，这是我们今天的第一个主题词新基建。

　　在2020年的5月份，新基建第一次被写入了政府的工作报告，我们可以看到在2020年的政府工作报告当中是明确指出应该要加强我们新基建的建设，发展新一代的信息网络、拓展5G应用、建设数据中心、增加换电站的设施，推广我们新能源汽车激发新消费需求以及助力产业升级。其实这些也是意味着在2020年以及未来很长的一段时间新基建一定会成为助力我们消费升级和产业升级的核心，这也是为什么我们今天需要去讨论他的原因。新基建是相对传统基建而言的，我们想说新基建新在哪里？我们认为他主要新在三个方面：一是基础、二是融合、三是创新。

　　首先第一新基建新在基础，我们都知道相对于传统基建而言，传统基建都是由我们政府方进行主导的，他主要是做一些公路、铁路、楼宇等等各种的硬件方面基础设施的建设。但是在我们新基建关注的七大热点领域里面会发现除了基础硬件设施的建设，他还涵盖了大数据中心、人工智能、工业互联网等等新兴软件技术的应用。所以我们认为这是他的第一新，在于基础。

　　其次是在于融合。这方面是需要重点跟大家做分享的，整个新基建从原来关注单一功能转变于多领域之间的融合叠加的效应。我们认为在整个新基建的应用过程当中是实现了技术+基础设施应用场景很有效的融合，他关注了七大领域里面通过5G技术来实现底层数据的采集和传输，通过数据中心来实现数据存储和相应数据服务，通过人工智能的技术来提升相应的算法，最后通过工业互联网的技术实现在工业领域集成的应用。我们在屏幕左手边看到的最后都是需要去服务于基础设施的这些场景，包括我们特高压、新能源汽车、城际铁路和城际交通，我们不是去追求某一方面硬件基础设施建设的先进性，而是应该在于我们的技术跟我们的基础设施整个应用场景的融合。我们所有的技术应该是赋能于我们基础设施建设的，这是我们强调的第二点在于融合。

　　最后是在于创新。在这个方面不做过多的展开分享，因为他讲的是重点支撑我们科技创新、产业创新以及技术方面的创新，在座各位更多是来自于企业，在这里不做过多的阐述和说明。

　　我们在聊完新基建，刚才我们提到新基建之新的重点在于融合，其实当下的技术很多，我相信大家从自媒体和各种途径都看到非常先进技术的描述，新技术很多、先进的技术更多，其实我们在跟企业接触的过程当中企业更关注的是你当下的这些技术如何去赋能我们的企业，如何帮助我的企业去发展。所以，我觉得这是我们现在需要去关注的，现在大家都提出智慧企业，那到底什么才是智慧企业？我们在很多的场合大家过多讨论的是说技术的先进性，但是这个先进的技术应用到我的企业之后，我的企业怎么样才能变成一个智慧企业、聪明企业和一个能够像人一样去思考的企业。我们看一下智慧企业，我们认为他应该要具备的特征，我们认为智慧企业当中的智慧是需要类比人的思维和思维模式的。

　　我用一张图给大家做展示，我们可以看到大家右手边的这张图这是人的思维和行为模式表示的一张图，举一个很简单的例子，我们人是怎么变得越来越聪明呢？比如说你现在走在路上，你通过你的眼睛看到前面有一个水坑我们会怎么做？你看到这个水坑之后就会开始去评估这个水坑的大小，你会让你的手脚做好准备，你的大脑会给你发送指令说跳过去，于是你就执行了大脑给你下达的指令，你跳过去了。那跳过去会有什么样的结果，一是要么跳过去，二是跳坑里面去了。那跳完之后你会自我评估说原来这么大的坑我是跳不过去的，那在下一次遇到同样坑的时候肯定会去评估这个坑我是跳不过去的，要不然我不跳了或者借助其他资源手段去跳。所以在跳坑的过程当中就成长了，没有人教我们怎么做或者有人在旁边教我们说5厘米的坑不能跳，在跳坑这件事情上面我们就变聪明了，这是我们人在学习和成长的过程和简单的例子。

　　那我们去对比智慧企业，我们认为智慧企业应该要具备的特征跟人的智慧要具备的特征是一样的，我们希望他能够像我们的人一样自己去变聪明，他应该具备一个什么样的特征呢？首先他要通过各种方式获得实时状态的全感知，比如说5G和供应互联网各种技术来实现整个运行状态的感知。那感知完之后会做整个数据资源的分析，包括相关资源的匹配和调度，你企业的大脑会自动给这个决策建议告诉他应该怎么做并且自动去执行，执行完了之后最重要的一点是在执行完之后需要对执行完的结果做批判，你需要自动去批判这件事情做下去之后或者这个操作做下去之后是好的或者是不好的，因为你只有评判了才能让你自己在这个过程当中学习和成长，我们认为这是很关键的一点，所以我们认为整个智慧企业的特征是可以类比人的智慧特征进行思考的。

　　很多企业会觉得说，如果我在搭建智慧企业的过程当中应该按照什么样的阶段去搭建呢？我具体应该怎么样去落地呢？我们都知道智慧企业是一个很大的概念，一个公司一上来不能说就是智慧企业，我会问你在哪里智慧，你是整个公司都智慧吗？研发和销售都是智慧吗？当然不是，我们认为说一个智慧的企业应该要有他的出发点和他的落脚点。我们认为在做智慧企业整体规划和思考的时候，我们应该要以企业的价值链某一个环节或者某一个应用场景为出发点，这是他的出发点。那他的落脚点是哪里？落脚点是在于说我们在价值链的这个环节应用场景想要达到什么样的智慧阶段，这是他的一个落脚点。比如说我们在跟某一个烟草企业做合作的过程当中，我们帮助他做智慧企业建设的推进过程当中帮他做的，比如说我在他生产含水率控制的环节帮他做到的是辅助决策的智慧阶段。也就是说，我们在谈智慧企业的时候是需要有出发点和落脚点，不能上来就说要搭一个智慧企业，怎么做也不知道，我们认为应该要找到你生产企业的价值链里面的某一个环节的某一个需要去解决的场景，最后为这个场景去设定他想要达到智慧阶段的目标，这样才能说把我们的智慧企业有序的去做一个推进。

　　重点看一下智慧企业的四个阶段，我们认为智慧企业现在智慧到什么阶段是摒弃了传统的打分制，我们现在在做阶段评价会有1-5分进行评价，但是在我们整个智慧企业的评价模型里面摒弃了这样的打分制，我们认为智慧阶段大概分为四个阶段：辅助决策、类人脑思维、推理演艺，智能执行，我给你一个辅助性的建议，但是我不去执行，你可以去决定要不要执行，这是辅助执行的一个阶段。其次是智能执行的阶段，我给你一个更好的建议并且我自动去执行他，这是智能执行的阶段。到了第三个推理演艺阶段，我给你的不是一个指令，我给你的一套固定的思维逻辑或者我们老师在解题的时候给我们一套方法，我给你一套方法之后自己会进行学习实现你自我的提升，这是推理演艺的阶段。到了第四个阶段就是类人脑思维，老师给你一个方法，你会用这个方法进行解题。很有可能自己会创造出解题方法，如果拥有类人脑的思维，他会自己去找寻自己想要解决方法逻辑思维的这种模式。我们认为这才是智慧企业最高阶的一个阶段，以当前的企业来讲大部分的企业是处在辅助决策以下的阶段，也就是大部分企业的场景都是处在辅助场景以下的阶段，有少部分企业的少数场景已经进入到了辅助决策的阶段。当然有极少数的场景已经进入到了智能执行的阶段，目前来讲能够进入推理演艺和类人脑的阶段已经没有了，这也是在座的各位以及我们各位共同去努力的目标和方向。

　　其实我们做工业化和信息化的推进已经很多年了，我们之前也做了非常多的工作，那我们在做推进智慧企业这件事情是不是跟之前一样，我们需要经历渐进式的发展，我们之前在做两化的时候都知道大部分企业都在做这几个方面的工作。首先做基础建设，接着进入单项应用的阶段，我只有完成单项应用阶段才具备了向综合集成以及我们协同创新阶段去进阶的基础。我们在传统做信息化的过程当中一直都是这样的思路，我们必须要做基础建设再单项应用和集成，以智慧企业来讲是不是你也必须先到辅助决策的阶段，做完之后再到智能执行的阶段再往推理演艺和类人脑的思维去进行呢？答案是否定的，我们认为海量的数据应用以及各个技术的融合效应的作用下正在重构我们所有知识的沉淀、复用和传递的方式，他彻底改变了我们原来渐进式发展的模式。所以，并不是说你一定要先去做辅助决策的阶段才能够进入到一个智能执行的阶段，其实我们现在有一些企业实际运用的案例过程当中就已经直接进入了智能执行的阶段。

　　接下来是智慧企业的高阶发展，我们智慧企业如何向高阶进行发展，刚才说到会有几个案例做展示。这是我们在建筑空间领域的案例，大家可以去找一下这四个案例之间的共同点，这是我们在建筑空间领域的一个空调节能运行优化场景的运用。这个场景的目标是通过环境数据以及我们空调设备状态的数据感知，我们感知到这些数据之后会对我们中央空调的系统去做一个运行优化，使整个空调系统的运行更加的好。最终我们想要达到的目标是保证在建筑空间的领域、人群舒适度、达标的前提下来实现我们中央空调的节能降耗。刚才宣传片里面给大家放到现在医院、高铁站、场馆以及今天我们大家所处的会场都是属于超大空间。

　　大家为什么会扇扇子？因为在现在的环境里面并没有实时的环境传感器，等到后面的空调知道说前面很热的时候已经要半个小时之后了，你们等着半小时之后空调会降下来，这个里面是有很大滞后性的。我们要实现环境、空间、人群、舒适度达标的情况下实现节能降耗。我们可以看到在屏幕的右手边橙色的部分，这是我们系统自动推出来的一个建议，我们的系统会自动推出来对空调系统给出来风系统和水系统操作的建议之后并且自动去执行，执行完之后在屏幕右上角会看到实时耗电量的显示，执行完之后就很清楚的知道说当前操作的能耗情况是什么样的，这就是刚才说的我们执行完之后会有一个评价。在这个场景目前做到的就是智能执行的阶段，这个场景并没有经历说先让他辅助决策或者先推建议和执行，他直接进入的就是智能执行的阶段。

　　这是我们火电企业应用的场景，这是锅炉燃烧效率的场景，这个场景目标是在保证我们火电企业设备安全、氮氧化物达标的前提下去实现锅炉效率的综合提升。我们可以看到在右下角给出了相关的风量方面的操作，我们给出这些操作的建议给到你之后是在辅助决策阶段，我不是自动执行的，我只是告诉你的操作人员按照我的推荐去操作燃烧效率会更高。所以在这个场景我们做到的是辅助决策的一个阶段。

　　钢铁企业，这是我们在钢铁行业做的案例，这是转炉炼钢的场景，这是在实现高铁量消耗的目标。同样的我们在这个场景做到的智慧阶段也是辅助决策的阶段，我们刚才说到其实少数企业的少部分场景是进入到了辅助决策的阶段，所以现在在这个阶段的企业偏多。我们在这个场景里面给出的是投料相关的建议确保你的操作工按照我的建议操作去执行之后他的钢铁量的消耗会有降低。但是我只是推荐建议给你，我们可以看到在右手边我建议你的压力设置到多少，但是我并没有自动去执行他。

　　最后是我们水泥行业的场景，他是我们水泥立磨的环节，我们知道水泥的立磨环节能耗是很高的，所以我们这个场景的目标是确保我研磨颗粒度达标的情况下实现同等电耗的降低，也就是节电。现在屏幕最中间的位置就是我们给出的操作建议，我们可以看到我们给出的研磨压力，风机转速的操作。在这个场景我们实现的是一件下发的功能，只要操作工觉得可以就一键下发由你的系统去做一个执行的动作。每一次我们执行完了之后在我们屏幕左上方就会有一个实时电耗的反馈以及我们下面有一个效率分析，他当天每一次的操作都实时的进行绩效分析帮助我们去关注到每一个人操作的情况。

　　刚才上面四个案例其实都是我们当前新基建的技术在智慧企业推进过程当中很好的应用案例，大家会发现他们是属于不同的场景、不同的企业和行业，行业跨度是很大的。但是我们在不同的行业里面，刚刚不同行业场景里面运用的都是我们知识图谱+机器学习这样的技术。其实这个词并不陌生很多人都听过，但是他转换成一个比较好理解的和大家听得懂的语言，他怎么让我们的企业进行落地实现呢？我用下面的PPT给大家做一个分享和说明，我们在跟客户交流过程当中会问客户你信什么？客户会说我信我自己，客户认为你所有做给我的东西必须来自于我自己的知识和经验才认为是可信的。我们之前尝试过其他的方式，客户会觉得这个东西没有经过验证过或者在我曾经操作里面没有被发生过，他执行下去的可靠性和稳定性怎么去保证？所以我们会发现说原来客户信任的是他们自己的东西，那客户自己的东西在哪里？其实是在我们在座各位企业数据库里面，这些真的非常多。

　　所以，我们认为在知识图谱+机器学习方面怎么去应用他呢？我们可以分为三个阶段：

　　一是知识图谱的构建。我们把客户历史上面的经验数据都收集上来之后按照我们SWZ的理论构建成标准化的知识，形成我们的知识图谱。什么是我们SWZ的理论呢？简单来说在什么样的工矿下面做了什么样的操作，你最后得到了什么样的结果，这个东西是通用的，这是一种思维模式。所以我们按照SWZ的理论会把你所有的数据进行结构化的处理，最后形成你的知识图谱。

　　二是我们机器学习的技术应用，是你的知识排序，你进行结构化处理完了之后，我们都知道你的知识一定会有好坏之分。同样一件事情不同的操作工去操作得到的结果是不一样的，有些人同样一张卷子有些人考80分，有些人只能考60分。我们知道这样的人按照这样的一张卷子这样去答是得80分，另外一种方法去答是得90分的，我为什么要排序？排序是为了寻优。比如说你现在有两个员工在操作同样的一台设备，那同样情况下有些员工操作很好，有些员工操作是不好的，那在没有这样技术之前是不知道的，你只能到月底的时候做一个大的汇总和统计。那有了系统之后会把每一条操作形成按照刚才按照SWZ的理论去做图谱分析，我会知道B员工的操作可以得到90分，B员工操作只能得到80分，那出现同样工况发生的时候也可以达到90分，这样是提升了员工的整体操作水平，这是第二个阶段是知识排序。

　　三是知识创优。怎么去创优？一是人机交互的方式，也就是我工程师自己去调节和创优，他去做试探性的调节，他调节完之后突然之间出现92分的得分，那我们就知道这样的操作是最好的，那未来出现同样的情况下所有人操作替换92分的操作，那就变成平均分从90分提升到了92分，这是知识的创优。在这个时候就运用我们另外一个核心技术是叫试探是学习的技术，我们可以系统的做试探和调节，系统帮你创优。所以在第三阶段创优有两种方式，通过这样的方式来实现刚才提到的知识图谱+我们机器学习的技术，在真正落地智慧企业场景之后的智慧应用。很多企业会说，我已经做了那么多年信息化和工业化的建设，我为了转型成做智慧企业要把原来的东西剔除掉呢？当然不是。我们可以看到这张图有三层架构，在某一个场景里面要实现这个场景的智慧化，我们认为他需要三个层次，首先第一是采集和控制的层次，他通过各种方式来获得我们的系统数据、传感器数据和设备数据，进入到我们OS层进行数据的存储和处理，最后是到我们的大脑层。刚才说到知识图谱和机器学习的技术是把他们封装成一个大脑放在我们顶层，我们BRAIN层面是通过OS层面进行运行，我们给一个更好的操作建议再下发到OS最后到DAC来实现我整个底层设备和系统的工质，所以他是一个很好的闭环。

　　回答刚才的问题，我是不是必须要一二三的搭上去呢？不是的，如果你的企业具备很好的数据控制系统，我已经具备了数据基础和控制的基础，那我也有OS的基础，那你只需要在上面和顶层引入一个智慧的大脑，你就不需要在重复建设下面的阶段了。那如果企业本身的基础相对来说比较弱，在这个场景里面缺乏相应的素材和相应的控制，那你可以从第一层开始搭一个三层完整的架构，所以整体来说他是一个非常灵活的应用，你可以做三层架构组合选择，这样来避免我们的企业重复建设的问题，这个跟现有系统融合性的问题也可以得到很好的解决。

　　刚刚在跟分享过程当中大家会觉得，为什么可以在这么多行业都被应用？因为在整个过程当中没有提建模这个词，刚才说到我们搭建的是知识图谱和思维的逻辑，而不是去搭模型，如果以建模来讲针对每一个行业的每一个场景要搭建非常多的模型，我还要有人维护和升级这个模型，这个模型还会有后面的不适应性，我还会不断的再进行调整。其实在整个过程当中运用知识图谱的技术是一种逻辑思维的模式，也就是我们刚才说到SWZ的理论，我做了操作最后得到了什么样的结果。也是因为这样的一种技术和一种模式使得我们在多行业、多场景的快速应用得到了可能。我们现在很多企业有一些工序是高度依赖于操作工的，这样的问题在于所有的问题都是存在于操作工的脑子里面，从某种程度上面来讲是一种无形的知识，我们看不到摸不着，只能靠他来讲。那通过知识图谱和机器学习的技术，我们可以把之前存在于操作工脑子里面的东西变成有形的知识。那这些知识就可以快速的被我们去学习、复用以及传承，我们之前说的老师傅带徒弟传帮带传到最后是越来越少的。我们有了这样的技术之后会变成操作工的这些经验可以被有形的呈现在系统当中，可以被快速的调用和试用，比如说环保、火电、交通、烟草、化工等等这些行业都能够得到快速的复制和应用。

　　以上是我这边分享的主要内容，在这里还是想要借最后的时间跟大家做一个说明，我们认为不管是人工智能技术或者是现在工业互联网技术也好，其实我们都是为传统基础设施的建设进行赋能的，他是一种技术支撑。作为企业来讲，追求的不是技术上面的先进性，并且我们企业不是科研单位，每一个企业都不是为了追求每一个技术有多先进，我们更在意的是说现在的先进技术怎么在我们企业当中得到很好的应用，帮助我带来实际的效益和效果。所以，我们认为现在人工智能的知识图谱和机器学习的这一套技术真的可以帮助企业，赋能企业来向我们在很多的场景上面像人脑一样具备我们知识的感知、提炼、自学习、自主决策、自我演进能力。未来企业在发展过程当中会有这样的目标，我们认为这样才是智慧和聪明的企业。