原標題：專訪傲林科技董事長劉震：用企業級數字孿生掘金工業互聯網 

　　曾任微軟亞洲工程院院長、羅技全球CTO、諾基亞成長型國家研究院院長的劉震把2021年看作中國數智化元年。在人工智能、云計算、大數據等技術成為真正的水電煤，在各行各業鋪開的當下，早在2年前，劉震就看到了工業互聯網這個賽道的機會，并創立了傲林科技。

　　在工作上，劉震的一位搭檔是曾投出RPA行業明星股、市值超300億美金的UiPath的個人投資者王洋。與劉震一樣，在創立傲林科技之前，王洋已經在所屬領域取得了不小的成績，如果不折騰的話，無論是行業成就還是個人財富他們兩位也都能游刃有余。

　　但在成為創業者之前，他們都不想活得太安逸。“我們當時商量為什么要創業，就還是覺得應該做點事情，應該折騰一下，而且這里也有機會。”劉震說。

　　劉震、王洋所看重的機會在哪兒呢？

　　發現流程工業中隱秘的商業價值

　　根據過往經驗，他們一開始就鎖定了工業互聯網這個賽道，幫助工業企業把設備數據上云。但后來做著做著，卻發現事情有些不對。

　　“數據收集上來之后，如果不能有效利用，僅僅只是提供設備的狀況匯報，數據也還是‘死’的，產生不了價值。”劉震說。

　　在劉震看來，To B的魅力在于對場景的鉆研。相對來講，新技術在to C端如果行得通就會大規模鋪開，而To B往往沒有To C那么大的場景。不過‌好在數據多，后面‌‌價值也比較大。這個時候就需要鉆研行業。比如智慧礦山、‌‌智慧煤礦等，這些場景雖然小，但只要深耕就會挖掘出很多場景和價值。

　　企業的數字化轉型有兩個階段，一段是業務數據化，一段是數據業務化，哪端場景和價值更大呢？從字面意思理解，前者是把業務數據上傳到云端，而后者是把云端數據轉換成價值，答案不言而喻。

　　成立傲林科技前，劉震看到很多從業者走的是業務數據化的路子；在經過一些思考之后，傲林科技決定投身數據業務化。

　　“數據業務化的價值，會首先體現在決策層面。通過數據做預測、做模擬仿真，然后做決策優化。這給企業帶來的價值會非常明顯。”劉震說。

　　傲林科技不少客戶處在化工、鋼鐵、煤炭等流程行業，‌‌這些行業的成本主要在原材料一端，單就鋼鐵廠來說其‌‌原材料成本就占總成本的60%左右，再加上輔料成本，一共構成80%的成本。

　　所以對這些企業來講，‌‌要做數字化轉型優化，‌‌首當其沖就是采購這一端。“把鐵礦石‌‌及時地買進來，如果再能夠預測價格，知道什么時候‌‌買什么樣的鐵礦石就更好了。”

　　另外非常重要的一點是，鋼鐵廠里煉鐵爐不能原料斷貨。‌‌一旦斷貨，煉鐵爐就會停下來。煉鐵爐停工不但會徒增成本，重新啟動的煉鐵爐需要一定時間才能穩定，這樣煉出的產品質量也不好。

　　一邊不能斷貨，另一邊，也不能囤貨太多——會造成資金占用。比如一家1000億元營收的一個鋼廠，每天大概有幾十億的資金占用是在鐵礦石上的。假如這個錢是銀行借來的，每天的利息成本就很高。‌‌所以預測采購量、庫存最低水位對于企業決策者來講價值就表現了出來。“鐵礦石都是從巴西或者澳大利亞或印度海運過來的，‌‌鐵礦石到貨時間不一樣，‌‌所以這些都是企業決策者來說要考慮的問題。”劉震補充表示。

　　工業互聯網里的數字孿生

　　假如，企業有1000萬元的生產線改造資金，這筆資金是放在技改上，還是放在信息化系統上，這個時候怎樣做決策？

　　遇到經營問題時，企業發展的的瓶頸是在生產上，還是在物流上，還是在銷售上，還是渠道，還是終端？

　　在做決策優化之前，企業應該具備沙盤演繹的能力。沙盤演繹顧名思義，是以企業整體的數字化轉型為核心，建構一套虛擬系統，也就是企業的數字孿生。

　　傲林科技的數字孿生可以幫助企業演繹整套系統的運行，看哪種方案最優，找到降本增效的切入點。‌在這套虛擬系統內，依據一定的算法，企業管理者可以推倒出數字化的投入產出狀況。

　　“它的原理是，企業本身是一個組織架構，用數字的方式模擬業務進項，企業自己可以改變進項參數或者也可以與業務經營同步，來看企業整個的投入產出情況。”劉震表示。

　　在建筑行業，BIM（Building Information Modeling，建筑信息模型）系統通過數字信息仿真一棟建筑物各部件狀態的真實信息，建筑模型在BIM中被參數化，能夠提供建筑物從設計到施工再到管理等多個階段的一致信息，便于對建筑物高效協同作業。而傲林科技所說的沙盤演繹與建筑行業的BIM系統類似，只不過傲林科技所要演繹的對象是企業經營全局而非一棟建筑。

　　在劉震看來，雖然“企業的BIM系統”可以形象地表達傲林正在做的事，但此二者還是有本質上的差別。原因在于，建筑行業的BIM系統是實物的數字孿生，實物的數字孿生所關注的是更細顆粒度的事情，比如工廠內機床的運行情況等。而傲林科技打造的數字孿生所要仿真的對象是虛擬的，“比如企業的經營決策是無法用單點的實物數據來描繪的，這就要把數據發展到組織框架，需要一個組織各方面的數據共同來完成。”

　　說白了，就是要從一個更宏觀的層面，通過企業各方面數據構建的虛擬模型來關注企業的生產能力、運營情況等等，從而在決策層指導生產線。同時，也可以通過模擬仿真省卻很多實際的實驗工作，了解公司的經營彈性‌。

　　可以理解為，數字孿生中的智慧決策就好比是整個系統的大腦。例如，在智慧倉儲場景下，一個AVG機器人可以自動取放貨，但這樣單點的AGV效益不會太大。反而是更宏觀層面，需要決策者知道庫存水位現在處于一個什么水平，有多少食品需要進盡快出庫，多少芯片存放時間不能太長。做到這些，企業的經營決策效率會極大提升。‌

　　To B有時候不是純粹的一把手工程‌‌‌

　　隨著創業進程的推進，‌‌劉震對工業互聯網的認知也越來越深。最初，劉震和他的同事認為，像數字化轉型這樣一個大工程，特別是傲林科技這樣的產品還涉及到高層的決策優化，那一定是一把手工程。但事實是，一把手有的時候很難做決策。

　　因為很大程度上，數字化是一個碎片化工程。一個大型集團，它所涉及到的決策層有很多，可以是企業集團決策，也可以是企業的股份公司做決策，甚至公司的一個職能部門也可以做決策。所以，劉震將“一把手”工程的顆粒度進一步細化。“當我們做這個項目時候，你可以是集團層面來做，也可以在下面做，‌‌甚至到部門都可以。‌”‌

　　另外，在數據分析上，傲林科技也變得更加有的放矢：不是所有的數據都要采集、分析，而是從上到下垂直地、有的放矢地做。‌比如，當決策者在經營層面做決策優化的時候，發現有些地方需要更細層級的演繹（某條生產線需要提高‌‌產能），這個時候就可以把生產線數據采集出來，‌‌做針對性分析，然后再看這條生產線‌‌是要購買一條新的產線，還是只要加一臺設備就可以改善現狀等等。

　　這樣的市場策略，會讓‌傲林科技更具競爭性嗎？不全是，但也有一定道理。

　　面對一家To B創業公司提供的產品或服務，中國的買單者往往會問：是不是有案例支撐？如果沒有，他自己也不想當小白鼠。不過，此期間一旦找到突破口，To B服務商就會在一個行業打出案例，并全面鋪開。

　　做行業也不代表all in 行業。因為傲林科技更想要的是場景化應用。有了場景化應用，各行業都可以鋪開。雖然行業各異，但從“供產銷”這樣一個鐵三角來講，本質上又都是相通的。

　　“‌‌‌‌‌‌‌‌傲林科技現在來說跟巨頭都有合作，跟微軟、‌‌阿里、騰訊，還有華為、京東等等，‌‌運營商也是一樣。這里面傲林科技有時候是項目的參與者，有時候也做集成。”劉震說。他相信，在不久的將來，傲林科技作為工業互聯網領域企業級數字孿生技術的扛旗者，堅持數據驅動決策，一定會走出一條中國企業數字化轉型新路。