“数据是驱动智能未来的可持续能源。”10月24日，在《21世纪经济报道》举办的2018中国智造业年会上，阿里云产业AI首席架构师潘立维发表演讲称，随着各类结构化与非结构化数据的爆发性增长，如何利用数据赋能更多行业，成为大数据、人工智能(AI)等行业不得不面对的话题。

　　“中国在过去五六十年的工业建设中，整个工业基础和数据化构建是相当完善的。”潘立维表示，但是这些数据都被存储在传统的、集中式的数据处理系统当中，以“孤岛型”的方式呈现，因此从未真正发挥出作用。

　　在阿里云的思路中，全产业线各个环节的巨量数据，都将汇总到一个计算平台上，阿里云通过新技术建模，进行数据的分析与处理。如何以数据为核心，真正驱动制造降本增效，成为阿里云“ET工业大脑”要解决的问题。

　　“感知-反馈”的完整闭环

　　潘立维介绍，ET工业大脑是一次囊括感知、行动、结果、反馈的完整闭环，这需要一气呵成，在数据收集、处理以及反向控制过程中及时反馈。“必须重新去定义这套体系，它里面其实需要很强的数据处理理念及方法。”潘立维表示，过去在电商领域阿里积累了一定的经验，形成了由数据到智能数据，再到数据智能的一整套方法论，这一次他们把它定义为One Data、One ID、One Service，用这种方式真正实现数据的通用。

　　方法论有了，2016年8月，阿里云开始下车间。在光伏组件龙头协鑫集成的太阳能切片工厂中，ET工业大脑的团队尝试从这里开始，将生产环节的数据进行整合，并分析出结论，反过来指导生产。

　　“切片的生产环节和环节的数字化呈现，其实都不难，难的是将每一个环节的数据抽出来，去算一下就能有一个很好的结论。”潘立维坦言，要在两千个参数里寻找出关键的因素，并在此基础上找到关键参数，这个过程“就像在沙子当中取金子一样艰难”。

　　通过跟光伏切片的一线工人学习，ET工业大脑的团队将历史数据和现实数据进行计算，发现影响切片良品率的关键因素有三个：一是导轮的位置，二是更换的周期跟频率，三是核心操作人员的经验。

　　从这些因素重点突破，经过三个月左右的调试，大数据果然优化了生产过程。据潘立维介绍，这条产业线的良品率提升了1%，为协鑫光伏节省了几千万甚至上亿元的成本，也开拓了中国制造借助人工智能“换道超车”的新路径。

　　大数据、云计算的优势还能更合理地规划生产资料。在协鑫集成装上ET工业大脑之后，组件环节各材料的搭配方式能够得到快速计算，工作人员可以清晰地看到每种方案中产出组件的功率挡位和功率平均值。

　　在启动生产后，ET工业大脑可以及时反馈生产状态、监控生产情况和订单完成情况，为销售提供订单交期、计划排产等一系列信息，也可以根据客户需求进行工艺参数的调整，如此实现订单命中率的提升。

　　潘立维介绍，采取类似的思路，ET工业大脑已经在多个领域得到应用，例如在石化工厂降低了煤炭消耗率，在橡胶加工工厂提升产品合格率等。

　　让机器学会思考

　　显而易见，阿里云的ET工业大脑，底层的技术基石是计算平台、数据分析以及人工智能引擎，而阿里云的下一个目标便是通过这一套产品体系，让机器学会思考，从而在无需改变产线的情况下，实现高效生产。

　　到底让机器思考什么？潘立维解释说，阿里云希望通过ET工业大脑的能力，去承载各行业的知识与技术。“创新不是在一个人手里完成，而是多个人、多代人共同去完成的一件事情。”

　　他提到一个“知识图谱”的概念，在ET工业大脑整合知识图谱的基础上，再结合数据模型、业务模型和行业算法，对行业形成创新的接力。

　　在阿里云的理念中，进行完创新接力后，还需要一个整体的逻辑架构与技术架构承载，并形成全流程、全链路、全数据的打通——一种“三全”形态下的工业数据智能，实现全流程智能制造的转变。

　　其中，全流程是指在行业应用方面的供应链智能、产品研发智能、生产智能、营销智能以及服务职能，全链路是指在ET工业大脑层面的算法工厂、工业智能定制流水线等，全数据则是指云平台的所有数据与信息。

　　潘立维认为，完成这个整体架构的搭建需要三个核心能力，一个是数据工厂，“既然做工业，就用工厂打比方，需要把数据汇聚在一起，像工厂一样生产它，实现由数据到智能数据的过程”；二是算法工厂和AI创作间，前者提供“算法商店”，生态合作伙伴可以上传自己的算法模型，形成算法交易和共享，后者是阿里巴巴的机器学习算法体系和经验，总而言之就是把智能数据变成数据智能的过程，驱动整个供、研、产、销全流程。