103
2019 年，就在刚刚过去的这周，由清华校友总会主办的第 4 届清华校友三创大赛之 TMT/ AI/ 大数据专项全球总决赛在重庆举办。为什么这届大赛尤其值得详细解读呢？因为今年的特色之一，就是工业互联网 IIoT 和边缘智能类别的项目史无前例的占据了大部分，其中不乏令人眼前一亮的好项目。因此，本文将对清华三创大赛中呈现的 IoT 相关机会点，进行简要回顾。
春风化雨乐未央，行健不息须自强。
这是当年萦绕耳畔的歌词。
就在刚刚过去的这周，由清华校友总会主办的第 4 届清华校友三创大赛之 TMT/ AI/ 大数据专项全球总决赛在重庆举办。
“三创”是指创意、创新、创业。本次大赛历经两个月的比拼，选拔来自全球的 102 支 TMT/ AI/ 大数据行业顶尖清华校友团队进入决赛，并最终进行了巅峰对决。决赛之后，在清华校友数据智能化高峰论坛上，优秀校友对未来的产业互联网进行了探讨。
清华校友 TMT 协会是重要的承办单位，作为协会的副秘书长，我在无比兴奋之中受邀并参加了项目评审。
事情想要做得好，就得一年又一年的持续折腾。
有了前面三届的积累，今年的大赛有了明显的飞跃。
这届全球总决赛覆盖范围广、各阶段参赛项目质量高、知名投资机构参与多。决赛的 102 支清华校友团队分为种子创意组、成长组、天使组三个组别，同步举行分组赛。比赛结果经过评委会严格复议，最终评选出各个组别的前十强。
为什么这届大赛尤其值得详细解读呢？因为今年的特色之一，就是工业互联网 IIoT 和边缘智能类别的项目史无前例的占据了大部分，其中不乏令人眼前一亮的好项目。
因此，本文将对清华三创大赛中呈现的 IoT 相关机会点，进行简要回顾。
01
IIoT 的江湖够热闹了，但还会更热闹
在介绍 IoT 项目与产业机会之前，先说说我在观赛时的最大感受。
很多项目团队的经历让我破除了一些“迷信”。原来真正的牛人，并不总是按照“规律”办事。
其中典型的，比如，一万小时定律。
在《异类》一书中，畅销书作者向大众推广了一个说法，即有素训练一万个小时是“成就伟大”的神奇数字。一万小时定律，让我们觉得，只要足够勤奋，任何人练上一万小时都能达到专家的水准。
现实是，一万小时定律有可能会让你取得令人刮目的成果。但是，如果你想更进一步，就不仅仅是时间的问题了。
每个领域都有自己令人敬畏的特性，没有放之皆准的法则，除了舍得投入时间之外，还需要融入更高阶的思维、跨领域的实践，甚至艺术修为。在这一切背后，“死磕”有时候恰恰是捷径，凡事永远有修炼和改进的余地。
因此在大赛中，虽然很多项目看起来很“新”，但都蕴含了深刻的底蕴和世界级的成就，远远超过一万小时的积淀。
接着我们说回工业互联网 IIoT。
工业互联网的江湖已经够热闹了，不过按照目前的情势来看，还有可能更热闹。
去年下半年，很多工业企业经历了订单的断崖式下跌。但是现在，作为工业互联网的核心需求方，工业企业的信心正在恢复。
根据国家统计局刚刚发布的信息：“2019 年 3 月份，规模以上工业增加值同比实际增长 8.5%（以下增速均为扣除价格因素的实际增长率），比 1-2 月份加快 3.2 个百分点。从环比看，3 月份规模以上工业增加值比上月增长 1%。一季度，规模以上工业增加值同比增长 6.5%。”
而且，工业产销率在一季度创过去 10 年以来最高。据国家统计局：“3 月份，工业企业产品销售率为 98.8 %，比上年同月提高 1.3 个百分点”。按照宏观经济分析师的统计，如果计算 1-3 月份各月产销率平均值，2019 年的数据创出了 2009 年以来最高水平。
工业企业对上线新项目、采购新系统的信心正在复苏。
这是多种因素助推的综合结果——比如减税等一系列利好政策的出台，基础设施建设投资的回升，一带一路和中美外交层面释放出来的积极信号等。很多上游工业企业开始着手为新一轮的发展进行布局。
而在这一轮的发展中，工业企业对于边缘智能的需求是明显趋势。
边缘智能在靠近数据源的一侧，就近提供本地化服务。应用程序在边缘侧执行，在节省带宽的情况下，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全和隐私保护等方面的基本需求。
关注到这个趋势，在物联网智库发布的最新版 IoT 产业图谱中，首次增加边缘层，从而形成了“端、管、边、云、用”这 5 层架构。
边缘并不是孤立的一层，在物联网应用方案中，云端计算、终端计算和边缘计算是一个协同的系统。
每个事物都有自己的客观规律和演进周期，目前边缘智能本身所面临挑战还有很多，包括边缘协作、边云融合、数据管理、商业模式设计等。
边缘智能仍旧处在底层技术突破的阶段，相关方案远未普及，应用生态的建设与创新尚待时日。下面我将以参赛的两个典型项目为代表，呈现当前阶段中，边缘智能领域的发展机会。他们分别涵盖边缘计算中间件和边缘智能数据管理。
02
由 IoT 技术突破带来的新能力
AI 以数据为“食”。但是在很多产业，因为边缘侧计算算力的限制、传输时延的限制、存储能力的限制，云端 AI 往往陷入空有十八般武艺，无法施展的窘境。
工业尤甚。不仅 AI，基本的 IT 能力在很多场景中都无法施展。虽然工业系统本身就是一个物联网系统，但受限于有限的数据处理能力、相对落后的数据处理算法，工业系统中的 OT 技术与 IT 技术之间产生了巨大的鸿沟。而这个鸿沟在当前边缘计算、人工智能等技术逐渐发展成熟的背景下，有望被打破，从而释放出更大的产能。
比如“工业边缘计算平台”参赛团队带来的 EdgeBox 边缘计算中间件，可以将计算机系统中的算法和算力，与工业的生产环境耦合起来，用计算机的技术去赋能工业生产。通过边缘计算技术，将工业数据在本地进行处理、预警与控制，提高工业的智能化水平。
作为项目的特色，EdgeBox 提供了在边缘硬件上部署应用所需要的基础功能环境以及一系列用于服务发现和配置共享的内建工具。产品线支持 Nvidia、Intel Movidius、海思和瑞芯微 NPU 方案。
EdgeBox 还在容器技术上实现突破，包括：10x 应用分发速度，80%应用大小压缩，4x 应用载入速度。并且针对特定场景，积累了大量行业内的微服务。
根据项目路演信息，EdgeBox 内置的电池寿命预测方法预测成功率可以达到 87%，边缘推理优化使性能提高 100%。
同时，EdgeBox 已经在无锡的智能充电站中得到了应用，相比于传统的云计算架构，数据传输量减少了 95%，决策时间缩短到 1/5。
项目成立之初，就获得了红杉中国种子基金投资的数千万元人民币，与该项目类似的相关公司，参见下图。
03
边缘智能数据管理
工业是一个包袱很沉重的领域，互联网公司从成立之初，就建立了数字化战略，所有系统按照云服务的方式构建，可以有效利用云服务资源。
与之相反，工业企业都有相当沉重的历史包袱，很多控制系统错综复杂，有可能存在数十个业务系统同时被使用的情况。
工业自动化来自 OT，大数据依赖 IT。到 2020 年，40%的数据将由 200 亿到 500 亿台机器产生，OT 与 IT 的融合势在必行。
然而，当企业试图将云服务在工业领域落地时，会发现面临一系列的瓶颈：
首先是不会：无能力重新设计实施业务系统，完成云服务的对接。现有数据孤岛严重、数据碎片化严重，企业缺乏对数据的清理和管控能力。
其次是不够：多个云之间的业务和数据隔绝带来很大困难，云架构本身不解决数据的归属和管理问题。
最后是不能：已有 IT 运营环境迁移困难，生产不能停顿，基础设施的瓶颈，制约企业采纳更多云服务。
业务云系统根据不同部门、不同需求把不同数据源做分析处理后存储在不同的数据库，自然会面临数据间缺乏关联性，部分企业采用多朵共有云、混合云等企业数据架构，数据库彼此无法兼容的窘境，从而形成数据孤岛。
怎么才能实现平台的统一化？从业务系统角度切入，很难统一。因此有创业团队正在尝试从数据的角度进行统一化。
他们提供了一套软硬件一体化的解决方案，在部署的过程中，团队充分考虑了工业企业需求：
1. 不用停产部署，工人不需要培训。
2. 回报有效量化，珍惜工厂中的每一分血汗钱。
3. 数据驻场，有效保护工厂内的私密数据。
该套系统在上海某标签印刷厂快速上线后，在未打扰正常生产的前提下，2 个小时便使得该厂拥有了设计协同云。
部署之后，产线配置时间降低了 4 小时，生产效率提高幅度达 35%。杜绝了人工失误，从此互联网网络故障不再影响生产。而且，所有数据异地三中心备份，紧急情况下随时可以重新开始生产。
04
允许尝试
虽然科技项目的成长周期更长，曲线更显性，但是它同样意味着长期稳健的回报。
Eclipse 基金会在 2019 年 2-3 月，进行了对全球超过 1,700 名开发人员的在线调查。根据刚刚公布的分析结果，有 2/3 的受访者表示他们所在的公司将在未来的 18 个月内开展物联网项目。
其中 26%的项目与工业自动化相关，涉及到 IT 与 OT 的融合。
这组数据很有代表性，物联网 IoT 和工业互联网 IIoT 的春天似乎触手可及。
不过，对于云服务在工业企业的普及而言，相比技术本身，更难的是思维的转变。
云服务在工业中体现价值之路，道阻且长。一方面，目前在工业中，相比老师傅的经验思维和物理思维，数据思维处于绝对弱势。另一方面，只有数学思维的科学家，很难解决工厂中面临的实际问题。曾经有公司在自己内部做了个测试，让所有的 IT 工程师画出一杯茶的工艺流程图，结果 90%以上的工程师画出来的都是程序图，没有 BOM、没有物料工程，更没有其他的关键工具。
IT 与 OT 的融合，本质上是数据思维和物理思维的融合。在这个过程中，一定会遇到困难，一定会走弯路。
重要的是，允许尝试。
事情并不会总是一帆风顺，经历了一些坑，或许你才会偶然发现机遇所在。
在得不到你想要的东西的时候，至少你还得到了经验。
阅读全文
下载ECAD模型
