工业互联网是物联网、云计算和大数据等新技术与传统工业的深度融合，在此过程中，有不少具备较强技术积累和解决方案能力的大数据厂商看到机会，进军工业领域。
2015年成立的CloudIn云英，发展初期以公有云和私有云为主要业务，之后基于云计算推出大数据技术服务，为工业、金融、新媒体等行业客户提供“云计算+大数据”的完整解决方案。
CloudIn云英创始人&CEO王江曾主导Google中国整体技术架构和平台建设，核心团队来自Google、阿里巴巴、腾讯等，在云计算、大数据、人工智能等方面有20多年技术积累，在大规模IT系统顶层设计、海量数据处理、大数据产品开发和部署效率等多个方面有技术优势。
在探索各行业落地应用过程中，CloudIn云英逐渐认可了工业领域的巨大市场空间，从2017年下半年开始将业务重点转向工业。
从生产环节核心场景切入，提供“基础建设”+大数据应用整体解决方案
生产环节是工业企业的核心，因此，CloudIn云英服务工业企业的思路，是从生产环节切入，帮助企业解决各个生产场景的具体问题，并同样提供从IaaS层到SaaS层的整体解决方案。具体服务过程，则分为数据采集和大数据应用两部分。
完善的数据积累是大数据应用的基础，但国内工业企业信息化程度偏低，大部分企业的内部系统之间尚处于信息孤岛状态。因此，CloudIn云英必须先解决基础建设即数据采集问题，为工业企业梳理数据流程，搭建信息化底层架构。
数据采集是脏活累活，一方面是通过接口适配,从企业的信息化系统和工业设备中采集出数据，另一方面是设计数据架构、数据传输机制，做系统模块之间的打通和咬合。由于工厂设备复杂且种类繁多，前期会耗费大量的人力和时间。CloudIn云英主要依靠自身在数据处理技术方面的积累提高工作效率，也会将部分工作交给专业服务商处理。
完成前期工作后，通过大数据平台实现数据的治理。在数据分析和应用层面，CloudIn云英侧重从生产环节的实际问题出发，解决提高良品率、降低损耗、设备运维、智能排产、生产监控等问题。
例如在昆山奇美偏光片项目中，CloudIn云英主要解决良品率和损耗率两个问题。良品率管理中，通过机器视觉识别欠点的数量及分布，再通过机器学习和算法确定裁切方案、计算良品率，从而帮助客户提高了2%良品率，让不同质量的产品得到更准确的定价，每年多产生1200万价值。损耗率的降低，主要是通过采集设备参数进行机器学习建模，从而设定合理参数来缩短机器开机后达到稳态的时间。
在收费模式方面，一部分为硬件和基础项目实施费用，根据工厂规模和技术难度而定；大数据应用部分，由于解决方案与生产密切相关，通常CloudIn云英可以预估为客户提升经济效益的空间，并采用效益分成的收费模式。
面向行业头部企业，在细分领域探索产品化
目前，CloudIn云英在工业领域覆盖的行业主要有液晶面板、汽车及零配件、快消品、冶金化工等，已服务昆山奇美偏光片工厂、力帆汽车、青岛啤酒等，客单价在数百万至千万元级别。CloudIn云英CTO胡湿透露，预计公司2018年订单收入将过亿元，主要来自工业大数据业务。
在客群选择上，CloudIn云英主要服务百亿产值以上的行业头部企业。标杆客户预算充足，同时可以起到灯塔效应，有助于后续获客。同时，民企是CloudIn云英的首选客户。民企更有提高效益的动力，且在决策和项目实施上都会更加灵活顺畅。
在获客方面，由于CloudIn云英倾向于提供整体解决方案，涉及核心生产环节和各个部门，因此更多需要通过行业资源触达工业企业的董事长等高决策层，确保后期项目的顺利实施。
由于工业涉及众多细分行业和生产流程，呈现场景碎片化和需求个性化的特点，产品化是一大难题。CloudIn云英目前主要为大企业提供整体解决方案，虽然客单价较高，但同样面临定制化和项目实施比重高的问题。
胡湿认为，在进入工业行业之初，需要耗费大量时间来理解生产场景，必然以定制化服务为主。但同一个细分行业的工厂，在生产场景、工业设备上有共通性，在IaaS和PaaS层的通用性较高，后期只需根据每个工厂的情况在应用层进行调整。因此，在通过标杆项目形成解决方案之后，在同行业工厂的实施速度会快很多，可以实现一定程度的产品化。
近期，爱分析对CloudIn云英联合创始人兼CTO胡湿进行了专访，现将精彩内容分享如下。
CloudIn云英联合创始人兼CTO胡湿，曾任阿里巴巴高级工程师、蓝汛高级技术总监、人民搜索技术总监。擅长云计算、大数据、搜索引擎等海量数据规模的系统架构设计和研发实现。
信息化+大数据，推动中国工业改革
爱分析：如何看待中国工业现状？
胡湿：我认为整个工业的第一梯队是以美德为首的高端制造业，他们已经开始研究数字孪生了，而中国在数字工具方面整体还很原始。
第二梯队是日韩，他们的生产管理领先，主要是靠工匠精神、规章制度、流程规范等，比如丰田模式、Six Sigma。
中国还处于劳动密集型阶段，但一些因素开始推动中国工业变革。一方面劳动力成本上升，工厂是被迫减员。另一方面，由于消费水平的提高、供给侧改革等，批量化生产向定制化生产转型是很明显的趋势。
爱分析：大数据服务进入工业领域有哪些难点？
胡湿：虽然现在大数据很火，但是真实的情况是工业企业没有数据。
一类企业是有好的设备、大量的数据，但是不敢存，本质原因是看不到数据能产生的价值。
第二类是信息化水平特别低，可能连ERP都没有。没有基础的信息化系统，工业大数据就没有数据源头。
还有一类是工厂投资很大，而且大部分是设备投资，不会让人随便干预生产，互联网企业很难获得准入。
工业企业是线性思维，看到短期回报才会逐渐提高投入。但大数据从一开始就会介入工厂的众多工序和设备，所以很可能启动项目的机会都没有。
爱分析：CloudIn云英是如何解决这些难点的？
胡湿：先做信息化扫尾工作，让大数据指导信息化工作。因为大数据是解决业务问题的，让业务推动信息化的完善才合理。
很多企业是为了信息化而信息化，不是为了业务而信息化。即使是信息化程度高的企业，系统之间也是不通的。真正的信息化是要做到各系统之间业务通、数据流通。
打通各个模块，如果一个一个做接口是体力活儿，但我们有通用的技术，可以使工作量大大降低。
我们做信息化有一套622策略，任何一个大数据平台或系统有60%是一模一样的，20%具有行业特性，比如行业专有的设备、协议、模型、业务特征，20%根据工厂情况而不同。虽然刚开始是项目化，但是后期就慢慢产品化、标准化了，但前期人力投入还是很大的。
数据来自两方面，一方面是其信息化系统，另一方面来自设备，即传感器和机床。
在取出数据之后，我们的定制化服务：第一步，数据桥。做简单的接口适配之后，从工厂的信息化系统里桥接数据到我们的平台。第二步，在平台上做数据规划。
同时，我们建系统有一个原则就是绝不能影响工厂原有的信息化生产。我们认为大数据平台是企业的外置大脑，信息化系统是躯干。原则上没有了大脑，躯干还能动；有了大脑，躯干可以工作得更好，而这涉及到IT架构的设计。
我们也会尽量利用起工厂之前在信息化上的投入，为客户节省开支。
爱分析：如何利用大数据，帮助企业找到并解决痛点？
胡湿：企业对工业大数据有误解，认为第一步先把公司所有的系统打通；第二步，收数据；第三步，应用。这是不对的。应该根据业务诉求找到根本问题，每个企业和行业都不一样。
比如车企的后端生产跟不上前端销售，根本问题不是生产力问题，而是后端生产人员和前端销售人员的沟通效率低。如果前端销售人员在销售时可以实时看到后端的制造情况，就可以相应推荐给客户。因此，问题可以通过协调的方法解决，而不用通过设备改造。
通过自身技术优势和对业务场景的理解，帮助客户提高效益
爱分析：在工业领域，CloudIn云英是如何解决获客问题的？
胡湿：我们是从上至下谈项目，从董事长入手。因为会牵动各个部门和环节，所以必须是全公司的共同诉求。
在获客的时候，基本是两步走，第一步先告诉客户我们会怎么做信息化，第二步，告诉客户可提升的效果。我们会很务实地告诉客户业务痛点是什么，如何解决，能提升多少效益。
收费可以根据提升的效益来计算。一般前期会有个信息化的费用，具体金额会根据项目规模、难度情况具体确定，上浮空间很大。早期项目我们会考虑带钱进场，前期先帮客户垫付，客户很乐意接受我们。
爱分析：在项目实施上，CloudIn云英有什么优势？
胡湿：我们先打地基的东西，就是设计整体架构、数据传输机制，做各种系统的打通和咬合。设计架构是为未来整个集团业务做体系的支撑，做成可扩展的架构。我们本身是做大型系统出身的，做过三万台服务器这种规模，所以知道如何在大型系统构建时预埋未来的可扩展空间。
爱分析：偏光片项目中，CloudIn云英是如何帮助企业提高效益的？
胡湿：原来是人工根据经验定良品率，再定价，现在是根据机器视觉、裁切算法，得到每一卷偏光片对应的一个电子文件，再输入多参数，比如样寸、型号、市场价格、市场占有率、库存情况、交货时间等，软件会自动给出裁切方案。这就是机器通过算法帮助人做复杂决策。
降低损耗主要是缩短从开机到达稳态的时间。一般工厂开工之前，要先让机器运转2-3小时，老师傅调好机器了，机器达到稳定状态了再开工。我们会采集设备参数，然后机器学习、建模，每一种生产型号对应一个参数模板，最终使到达稳态的时间降到了半小时以内。
工人老师傅的经验会沉淀到机器学习里面，新的型号也会很快适应。软件可实时检测各种指标，然后就可以人工干预，比如动态监测可以减少断膜。一旦断膜，生产线上的膜就要剪掉重新开始，损耗很大。
爱分析：在提供完整解决方案的过程中，CloudIn云英是否会负责所有软硬件的服务？
胡湿：我们的重点是要给客户提供价值，但并不是说所有事情都自己做，比如我们会跟供应商定制网关，里面有我们的软件、协议；我们也会跟设备制造商合作设计生产设备，把我们的模型放进去。
取得客户信任之后，很多事情客户都会让我们做，但是要解决的问题太多，所以我们会利用庞大的供应商体系，外包很多部分。信息化类供应商有Oracle、SAP，还有做BI、可视化的，做网关、物流、传感器、营销软件的。
爱分析：除了产线以外，是否做工业设备的远程运维业务？
胡湿：我们做过一家设备制造商，由于设备本身有工控机，我们可以把数据联网进行建模，做设备远程运维来降低设备故障率。
但每种设备是不一样的，还是要按照行业来做。同一个行业会有通用模型，电子设备和机械设备的寿命模型就不一样。面对不同行业，IaaS和PaaS是通用的，只有SaaS的不同。
原来的售后成本很高，占机器成本的30%。我们帮助企业转型，让企业从卖设备转向卖服务，比如车厂从卖车转变成卖公里数，企业就有极大的动力去降低损耗，提升可靠性，降低运维成本以及生产成本。
爱分析：目前公司整体团队规模和人员结构是怎样的？
胡湿：现在公司人员增长很快，除了研发，售前人员极其重要，甚至在项目前期比研发人员还重要。
我们有两类售前，一类是做信息化的售前，主要来自用友、Oracle等企业，信息化技术过硬。另外一类在某个行业的工厂有很多年经验，懂一线设备，能跟工人们打成一片，可以帮助我们了解业务。
爱分析：一般一个项目的人员规模有多大？项目周期多长？
胡湿：需根据行业而定相应的项目人员，如为汽车行业，需要的人员就相对较多，因为汽车是民用领域非常复杂的行业。通用性流程工业，在项目高峰期最多需30人。云英拥有谷歌的领先技术方法，可以用很少的人员完成很大工作量。项目周期的话，比如300万的工业类项目大概需要一个季度即可完成。
热门专题
