8078
2021年4月10日-12日，吴文俊人工智能科学技术奖十周年颁奖盛典暨2020中国人工智能产业年会在北京和苏州同期圆满成功举办。矩阵起源（Matrix Origin）创始人CEO王龙受邀在苏州工业园区希尔顿酒店，2020中国人工智能产业年会—工业互联网与智能制造专题论坛上发表主题报告《面向未来构建云边协同的大数据平台》。
以下为演讲实录：
感谢主办方邀请，我这已经是第二次参加本论坛上一次参加时我还是腾讯云的副总裁，负责腾讯云的大数据和人工智能业务。我是年初的时候决定离开腾讯，创办一家新的公司。我为什么要创办这个公司呢？和今天的论坛主题是分不开的。因为在腾讯的几年时间里，我带领我的团队落地了不少和智能制造以及工业互联网相关的项目，比如像华星光电、工业富联、三一重工等。落地的过程中遇到了非常多的挑战和问题。我们的项目有的很成功，有的就不那么顺利，在落地过程中都距离期望相差甚远。例如我们参与的一个质检项目，用深度学习来做质量检测，我们的投入差不多在30人，投入了一年，替换掉了大约不到50个人的检测人工。我们都知道是生产线的工人，他的成本是多少？不到10万。用平均成本高达近100万的团队，来替换一个50多人的一个团队是不划算的，从经济学的角度是不划算的。由此我就在反思，我们虽然在工业里看到了很多信息化智能化的机会，也确定能用大数据人工智能来解决很多问题，为什么到现在还没有铺开呢？这背后一定还有本质性的问题没有克服。我创办这家公司，就是试图从源头来解决这样的问题，所以我公司的名称叫矩阵起源。
进入今天的正题，我们先来捋一捋几个概念。我之前在腾讯的时候，包括Pony马化腾在内，一直在讲消费互联网的红利已经结束，下20年主战场在产业互联网。我们也看到各种行业分析报告里都在提数字孪生，工业互联网，工业4.0等等各种新的理念。这代表什么意义呢？在我看来这是传统企业信息化、网络化、智能化必然趋势。
产业互联网说的是如何把互联网技术应用到产业当中去。这个产业不仅是制造业和工业，还要链接从原料到生产到物流到消费到反馈的整个流程，以及围绕这个流程的所有人和设备。通过这种链接来降本增效，并有可能创造新的商业模式。
还有就是国外讲的最多的是数字孪生，他的含义在我看来和工业互联网以及产业互联网是有很多重叠的。把物理世界里的各个数据，各个节点，不管是流程上的，还是人员上的，把它更好的数字化以后，放到数字化世界里去进行模拟，进行仿真，再反过来回馈作用于物理世界，提升人类的生产和消费活动的效率。
当然现在不管是中国还是美国都已经意识到工业和制造业的重要性，工业和制造业的核心竞争力之一就是智能化的程度，这些概念都将会提升智能化的水平。
那么这些概念的提出代表什么趋势呢？
第一，未来服务制造和工业的所有软件应用要更加灵活。我们可能觉得现在获取软件和软件服务已经很灵活了，手机上有各种各样的APP，互联网上有各种各样的SaaS，但在未来它是远远不够的。工厂的设备控制，流程的自动化，还有各种决策，它是千变万化的，可能每一个节点都需要一个“定制化”的软件服务，远比现在手机里面这些APP交互要更复杂。
第二，未来服务制造和工业的所有软件应用要更实时。现在我们和数字世界的大多数交互是可以忍受延时的。发一个微信过去，可以忍受3到5分钟才收到回复。我们看视频缓冲个3、5秒，问题都不大，可是在无人驾驶和工业控制机器人的运行过程中，这个不确定的延时就是要命的。
第三，未来服务制造和工业的所有软件应用开发部署运维要更有效率。我们都知道刚才邱教授说了工厂的利润率只有2%。那么当应用不够灵活，不够实时的时候，拿多少钱出来做技术改造是合适的呢？企业一定是寻找性价比最高的，包括高效利用人力、基础设施以及各种各样的其他资源。国家新基建的很多投入，如果我们去思考背后的逻辑，其实是要要解决未来工业产业的信息化基础设施需求。
我们再看看近些年IT基础设施的变化。
第一，边缘节点。运营商、电网公司和工业园区都在在建设边缘机房，把算力带到设备里面去也是行业共，5G在大规模商用化以后，必然降低设备接入的成本。
第二，异构芯片。讨论算力性价比的时候，性能之外的两个重要因素，一个是价格，另一个就是耗电。为了满足不同场景，不同环境的诉求，各种非x86、非GPU的异构芯片层出不穷。我们知道从经济学的角度来看，满足特定场景需求的专用芯片，它的性能、成本或者效率往往是最优的。
第三、云边端一体化。这些年很多厂商已经提出了云边端一体化的概念。边缘计算、异构芯片、5G的发展，使得算力资源，数据存储分布在从端到云这个链路各个节点上。云边端一体化的调度和管理，才能够充分的利用这些资源，为同样分布在这些节点上的软件应用服务。
如果仔细分析这些基础设施的变化，我们会发现，它们恰好应对了未来制造和工业软件应用的诉求。
新的软件应用趋势、新的基础设施
需要新中间技术层链接
21世纪头10年，当应用从私有化服务器和数据中心迁移到云端的时，最开始是简单的操作系统虚拟化，例如KVM、Xen、Hyper-V和ESX，紧接着就出现了存储虚拟化、数据库虚拟化、中间件虚拟化，再然后就进化到了最近几年的容器、Serverless无服务计算等等。其本质是云计算改变了数字世界基础设施，云服务改变了软件应用的的开发交付模式，那么就需要新的中间层来充分利用新基础设施，支撑和服务新的软件应用。
前面两位老师说了数据是未来数字化智能化的最重要的燃料，基于这些数据我们才能有各种各样的创新，提供各种各样的方式来帮助企业实现智能化。
当基础设施再一次演化的时候，当软件应用的开发交付模式再一次创新的时候，我们需要什么样的数据平台来链接基础设施和上层应用呢？这就是矩阵起源公司需要去研究和回答的核心命题。
我们要做一个新型的数据平台，那么必定要了解新的大数据的特点，以及使用者的痛点和诉求。
这里有个非精确量化的总结。和传统的互联网大数据相比，一个典型工业大数据平台支撑的数据类型都是超过10倍，数据规模也是传统互联网的100倍。如果考虑到智能制造和工业互联网的高速发展，这个数据规模将会是几何级数的增长。
比如说某制造业每条生产线当前每天产生的数据是100GB，如果做智能化改造再翻倍到200GB，这个工厂大概有800-1500条生产线，这样的话每天的数据存下来就是200TB。要做到追踪溯源、智能排产、库存管理等的全面智能化，存一年的数据就是70PB，光硬件成本就高达数亿。再加上大数据和人工智能的相关人才都比较贵，工厂也很难招聘和留住运维和数据应用的人才。
如果再考虑到大数据和人工智能应用的实时性需求，和模型训练、推理的资源消耗，挖掘这些数据的投资回报就会低得可怜。所以很多工厂会抛弃7天前甚至1天前的历史数据，更无余钱考虑信息化和智能化的改造。
我认为这些挑战毫无疑问是巨大的，而且是长期存在的。要帮助智能制造和工业互联网应对这些挑战，在座的各位专家学者，各位从业者毫无疑问会发挥重大的作用。而我们公司则是希望从更基础、更源头的角度考虑，如何给各位打造一件趁手的工具，让大家能够N分之一成本、N倍性能、N倍效率的在数据中挖掘价值。
N分之一的成本和N倍的性能
来自对于基础设施的充分利用
企业和工厂在过去这些年的信息化进展中，已经购买和部署了各种各样的计算存储资源。当新部署一套大数据系统的时候，可能70%都是采购新的硬件。而这么大规模的数据量，又让他们无法全面的使用公有云。如果有一个数据平台，一方面能够在结合公有云的基础上，充分利用各种边缘计算数据中心的资源，另一方面能够支持异构芯片和服务器，可以帮助企业利旧， 那么就能达到成本的最优化。同时如果还可以精准的调度和匹配数据与计算资源，那么自然就可以实现性能的最大化。
N倍效率来自于数据应用开发的易用性
做智能化改造，一定需要一个统一的数据管理，将这些烟囱里的数据整合起来，就是所谓的数据中台。但这还远远不够，因为根据数据分析来做的各种决策，要分钟级甚至秒级准实时反馈到很多条生产线上。这就需要能够快速的将不断大规模产生的数据，快速的整合到统一的数据平台做模型训练、更新和推理。
现在一些工厂大数据系统，系统架构非常复杂。ERP、CRM、WMS、APS、MES、MM等等各种烟囱式的应用，导致一方面数据及其分散，另一方面数据的存储机制会更多的照顾事务处理（Transaction Processing），导致其分析型任务（AnalyticalProcessing）性能被牺牲掉了，而我们都知道分析型任务是智能化的基础。同时，新型物联网数据又以非结构化、半结构化为主，尤其视频音频又是AI的重要原料，把这些数据的存储和处理过程融合进已有系统，又成了一个艰巨任务。矩阵起源的思路是从烟囱底部解决这个问题，重新思考并统一整合数据的存储和分析过程，从而简化数据的处理线路，提升数据的实时处理能力。
N倍效率还来自于生态和人才的丰富度
现在的基础技术越来越复杂，想要掌握一门新技术，学习的时间越来越长，难度也越来越大，而缺乏上层的软件应用生态，也导致企业使用新应用的成本效率都非常不理想，这也是国内目前基础软件很难推广的原因之一。我认为解决这两个问题，必须要开源。开源意味着长期坚持，也意味着企业间的开放协作，同时也是为行业最快速培养人才的最佳土壤。
当然，即使有了这些路径和方法，要实现N倍效率、N倍性能、N分之一成本依然是难度非常大的。但我们相信智能制造和工业互联网，从信息化、自动化到智能化联网是必定要实现的，这关系到国家的制造强国战略，也关系到未来行业的竞争力、关系到终端消费者生活水平的提高空间。这坚定了我们团队在这里长期投入的决心，并把解决这些难题作为我们的最高目标。
结合上面这些思考，矩阵起源汇聚业界顶级的科学家和工程师来解决这些问题，希望能够打造一个创新的大数据平台产品，预计会在7-8月份会出第一个版本，并从一开始就将其开放给社区。
矩阵起源会坚定开源这个路线不动摇，期望和在座的各位在这个领域里一起长期深耕，为智能制造和工业互联网的建设，为全行业的数字化转型和智能化升级做出贡献。
