水务智慧化的“三步走”与“三转变”

近年来，IOT的兴起使得智慧城市的理念大行其道。而随着2019年两会“智能+”被写入政府工作报告，智慧化宛如一场春风，席卷了各行各业，催生了无数的“雨后春笋”般的概念、业务和项目。环境行业当然也不能置身事外。现在随便建个给排水的项目，不装一些数据平台、专家系统、智能控制之类的东西进去，都不好意思出去讲自己的“先进性”了。但是，这些“乱花渐欲迷人眼”的智慧化系统，究竟能解决什么问题？真正用起来能带来什么样的效果，催生什么样的变革？恐怕能说清楚的人也不多。今天，就让我们开个题，来聊一聊环境领域的智慧化进程吧。

2018.11，重庆水大会，爆满的智慧水务分会场

定义

功能

但凡是这两年在环保市场混的人，有关智慧化是什么应该都听过了各种各样的版本：政府版的、运营企业版的、设备供应商版的、IT服务商版的，不尽相同，但有个一般的套路是：一张图集成各种信息，辅以各种分析工具作为应用，实现很多很宏大的目标——听上去很Fancy很高大上的样子，似乎用上之后一下子能解决好多问题——而你真要追问起来上了智慧化系统后都能干什么，得到的答案却又五花八门，政府说“一张图全管控、在线与民互动”，企业说“建设运营一体化管理打通”，设备供应商说“万物互联”，IT服务商讲“云化”，基本上各说各话，各自解决各自的问题。说到底，还是“智慧化”这个筐太大，自动化、信息化、数字化的各种概念都要往里装，装出来往往是个“四不像”。而如果概念不清楚，再往后讨论什么都是白搭，所以笔者想先尽量用最直白的方式，给大家简单梳理一下智慧化“是什么”和“能干什么”的问题，为下文的讨论搭好一个边界。

是什么

目前行业内聊的“智慧化”通常是个非常泛的概念，包含了自动化、信息化、数字化、人工智能的各阶段应用。如果硬要梳理出一个关系，大概如下图所示。

（点击图片放大观看）

其中，自动化和信息化是基础；而自动化和信息化过程中产生的海量电子数据，支撑了数字化过程中的各种分析的开展和各种应用工具的出现；当数字化工具（算法、模型）发展到一定阶段，人们就开始教电脑使用这些工具，并藉由电脑不眠不休过目不忘的超强学习能力，快速迭代成为超越人类个体的人工智能。

能干什么

具体到“能干什么”的层面，除了自动化的无人值守自动控制、信息化的无纸化办公、数字化的数据存储这些基本功能外，大概可以依照上面图中的三个阶段分成三个境界（存在一定的交叉）

境界一：看到原来看不到的

应用实例：实时数据展示（参考空气质量APP、手机看家里摄像头），在线办公（参考手机OA）

智慧化的第一层境界，是自动化和信息化过程带来的“随时随地，想看就看”的自由。自动化过程把光、热、声、化学等各种需要现场观察、现场测量的信号，通过摄像头、传感器、在线仪表等一系列媒介，统一变成了可远距离传输、可存储的电信号；而信息化过程中把原来很多写在本子上的死数据，变成了可存储、便于批量处理、有权限就能调取的活数据。两者相加，很多原来我们看不到的数据开始展现在我们面前。

重污染发生时北京市PM2.5的浓度变化

（图片取自环境黑板报历史文章《等风来》）

境界二：想到原来想不到的

应用实例：知识库（参考搜索引擎），模型分析（参考天气预报、出行路径规划）

智慧化的第二层境界，是数字化过程中基于大量数据计算所获得的“检索+分析+预测”的能力。当大量原来看不到的东西变成了存取自由的电子文档，很自然的会生发出检索、统计、排序这样针对数据的应用，并基于这样的应用产生各种以过往数据（经验）为依据的分析和预测。简言之，遇到问题可以不问师傅问百度了，一个品牌产品的故障率不用再挨个厂收台账统计了，雾霾到底是本市产生的还是外面飘来的一眼就能看出来了（参考上面那张PM2.5图，几次重污染都是从南向北扩散导致的）；同时，原来需要专家才能掌握的经验和技巧（各种模型或精密操作）也能通过终端应用的植入进行快速复制和推广了。数字化的过程，更像是个人知识体系依托于数据库和网络的延伸，让人可以去思考和判断大量原来不能想到的事情。

知识库系统

境界三：做到原来做不到的

应用实例：机器学习（参考自动驾驶），生成对抗网络（参考α-zero）

智慧化的第三层境界，才真正到达人工智能发威的领域（也是狭义的智慧化）。如果说数字化过程是人利用各种算法、模型、应用工具去学习、判断和决策，那么到人工智能阶段，便是机器去自主学习了。现今随便一台PC机的数据摄入效率（几百万bps）都远超过人（听-几十bps，看-几百bps），基于足够大量的样本集，机器的经验池和判断速度可以很容易地超过人类。像时下比较流行的神经网络、生成对抗模型等，严格来说其算法对人而言已经不可追溯了（就是输出了几万次的迭代过程人也看不过来），也就是说，以后机器得到的结论，也许给机器制定学习方案的人都不知道是怎么得出来的——这个时候我是信还是不信呢？

生成对抗网络，AI学习已经不要人“教”了

然而...

尽管前景描绘的很强大，但我们还是需要一句话拉回来：

——非常非常遗憾的是，目前行业内绝大多数实例化了的、可应用的 “智慧化”系统，仍停留在“自动化+信息化”这个最初级的阶段，执行着“看到原来看不到”的功能，以展示+报警为主，连数字化进程都没有走完；好一点的，开发出了基于数据资源的统计类应用和分析模型，逐渐具有了预测和诊断的能力。至于什么人工智能厂网联调、自发性管理模型优化、机器识别风险预判、机器人自动巡检操作等等Fancy的概念，大多八字还没一撇，搞搞研究还行，离商业化应用还有很远。

选择

收益

划清了边界就会发现，当今环保市场上智慧化系统能实现的功能还仅是广义智慧化三步走中很小的一部分，那么这个 “走了半步”的智慧化过程到底值不值得推行呢？在笔者看来，推是一定要推的，智慧化是整个工业发展的大势所趋，制造业、电力、化工等行业在前面领跑了几十年了，环保要是逆着时代的康波走肯定会被淘汰——我想这也是很多智慧化项目“闭着眼也要上”的一个根本原因。然而，“闭着眼也要上”的背后有一个巨大的问题，就是用户主体往往缺乏一个明确的规划和积极的心态。而如果单纯的为了智慧而智慧，是很大概率要吃大亏的。为什么这么说？

其一：智慧化不是目的，是手段，没有目的的手段全是枉然

“上了再说”是智慧化应用中的一个大误区。无论上面说的（广义）智慧化系统如何有用，也只是一个工具而已，它们服务的是用户主体本身的目的。就好像，你安装一个淘宝APP（应用）是为了买东西，配置一个运动手环（设备）是为了锻炼。而如果你不需要买东西、不想锻炼，那么这各种应用、设备又有什么用呢？——都变成了光鲜亮丽的花瓶，久放积灰。

应用之殇（是真的用了，还是放着积灰？）

然而，就目前市面上的各类用户（政府、企业、环境监测部门等等）而言，真正能明确抽象出核心需求的实在不多，更多的还是喜欢“逛商场”式的根据功能清单选产品，或者说“看别人有我也要有”。结果花了钱都不知道该干什么用，反过来开始片面的追求“展示效果”——这一定程度上造就了目前环保智慧化市场在“看到”这个层面原地踏步，不能很好地向“想到”迈进的现状。

其实对于各种平台应用，华为任正非说过一句很实在的话：锄头做的再好也是工具，人吃饭是要靠种地的。

其二：产品的革新催生的是模式的变革，没有模式的智慧化没有未来

今年的3月31日是暴雪游戏发布《星际争霸》这款RTS游戏的21周年，今天人们谈起这款游戏的成功，往往会将其归功于产品绝佳的平衡性和游戏性。然而，人们很少想到的是，恰是这款产品在游戏性之外所拥有的完善的对战/观战体系和录像系统，给予了它成为“竞技项目”的无限潜力，并通过职业联赛的形式引爆了全球的关注热点。而伴随着这款优秀的产品一路走来的，名为“电子竞技”的庞大产业，也成功帮助暴雪游戏在该领域登顶封神——很多时候，一款优秀的产品本身的使用价值远比不上它所能推动的模式转化的价值，这也是为什么我们在强调“明确规划、积极心态”的必要性。如果用上了自动化不考虑“无人”，用上了“信息化”不考虑“联动”，数字化拿到了海量数据不考虑“预测控制替代响应控制”，那么看到的再多、硬盘里存的数据再多，也只是“面子”，生发不出核心价值。

谁能想到一款游戏产品催生了一个千万级的产业？

其三：智慧化的投入产出是个长期过程，没有长远规划，算收益很难算过来

现阶段智慧化能提供的自动化和信息化的功能及产品，更接近于早期“基建”式的建设：自动化一般面临着高昂的硬件投入成本（摄像头、传感器、网络传输，都要钱的）；而信息化一般面临着大量管理变革的成本（聊到数据透明可追溯，你去找财务要个账本看看人家给你不）。乍看上去，都是不那么划算的。但实际上这是非常基础的一部分工作，因为没有自动化和信息化提供数据，再厉害的AI也无从谈起。就好像有了90年代开始建设的、绵延全国的高速公路，才有了今天发达的网购物流一样，这里面的很多工作，是个“前人栽树、后人乘凉”的过程；从底层感知层的改造、到数据通道打通、到模型算法的建立和驯化，需要大量积累，颇有一种“鸡娃”之痛。

把账算清

所以，只有把“三步走”的规划明确了，看到了模式转变带来的潜在收益，才能继续坚定推进智慧化的决心。而这，基本将环保智慧化限定在了To B、To G两大应用场景，更对“绘制蓝图”的人提出了极高的要求。

勤奋

致远

看完上面这三条，估计很多人的反应是“智慧化搞起来怎么这么麻烦”。然而不幸的是，整个智慧化的发展过程就是艰辛而漫长的，但是，谁能率先完成，谁就能借此快速解放生产力，领跑行业。而那些嫌麻烦原地踏步的人，和幻想着 “机器干事人休息”的人，可能很快就真的要“休息”了。智慧化，是治不了懒癌的，但它给勤奋的人以加持，让他们走的更快更远。

那么，说到勤奋，或者说智慧化进程中的“明确规划、积极心态”，到底应该包含哪些内容呢？

其一：主体意识，变革思维（管理者）

管理者是蓝图的绘制者和变革的推动者，同时往往也是智慧化进程成功后最大的受益者，所以应当具备很强的主体意识和执行意愿，和比较强的规划能力。

首先把任务派给一线的思路是不对的，现阶段自动化和信息化的过程都是自上而下的系统工程，指望一线自己跳出思维条框催生模式变革是不现实的（谁会自己给自己一刀？）；一个比较良性的模式是①走出去看看领跑行业的现状和模式，找到借鉴思路②对内引入咨询机构或自主分析调研，抽象问题，制定变革策略③对比选择或者定制化开发智慧化工具，向下推广。这里推荐大家参考华为任正非引入IBM做IPD咨询的案例，一把手决断，也许不必那么极端，但得是那么个思路。

其次，作为决策者，很自然的是要权衡一下投入与产出的关系的。通常大家能想到的产出都是真金白银的降低耗费，比如减人工，减能耗，减管理成本——最终省了钱。这种思路无可厚非，但如果仅以这样的思路进行智慧化方案的制定和考核，是有些跑偏的——智慧化进程带来的大量的收益是潜在的，比如模块化/标准化来系统降低技术/运行过分依赖人才的风险，比如短期无法变现的数据资产的积累，等等。而想要挖掘这样的潜在收益，单纯核算“投多少钱、减多少费”是不够的。

举个例子，某工厂一条PLC流水线，投入一套全自动化设备之后，减掉了18个操作工人，产能不变，次品率从3.6‰降低到1.1‰，看上去的收益就是（人工费+次品成本耗费）×设备使用年限-设备投入——但对于例子中这个公司，却远不止如此——系统更换后，该厂立刻配了2名专业技术员到该设备上负责设备维护、生产序列设定等，同时2名研发人员开始根据两件产品之间的停留步长数据优化控制程序，以及建立生产模具自动切换机制和兼容性生产程序。要是严格核算人工费用，新增这4个人都算额外开支，严重冲抵了投入自动化设备后的减人效果，但也正是这4个人的存在，使得这条生产线的次品率进一步降低至0.9‰，单项产能提升了15%，并可以根据订单在15种目标产品间无缝切换。——这个案例，来自自动控制巨头西门子，而他们管辖的这个工厂在30年内，用同样一间厂房，同样的员工数，把产能翻了8倍。——配专业人才、推动研发机制、利用自动化产生的生产数据优化扩展系统功能，这一系列的变化，来自于长远的规划和顶层设计，远非“上套设备减俩人”这么简单。

西门子的数字工厂

其二：明确目的，积累能力（技术人员）

虽然说管理者在智慧化过程中往往起到提纲挈领的作用，但很多系统和应用的真正用户还是位于生产/运维一线的技术人员。对于技术人员而言，在自动化和信息化的初期往往需要面临一个走出舒适区的挑战，要监管接入的东西变多，各种流程也会改变，但一般技术出身的人适应起来不会太困难。真正的舒适陷阱在于自动化和信息化基本完成之后，而数字化未成形之前——可能这时你已经能熟练的使用移动端进行各种设备操作和运维管理，完善的监测网络会把现场自动运行的设备状态和实时数据源源不断的送到数据库里，同时展示在你面前——然后呢？就是每天等着问题报警然后去处理？不懂的问问专家库？

这涉及到技术人员的目的性问题，如果只是单纯的维保，这种粒度的工作已经可以了。而对于一个在智慧化过程中有些技术追求的人而言，显然还是要更进一步，用手里的数据去做点什么的（最实在的，技术序列评职称要论文、专利的吧？）。而“用数据做点什么”的问题抽象与方案制定，便是技术人员深入数字化转型的用武之地。比如，“我想统计系统内所有监测类设备报警的频率，同时分析误报占比和误报原因”，“我想分析每天哪些时段内鼓风机处于高能耗运行状态”——有时候这些问题需要建模解决，这是可以依赖市场上专门做数据分析的算法工程师、咨询师的，但抽象这些问题的过程，一般那些学大数据、学神经网络的数学大咖们是没法代劳的。同时，利用手里的各种工具，建立/维护经验库与知识库，也是进行技术挖掘快速提升自身水平的一个渠道。

琢磨用“数据”做点什么

其三：能力更新，技术转型（一线人员）

想必大家这两年已经看过不止一篇“未来AI将取代XX%的就业人群”这样的“失业焦虑”类文章了。这种焦虑是实际存在的，而且可以不大留情面的说，智慧化过程对越没技术含量的工种造成的伤害越大。08年和笔者和一位“电老虎”公司的人聊起一线员工待遇，不禁惊讶于一个抄表工都能年入10万（注意是08年），还号称是铁饭碗；而十年后再聊起，惊讶的是这个公司已经没有抄表工了。

所以，一线人员是最要思考在智慧化过程中如何去转型发展的。对于环境科班出身的员工，转入技术序列还比较容易；而对于大量非环境科班出身、又不大懂电气、自动化、设备的员工而言，除了回炉再造新技能之外，转向感知层维养也许是一个折衷的选择。毕竟，在未来很长一段时间内，智慧化还需要大量依赖仪表、传感器提供稳定的数据采集，而日趋标准化的仪表、传感器维养也能给技术转型困难的人提供一定的缓冲空间——当然，最实在的还是不断加强自我学习，在智慧化的浪潮中找到立足之地。

作者简介：

天枫，环境保护高级工程师，博士毕业于中国科学院生态环境研究中心。现供职于国内某知名水企下属数字化研究院，担任智慧水务高级工程师，主要从事感知层设备开发、智慧水务项目管理等工作。2017年与多位生态环境研究中心毕业生一同创立“环境黑板报”公众号，致力于环保领域前沿技术的科普和实践经验的推广。