美女与IT兽 | 让我们正经地谈一下工业物联的实现
· 本文内容分为：语音版+图文版（了解什么是【美女与IT兽】）
· 应用场景：人工智能、物联网如何在行业中落地，产生商业价值？
· 收听/阅读时间：15~20分钟
· 阅读建议：本文为深度长文，可先收藏分几次慢慢消化
· 掌握难度：★★★★☆
Grace Peng
微软认证云计算工程师，智慧云拓展总监兼客服兼非著名主播
只要是枚IT兽，就知道今天是微软技术暨生态大会的重头戏——微软众大咖的主题演讲，其中包括微软CEO Satya Nadella 的“重塑微软文化，刷新转型历程”。
我们的主播白天化身小迷妹听演讲，晚上也没忘记和IT兽们的约定——
上一期我们说了《工业物联，绝不是轻轻松松、敲锣打鼓就能实现的》，这一期就来说说“实现”的事儿！
☟ 戳开语音 ☟
-------- 我是文字版分割线 --------
大家好，我是你们聪明伶俐美丽大方早上听了微软技术暨生态大会主题演讲，晚上来填上期《工业物联哲学（上）》的坑，献上《工业物联哲学（下）》的主持人兼主播Grace Peng！
上一期，我们主要总结了搞工业物联面临的各种囧囧囧囧囧......今天要说的，就是从哲学角度来看这个事情，先解开心结，再谈怎么解决问题。
工业物联的心结在哪里
要解开心结就要先找到心结，面对工业物联的现状常见的心理是——
急于追求结果
为什么会着急？
我们被工业1.0、2.0、3.0熏陶太长时间，这个世界也按照决定论、因果论运行太长时间，以至我们一时半会儿接受不了现在这个分裂的时代，所以你会着急。
为什么叫分裂的时代？
以前我们用锄头镰刀农耕了2000年，之后工业革命了，那边飞机都上天了，这边慈禧太后还在怒斥大英舰队“你们这些都是妖术！”
工业了200年，互联网又来了。互联网来的这20年，我的妈呀世界几乎一天一变，变的传统行业无法适应了！
比如，前段时间有个帖子讨论“方便面是为啥销量下降90%？”
是市场营销做的不好么？是生产链条出问题么？是用了地沟油被导游爆了么？
可能是，但最终的“杀手”竟然是：中国修了高铁，和我们的手机上装了外卖App。
是的，这种都不在一个维度的事情，就这么强行“因果”了！
还有很多传统行业被快速“迭代”掉的案例，你们听的不比我少，此处省略一万五千字。
结论就是：面对这种越来越快越来越看不懂的变化，在互联网加速的20年里，我们超速地朝很多方向，很多维度迈出了尝试的脚步。
当然这些尝试带来了应用的繁荣，同时也让我们的心态和身体发生了分裂。这种分裂在各个领域都有深刻的影响，包括工业物联现在这种状态。
但是我们其实从骨子里并不理解这种“快”，所以很有危机感，怕一不小心就被莫名其妙甩到不知道哪里去了。我们搞中国制造总有种“如果我不能在一年内搞出来就是犯罪”的对速度的追求，但是身体很诚实——接受不了，所以分裂。
接下来再来研究一下——
传统工业发展的核心思维：因果论、决定论
工业时代的世界观，大概普遍的认识是四根支柱构成：决定论、简单因果论、机械论、还原论。
简单说就是：这个世界是确定的、是唯物的、是牛顿三定律式的。
产线这头放进去铝锭，那头出来的就应该是铝合金门窗；我今天多开了10%的产能，明天就能生产出10%的自行车，这是可预测的。
原来的工业管理流程是：我们已知用户需求，然后制定一个战略，中间研发、计划、执行、评估再做推进......那是因为工业时代是相对稳定的环境，足够多的已知数据，可以预测未来。
但互联网来了，若按这样的方式去做发现错误的几率越来越大（实际上更早以前就已经是这样，只是我们没有认真去想这事情的本因）。
因为协作的方式已经改变了。
原来的协作方式是平面的、二维的，可是现在至少是三维的，有很多我们还是站在二维的角度看世界，所以看不清。
比如，共享单车来了，天津原来一个月卖一千台自行车的厂马上就能接到一月1万台，10万台的订单。那你就要10倍扩大自己的产能么？
制造业不像微软云Azure，遇到高并发量可以通过弹性增加计算节点来搞定；新的产能或者新的产品没有经过磨合和稳定，没有经过迭代根本出不了街。
但在今天，互联网、物联网的急速演进让我们的世界从研发到一台机器到一条产线到整个工厂到供应链到销售渠道的信息流动变得越来越快速，原来可望不可及的协作方式可能正在变成现实。
世界变三维了，协作的跨度不再是平面的，而是网状的。
这种协作其实就是工业4.0、工业互联网的基础。
不过好笑的事情是，这种协作在某种层面上讲又是工业物联这种按照确定的规则发展的事物的对立。因为跨界、协作正在让不确定性增大。
讲到这你感觉这跟之前说的产线升级啊、物联网啊怎么都不搭界，是不是歪楼了？
主播我必须说点心里话了：管老师！我们只是主题叫“工业物联哲学”，不代表你一定要把康德、黑格尔、尼采、胡塞尔、海德格尔、弗洛伊德全弄进来，接下来请接地气！地气！气！！
好，接下来我们速度加快，归纳一下——
工业发展中已知的几个核心观点
多维度的协作正在瓦解我们对传统工业的认知：
工业物联的标准大家都在探索，没有绝对的专家，每个角色对整件事的认知只有自己那部分，这个探索过程很可能是三个臭皮匠凑出诸葛亮的过程。
每个人都渴望跳过看不清也不想看的过程，直接到工业物联的标杆状态：
标杆…比过程还看不清，直接的成功比中五百万的几率还低。
一步到位的全面整体思路现在看就是不可能的任务：
那么是否可以让目标变小？
问题已经明晰，接下来就说说——
工业物联如何“解题”
（高能预警，老中医开方子了~）
Ⅰ. 解决心理上的不确定性
我们知道的越多，害怕的边界就越大，担心突然有一天别国的坚船利炮突然跑到我们面前完全束手无策！
可是现在信息流动如此之快，坚船利炮大家在宏观上水平差不多，只是有可能人家是原装的，我们是组装的，就算有差距，也吓人不到哪里去。
所以但凡不涉及国家机密之类的前沿发展，在某种程度上已经到了随便打开微信朋友圈就有可能看到，最多晚个一两天，所以你为什么要害怕？超过99%的情况下你不是信息太少，而是信息太多。
是不是心安多了？
Ⅱ. 解决工业物联中的复杂性，以及关联复杂性
现在给你看一个只有基本聊天功能，支持发送文字消息，但是不能发送表情的App：
你知道是什么App么？我不说估计很多人猜不到——这是微信，1.0的样子。
你可能不信，这个真的是我一直在用的微信么？我认识的微信可是隔三差五就更新一回，有微信钱包可以斗表情包还可以用内置的微软翻译服务来翻译对方说的英语德语法语......
不信也得承认——这就是互联网时代产品演进的一个投影：迭代，化整为零。
前几天有一个很火的帖子说的是“如果让20年前的人穿越到今天他们可能最惊奇的事情是什么？”
我觉得很可能是：满大街所有人都拿着一个对于1997年的绝大多数人来说都不存在的智能手机——随时打电话甚至可视电话、上网、看电视、在即时消息里发表情包、当钱包用、当游戏机用、当摄像机用、当单反+PhotoShop用、甚至当直播间用！
但如果我们追溯这20年的进化史，打开手上这部手机不难发现——
这个手持终端的现在来自化整为零的同步发展：手机网络+操作系统+App社区+AI+内容+(集成电路+电池+屏)+金融。
说到这里你可能猜出来我们想讲什么了。是的，如果你是搞工业的，你肯定知道这个差不多一个世纪前就提出的理论：解耦，这个词能用在自动控制上，也能用在工艺上，还能用在工业物联的构建上！
我们不可能从2.0到4.0。
那么我们就把4.0的样子先勾画个轮廓出来，并按照一定的颗粒度解耦：
然后把这些解耦的模块交给专业的人，专门发展这个模块的版本和迭代，然后我们用迭代的思维来维护版本：
解决好耦合机制，我们就能获得随时替换或者升级组件的能力，这个能力无论给工业企业、设备商、应用提供方，还是数据模型团队，都提供了足够的自由度，像极了离散制造。
有IT兽肯定会问：那你这事儿的标准谁来定？离散制造可是有标准的。
（这事儿我们能不提么？）粗暴地说：技术上其实没有壁垒，无论最后是国家定，还是企业自己形成，还是厂商达成一致，这都是个动态的我们控制不了的事儿。
我们只需要解决一个问题：就是“度”，也就是刚刚说的颗粒度。
这个“度”是一个哲学范畴的词，我们常说“要把握分寸”、“过犹不及”、“注意尺度”，但实际上每个人心里都有自己的度量衡，大和小都是相对的，我们提出的只是现在认为靠谱的切分方法。
传感器与数据采集
这事儿我们把他们放在一起，因为有不少像Harting MICA这样的专业团队和产品可以做一个盒子，转换各种机器里的协议，把消息拿到，并通过随便什么网络往后端丢。
（这事儿已经在不同工业领域里相对成熟了，如果你要找这样的合作伙伴可以联系我哦~）
MQ，传感器来的消息传递过程
这里涉及到队列、安全、鉴权...等等技术，其实主要流派两个——
一个是和世界上绝大多数工业物联巨头的做法一样，用Azure IoT Hub，完整完成这些事儿比如你有600万条消息/天的话，差不多4000块一个月。
如果你会打包消息的话，可以利用IoT Hub一条消息4K大小的“漏洞”合并发送，可以发送数千万条消息，当然，如果消息每天上亿的话，我们推荐用IoT Hub 高阶版。
另一个是用Kafka加上花几个月几个人的开发自己做一套，然后部署在自己维护负载均衡弹性扩展的虚拟机上。
以后还要保障这个团队很稳定，因为万一走了一两个主程序员这个就不知道谁能升级了。两条路…算了你自己选。
数据存储与规则
这个其实没啥好说的，我们当然推荐你用微软云，规则管理Azure的IoT套件里有Stream Analytics，都差基本不用写代码的。
跟数据打交道的时候可选项更多，无论是自己搭MySQL VM，还是用SQL PaaS，想做大数据还是希望用数据仓库又或者是“宇宙第一”的Cosmos DB（我们会有一期专门讲为什么Cosmos DB会被吵成宇宙第一DB的哈哈）。
垂直应用
讲这个就到了各位工业领域ISV（独立开发商）们大展宏图，各显神通的时候啦。
我们其实跟很多工业领域ISV小伙伴在合作的时候都发现他们的焦虑，想做大，或者要提供xx平台又感觉乏力。
我们就跟他们说：其实你最擅长的就是能耗管理，做维护对不对？你把这事儿做精了，精到人家一提到这事儿都想起你来，精到你的能耗模型能应对99%这个领域的生产过程，你积累的知识就很值钱了，这是壁垒，而且会随着迭代过程越来越高，人家想抢饭碗都抢不走的。
大而全的工业平台不容易搞，小而美更具有活力。如果我是投资人，在工业领域里面这种小而美的垂直应用很可能会成为常态。
多提一句：可能经常在微软技术专家群（进群方式在最下）里看我们分享会的IT兽们都知道，微软能帮你建立数据模型的有很多工具，比如Azure Machine Learning Studio，比如刚刚出的数据科学家工作台，最近我还听到联想的业务分析师分享他们是怎么用Azure Data Science VM来帮助他们加速分析。
跟业务系统的链接
注意，不仅仅是连接。这部分其实是未来工业物联很有想象空间，并能产生效益的一块，收集了数据我不能只是降低成本，还要能降低企业经营的风险，甚至在供应链中把钱赚出来！
此时我软Dynamics 365团队强行插入广告：工业物联网时代，如果你还没有上ERP，或者正想换ERP，微软Dynamics AX或者365是最佳选择，不信…你们稍微等等，我们即将有一个很Cool的项目可以公开讲啦。
我们在跟一个生产企业聊工业升级的时候给他看了几张图：你看，微软有个预置的模型，叫Connected Factory，你只要收集了信息之后Azure上的工具就可以帮你做远程监控图形化的展示：
你看，多漂亮和直观（这是微软工具的强项嘛），一眼就能看出产线上啥地方有红点，我点进去看，还能知道细节，为啥有红点：
哦，温度太高了，再不降温就要烧起来啦。
如果把视线提高一点，我们就能看到整个企业，甚至供应链的活动情况：
那么有了这个信息之后，如果反馈到ERP里面，就能知道：哎呀，我汉诺威的厂子现在可能产能要减少60%，那么怎么办？是让法兰克福和柏林的厂各提高30%来应对呢，还是让法兰克福一家扛了？生产调度的事儿就有了响应时间。
不过光拍脑袋响应也不行，到底法兰克福撑不撑的住超过30%的产能增加呢？物流是不是跟得上，仓储是不是跟得上？
那就先提高10%，看看仪表盘，没问题，再提高10%，看看仪表盘，没问题…等等，其实仪表盘都不用看，如果你有策略，并且已经被训练过了，你的模型就会告诉你最优策略是什么，拍脑袋都拍的有依据。
所以这个时候再来看看微软物联网平台的框架和技术图，你会对最后“行动”中“业务优化”“领导决策”这几个词有理性的认识了。
完成了这前两点…其实我们还有第三点，但是今天严重超时了，那这第三点我们再想办法插播到其他主题中吧~
所以今天就分享到这里，晚安！
最后两点成熟的小建议
强烈建议一：点击下图注册试用Microsoft Azure，实际上手才能体会微软到底能在什么地方帮到你~
强烈建议二：还不知道微软8大专家兴趣群的IT兽，啥都别说了直接扫下面的码！
☟ 戳蓝字回顾『美女与IT兽』前13期：
第一期：美女与IT兽 | 如果能说句话、挥挥手就能把事情办了，我们为什么还要做App？
第四期：美女与IT兽 | 别光想着双12了，Hololens这次真要来了！
第六期：美女与IT兽 | 你可能没发现，这么搭建云服务性价比更高！
第十期：美女与IT兽 | 30分钟做出一个智能音箱，一起吗？