原標題：智造新力量50人丨美林數據程宏亮：以每一步的成果，糾正下一步的路徑

今年4月中旬，一張照片在朋友圈引發了刷屏。一位29歲的MIT女博士，和她的團隊，花了6年時間處理了半噸硬盤數據，“洗”出了人類第一張黑洞照片。這些硬盤中的數據，來自智利、夏威夷、南極洲、亞利桑那、西班牙、墨西哥六個地方的一共八臺天文望遠鏡。

圖1 人類第一張黑洞照片

要從這些PB級稀疏、嘈雜的數據中，通過人力找出黑洞圖像，幾乎是不可能的事情。于是，這位女博士和她的團隊，花了幾年時間構建出相應的機器學習算法，再在全球200多位科學家的共同努力下，這張神秘照片終于得以面世。

當看到這張照片時，許多人驚嘆于現在日新月異的技術。毋庸置疑，在大數據、人工智能等新力量的沖擊下，人類已經迎來了大交叉時代。阿里巴巴副總裁劉松對此曾這樣評價：“大交叉時代，最重要的紅利是交叉的紅利，最大的成本可能是共識的成本。”

回顧歷史上三次工業革命，懂得擁抱變化的企業，將殺出重圍，獲得交叉時代的紅利。而有的企業則因為固步自封，喪失機遇，最終被時代拋棄。在第四次信息技術革命的浪潮中，人們對于新技術抱有了更大的期待：希望它能夠與實體產業深度融合，進而帶動實體產業向前發展。

如果說新技術對物理世界的全面滲透已經成為了必然趨勢。那么，對于企業來說，如何在大交叉時代走得更遠？

美林數據董事長程宏亮給出了答案：以每一步的成果，糾正下一步的路徑。

探索

美林數據自1998年成立，發展至今已經成為國內知名的工業大數據企業。回顧美林數據二十一年的發展歷程，程宏亮告訴億歐新制造：“從2010年開始，我才感覺興奮起來。”

2010年不僅對于美林數據來說至關重要，對于整個中國來說更是具有歷史性意義的一年。

這一年，中國的GDP增長創下10.6%的峰值，總量達到41.30萬億元。首次超過日本，成為世界第二大經濟體。

這一年，中國制造業增長值超過美國，成為了“制造業第一大國”。

同樣是這一年，在經濟快速增長的背后，發生了舉國震驚的“富士康十三跳”事件。

彼時，大多數人沒有預想到，如今的富士康正在奮力撕掉“代工廠”的標簽，在“工業智能”、“無人工廠”這條路上走在了行業前沿。

然而，歷史機遇總是留給有具有行業前沿眼光的人。那一年，程宏亮看到了數據在未來產業發展中的核心地位，開始帶領團隊研發大數據平臺，也就是現在美林數據的核心產品——Tempo大數據分析平臺的前身。

程宏亮向億歐新制造表示，當時，美林數據對這個平臺的定位是“安全自主可控”。他說：“我特別清楚，行業數據打通是未來的趨勢，這些數據對企業來說非常有價值，但是如果數據被別人拿走了，又是對企業最大的傷害。”

基于這一認識，美林數據在2010到2013年這一階段，投入了大量的人力、財力在該平臺的研發上。據程宏亮介紹：“我們當時是用傳統業務所賺的錢，來支撐平臺的研發工作。在公司內部，我其實頂著很大的壓力，但是這件事情非做不可。”

2010年，國內還沒有大數據的氛圍，提得更多的是數據挖掘。直到2012年，在美國提出《大數據研究和發展計劃》的同年，我國批復了“十二五國家政務信息化建設工程規劃”。這標志著我國大數據時代真正來臨。

自此之后，大數據受到了市場的密切關注。借著這一股東風，從2013年開始，美林數據便迅速將研發成果放到實體產業中進行推廣，其中重點便是制造業。

但據程宏亮介紹，起初推廣效果卻并不理想。至于是什么原因，程宏亮用四個字回答：不接地氣。

“當年這個產品，使用起來有較高的技術門檻，只有精通數學的人才能用。而在當時，一家企業中這樣的人才很少。這就導致了看似‘高大上’的平臺，卻不具備實操性。”程宏亮告訴億歐新制造。

但是，在嘗試碰壁之后，美林數據并沒有選擇放棄，而是繼續調整自己的步伐。

2015年，美林數據開始從“讓用戶擁有最好的體驗”出發，開啟了新一輪產品研發。程宏亮稱，這輪修正使得平臺的易用性逐步增強。非技術人員無需進行繁瑣的編碼，通過“拖拉拽”的方式即可實現數據的建模和分析。這一升級，使得Tempo大數據分析平臺在行業中的推廣變得順利起來。

圖2 美林數據Tempo大數據分析平臺

與此同時，國內工業大數據市場全面爆發。根據中國工業大數據創新發展聯盟發布的《2017年中國工業大數據發展概要》，2016年中國工業大數據市場規模已達150億元，2020年這一數字預計將達到822億元。

這意味著，在2010年頂著各方面壓力進行大數據平臺研發的美林數據，最終在市場爆發的前夜占據了先發優勢。

扎根

隨著市場的爆發，工業大數據賽道上涌現出了許多同類型企業。但不同于大多數企業所做的數據可視化平臺，美林數據的Tempo大數據分析平臺往前邁了一步——引入了AI模塊。

AI無疑是目前很高級的發展形態，它的迷人之處在于能夠預判未來，但這也意味著其在產業中應用具有一定的門檻。若要通過AI技術幫助企業改善生產管理現狀，企業的數字化水平需要達到一定程度。

AI技術的應用門檻為美林數據聚焦的行業劃定了范圍。據程宏亮介紹，美林數據主要聚焦在數字化程度較高的兩大行業：一是能源電力行業，二是高端制造業。

以電力行業為例，發電廠將電輸送給電網企業，電網企業再配送給用戶使用，這個過程要在一瞬間完成，需要建立在所有鏈路都高度數字化的基礎上。

美林數據在這個過程中服務的是電網企業。具體來說，美林數據一方面可以對配電過程中所需要的變壓器進行預測性維護。另一方面，可以預測售電量。即通過分析過往某一區域內的用戶用電數據，來預計未來一段時間里要為該區域用戶配送多少電量。這樣有助于減少線損，降低成本。

在高端制造行業，美林數據則主要應用AI技術為產品進行質量檢測以及故障預測維護。典型的應用案例包括，家電制造企業的產品異音檢測，汽車制造企業基于機器視覺的沖壓件質量檢測和工藝優化等。

經過2015年的迭代研發，Tempo大數據分析平臺逐漸變得“接地氣”了，也受到了國外咨詢公司的關注與認可。2017年，美林數據被Gartner評為“大中華區最酷數據分析技術供應商”。當在行業中取得了一定的聲望后，美林數據卻沒有滿足于現狀。在腳踏實地的同時，仍不忘仰望星空。這一次，美林數據將目光投向了工業互聯網。

融合

都說新一輪信息技術與產業的深度融合是未來趨勢。事實上，所謂“深度融合”，不僅僅指的是應用新技術解決產業中的單點問題，而是要實現產業的全鏈條打通。這個過程就需要借助工業互聯網。

基于這一情況，自2017年以來，工信部通過政策引導、資金支持、試點示范等工作，積極推進工業互聯網建設。

盡管中國工程院院士鄔賀銓曾表示，目前多數企業仍然感覺到工業互聯網處于“叫得響、熱得慢、看不清、摸不著”的狀態。但在政府的大力推動下，一時間，工業互聯網賽道仍然有許多玩家“躍躍欲試”。

不過，從整個行業生態來看，由于工業行業所處的產業鏈位置、生產特征、業務需求和兩化融合水平存在差異，現階段工業互聯網的應用推廣步調不一。這意味著，工業互聯網若要取得明顯的效果，仍然需要一段較為漫長的時間。這需要大家遵循事物發展的客觀規律，不能操之過急、揠苗助長。

針對行業現狀，程宏亮表示：“工業互聯網比消費互聯網難以推進，企業必須要持續對技術進行打磨。基于此，美林數據將在已有的行業中繼續深扎，不斷優化自身的工具和算法能力。”

從整體上看，行業還處于不明晰的階段，那么工業互聯網企業之間究竟是“你死我活”還是“合作共贏”成為了大家關注的重點。

對此，程宏亮坦言，現在市面上的工業互聯網企業在“鏈接”這一環做得很好，但在“相互賦能”這一環卻有所欠缺。“許多龍頭企業在布局工業互聯網的過程中，都希望以自己為核心。但是，發展工業互聯網需要開放的心態、創新的心態，只有大家合作，才能共贏。”程宏亮表示。基于此，美林數據開展了“合作伙伴計劃”，希望能與行業伙伴相互賦能，實現共贏。

大交叉時代，意味著將會涌現出新的商業模式。拒絕改變的企業，自然會被時代的洪流所淘汰。但擁抱變化的企業，也未必都能笑到最后。程宏亮說，根據黃金分割定律，在這些企業中，只有大概百分之三十能夠存活下來，有百分之七十的企業要被淘汰。美林數據能做的，就是深耕行業，以每一步的成果，糾正下一步的路徑，爭取走得更穩、更遠。返回搜狐，查看更多

責任編輯：