文章來源：《麻省理工科技評論》中文網
原文標題：化虛為實，工業智聯如何落地破局 | 專訪清華大學電子工程系教授劉勇攀
“工業互聯網”作為新興概念自 2012 年被工業巨頭通用電氣（GE）提出後，吸引了全球目光。但隨著時間推移，眾多企業卡在了 “如何把理念落到實處” 的問題上。
一方面，許多巨頭企業自身數字化腳步很快，各自有獨立的應用軟件與系統等；另一方面，隨著 IoT 與 5G 技術的發展，企業的目光也更聚焦於工業設備本身，旨在解決複雜工業系統管控問題的同時，將系統資源的使用效率、自主性和安全性等共同提升。
相比於歐美髮達國家，中國的工業企業數字化進程還尚在起步階段。DeepTech 近日採訪了劉勇攀教授。他在 2018 年創立了湃方科技，核心團隊來自清華，他們從垂直行業入手，長遠也將轉向平臺化服務企業。成立兩年不到的湃方科技在工業設備智能化領域的商業化取得了亮眼的表現，也找到了一條適合自身發展的賽道。
落地有“根”，解決痛點才是切入市場關鍵
湃方科技成立伊始，便將設備的智能化運維當作業務重點，尤其聚焦於工業的動力核心——旋轉機械，包括泵、電機、壓縮機等。目前，公司已和中石油、中石化、中海油等公司建立了戰略合作關係。而這或多或少都與核心團隊的經歷有關。
劉勇攀是清華大學的教授，也是電路與系統研究所的所長。另外兩名主要創始人，武通達在清華大學電子工程系的本碩博經歷都師從劉勇攀；馬君作為清華大學的博士後，曾任阿里巴巴達摩院決策智能實驗室算法專家、中國石油地球物理公司數據科學家，生長於石油城遼寧盤錦的他有著 7 年的算法研發經驗和 5 年的工業實踐經驗。
“目前設備運維難度大、效率低，而主要原因就在於數據的採集和分析很困難。”劉勇攀說。此外，他還表示，運維市場的空間巨大，他們考察了 10 來個細化行業，發現設備運維市場有萬億級的空間。
以泵為例，雖然泵的價格從幾百到幾十萬不等，但值得監測的泵機大部分處於缺失在線監測傳感器的狀態。因此，旋轉機械的智能化管理成為了一個龐大的待開拓市場。近兩年來，每年泵機新增出貨量上億臺，數量逼近手機；而且，存量規模也十分龐大。“但當下泵機市場的整體是割裂的，分為三部分：前裝、中間服務商和後裝；相互之間信息零散，尤其中間的服務商多以小作坊形式存在。”
除此之外，工業企業的基層人力緊缺問題日益顯著。設備需要有工人進行定期巡檢，但本身相關產業的利潤率很難給出令人滿意的待遇，“年輕人跑到城市裡送外賣掙得比在工廠多。” 劉勇攀說，“我們服務的一個油田，40 歲的都算年輕人了，基本已經招不到人做巡檢了。但設備總要運營下去，那麼如何安全地運營便是企業的痛點。”
解決辦法說起來很簡單，用傳感器收集信息，再對其分析並給出反饋。但實際上，傳統工業傳感器部署較為複雜，並且定製化程度高，導致成本偏高。此外，數據分析也難以擺脫對專業人士的依賴。這兩大因素成為了智能化運維的桎梏，湃方的核心技術便是針對上述兩個難題的。
圖 | 湃方商業模式介紹（來源：湃方科技）
專用 AI 芯片 + 新一代傳感器是解決問題的王道
傳感器是工業數據採集的源頭，而壽命更長更穩定，能耗與成本也更低的新型傳感器是解決 “採集難” 的有效途徑。當然，這種新型傳感器對內嵌的人工智能芯片也提出了更高的技術要求。
“這也是初創公司的機會所在。”劉勇攀說，“通用芯片的優勢在於自身的通用性和快速商業化效率。這會讓大公司以巨大規模的資金投入來拉高工藝壁壘。但創業公司在專用 AI 芯片上是有機會的，將算法和芯片融合的同時，再將新器件與芯片聯合優化。湃方的芯片是一系列技術積累而成。”
“湃方星核”就是超低功耗的工業終端 AI 芯片 Tritium 103 和 Sticker 系列 AI 加速器 IP 核的結合體，其 AI 芯片的功耗降低至 40mW，相比於英特爾的 Movidius 芯片降低了 80%。
“自 2016 年起，我們就開始研究什麼樣的硬件芯片結構能夠支持稀疏性的神經網絡計算。這是我們最大的動力。”不同的稀疏度矩陣運算對於存儲和計算電路要求不同，在提出統一架構的同時，還要讓其能高效處理不同稀疏度的人工神經網絡矩陣，這是 AI 芯片的一大難題。
劉勇攀主導設計了全球首款低功耗非易失處理器。他的 Sticker-T 芯片成果也在 2019 年發佈於 ISSCC，成為國內首篇入選 ISSCC 的人工智能芯片論文。Sticker 系列芯片基於 “算法 - 架構 - 電路” 的聯合創新，對神經網絡中的非規則化稀疏性、規則化稀疏性和低位寬表示提供了高效的支持。2020 年，劉勇攀也成為入選“芯片奧林匹克”ISSCC 技術委員會人工智能芯片領域的首位中國委員。
從具體應用來看，湃方就是給每臺出廠設備都配了一名 24 小時的貼身 “私人醫生”，以便實現產品的預測性運維。以泵機為例，實現了實時監測、啟停機監測、振動分析、工況識別、故障診斷等，且採用的是“一機一模型 + 自動學習” 的算法架構，4 天自學習和本地 20 多種故障診斷，響應時間可以在 10 分鐘之內。
“以石油行業為例，油站的每條輸油幹線機泵組都需要 10～15 名工作人員以及專業的設備專家進行設備管理。而採用湃方智能運維管理方案，通過在線實時監測配合 AI 智能診斷，將巡檢人數降低到 3~5 人即可。有效減少了巡檢、設備維護的工作量。”劉勇攀解釋道，“傳統巡檢方式，人員無法遠程實時掌握設備運行狀態，並且難以精準定位故障。但智能化運維解決了這一問題，降低了維修換件成本，減少計劃外停機。”
除此之外，電機等設備每年的電量消耗都是極大一部分支出。而當電機使用效率下降時，其能耗會變得更高，這部分消耗甚至會超過設備本身的價值。因此，在可以實時監控設備運轉情況之後，就能針對性地做保養維修和小零部件替換等工作，使其效能長期處於穩定狀態。這樣也能大幅度降低電費支出。
圖 | 星核系列迭代圖（來源：湃方科技）
疫情將催動產業升級，全棧式產品是形成業內 “護城河” 關鍵
經過新冠疫情衝擊之後，國內現已全面復工復產。而在工業重啟期間，疫情帶來的封閉、隔離進一步促動了業內對人力替代及人力優化問題的思考。
“當工人需要隔離無法返崗或者不能人員密集化地去做一些工作時，遠程的智能化檢測與控制的需求就更為明顯。” 劉勇攀說。“疫情促動是一個小的紅利，但要做有競爭力的產品，一定要從上到下的。”
從上到下即為全棧，做全棧式解決方案的優勢在於解決了客戶從數據採集到分析，再到展示的整體需求。“通過全棧產品，我們可以做到全局跨層次的優化。”他說到。湃方科技提出的全棧式的工業設備智聯解決方案，包括了湃方星核、湃方星塵、湃方星象和湃方星雲 4 個模塊，可以根據實際需求為客戶靈活組合交付的產品形態。
圖 | 湃方產品矩陣介紹（來源：湃方科技）
當然，對於全棧式解決方案的研發難度，劉勇攀也特別強調：“全棧式的解決方案必須要面臨公司內部研發資源分配的挑戰，這也是多數創業企業在多產品線並行的研發過程中經常要面臨的問題。”而湃方的發展線路則是先垂直深耕，後平臺化發展。
“深耕垂直行業先打通產業鏈，才有可能朝著平臺化的方向發展。建立平臺的基礎是能針對客戶痛點真正解決實際問題，並帶來價值。”他解釋道，“脫離客戶基礎的平臺化產品落地，是會很快就遇到各種麻煩的。”
圖 | 湃方科技業務範圍介紹（來源：湃方科技）
從業務角度來看，湃方科技的商業模式主要有 “前裝” 和“後裝”兩部分。“前裝”是湃方直接向工業設備提供商銷售產品，包括電機廠、泵機廠等。“後裝”則主要通過與雲平臺服務商合作，包括華為雲、英偉達、樹根互聯和浪潮雲等，將垂直解決方案嵌入到平臺服務中，進而將平臺服務商延伸為自身渠道。
“當然，我們也會考慮在創業初期直接以項目方式切入終端用戶，樹立起服務案例標杆。” 劉勇攀說。“總體來說，我認為前裝市場是公司發展機遇所在，業務增長速度會比後裝市場快很多。”
無論採取何種商業模式，對於初創企業來說都有著不小挑戰。通過標準產品切入前裝市場便於實現規模化複製，但難度在於前裝市場大而分散；而通過垂直解決方案切入後裝市場更易通過平臺渠道快速貼近終端用戶，但挑戰在於如何滿足各種不同的定製化需求。
“但創業公司也有自身的優勢所在。在工業智能化時代的中國，有著與自動化時代的歐美一樣誕生出世界級偉大公司的可能。”劉勇攀說道。
閱讀更多 湃方科技PI2Star 的文章
