比AlphaGo乌镇大战更有意义，阿里云给中国制造业做了个“ET工业大脑”

2016年6月，当阿里云人工智能科学家闵万里（山景）第一次走进苏州协鑫光伏的切片车间时，他感到自己开启了另一场巨大的冒险。

他上一次这么冒险的时候，阿里云的人工智能还不叫ET，而叫小Ai。小Ai的成名之战，是去年4月成功地预测了《我是歌手》总决赛“歌王之战”的最终胜出者。了解《我是歌手》比赛规则的人都知道，要做到准确预测比赛结果，相当于要用“读心术”来洞察观众和评委的内心。“人类的情绪、审美趣味等都是主观的，不具备固定的数学规则。”山景用这样的类比来诠释这一挑战的难度，“所以，这比AlphaGo在棋盘上战胜人类还困难。”

小Ai预测《我是歌手》比赛

更难的是，这场挑战没有预演，小Ai的首次登场，就是在全国上亿观众的面前“动真格”。如今山景回想起当时面临的巨大压力，笑称是“赌上了自己的江湖名声”。

小Ai没有辜负整个团队的苦心栽培，它准确预测了首轮淘汰歌手、两两PK配对、前三名人选，以及歌王的最终归属。“我们做到了，我们证明了虽然现在机器还没有自发的情感，但它有可能‘理解’人类的情感。”

这一次冒险的成功，让小Ai声名大噪，也让团队的信心倍增；但是，当山景和团队走进制造业第一线的车间时，面对的情况却和舞台聚光灯之下截然不同。

“——那一刻，我们仿佛看到了‘天书’。”

“在键盘背后不可能理解制造业”

协鑫光伏切片车间里的“天书”，就是工业制造的海量数据。

作为国内光伏行业的巨头，协鑫光伏的年产值超过200亿元。阿里云人工智能ET团队所踏入的车间，生产的是他们的核心产品之一——厚度只有0.18毫米的光伏切片，这是太阳能电池板的主要元件。

光伏切片的生产有着十分精密的工艺流程：一根仅0.115mm粗细的钢线不断摩擦硅板，最终切出一片片误差不能超过百分之一毫米的薄片。车间的湿度、温度、砂浆上下部温度、导轮上下部温度等上千个参数在实时影响着良品率。如此复杂的生产环境下，人工经验很难100%地保障产品质量。如何利用生产线上的数据来提高良品率？这是摆在协鑫面前的难题。

数据不是没有，而是太多了。流水线上的传感器每秒能记录几十个GB的数据，假设用你手中的iPhone来存储，一两秒钟就能“撑爆”一台iPhone。

更致命的是，ET团队里那么多的数据专家，人人都跟互联网上的海量数据打了多年交道，但谁都看不懂工业数据的含义。这里没有他们熟悉的流量、交易额、用户特征等数据，数字背后，是陌生的温度、湿度、压强……他们就像是连一个英文单词都不认识的人，拿起了原版莎士比亚全集。

“当场就有人说，这事儿不靠谱。”山景回忆说，因为在互联网行业中“没有这么玩的”，相比于互联网的打法，这个项目太没有效率保障了——投入可能非常巨大，产出则难以预估。这一场冒险，绝不比让小Ai预测歌王来得更容易。

但他庆幸自己做出了走进制造业第一线车间的决定：“一定要去，因为你不可能在键盘背后理解一家制造业企业。”

两个月之后，阿里云和协鑫光伏的合作正式启动，人工智能团队扎进了车间里，从每一个数据的含义开始，跟协鑫的工程师、技术员和流水线工人一一从头学起。

协鑫方面对此十分惊讶，在他们的印象里，阿里是个纯粹的互联网公司，和制造业扯不上什么关系。“没想到互联网行业的人真会愿意到车间来。”

第一个难关，是把这么多的数据从生产线上“抓上来”，并让它们在云上实时在线可见。听起来不难，数据都是现成的，但是，一家工厂的生产线上机器型号、规格、产地都各不相同，有德国产的，有瑞士产的，它们产生的数据格式都不一样。实际操作的难度远远大于想象。

南京云栖大会上，阿里云总裁胡晓明讲解阿里云ET工业大脑。

为了实时处理这些数据，团队采用了流计算+兼容接口的方案，把数据“理顺”之后全部汇总到云端。“数据都抓上来之后就好办多了，以阿里云飞天系统的运算能力，这个数据量并不是大问题。”为了方便协鑫的工程师和工人们监控这些数据，他们还做了一张数据大屏。“有点像天猫双11数据大屏，各种数据在上面一目了然。”阿里云资深总监李津表示，“数据‘小白’都能看懂，而且通过预先设计好的算法，这张大屏还可以针对异常数据进行自动报警。”

第二个难关，是将整个生产流程抽象成若干环节，然后通过计算，来串联起每一个环节的可靠性与关联性。

这是要解决什么问题呢？打个比方，在传统生产流程中，负责第三个环节的工人，或许对第十个环节怎么做一无所知，也无需对第十个环节的质量负责，但实际上，这两个环节可能密切相关，并且都对最终产品的质量至关重要。

在传统工厂里，这些环节是彼此割裂的，很难有一个全局的视野全面地观察和统筹，但人工智能的长项，正是将上下游全部关联起来看。这一次，小Ai，或者说是已经更名为ET的阿里云人工智能的重要任务，就是通过海量的流水线数据，将光伏切片的生产流程抽象成一条“环节链”，并找出生产良品的关键性环节。

这个计算的过程比大多数人想的要快。ET只用了很短的时间，就精准分析出与良品率最相关的60多个关键环节，然后，通过在生产过程中实时监测和控制变量，ET让协鑫光伏的良品率提高了1%。

“ET就像一个大脑，在进行全局性的‘思考’。”山景说，“在它的统筹之下，所有的生产环节都不再是信息孤岛。”

2017年3月29日，在云栖大会深圳峰会上，阿里云正式发布了ET工业大脑。“让工业生产线上庞大的钢铁躯体拥有智能大脑”，正是这一产品的初衷。

“我们找到了工业制造的核心秘密”

山景的团队属于阿里云的“大数据孵化器”，这个项目，就是要将阿里在电商行业积累下来的DT能力，运用到其他的垂直行业里去。也就是说，这些互联网人“令人惊讶地”走进制造业第一线的车间，并不是一时兴起之举，真正让互联网的方法论和能力深入每一个垂直行业，本就是这个团队的初心。

“我们想要证明，互联网不仅能做点击率、转化率，也可以进入中国最复杂的工厂里去。”

这不仅是一个技术团队的梦想，这也是一件对于中国而言刻不容缓的事。

中国的制造业第一次登顶世界，是在1860年。但那时的中国，不仅深陷在第二次鸦片战争的泥潭之中，还错过工业革命的契机，落后于世界工业的步伐将近百年，不可避免地走向衰落。时隔150年之后，2010年，中国的制造业重回世界之巅，然而构筑在人口成本优势之上的榜首位置本身就是脆弱的，新常态之下，人口红利优势已经下降了14%。

制造业的出路在哪里？当国内许多企业还在苦苦思索的时候，新的工业革命转型已经在发生。在德国、在美国、在日本，大量的企业已经开始行动，如果我们稍一迟疑，一百多年前的历史就将重演。

所幸，在信息革命和人工智能领域，中国和那些制造业强国站在了同一起跑线上。但是，如果只是将互联网技术和流水线简单相加，就好像是“在拖拉机上绑上iPad”，“它仍然是拖拉机，不会变成特斯拉。”

要让互联网真正地进入到工业制造，一定要找准1%的奇点。但第一步是要敢看、敢碰，敢去逐字解读“天书”。因为最难的一环、最核心的部分如果不攻克，中国制造就永远只能是特斯拉外壳的拖拉机。

作为一个制造业大国，中国的工业生产线上有着海量的数据，ET工业大脑所做的，是对这些数据进行充分的挖掘，用人工智能的算法，提炼生产线的流程，找到数据背后的规律。

“制造业企业‘上云’，成功的标志是‘能上去还能下来’。”山景说，如果利用上云的数据提炼出的规律能够重新回到车间，数据就能形成闭环，因为生产线还在源源不断地产生数据。“这样，一台以数据为能源的‘永动机’就运转起来了。”

协鑫的1%是一个开始。为了这1%，阿里云人工智能团队投入近300天，但迈出第一步之后，接下来的路就好走多了。跨界的复制和转移快得惊人，同样的方案被运用于中策橡胶时，只用了28天。因为经过ET工业大脑抽象出来的生产流程“环节链”，运用于其他流程性的制造业之中时，有60%是无需修改的。

“我们找到了工业制造的核心秘密。”山景不无自豪地说，“19世纪的洋务运动是一场举国行动，用了30多年，结果失败了；今天阿里云一支小小的团队，用了370天，掌握了五个行业生产线上的核心规律。”

时至今日，阿里云ET工业大脑已经“算”过了五个行业，下一个要突破的行业是被国外垄断的芯片制造。相比于光伏切片生产的60多个关键环节，芯片制造的关键环节可能超过200个。“但只要是最难的题，没有我们不敢去碰的。我们要承担的是行业的使命。”

花费大半年时间，让工厂的良品率提升1%，数据上看来这是个很小的进步，但在举国上下巨大的经济体量上如果能提升1%，就会是一个天文数字——那意味着一年可以增加上万亿的利润，减少上万亿的浪费。

虽然，诚如ET团队所承认的那样，仅凭阿里云的力量，不可能覆盖整个中国所有的制造业企业，但抓住了这关键的1%，就找到了一个撬动未来的支点。“我们先要点起星火。”李津表示，“能醒来的人自然是会醒来的。”

价值并不总是那么宏伟的东西。有一些价值是数字可以衡量的，而另有许多是数字无法衡量的。ET所做的许多事，正是一点一滴地提升效率，不放过每一点细小的价值。互联网的思维和方法与传统产业的深度结合，也需要先“放下急功近利的心态”，从每一个1%做起。

无数细小的价值汇聚在一起，就会产生变革的力量。