由企业网D1Net、中国企业数字化联盟和信众智(CIO智力输出及社交平台)共同主办的2024北京部委央国企及大型企业CIO大会于1月20日在京圆满召开。本次大会汇聚了百余位央国企部委及大中型企业CIO、信息主管以及数字化一线厂商，以“数智赋能可持续发展”为主题，围绕数据治理、BI、数据合规、数据入表、人工智能大模型、分布式云、安全等数字化技术应用，数据战略规划与实践、大模型在行业中的落地实践、数字化转型实践等热门议题展开深入探讨。

赛意信息副总裁林立岳在演讲中主要探讨了数据在工业制造中的重要性，智能制造的不同场景及解决方案。林立岳强调，数据已经成为新型生产要素，是数字经济时代的核心。在农业经济中，土地和劳动是基本生产要素;在工业经济中，资本、管理、技术和知识成为主要生产要素;而在信息社会，数据成为新型生产要素，对经济增长的引擎作用日益凸显。

接下来，林立岳详细介绍了数据在工业中的作用，包括数据要素的定义和特征，以及数据要素如何影响工业智能的发展。在智能场景解决方案与案例方面，林立岳探讨了工业视觉智能、工业语言智能和工业决策智能等智能制造场景。这些场景展示了如何利用AI技术优化制造过程，提高效率和质量。

最后，林立岳介绍了赛意信息科技股份有限公司在智能制造领域的发展历程、核心优势和产品理念。他表示，公司已成功实施了500多个优质客户案例，涵盖了注塑行业、家电行业、通讯行业等多个领域。

以下是现场速记。

赛意信息副总裁 林立岳

林立岳：特别高兴有机会来到这里和大家分享我们在智能制造领域的实践和经验，我更多的是将我们的实践和经验跟大家在这里做一下探讨。

我今天从赛意的角度来谈一谈在未来构建智能制造的关键是什么?今天大多数嘉宾都在谈AI，今天的主题也是AI。我们说AI怎么用在智能制造体系的，它如何去应用?我想讲讲我们自己的实践。

今天主要讲三部分：

第一，数据成为工业关键要素。

第二，智能场景解决方案与案例。

第三，赛意信息公司介绍及优势。

首先谈新型生产要素：数据要素。

我们说人类的革命，经济可以分为三个阶段。农业经济：土地和劳动力;工业阶段加入资本、管理、技术支持;数字经济：要把数据加进来，所以不同的经济形态它的要素是不一样的。

我们国家也非常重视数据要素，2019年我们中国共产党第十九届中央委员会第四次会议上有人提出将数据明确收入到生产要素中去，经过五年的探索，一步步将数据入表主题到来。

工业数据要素的流程过程，如果我们回到制造业的本身，我们说智慧的本身有工厂、外网、内网，外网、内网数据汇集会形成一站式数据平台，只有形成一站式数据平台才有可能去形成智能制造，才能形成网络化的协同、个性化的定制和服务化延伸。也就是说所有创新和应用创新越来越依靠数据要素的组成。

数据的组成、工业的智能作为引领制造方式的变革，我们第一个制造范式的迁移，制造方式的变革，比如整个制造来说我们会变很多制造形式包括柔性制造、敏捷制造、网络化制造，从制造形式变迁来说从实体制造转变为技术的制造，表现明显的是汽车制造，汽车产品推出以前是三到五年一个周期，现在汽车新品推出的周期可能半年到一年，半年到一年的推出就是技术的体现。

生产工具的革命。传统能量转换工具向智能工具演变，传统装备升级为智能装备。灯塔工厂在智能中国越来越流行，越来越多。在制造系统重建，前面几个甲方的嘉宾美的包括金风都谈到了系统的重建和构造的过程，其实整个构造过程也是从孤岛式的集中封闭的集中体系走向开放式的集中体系，这是时代的变迁和变化。

基于这样的背景，我简单谈一谈我们在智能制造这个场景里我们的方案和案例。

首先赛意在智能制造的探索可以回到十几年前，回到2012年我们第一代产品的推出。那一代产品的推出，还要基于单工厂的业务，到了智能制造，在2018年我们就推出了智能制造2.0时代，从模式设计到业务落地应用，那时主要以集成应用为主，当时会把MaaS全部集成到一体化做应用的体系，更多是满足我们的交付的应用需求。面向复杂的应用交付，我们现在通常讲的大量的工厂，小规模、大批量怎么来进行?2018年我们推出这个产品。到了智能制造3.0，更多集工业互联网到产业协同一体化的智慧生态，我们以链主为模式去推整个产业链智能制造体系的开放，这时候我们就基于模型的体系制造应用，纳入更多的技术包括设计制造一体化，包括技术物理一体化，加入工业互联网平台，这是整个智能制造变迁的过程。

在这过程里，我们积累了自己的经验。比如工业模型沉淀了5170个，在行业机理上有585个，研发的仿真有259个，数据算法3678个，业务流程648个，这个都是沉淀在我们整个工业互联网平台上。我们这个平台也是国家发的双化平台之一，共产党发的双化平台全中国只有50个，赛意平台也是其中的一个。

从十几年以来我们实现的客户案例，在中国有大概给500多家企业做过智能制造的案例，涉及各行各业。今天以AI主题讲MI，MI是统一的数据智能中台，数据中台部分是统一的数据业务理念，统一的采集体系、存储体系、治理体系和消费体系，它内置四个模型：工业大脑、工业数据治理、工业数据湖、工业数据分析模型，里面做工业数据整个开发应用。我们在大的产品体系里面，我简单的介绍一下在里面基于几个领域的应用：

1.工业视觉智能：场景。工业视觉体系里，从模型角度来说没有什么特别的，我们是用AI的识别算法加AI管理平台来形成对质量的合规、安全的合规、工艺合规等合规领域的管理。在制造领域中，人、机、料、法、环，目标状态、场景要素怎么通过AI模型去做融合和感知，去进行合规性的视觉?这个就是我们在做工业制造里面AI能力的应用。

在整个应用过程中，我们将整个模型做了分类。首先做场景的分类，场景分类中再做精细化分类，再做模型管理、模型场景等。

举例，在制造环节里人、机、料、法、环，安全涉及各个方面，既有单位各个安全岗位责权说明书也有规章制度还有国家法律法规各种安全管理，怎么将识别到的场景结合这些法律法规和岗位责任识别出来?这个就是重要的应用，特别是安全，在我们生产里面这么重要的位置里面。这个是我们做的客户，无论是装置应急安全还是作业环境的安全还是人类行为的安全，这些安全风险分布和动态监控都在整个系统里面，所以它是做到了全量的数据采集、实时管、分级管。

质量领域，质量分四个环节：来料的环节，所有的物料送过来之后，怎么去确保来料的合格性。制造的过程检验，还有作业的过程。工人作业过程，怎么保证作业的正确性?另外是产品的质量。我们说质量在这个制造行业里面，质量这个领域是最被快速用AI替代的重要环节，这是应用的第二个领域。

另外EHS的管理模式，怎么做到环境健康的管理模式的管理?这里面也可以做到整个过程中，全场的监控视频后，会发现没戴安全帽，是不是有明烟、明火等环节都可以用算法监控整个环境的健康度，所以做到了事前预警、事中报警和事后追踪的过程。

还可以把视觉智能应用到SOP，每个岗位作业的标准和作业的方式是否完全按要求去执行?每一个岗位上都有监控的小屏，监控小屏都可以实时去拍摄你这个岗位是否遵守了整个SOP执行的过程?这个是在视觉环节的一些监控。

在离散制造客户里，视觉智能对产品表面缺陷识别这个环节，现在大部分工厂已经全部AI替代了，特别是表面的。人看到的，声音听到的，能够检测出，能够用人来检测质量的问题，现在基本上都可以用AI来替换。我记得今天中午美的的张小懿总讲到他对质量提升方面，一个重要的方式是他和负责美的质量副总裁不断到工厂走动，只要看到有人的地方就想办法这个地方能不能不要用人?他说当人越用越少的时候，质量明显被提升了，这个就是趋势。

2.工业语言智能：案例。

第一个案例是我们在做PCB行业的时候，这个行业里面最难的东西就是客户发来的需求文档特别复杂，这么复杂的知识文档如果用人工全部来解读、整理出来并且制作成工艺的指示文件会花费大量人力。所以会发现在PCB行业里去做报价、工艺的输出，这个需要很多人，一个几个亿的厂，这个岗位就需要几十个人。我们跟PCB其中的一个工厂，给它做出大模型处理的模式。整个工艺管理过程，我们都把它整理成大模型的模式。文档输入其中就会调用大模型自动生成工艺文件，以前大概30、50个人岗位立马替换成大概不到10个人就能完成以前同样的工作。

这是机器的日志解读，特别是做装备制造的或者产品是装备制造的，比如电梯设备，我们更多的是要理解机器本身里面运行的日志，通过对日志的理解，现在理解机器运行的状况，这也是现在越来越多智能化时代的战略。美的有一个成功的战略叫双智战略，非常成功的一个点是智能产品和智能制造。我相信所有大型产品都已经内置了它的芯片，所以只要对它的日志进行解读就能了解这个机器目前运作的状况，对机器运行维护效率会大大提升，成本也会大大降低。另外基于这个语言构建企业的知识大脑，段总讲的非常好。

基于工业决策场景，我们在这次作业里有很多决策的环节。比如离散制造里面，它又分很多行业，有汽车装备、电子组装，每一个不同的行业面对不同的竞争环境，它对智能的典型应用是不一样的。比如库存管理优化或者订单理念优化或者物理调度优化，这些都会结合到我们当时制造场景的环境去做应用场景或者去做我们的算法、模型，才可能产生我们的收益。现在来说大家对算法越来越熟悉，所以不同的企业对它未来的应用都会不断地去提炼企业应用本身的特性和特色，并且对这个优化形成自己的算法，从而减少对资源的浪费或者提升效率，这是不同的行业会有不同的理解。这个是未来IT行业，我们如果是乙方，这是大量的商业的机会，因为大家都要不断地优化自己业务的流程。

举两个例子：

案例1：基于决策智能寻找最佳配煤配方。做煤炭交换煤系统的时候，怎么做到智能的配煤?并且质量检测怎么在配煤过程配比，怎么做到最优配比?里面有很多原始数据输入，建立大量模型，通过这个模型让我们不断去跟预测值进行比较，不断去完成它整个智能配煤的过程。

案例2：基于决策智寻找最佳冶炼配方。钢铁行业里，同样对它功率要素以及各种耐材消耗，去检测目标和输入之间怎么去做最佳的配比的方案，从而降低能耗和物资消耗的水平。首先要对最佳的冶炼的配方和方案，能耗、物耗的方案做最优优化的算法之后，才能不断推动整个行业往绿色领域发展。这是我们自己在企业里面去做一些最佳的实践。我相信AI的这种应用，段总也讲到，我们说现在美国都赌AI会成为第三次工业革命主要的机动力和主要变革的方式，AI目前应用到各个层面。

最后几分钟介绍赛意信息，对北京很多朋友来说赛意信息是比较新的公司。这个公司年龄挺大的了，这个公司是2005年成立的，追溯比较早的话，我们是1998年成立的。我们成立之初，从1998年到2005年这个阶段我们是美的集团全资的子公司，在这2005年我们通过NPO方法分离出来成为独立管控的公司，我们在2017年在创业板上市，我们是创业板第666家上市，所以我们觉得六六大顺，我也祝大家新的一年六六大顺，现在已经完成全国的布局，整个公司有大概6千多人，我们主要服务的客户还是中国的以上市公司为主体的头部客户，我们覆盖的客户大概1500多家，随着客户全球发展，我们现在也在全球的布局我们的服务资源，我们大概在30多个国家有我们的服务资源。

这是我们服务的能力，我们全年800+客户签约，500强中有133是我们长期稳定的客户。我们主要能力是ERP，我们这一代大多数企业大部分使用甲骨文和SOP，在现在的国内在服务甲骨文中现在还有200、300人团队。智能制造是最王牌的产品，智能财务特别是在国家国资委推动和财政部推动业财融合体系中，我们这个财务产品还是不错的，还有智慧营销。

然后是人力资本，我们是跟中国联通一起打造满足全联通30万人的使用。在智能制造领域，我们在几个行业里面是全国排名第一的，也是在亚太地区用IDC数据来说是亚洲的最佳的玩家，我们也通过了国家级双化的工业互联网平台。

赛意服务体系目前在全中国来说也是比较全链条的，不但我们有代理的产品，我们还有自主的产品包括数据中台、OA互联网平台、纯技术平台、供应链产品、营销产品、财务产品等，我们是代理产品和自主产品共同组成的整个服务体系。我们服务的路径上来说，我们有四种服务路径：提供管理咨询的顶设、交付实施、IT外包服务、运维服务。从赛意的角度来说，我们从能力输出到资源输出，在你没有能力的时候我们可以提供能力的输出，解决方案和产品，在能力具备了，特别是大型国企时，我们可以提供人力资源的输出，外包的输出。所以我们是两个相结合，在国内这个是我们相对来说比较特色的地方。我们服务华为大概有20年的时间。

这是赛意的整个产品地图，赛意产品地图比较丰富，又有国外的产品又有我们投资的产品，我们有个产业基金还有上市公司的直投，我们通过产业链基金不断收购新生力量的产品，我们用上市公司的直投购买成熟产品，有财务产品、智能制造和系列产品，组成了丰富的全面的赛意服务的能力体系。我们在19年的服务过程中，我们已经服务了中国，聚焦23个行业，各个行业都有涉足。

这是我们整个全球服务的能力，随着我们中国一带一路，中国企业的出海，我们也逐渐去布局整个全球的服务能力。另外是整个生态资源，我们通过产业基金去投资一系列的代表中国先进的IT生产力的企业，通过赛意的直投收购相对来说比较成熟的比较稳定的业态的企业。

所以赛意有自己的使命，让中国的企业成为世界的企业。从2005年我们出生那天开始就定了这个使命，为什么是这个使命?有时代的背景，2005年那个时刻我们看到了我们的母公司-美的集团，从一个乡镇企业走向全球化的过程。我也看到了我们最主要的客户-华为，也是一个很小的公司走向全球的过程。

同时我们也是肩负着将国外最先进的管理思想，无论是甲骨文还是SAP还是西门子还是微软引入中国的过程，所以我们当时的想法就是把两者相结合，将中国传统的经验和世界上最先进的管理理念相结合，有助于助力中国企业成为世界企业，所以我们就把这个使命一直定到现在，哪怕现在我们已经全球化了，我们也一直坚守为中国企业成为世界企业贡献我们的力量。