昨天參加AII會議后受到一些業界專家的啟發，也把黃培博士的話題寫了一篇粗稿-今天參加e-works舉辦的工業軟件與制造業發展論壇，后來觀眾提問又談到這個話題，包括來自用戶端的幾個專家也談到了自己所在領域的這個問題，以及微信后臺幾位IT大廠專家的留言探討，覺得還是有必要再議一次或多次。

融合的必要性

華為的亞靈兄的觀點，OT與IT融合從經濟性角度自然是有潛力的，無論IT與OT都是通過大規模應用來降低成本，獲得經濟性，因為商業領域大量的研發與資本投入會帶來技術的成本攤薄，OT若可以很好的應用這些技術，自然也能起到對制造業經濟性的推進，這個的確也曾經和華為的朋友討論過，就像華為P20Pro,P30Pro在圖像處理方面的算法積累，也可以如何與機器的視覺融合，雖然兩者本質是有區別的，一個在于還原人或景色的真實度，而視覺則關注于獲取最大的輪廓，信噪比，但是，就視覺的處理應該仍然存在著共性的問題，那么已經投入的大量應用成本可以分攤—這就像美國的NNMI一樣，大量的材料、能源技術投入到軍方、頭部供公司，但是如果能夠通過共建生態系統，各個企業能夠分享其中的共性技術，那么整個美國相關領域的產業就相當于將成本進行了分攤，在中國的軍轉民同樣是這個道理。

邊緣計算的商業價值問題

邊緣計算是一個話題，這是一個典型的IT與OT融合的場景，在昨天的AII邊緣計算組討論中，大家的焦點都在“標準與規范”這個問題上，顯然，對于OPCUA所扮演的角色有一定的共識，當然也存在質疑其是否太“重”的問題，從設備層到邊緣再到云的這個過程，如何定義“有價值的數據”，以及“什么樣的接口規范與標準”，這是個難題，目前看上去問題就卡在這個地方，但是，需求是否存在呢？

顯然是存在的，包括以下幾個方面：

1.由于連線而產生的協同問題：就已經有了制造能力而言，低端不談，就已經達到的領先的制造水平已經是極高的，通過連接來消除中間的非增值環節，這是使得離散的生產轉向“連續”，像流程工業一樣具有連續性，可以進一步挖掘效率，但是，這里就會出現新的協同問題，在流程工業今天參加會議的一位冶金領域專家談到由于原料的品質問題，以及生產負載的變化所需的動態優化問題，這個問題也會出現在離散制造業，以由于時間節拍的匹配、能源計量的粒度變小、開機浪費、由于切換造成的OEE下降等需要產生新的策略和規劃問題，而這個又需要邊緣側進行處理，而在個性化產生后，大量的品質動態優化，因為實時監測與動態質量迭代就不能依賴于人工，而必須采用一種學習的方式來預測和動態參數最佳來降低能耗、時間、原料的消耗。

2.模型驅動與數據驅動：記得有一次南山群里兩位朋友討論預測性維護，但又各自似乎完全不明白對方在講什么，后來發現兩個人從兩個角度來看這個問題的解決，一個是模型，基于物理的機械失效過程，另一個不管這個基于純數據驅動—就像《智慧的疆界》中講到的“行為主義學派”，不關心機理過程，而關心結果—看到的數據，以及通過行為如何改變結果，兩者各自有其優缺點，前者具有可解釋性，但對人、對行業工藝、機理模型有非常深的積累才行，而后者則基于數據，但是，存在潛在的不可解釋風險，但是，卻又簡單易行—這是IT擅長的，如何讓兩者結合自然是最好的。

3.數字孿生：其實早期驗證與換型中的驗證的確是必要的，這對于“個性化”生產的質量迭代、運行測試過程至關重要，因為，批量變小的情況下、頻繁更換生產的情況下，對于機器的適配、調校不能在產線上物理的執行，那樣還沒有質量迭代完，訂單的批量已經完成，這顯然不可能。無論是連續生產還是離散生產都存在著工藝的驗證問題。

如果說從融合的必要性方面來說—是存在著潛在的需求的，但是即便對于問題，IT、OT、CT大家都在談邊緣計算，也各自有邊緣計算的產品發布，但卻又不盡相同，這個是基于三者的不同，OICT融合，從華為的一位朋友觀點來看，難點在于這兩個生態的融合，不同的開發生態、銷售生態、服務生態，AI在商業領域的應用在于不同的算法優化問題，5G也同樣面臨行業終端的適配問題。

生態系統的建設問題

難點在于這兩個生態的融合，不同的開發生態、銷售生態、服務生態，AI在商業領域的應用在于不同的算法優化問題，5G也同樣面臨行業終端的適配問題。

事實上，早在15年寫論文的時候就研究了戰略管理，談到了“生態系統”，這的確是一個管理學界的大問題，從80年代邁克爾.波特的競爭理論，到JamesFMoore的《競爭的衰亡》，管理學的戰略研究從比對競爭戰略轉向了“競合”的生態系統建設問題，這本身就是一個復雜的、前沿的問題，那么，本身就需要建立具有“利益均衡”的共生系統，而如何搭建這個系統？有朋友覺得政府和機構主導的就不好，但是，企業主導的又有私利，那么由政府機構、機構牽頭，企業發揮各自的力量，如何有效的構建這個生態系統，讓每個“利益相關者”都能受益其中，那么就是一個好的方向。

因此，有朋友會提到這種組織機構是否應該引入咨詢機構、戰略管理專家對整個組織進行規劃設計，而不是由技術專家們進行，比較好的像IEEE，它來自于企業、大學，但是，卻能有效的運作各種標準，這個是如何運作的，值的研究。

做技術的人往往忽略管理的價值，這個是普遍存在的一種現象，多個維度思考問題，術業有專供，如何構建“組織”、“生態”，本身也是一個大的話題。

IT與OT的相互認知問題

1.教育問題：大家也提到了教育問題，這個在于目前的垂直專業劃分，使得工藝類、自動化類、機械、計算機、人工智能、軟件、通信都無法有效的橫向溝通，當然有些好的學校像清華、上海交大等也能做到跨學科教學，這些領先的教育嘗試也是比較有效的，讓各個專業相互能夠有所認知。

2.OT端缺乏對IT方法、工具、能力的認知，雖然有問題，可能因為缺乏認知就無法充分利用，而IT端也缺乏對現場的認識，就想當然認為這些工具方法在商業領域的成功可以輕松復制到工業領域，顯然，這個交叉處的問題就像通信一樣，本質上控制是基于“等時同步”，即，周期性、確定性、實時性、可靠性等的問題，如交大戴老師所言，IT關注BestCase，而OT關注WorstCase，對IT來說不行再來一次，而對OT這個不行，IT的東西太重，而OT需要短小精悍與穩定，這種需求的巨大差異使得在基本的技術面就缺乏相互的認知。

3.跨界創新的問題：當時間來到了一個需要跨界融合的時候，卻缺乏這方面的相互溝通，就像一位專家今天提到的，雖然他們有需求，但是，在設計院沒有這方面的設計能力，并且沿襲傳統的架構是“安全的”，人們延續了很多年就無法突破原來的設計架構。

我們需要的創新是什么？

很多系統都是來自于國外，但是，中國的實際情況需要一種本土的創新，因為中國的生產規模、生產環境的復雜情況是在原有的系統設計時沒有考慮的，或者說進口的系統沒有遇到過中國的生產場景的規模、原料復雜度、人員的缺乏規范。那么，如何在這種不確定下設計有利于我們自己的。

創新—當我們有些領域已經走到了世界的前沿，我們需要創新才能解決問題，跨界，但是，這種缺乏認知則限制了創新，新的技術無法被有效的利用。

IT與OT的應用，在中國已經達到了國外無法比擬的地步，我們今天的支付系統已經強大到我居然出差都可以錢包里是空的，這樣的網絡便利，我們的5G也快速發展，大量的互聯網應用場景，本身給我們提供了大量的條件，如何結合自身情況解決好自己的問題，我們真的需要自主創新，別人的工具可以用，但是，要學會自己造工具，因為，我們的情況是他們沒有遇到的復雜、多變，所謂的“VUCA“時代，易變的、不確定的、復雜的、模糊的環境。

我們需要結合自身的情況制定適用的工具方法、產品與技術，開放的學習，融合技術、管理、經濟、心理、教育多個維度的融合創新。

即使問題如此之多，似乎難以前進，不過，我總記得在同濟大學讀MBA的時候，我們的一位張茂林老師總會說一句話“請相信，一切都會變好的“。